علوم شناختی

از ویکی‌پدیا، دانشنامهٔ آزاد
پرش به ناوبری پرش به جستجو
فارسیEnglish
به تصویر کشیدن مغز انسان

علوم شناختی اصطلاحی برای «دانش ذهن‌شناسی»[۱] (دانشهای شناخت ذهن) است که توسط اولریک نیسر انتخاب شده و به‌طور ساده به صورت «پژوهش علمی دربارهٔ ذهن و مغز» تعریف می‌شود، امروزه علوم شناختی یکی از شاخه‌های محسوب می شود، شاخه‌ای میان‌رشته‌ای که از رشته‌های مختلفی مانند روان‌شناسی، فلسفه ذهن، عصب‌شناسی، زبان‌شناسی، انسان‌شناسی، علوم رایانه و هوش مصنوعی تشکیل شده‌است. این علم به بررسی ماهیت فعالیت‌های ذهنی مانند تفکر، طبقه‌بندی و فرایندهایی که انجام این فعالیت‌ها را ممکن می‌کند می‌پردازد. به صورت مشخص‌تر از جمله اهداف اصلی این رشته پژوهش در زمینه بینایی، تفکر و استدلال کردن، حافظه، توجه، یادگیری، و مباحثی مربوط به زبان است.[۲][۳]

محققین این رشته در ابتدا سعی داشتند که تفکر انسان را به اجزاء کوچکتری تقسیم کرده، و قوانین و گرامر مشخصی برای کنار هم قرار گرفتن این اجزا بیابند. به عقیده آن‌ها تفکرات مختلف ناشی از آرایش‌های مختلف این واحدهای کوچک‌تر فکری بود. بعدها این نحوه بررسی زیر سؤال رفت و نظریاتی مطرح شد که بر اساس آن‌ها، منشأ ادراکات مختلف، کم یا زیاد شدن شدت اتصالات خاصی در مغز شناخته می‌شود.[۲]

زیر شاخه‌های اصلی علوم شناختی[ویرایش]

مدلسازی شناختی[ویرایش]

دانشی با تمرکز بر ساخت مدلهایی که بتواند عملکردهای شناختی و رفتار مغز انسان را توصیف کند. انواع مدل‌های شناختی بسیار گسترده‌اند. از جمله مدلسازی‌های ریاضی، کامپیوتری، مفهومی و … این شاخه از علوم شناختی را می‌توان فنی‌ترین شاخه این علم دانست.

روانشناسی شناختی[ویرایش]

روان‌شناسی شناختی به بررسی فرایندهای درونی ذهن از قبیل حل مسئله، حافظه، ادراک، شناخت، زبان و تصمیم‌گیری می‌پردازد. موضوعاتی از این قبیل که انسان چگونه و با چه ساختاری به درک، تشخیص و حل مسئله می‌پردازد و این که ذهن چگونه اطلاعات دریافتی از حواس (مانند بینایی یا شنوایی) را درک می‌کند یا اینکه حافظه انسان چگونه عمل می‌کند و چه ساختاری دارد از عمده مسائل قابل توجه دانشمندان این رشته‌است. این موضوع‌ها با استفاده از روش تحقیق علمی و بررسی موارد قابل مشاهده دنبال می‌شود و از این طریق فرایندها و پدیده‌های ذهنی مانند باور، خواست و انگیزش مورد مطالعه قرار می‌گیرد.

علوم‌اعصاب شناختی[ویرایش]

این حوزه به بررسی مغز و فعالیت‌های آن می‌پردازد. در حالی‌که روان‌شناسی شناختی وقایع ذهنی را مستقل از فعالیت مغزی بررسی می‌کند، رویکرد علوم‌اعصاب شناختی بر این پایه استوار است که فعالیت‌های ذهنی برخاسته از فعالیت‌های مغزی بوده و به این ترتیب توضیح فرایندهای شناختی مستلزم گردآوری اطلاعات دربارهٔ مغز است. خرده سیستم‌هایی در مغز هریک مسئول انجام یک فعالیت ذهنی بخصوص، مثل خواندن یک کلمه یا جمله، بازشناسی بصری اشیاء یا انسان‌ها، یا حل مسائل ریاضی هستند. این خرده سیستم‌های پردازشگر براساس الگوهای فعالیت مغزی و اطلاعات ساختاری مغز تبیین می‌شوند. دانشمندان این رشته از روش‌های متنوعی برای مطالعه مغز استفاده می‌کنند: بررسی تأثیر داروها و مواد شیمیایی روی مغز (نوروفارماکولوژی)، ثبت امواج الکتریکی مغزی، ثبت تحریک سلولی، تحریک مستقیم مغز حین عمل جراحی، مداخله غیر مستقیم در عملکرد مغز و تصویربرداری با استفاده از ابزارهای پیشرفته. این رشته که در دهه ۱۹۹۰ به پیشرفت‌های قابل توجهی دست یافت همچنان به رشد خود ادامه می‌دهد و علاوه بر بررسی مسائل کلی شناختی مانند حافظه، توجه، هشیاری، یادگیری و غیره، دارای زیرشاخه‌های متعددی شده‌است که از جمله می‌توان به حوزه‌های بین رشته‌ای عصب‌شناسی روان پزشکی، عصب‌شناسی زبان‌شناسی، عصب‌شناسی علوم اجتماعی، عصب‌شناسی اقتصاد، عصب‌شناسی بازاریابی، عصب‌شناسی زیبایی‌شناسی، عصب‌شناسی الهیات و علوم‌اعصاب محاسباتی اشاره کرد.

زبان‌شناسی شناختی[ویرایش]

در زبان‌شناسی شناختی زبان همچون یک جزء اساسی شناخت انسان با کارکردی شناساننده تلقی می‌شود. از این منظر زبان هم محصول تفکر است و هم ابزار تفکر. زبان‌شناسی شناختی از ساختار ظاهری زبان فراتر رفته و به بررسی عملیات بنیادی بسیار پیچیده‌تری می‌پردازد که موجد دستور زبان، مفهوم سازی، سخن گفتن و تفکر است. رویکرد نظری این حوزه بر پایه مشاهدات تجربی و آزمایشهای علمی روان‌شناسی و علوم‌اعصاب استوار است و هدف آن فهم چگونگی بازنمایی اطلاعات زبانی در ذهن، چگونگی یادگیری زبان، چگونگی درک و استفاده از آن و چگونگی ارتباط اجزای سازنده شناخت است. برخی از زیر شاخه‌های اختصاصی زبان‌شناسی شناختی، معناشناسی واژگانی، رویکرد شناختی به دستور زبان و استعاره‌های شناختی هستند.

