Вероятностные подходы к моделированию познания становятся все более популярными и поощряются в этой области ( Chater, Tanenbaum, & Yuille, 2006 ).
Каковы некоторые аргументы против или недостатки (кроме масштабируемости/сложности) использования этого подхода?
Вероятностные подходы такого рода обычно называют более конкретно байесовским подходом, а Чейтер и Таненбаум определенно являются байесовскими (я мало читал Юилле и не могу комментировать). Байесианство не просто набирает популярность и поощряется; он считается одним из четырех подходов к когнитивному моделированию, а остальные 3: коннекционизм, основанные на правилах и динамические системы. Байесовский подход имеет много положительных сторон и дал много отличных результатов, но, поскольку ваш вопрос касается недостатков, я сосредоточусь исключительно на них. Два основных недостатка: нейронное заземление и рациональность.
Нейронное заземление — это слабость, от которой страдает вся большая четверка и когнитивная наука в целом. Идея состоит в том, что когда мы строим модели разума, мы хотим в конечном итоге закрепить их в мозгу ; это стандартная черта редукционизма. Байесовский подход часто называют «вероятностью важнее правил», и он страдает от той же трудности нейронного заземления, что и подход, основанный на правилах. Часто неясно, как мозг реализует этот сложный байесовский вывод (но в полевых условиях хорошо знают об этой проблеме и усердно работают над ее решением). Это убийца игры? Не совсем так, коннекционизм часто считают более «биологически правдоподобной» альтернативой, но большинство популярных коннекционистских моделей можно так же легко подвергнуть сомнению в их биологической жизнеспособности.. Эту проблему также можно полностью обойти, сказав, что мы действительно хотим обратиться к познанию на другом уровне, чем биологическая реализация (вроде того, как термодинамика может иметь законы без специального обоснования, обеспечиваемого статистической механикой). Примером этого на нашем сайте является поиск бихевиористских интерпретаций моделей (обратите внимание, что теория поля решений больше относится к подходу динамических систем, поэтому это не идеальный пример).
Для меня гораздо более заметной слабостью является рациональность . Правило Байеса по своей сути рационально, а люди — нет; байесианцу приходится использовать различные приемы, чтобы объяснить человеческую иррациональность . Коннекционизм не страдает от этого недостатка, как и некоторые экзотические подходы, такие как квантовое познание Буземейера (я привожу набросок в этом ответе ). Если вы хотите понять, почему модели, основанные на классической вероятности, с трудом объясняют аспекты человеческой иррациональности, взгляните на Busemeyer, JR, Wang, Z., & Townsend, JT (2006) .
Артем дал очень хороший ответ, но я хочу добавить еще один недостаток вероятностных/байесовских моделей: они не механистичны. Это связано с замечанием Артема о нейронном заземлении, но немного отличается. Проблема в том, что вероятностные модели на самом деле не дают представления о механизме, лежащем в основе наблюдаемого поведения — если вы спросите «почему это работает?», ответ байесовской модели будет «потому что познание байесовское», и все. . Модели, которые позволяют структуре (и поведению) возникать из взаимодействий элементов более низкого уровня, обеспечивают более глубокое понимание когнитивных механизмов (хотя и не обязательно нейронных механизмов). Я думаю (по крайней мере, некоторые) коннекционистские и динамические модели систем пытаются это сделать. Чтобы узнать больше об этом, проверьте:
Макклелланд, Д.Л., Ботвиник, М.М., Ноэль, Д.К., Плаут, Д.К., Роджерс, Т.Т., Зайденберг, М.С., и Смит, Л.Б. (2010). Позволение структуре проявиться: коннекционистские и динамические системные подходы к пониманию познания . Тенденции в когнитивных науках , 14, 348-356.
Возможно, это должен быть комментарий, но у меня нет репутации. В двух других ответах упоминается, что основным недостатком байесовского подхода является отсутствие в нем биологического правдоподобия. Однако см., например:
Байесовский вывод с вероятностными кодами населения
Ма, В.Дж. и Бек, Дж.М., и Лэтэм, П.Е., и Пуже, А.
Неврология природы , 2006 г.
Авторы предлагают метод, с помощью которого популяции нейронов могут фактически представлять распределения вероятностей. Я не знаю, насколько убедительной я нахожу эту конструкцию, но, возможно, стоит изучить ее, если вам интересна эта тема.
Также стоит упомянуть, что, хотя нейробиологи, похоже, используют слово «байесовский» для общего обозначения вероятностных подходов к рассуждениям, «байесовская статистика» или « байесовская вероятность » — это нечто большее, чем правило Байеса. Само по себе правило Байеса — это всего лишь математическое тождество в теории вероятностей .
Джейк Вестфолл
оуян