فلسفه ذهن[ویرایش]

فلسفه ذهن شاخه‌ای از فلسفه است که زیرمجموعهٔ فلسفه تحلیلی قرار دارد و به مطالعه ماهیت ذهن، فعالیت‌های ذهن، خصوصیات ذهن، هشیاری و رابطه آن‌ها با بدن می‌پردازد. نقش فلسفه در علوم شناختی فراتر از نقشی است که فلسفه در علوم دیگر دارد. فلسفه، در حوزه‌های مختلف معرفت بشری با پرسش سوالات اساسی و تهیه پاسخ آن‌ها علوم مختلف را پایه‌ریزی می‌کند به‌طوری‌که پس از شکل‌گیری دانشی که قادر به پاسخگویی به آن سؤالات باشد، یک قدم از آن حوزه عقب می‌نشیند. اما فلسفه ذهن در علوم شناختی نقشی فراتر از پایه‌ریزی این علم از طریق پرسشهای اساسی دارد. بسیاری از رویکردهای بنیادی که اکنون در علوم شناختی نقش محوری دارند محصول نظریه‌پردازی منطق دانان و فلاسفه است. البته، فلاسفه ذهن نیز به نوبه خود از پیشرفت علوم شناختی برای پیشبرد نظریه‌های خود و ابداع نظریه‌های جدید بهره‌برداری می‌کنند. بدین ترتیب فلسفه ذهن نه تنها در پایه‌ریزی علوم شناختی نقش به سزایی داشته‌است، بلکه به‌عنوان یک جزء اصلی تشکیل دهنده علوم شناختی، با سایر علوم تشکیل دهنده این حوزه رابطه ای متقابل و پویا دارد.

حوزه‌های کاربردی علوم شناختی[ویرایش]

بی تردید از آنجا که حیات انسان و جامعه وابسته به کارکردهای مغزی اوست، شناخت ما از مغز و ذهن می‌تواند تأثیر به سزایی بر همه ابعاد حیات انسان داشته باشد. در این میان هوش مصنوعی و ساخت رایانه‌هایی که بتواند وظایف انسان را انجام دهند، پزشکی و جبران آسیبهای مغزی و شناختی، آموزش و پرورش، سلامت روانی و اجتماعی، سیاست و افکار عمومی، امنیت و دفاع، اقتصاد و بهزیستی، مهندسی و رابطه انسان و فناوری از اهمیت بیشتری برخوردارند. همه این حوزه‌ها با علوم شناختی رابطه‌ای تنگاتنگ دارند و به همین دلیل رشته‌هایی چون هوش مصنوعی، آموزش و پرورش شناختی، روان درمانی شناختی، شناخت اجتماعی و روان‌شناسی سیاسی، روان‌شناسی تحلیل اطلاعات و رسانه‌های گروهی، علوم دفاعی شناختی، اقتصاد شناختی، مهندسی شناختی و غیره پدید آمده‌اند. در زیر به برخی از این حوزه‌های کاربردی مختصراً اشاره می‌شود:

مداخله تشخیصی و درمانی[ویرایش]

با استفاده از یافته‌های علوم شناختی می‌توان زمینه‌های بالقوه اختلالاتی مانند خوانش‌پریشی و درخودماندگی را در کودکان از طریق تصویر برداری عصبی پیش‌بینی کرد و با انجام مداخله به موقع عصب‌شناختی و تصویر برداری مجدد از آن، از ترمیم آن مطمئن گشت. این‌گونه مداخلات عصب‌شناختی راه را برای معالجه بسیاری از کاستی‌های عصبی باز می‌کند و فصل جدیدی را در علوم‌اعصاب پدید خواهد آورد.

از جمله این مداخلات دستکاری ژنتیک و کاشت سلولی است. اینک به منظور توان افزایی و رفع اختلال‌ها و زوال عصبی، دانشمندان در حال تجربه دستکاری ژنتیکی سلول‌های عصبی، کاشت آن و سلول‌درمانی یا پیوند عصبی هستند. یکی از دانشمندان علوم‌اعصاب به نام مارتا فرح می‌گوید: «بیست سال پیش معقول به نظر نمی‌رسید که دانشمندان علوم‌اعصاب دربارهٔ نمایه‌های مغزی مربوط به راستی در برابر دروغ، حافظه قابل ارزیابی در برابر حافظه کاذب، احتمال ارتکاب جنایات خشونت بار در آینده، سبک‌های استدلال اخلاقی، نیت همکاری و حتی محتوای خاص آگاهی، حتی پیشنهادهایی داشته باشند. امروز نیز معلوم نیست برای بیست یا پنجاه سال بعد چه خواهیم داشت».[۴]

آنچه قطعی است شروع مداخله عصبی در مورد حیوانات است که تا به حال نتایج چشم‌گیری داشته‌است. برای مثال، محققان مؤسسه مطالعات زیست‌شناختی سالک و دانشگاه کالیفرنیا در سن دیگو موفق شده‌اند از دست دادن حافظه را در موش‌ها با جلوگیری از تولید نوعی پروتئین که در ایجاد پلاک‌های مغزی مؤثر است، کنترل کنند.[۵] در ایران نیز تحقیق دربارهٔ کشت و کاشت سلول‌های عصبی و ترمیم سلول‌های تخریب شده از طریق سلول‌درمانی در سطح آزمایشگاهی آغاز شده‌است.

هوش مصنوعی[ویرایش]

هوش مصنوعی دانش ساخت رایانه‌هایی است که بتواند کارهایی را انجام دهد که انجام آن توسط انسان نیاز به هوشمندی و شعور دارد. تحقیقات انجام شده در هوش مصنوعی عمدتاً متمرکز بر یادگیری، حل مسئله، ادراک، پردازش زبان بوده‌است.

با پیشرفت‌هایی که در زمینهٔ هوش مصنوعی و تولید سامانه‌های هوشمند به دست آمده‌است می‌توان بین شناخت طبیعی و شناخت مصنوعی پیوند بر قرار کرد. وسایل ارتباطی و واسطهایی که امروز برای جبران کاستی‌های شناختی تجربه می‌شود این امید را زنده ساخته‌است که بتوان در آینده بخشی از این کاستی‌ها را ترمیم کرد. از جمله استفاده از رایانه‌هایی است که معلولان می‌توانند با امواج مغزی خود آن را اداره کنند و مثلاً مطالب خود را بدون استفاده از انگشتان خویش بر روی آن تایپ کنند، یا رایانه‌هایی که امواج مغزی فرد معلول را به کلام تبدیل می‌نماید[۳۷]. تولید دست و پای مصنوعی نیز دست‌آورد دیگر دانشمندان علوم شناختی است که با اتصال به سلسله اعصاب فرد می‌تواند فقدان عضو او را جبران کند.

برخی از دانشمندان علوم شناختی پیش‌بینی می‌کنند که با کمک دانشمندان هوش مصنوعی بتوانند رایانه‌هایی بسازند که ایده‌ها را درک کند و به پردازش معنایی بپردازد، رایانه‌هایی که هوش‌های چندگانه را تشخیص دهند و به رفع ضعف فرد در یک هوش خاص کمک کنند، رایانه‌هایی که بتوانند به معنای واقعی کلمه با انسان مکالمه کنند و درک متقابل داشته باشند. هوارد گاردنر مجموعه این مداخلات را مداخلات نرم‌افزاری و سخت‌افزاری می‌نامد.[۶]

با این‌گونه مداخلات نرم‌افزاری و سخت‌افزاری می‌توان آینده جالبی را تصور کرد. تصور کنید دنیای آینده چگونه خواهد بود اگر انسان بتواند با دخالت در مغز از طریق کشت و پیوند سلول‌های عصبی، از طریق دستکاری‌های ژنتیک، و از طریق جلوگیری از تولید پروتئین‌هایی که کار مغز را مختل می‌کند، مغز انسان را کارآمدتر سازد. بتواند با روش‌های درمانی و ترمیمی عصب‌شناختی کاستی‌های مغز را جبران کند، بتواند با روش‌های شناختی یا نرم‌افزاری استفاده بهتر از مغز را تضمین نماید و بالاخره بتواند با استفاده از سامانه‌های مصنوعی کارکردهای مغز را تقویت کند.

در زیر به برخی از کاربردهای هوش مصنوعی اشاره می‌شود.

شناخت الگو یا ادراک حسی مانند بازشناسی بصری حروف الفبا، بازشناسی گفتار، بازشناسی صدا، بازشناسی چهره.

واسط مغز و رایانه BCI که ممکن است از طریق آن به صورت یک سویه یا دو سویه بین رایانه و مغز اطلاعات مبادله گردد.

مطالعات BCI بیشتر بر روی ابزارهای کاشته شده در مغز حیواناتی انجام شده‌است که دچار نقص حرکتی، بینایی یا شنوایی بوده‌اند، ولی در سال‌های اخیر در مورد انسان‌هایی که دچار نقص بینایی، شنوایی یا حرکتی شده‌اند نیز کاشت ابزار صورت گرفته‌است. طراحی این ابزارها بر اساس مطالعات علوم‌اعصاب شناختی صورت می‌گیرد. بر این اساس، مغز با ابزاری که بتواند از نظر دریافت و ارسال سیگنال‌ها به آن کمک کند سازگار می‌شود و بدین ترتیب، اندام‌های مصنوعی از طریق ابزارهای رایانه‌ای به نحوی کنترل می‌شوند که گویی توسط مغز کنترل شده باشند. هدف نهایی BCI آن است که مغز به رایانه وصل شود، به گونه‌ای که قابلیت‌های بیشتری از آن به‌دست‌آورد.

تقویت شناختی[ویرایش]

تقویت شناختی به معنای ارتقاء توانمندیهای مغز در زمینه کارکردهای شناختی از جمله ادراک، توجه، هشیاری، حافظه، تصمیم‌گیری، تجزیه و تحلیل، استدلال، تعادل خلقی و غیره می‌باشد. تلاش محققین علوم شناختی و علوم‌اعصاب شناختی اصالتاً متمرکز بر شناخت هرچه بیشتر کارکردهای مغزی است، ولی در عین حال یافته‌های آن‌ها در دسترس شاخه‌های دیگر علوم از جمله داروسازی، برای تولید داروهای تقویت‌کننده توانمندی‌های یادشده قرار می‌گیرد. رشته‌های دیگر از جمله علوم رایانه، مهندسی پزشکی، سلولهای بنیادی، الکترونیک، بیومکانیک، فناوری نانو و عصب شناختی رایانه‌ای همگی در صدد تولید مواد دارویی، وسایل و روشهایی هستند که بتواند، توانمندیهای شناختی انسان را افزایش دهد.

تشخیص[ویرایش]

عملکرد حوزه تشخیص در هوش مصنوعی ایجاد الگوریتمها و تکنیکهایی است که بتواند تشخیص دهد آیا رفتار یک سیستم خاص بهنجار است یا خیر. اگر سیستم به درستی کار نکند الگوریتم مذکور باید قادر به تشخیص محل دقیق اختلال و نوع اختلال باشد.

در این حوزه می‌توان از سیستمهای خبره نام برد. این سیستم‌ها برنامه‌هایی است که از دانش و مهارتهای تحلیلی یک یا چند انسان صاحب تخصص در یک حوزه خاص برخوردار می‌باشد و از اطلاعات فوق برای حل مشکلات به‌وجود آمده‌استفاده می‌کند. به‌عنوان مثال می‌توان از سیستم‌های خبره که در تشخیص و درمان پزشکی به‌کار می‌رود یاد کرد.

روبات‌ها[ویرایش]

روبات یک عامل مصنوعی الکترومکانیکی است که ظاهر و حرکاتش هدف و مقصود معینی را دنبال می‌کند. روباتها را می‌توان براساس عملکردشان به دو گروه صنعتی و خانگی تقسیم کرد.

بازی‌های رایانه‌ای[ویرایش]

در بازی‌های رایانه‌ای، بازیگرها طوری طراحی می‌شوند که هوشمند به نظر می‌آیند. نمونه برجسته استفاده از این فناوری را می‌توان در شطرنج باز Deep Blue، ساخته IBM مشاهده کرد که توانست گری کاسپاروف قهرمان شطرنج جهان را در سال ۱۹۹۶ شکست دهد.

آموزش و پرورش شناختی[ویرایش]

یافته‌های علوم شناختی تأثیرات عمیقی را در سال‌های اخیر بر آموزش و پرورش بر جای گذاشته‌است به‌طوری‌که امید آن می‌رود که اثر بخشی این نهاد کهن روز به روز ارتقاء یابد. اینک کشورهای پیشرفته پروژه‌های سنگینی را در زمینهٔ کاربرد علوم شناختی در آموزش و پرورش در دست اجرا دارند و با تأسیس مدارس شناختی در حال تجربه این رویکرد در آموزش و پرورش هستند. برای مثال سازمان همکاری اقتصادی و توسعه(OECD) در سال ۱۹۹۹ پروژه‌ای مطالعاتی را آغاز کرد که «علوم یادگیری و تحقیقات مغز» نام گرفت. این سازمان طی نشستهایی در آمریکا، کانادا و ژاپن با همفکری جمعی از دانشمندان برجسته از سایر کشورها به بررسی این موضوع پرداخت و سرانجام در سال ۲۰۰۲ گزارشی را تحت عنوان «شناخت مغز: به سوی علم جدید یادگیری»[۷] منتشر ساخت.

همچنین کشورهای اروپایی در صدد برآمده‌اند نظام آموزشی خود را بر اساس یافته‌های جدید علمی بازسازی کنند و گزینه‌های مختلفی را به عنوان گزینه‌های جایگزین مطرح سازند که موجب دگرگونی بنیانی نظام آموزش و پرورش خواهد گردید. یکی از این گزینه‌ها تکیه بیشتر بر آموزش انفرادی به جای آموزش جمعی با استفاده از محیطهای مجازی است.

بدین منظور سازمان همکاری اقتصادی و توسعه از سال ۱۹۹۷ پروژه‌ای را در دست مطالعه دارد تا آینده مدارس را طی ۲۵–۱۵ سال بعد طراحی نماید. آن‌ها شش گزینه را مورد توجه قرار داده‌اند که در تحلیل سیاست آموزشی سال 2001 OECD، تحت عنوان "مدارس ما چه آینده‌ای خواهند داشت؟" منتشر شده‌است. در سال ۲۰۰۳ نیز مجمع OECD تحت عنوان "مدرسه داری برای فرداً به بررسی این شش گزینه پرداخته‌است.[۸]

روان‌درمانی شناختی[ویرایش]

رشته روان درمانی شناختی به عنوان رویکردی جدید در روان‌شناسی بالینی و روان پزشکی توانسته‌است توفیقات قابل توجهی را در درمان اختلالات رفتاری و روانی به ارمغان آورد. از جمله توفیقات روان درمانی شناختی، معالجه معتادین به مواد مخدر است، به‌طوری‌که مؤثر بودن این رویکرد به خوبی به اثبات رسیده‌است. در سایر زمینه‌های اختلالات روانی نیز امروزه رویکرد شناختی چه به تنهایی و چه در تلفیق با فنون رفتار درمانی یکی از شیوه‌های مؤثر روان درمانی تلقی می‌شود به‌طوری‌که نشان داده شده‌است اثر این نوع معالجات ماندگارتر بوده، احتمال بازگشت مجدد بیماری کاهش می‌یابد.

شناخت اجتماعی و روان‌شناسی سیاسی[ویرایش]

علوم شناختی به تحلیل و درک رویدادهای اجتماعی و رفتارهای سیاسی نیز کمک شایان توجهی می‌کند. نحوه شکل‌گیری گروه‌های اجتماعی و نقش شناخت در آن، درگیریهای قومی، نژادی و مذهبی، نقش رهبران اجتماعی- سیاسی و شخصیت آن‌ها در رفتارهای سیاسی- اجتماعی، نقش شناخت، هویت اجتماعی، هیجان و نگرش در رفتارهای اجتماعی و سیاسی، افراط گرایی و مناقشات بین‌المللی همگی از موضوعات مورد علاقه روان‌شناسی سیاسی و جامعه‌شناسی شناختی است.

روان‌شناسی تحلیل اطلاعات و رسانه‌های گروهی[ویرایش]

یکی از حوزه‌های کاربردی متأثر از یافته‌های علوم شناختی، روان‌شناسی تحلیل اطلاعات و رسانه‌های گروهی است. روان‌شناسی شناختی در درک خطاهای شناختی که منجر به تصمیمات نادرست می‌گردد و نیز طراحی بهترین شیوه تأثیرگذاری بر افکار عمومی به این حوزه کمکهای مهمی می‌رساند. دستگاه‌های اطلاعاتی یکی از کاربران یافته‌های علوم شناختی برای تحلیل اطلاعات هستند. رسانه‌های گروهی نیز برای جذب افکار عمومی و تأثیرگذاری بر آن از اصول روان‌شناسی شناختی بهره می‌برند. زبان‌شناسی شناختی نیز در استفاده از استعاره‌های مناسب به این حوزه کمک ارزشمندی انجام می‌دهد.

روان‌شناسی تغییر ذهن[ویرایش]

یکی از زمینه‌های جذاب در روابط فردی و جمعی مقوله تغییر ذهن است. چگونه ما می‌توانیم در روابط شخصی و اجتماعی خود بر دیگران تأثیر بگذاریم و اساساً تحول ذهنی و فکری چگونه پدید می‌آید. این موضوعی است که نظر دانشمندان علوم شناختی را به خود جلب کرده، به طراحی راهکارهایی برای تغییر ذهن خود و دیگران انجامیده‌است. روان‌شناسی شناختی و زبان‌شناسی شناختی به این حوزه نیز کمک شایان توجهی می‌کنند.

علوم دفاع شناختی[ویرایش]

یافته‌های علوم شناختی در قلمروی دفاعی و امور امنیتی نیز میدان فعالیت وسیعی کسب کرده‌است، به‌طوری‌که نیروهای مسلح کشورهای پیشرفته در کنار توسل به قدرت سخت از کاربرد قدرت نرم غافل نمانده با استفاده از یافته‌های علوم شناختی در جستجوی راهکارهای عملی برای تأثیرگذاری بر فکر و ذهن فرماندهان و نیروهای مسلح رقیب و انحراف افکار ایشان هستند. همچنین کاربرد دقیق سلاح، پرهیز از خطاهای شناختی و نیز استفاده از دستورالعملهای شناختی به منظور بالابردن ضریب دقت و صحت تصمیمات نظامی، به ویژه در هنگام فوریتها از زمینه‌هایی است که علوم شناختی می‌تواند کمک قابل توجهی به علوم دفاعی انجام دهد.

اقتصاد شناختی[ویرایش]

یکی از مسایل مهم در اقتصاد و بازرگانی مقوله تصمیم‌گیری و داوری است. تصمیم‌گیری و عوامل مؤثر در آن موضوع مورد علاقه علوم شناختی به ویژه روان‌شناسی شناختی و زبان‌شناسی شناختی نیز می‌باشد. اقتصاد شناختی در کنار نظریه‌های دیگر تصمیم‌گیری همچون انتخاب عقلانی موسع یا محدود، نظریه بازیها، نظریه پویایی سیستم‌ها می‌تواند به درک فرایند تصمیم‌گیری در اقتصاد و بازرگانی کمک کند.

مهندسی شناختی[ویرایش]

رابطه انسان و فناوری، به ویژه ماشین، موضوعی است که در مهندسی شناختی مورد مطالعه قرار می‌گیرد. در این زمینه راه‌های بهبود فناوریها و ماشین آلات به نحوی که کاربرد آن‌ها برای انسان مطلوب تر باشد و نیز بررسی خطاها و اشتباهاتی که در هنگام استفاده از آن، به ویژه در مراکز حساسی چون نیروگاه‌ها، برجهای فرودگاه و تأسیسات هسته‌ای ممکن است رخ دهد، از موضوعاتی است که مورد علاقه مهندسی شناختی است.

آیندهٔ علوم شناختی[ویرایش]

این شاخه مطالعاتی نوپا است و در مورد داد و ستدی که می‌خواهد زود یا دیر با سایر علوم برقرار کند ابهامات زیادی وجود دارد. از جمله اینکه چگونه داد و ستدی میان داده‌های علوم شناختی و فلسفه علوم انسانی (انسان‌شناسی، جامعه‌شناسی، شناخت‌شناسی و علم النفس فلسفی) برقرار می‌شود.؟ آیا برای حل مسایل این شاخه مطالعاتی در حال گسترش مجموعه دانشهایی اضافه خواهد شد یا نه؟ و پرسش‌هایی مانند آن. در حوزهٔ مدل‌سازی روابط هستی‌شناسی و معرفت‌شناسی علم و دین هنوز مباحث بسیاری جاری است.[۹] تعریف سهم معرفتهای غیر دینی در معرفتهای دینی از جمله عناصر قبض و بسط ساز در این علم است و تعیین تکلیف تحول و ثبات فهم مخاطرات معرفتی و علم شناختی این شاخه مطالعاتی است.[۱۰]

واژهٔ «علوم شناختی» در زبان فارسی[ویرایش]

واژهٔ «علوم شناختی»، واژهٔ برنهادهٔ «فرهنگستان زبان و ادب فارسی ایران» است که به جای «Cognitive Science» به کارگرفته می‌شود.[۱۱] این واژه از دو بخش «علوم» و «شناختی» ساخته شده‌است.

«علوم» را فرهنگستان زبان و ادب فارسی ایران به جای واژهٔ «Science» در زبان‌های انگلیسی و فرانسوی برنهاده است. با توجه به این که فرهنگستان زبان و ادب فارسی ایران واژهٔ «دانش» را به جای واژهٔ «Knowledge» به کار می‌گیرد، نباید واژه‌های تخصصی «علم» و «دانش» با یکدیگر اشتباه گرفته شوند. همچنین توجه به این موضوع لازم است که واژهٔ «Science» در زبان‌های انگلیسی و فرانسوی معنی جمع دارند و به همین دلیل در زبان فارسی با «علوم» (و نه «علم») معادل گرفته شده‌اند.

«شناختی» واژهٔ برنهادهٔ فرهنگستان به جای واژهٔ «Cognitive» است. در واقع فرهنگستان به جای «Cognition»، «شناخت» را برنهاده است و به دنبال آن «شناختی» برای صفت ساخته شده از آن به کار می‌رود. بسیار مهم است که «علوم شناختی» با «شناخت‌شناسی» که معادل «Epistemology» است، اشتباه گرفته نشود. یکی از اشتباه‌هایی که ممکن است با توجه به به‌کارگیری واژهٔ «شناخت» در معادل‌های «Cognitive Science» و «Epistemology» پیش آید، اشتباه گرفتن حوزه‌های این دو علم است که البته پیشینهٔ ذهنی فارسی‌زبانان از واژهٔ «شناخت» به این اشتباه دامن می‌زد.

علوم شناختی در ایران[ویرایش]

تحصیل در رشته‌های علوم شناختی از طریق آزمون تحصیلات تکمیلی سازمان سنجش امکان‌پذیر است؛ و در سال تحصیلی ۹۲–۹۳ دانشگاه‌های فردوسی مشهد، شهید مدنی آذربایجان (دانشگاه تبریز) و پژوهشکده غیرانتفاعی علوم شناختی تهران پذیرای دانشجویان (با توجه به دفترچه انتخاب رشته) این رشته بودند.[۱۲] تعداد دانشگاه‌ها و مراکزی که به تربیت دانشجو در رشته‌های مختلف زیر شاخه مجموعه علوم شناختی می‌پردازند رو به افزایش است و در این میان می‌توان به اسامی زیر که موفق به دریافت مجوز برگزاری رشته‌های مزبور که در دفترچه کنکور تحصیلات تکمیلی ذیل گروه علوم پایه و تحت عنوان مجموعه علوم شناختی معرفی می‌شوند، شده‌اند اشاره کرد:[۱۳]

پژوهشکده علوم شناختی پژوهشگاه دانشهای بنیادی فقط در مقطع دکتری هر دو سال یک بار دانشجو می‌پذیرد.

دکتر سید کمال خرازی، دبیر ستاد راهبردی توسعه علوم و فناوری‌های شناختی معاونت علمی و فناوری ریاست جمهوری تفاهم نامه سه جانبه‌ای با دکتر رضا فرجی دانا وزیرعلوم، تحقیقات و فناوری وقت و دکتر سید حسن قاضی زاده هاشمی، وزیر بهداشت درمان و آموزش پزشکی دولت یازدهم امضا کردند. این تفاهم نامه به منظور هم افزایی تلاش‌های جاری در هر سه نهاد مسوول در زمینه آموزش، ترویج و تربیت نیروی انسانی، پژوهش و توسعه دانش و فناوری‌های شناختی شکل گرفته‌است.[۱۴]


جستارهای وابسته[ویرایش]

پانویس[ویرایش]

  1. حاتمی، جواد. دربارهٔ علم شناختی دکتر جواد حاتمی. نشر امیرکبیر.
  2. ۲٫۰ ۲٫۱ Cognitive Science, Britannica Concise Encyclopedia
  3. Cognitive Science, The American Heritage® Dictionary of the English Language, Fourth Edition, Houghton Mifflin Company
  4. Martha Farah, “Emerging ethical issues in neuroscience”, Nature Neuroscience 5, no 11 (2003)” 1123-1129.
  5. Scientific American: Mind, Nov. 4. 2005, Vol.16. p.9.
  6. Howard Gardner (2004). Changing minds: The art and science of changing our own and other’s minds, Harvard Business School Press, Boston, MA. P. 200.
  7. http://www.oecd.org/edu/ceri/31706603.pdf
  8. http://www.oecd.org
  9. https://rasekhoon.net/article/show/892746/مدل%20سازی%20روابط%20هستی%20شناسی%20و%20معرفت%20شناسی%20علم%20و%20دین/
  10. http://www.zqz.ir/979696
  11. سهیل هومن. علوم شناختی چیست؟. وبگاه شناخت
  12. «نسخه آرشیو شده». بایگانی‌شده از اصلی در ۱۶ ژانویه ۲۰۱۴. دریافت‌شده در ۱۵ ژانویه ۲۰۱۴.
  13. http://cogc.ir/index.php?ctrl=static_page&lang=1&id=1081&section_id=69
  14. http://cogc.ir/index.php?ctrl=news&actn=news_view&lang=1&id=45504

منابع[ویرایش]

پیوند به بیرون[ویرایش]


Figure illustrating the fields that contributed to the birth of cognitive science, including linguistics, neuroscience, artificial intelligence, philosophy, anthropology, and psychology[1]

Cognitive science is the interdisciplinary, scientific study of the mind and its processes.[2] It examines the nature, the tasks, and the functions of cognition (in a broad sense). Cognitive scientists study intelligence and behavior, with a focus on how nervous systems represent, process, and transform information. Mental faculties of concern to cognitive scientists include language, perception, memory, attention, reasoning, and emotion; to understand these faculties, cognitive scientists borrow from fields such as linguistics, psychology, artificial intelligence, philosophy, neuroscience, and anthropology.[3] The typical analysis of cognitive science spans many levels of organization, from learning and decision to logic and planning; from neural circuitry to modular brain organization. The fundamental concept of cognitive science is that "thinking can best be understood in terms of representational structures in the mind and computational procedures that operate on those structures."[3]

Simply put, cognitive science is the interdisciplinary study of cognition in humans, animals, and machines. It encompasses the traditional disciplines of psychology, computer science, neuroscience, anthropology, linguistics and philosophy. The goal of cognitive science is to understand the principles of intelligence with the hope that this will lead to better comprehension of the mind and of learning and to develop intelligent devices. The cognitive sciences began as an intellectual movement in the 1950s often referred to as the cognitive revolution.

Principles

Levels of analysis

A central tenet of cognitive science is that a complete understanding of the mind/brain cannot be attained by studying only a single level. An example would be the problem of remembering a phone number and recalling it later. One approach to understanding this process would be to study behavior through direct observation, or naturalistic observation. A person could be presented with a phone number and be asked to recall it after some delay of time; then the accuracy of the response could be measured. Another approach to measure cognitive ability would be to study the firings of individual neurons while a person is trying to remember the phone number. Neither of these experiments on its own would fully explain how the process of remembering a phone number works. Even if the technology to map out every neuron in the brain in real-time were available and it were known when each neuron fired it would still be impossible to know how a particular firing of neurons translates into the observed behavior. Thus an understanding of how these two levels relate to each other is imperative. The Embodied Mind: Cognitive Science and Human Experience says “the new sciences of the mind need to enlarge their horizon to encompass, both, lived human experience and the possibilities for transformation inherent in human experience.”[4] This can be provided by a functional level account of the process. Studying a particular phenomenon from multiple levels creates a better understanding of the processes that occur in the brain to give rise to a particular behavior. Marr[5] gave a famous description of three levels of analysis:

  1. The computational theory, specifying the goals of the computation;
  2. Representation and algorithms, giving a representation of the inputs and outputs and the algorithms which transform one into the other; and
  3. The hardware implementation, or how algorithm and representation may be physically realized.

Interdisciplinary nature

Cognitive science is an interdisciplinary field with contributors from various fields, including psychology, neuroscience, linguistics, philosophy of mind, computer science, anthropology and biology. Cognitive scientists work collectively in hope of understanding the mind and its interactions with the surrounding world much like other sciences do. The field regards itself as compatible with the physical sciences and uses the scientific method as well as simulation or modeling, often comparing the output of models with aspects of human cognition. Similarly to the field of psychology, there is some doubt whether there is a unified cognitive science, which have led some researchers to prefer 'cognitive sciences' in plural.[6][7]

Many, but not all, who consider themselves cognitive scientists hold a functionalist view of the mind—the view that mental states and processes should be explained by their function — what they do. According to the multiple realizability account of functionalism, even non-human systems such as robots and computers can be ascribed as having cognition.

Cognitive science: the term

The term "cognitive" in "cognitive science" is used for "any kind of mental operation or structure that can be studied in precise terms" (Lakoff and Johnson, 1999). This conceptualization is very broad, and should not be confused with how "cognitive" is used in some traditions of analytic philosophy, where "cognitive" has to do only with formal rules and truth conditional semantics.

The earliest entries for the word "cognitive" in the OED take it to mean roughly "pertaining to the action or process of knowing". The first entry, from 1586, shows the word was at one time used in the context of discussions of Platonic theories of knowledge. Most in cognitive science, however, presumably do not believe their field is the study of anything as certain as the knowledge sought by Plato.[citation needed]

Scope

Cognitive science is a large field, and covers a wide array of topics on cognition. However, it should be recognized that cognitive science has not always been equally concerned with every topic that might bear relevance to the nature and operation of minds. Among philosophers, classical cognitivists have largely de-emphasized or avoided social and cultural factors, emotion, consciousness, animal cognition, and comparative and evolutionary psychologies. However, with the decline of behaviorism, internal states such as affects and emotions, as well as awareness and covert attention became approachable again. For example, situated and embodied cognition theories take into account the current state of the environment as well as the role of the body in cognition. With the newfound emphasis on information processing, observable behavior was no longer the hallmark of psychological theory, but the modeling or recording of mental states.

Below are some of the main topics that cognitive science is concerned with. This is not an exhaustive list. See List of cognitive science topics for a list of various aspects of the field.

Artificial intelligence

Artificial intelligence (AI) involves the study of cognitive phenomena in machines. One of the practical goals of AI is to implement aspects of human intelligence in computers. Computers are also widely used as a tool with which to study cognitive phenomena. Computational modeling uses simulations to study how human intelligence may be structured.[8] (See § Computational modeling.)

There is some debate in the field as to whether the mind is best viewed as a huge array of small but individually feeble elements (i.e. neurons), or as a collection of higher-level structures such as symbols, schemes, plans, and rules. The former view uses connectionism to study the mind, whereas the latter emphasizes symbolic computations. One way to view the issue is whether it is possible to accurately simulate a human brain on a computer without accurately simulating the neurons that make up the human brain.

Attention

Attention is the selection of important information. The human mind is bombarded with millions of stimuli and it must have a way of deciding which of this information to process. Attention is sometimes seen as a spotlight, meaning one can only shine the light on a particular set of information. Experiments that support this metaphor include the dichotic listening task (Cherry, 1957) and studies of inattentional blindness (Mack and Rock, 1998). In the dichotic listening task, subjects are bombarded with two different messages, one in each ear, and told to focus on only one of the messages. At the end of the experiment, when asked about the content of the unattended message, subjects cannot report it.

Knowledge and processing of language

A well known example of a Phrase structure tree. This is one way of representing human language that shows how different components are organized hierarchically.

The ability to learn and understand language is an extremely complex process. Language is acquired within the first few years of life, and all humans under normal circumstances are able to acquire language proficiently. A major driving force in the theoretical linguistic field is discovering the nature that language must have in the abstract in order to be learned in such a fashion. Some of the driving research questions in studying how the brain itself processes language include: (1) To what extent is linguistic knowledge innate or learned?, (2) Why is it more difficult for adults to acquire a second-language than it is for infants to acquire their first-language?, and (3) How are humans able to understand novel sentences?

The study of language processing ranges from the investigation of the sound patterns of speech to the meaning of words and whole sentences. Linguistics often divides language processing into orthography, phonetics, phonology, morphology, syntax, semantics, and pragmatics. Many aspects of language can be studied from each of these components and from their interaction.[9][better source needed]

The study of language processing in cognitive science is closely tied to the field of linguistics. Linguistics was traditionally studied as a part of the humanities, including studies of history, art and literature. In the last fifty years or so, more and more researchers have studied knowledge and use of language as a cognitive phenomenon, the main problems being how knowledge of language can be acquired and used, and what precisely it consists of.[10] Linguists have found that, while humans form sentences in ways apparently governed by very complex systems, they are remarkably unaware of the rules that govern their own speech. Thus linguists must resort to indirect methods to determine what those rules might be, if indeed rules as such exist. In any event, if speech is indeed governed by rules, they appear to be opaque to any conscious consideration.

Learning and development

Learning and development are the processes by which we acquire knowledge and information over time. Infants are born with little or no knowledge (depending on how knowledge is defined), yet they rapidly acquire the ability to use language, walk, and recognize people and objects. Research in learning and development aims to explain the mechanisms by which these processes might take place.

A major question in the study of cognitive development is the extent to which certain abilities are innate or learned. This is often framed in terms of the nature and nurture debate. The nativist view emphasizes that certain features are innate to an organism and are determined by its genetic endowment. The empiricist view, on the other hand, emphasizes that certain abilities are learned from the environment. Although clearly both genetic and environmental input is needed for a child to develop normally, considerable debate remains about how genetic information might guide cognitive development. In the area of language acquisition, for example, some (such as Steven Pinker)[11] have argued that specific information containing universal grammatical rules must be contained in the genes, whereas others (such as Jeffrey Elman and colleagues in Rethinking Innateness) have argued that Pinker's claims are biologically unrealistic. They argue that genes determine the architecture of a learning system, but that specific "facts" about how grammar works can only be learned as a result of experience.

Memory

Memory allows us to store information for later retrieval. Memory is often thought of as consisting of both a long-term and short-term store. Long-term memory allows us to store information over prolonged periods (days, weeks, years). We do not yet know the practical limit of long-term memory capacity. Short-term memory allows us to store information over short time scales (seconds or minutes).

Memory is also often grouped into declarative and procedural forms. Declarative memory—grouped into subsets of semantic and episodic forms of memory—refers to our memory for facts and specific knowledge, specific meanings, and specific experiences (e.g. "Who was the first president of the U.S.A.?", or "What did I eat for breakfast four days ago?"). Procedural memory allows us to remember actions and motor sequences (e.g. how to ride a bicycle) and is often dubbed implicit knowledge or memory .

Cognitive scientists study memory just as psychologists do, but tend to focus more on how memory bears on cognitive processes, and the interrelationship between cognition and memory. One example of this could be, what mental processes does a person go through to retrieve a long-lost memory? Or, what differentiates between the cognitive process of recognition (seeing hints of something before remembering it, or memory in context) and recall (retrieving a memory, as in "fill-in-the-blank")?

Perception and action

The Necker cube, an example of an optical illusion
An optical illusion. The square A is exactly the same shade of gray as square B. See checker shadow illusion.

Perception is the ability to take in information via the senses, and process it in some way. Vision and hearing are two dominant senses that allow us to perceive the environment. Some questions in the study of visual perception, for example, include: (1) How are we able to recognize objects?, (2) Why do we perceive a continuous visual environment, even though we only see small bits of it at any one time? One tool for studying visual perception is by looking at how people process optical illusions. The image on the right of a Necker cube is an example of a bistable percept, that is, the cube can be interpreted as being oriented in two different directions.

The study of haptic (tactile), olfactory, and gustatory stimuli also fall into the domain of perception.

Action is taken to refer to the output of a system. In humans, this is accomplished through motor responses. Spatial planning and movement, speech production, and complex motor movements are all aspects of action.

Consciousness

Consciousness is the awareness whether something is an external object or something within oneself. This helps the mind having the ability to experience or to feel a sense of self.

Research methods

Many different methodologies are used to study cognitive science. As the field is highly interdisciplinary, research often cuts across multiple areas of study, drawing on research methods from psychology, neuroscience, computer science and systems theory.

Behavioral experiments

In order to have a description of what constitutes intelligent behavior, one must study behavior itself. This type of research is closely tied to that in cognitive psychology and psychophysics. By measuring behavioral responses to different stimuli, one can understand something about how those stimuli are processed. Lewandowski and Strohmetz (2009) review a collection of innovative uses of behavioral measurement in psychology including behavioral traces, behavioral observations, and behavioral choice.[12] Behavioral traces are pieces of evidence that indicate behavior occurred, but the actor is not present (e.g., litter in a parking lot or readings on an electric meter). Behavioral observations involve the direct witnessing of the actor engaging in the behavior (e.g., watching how close a person sits next to another person). Behavioral choices are when a person selects between two or more options (e.g., voting behavior, choice of a punishment for another participant).

  • Reaction time. The time between the presentation of a stimulus and an appropriate response can indicate differences between two cognitive processes, and can indicate some things about their nature. For example, if in a search task the reaction times vary proportionally with the number of elements, then it is evident that this cognitive process of searching involves serial instead of parallel processing.
  • Psychophysical responses. Psychophysical experiments are an old psychological technique, which has been adopted by cognitive psychology. They typically involve making judgments of some physical property, e.g. the loudness of a sound. Correlation of subjective scales between individuals can show cognitive or sensory biases as compared to actual physical measurements. Some examples include:
    • sameness judgments for colors, tones, textures, etc.
    • threshold differences for colors, tones, textures, etc.
  • Eye tracking. This methodology is used to study a variety of cognitive processes, most notably visual perception and language processing. The fixation point of the eyes is linked to an individual's focus of attention. Thus, by monitoring eye movements, we can study what information is being processed at a given time. Eye tracking allows us to study cognitive processes on extremely short time scales. Eye movements reflect online decision making during a task, and they provide us with some insight into the ways in which those decisions may be processed.[13]

Brain imaging

Image of the human head with the brain. The arrow indicates the position of the hypothalamus.

Brain imaging involves analyzing activity within the brain while performing various tasks. This allows us to link behavior and brain function to help understand how information is processed. Different types of imaging techniques vary in their temporal (time-based) and spatial (location-based) resolution. Brain imaging is often used in cognitive neuroscience.

  • Single photon emission computed tomography and Positron emission tomography. SPECT and PET use radioactive isotopes, which are injected into the subject's bloodstream and taken up by the brain. By observing which areas of the brain take up the radioactive isotope, we can see which areas of the brain are more active than other areas. PET has similar spatial resolution to fMRI, but it has extremely poor temporal resolution.
  • Electroencephalography. EEG measures the electrical fields generated by large populations of neurons in the cortex by placing a series of electrodes on the scalp of the subject. This technique has an extremely high temporal resolution, but a relatively poor spatial resolution.
  • Functional magnetic resonance imaging. fMRI measures the relative amount of oxygenated blood flowing to different parts of the brain. More oxygenated blood in a particular region is assumed to correlate with an increase in neural activity in that part of the brain. This allows us to localize particular functions within different brain regions. fMRI has moderate spatial and temporal resolution.
  • Optical imaging. This technique uses infrared transmitters and receivers to measure the amount of light reflectance by blood near different areas of the brain. Since oxygenated and deoxygenated blood reflects light by different amounts, we can study which areas are more active (i.e., those that have more oxygenated blood). Optical imaging has moderate temporal resolution, but poor spatial resolution. It also has the advantage that it is extremely safe and can be used to study infants' brains.
  • Magnetoencephalography. MEG measures magnetic fields resulting from cortical activity. It is similar to EEG, except that it has improved spatial resolution since the magnetic fields it measures are not as blurred or attenuated by the scalp, meninges and so forth as the electrical activity measured in EEG is. MEG uses SQUID sensors to detect tiny magnetic fields.

Computational modeling

An artificial neural network with two layers.

Computational models require a mathematically and logically formal representation of a problem. Computer models are used in the simulation and experimental verification of different specific and general properties of intelligence. Computational modeling can help us understand the functional organization of a particular cognitive phenomenon. Approaches to cognitive modeling can be categorized as: (1) symbolic, on abstract mental functions of an intelligent mind by means of symbols; (2) subsymbolic, on the neural and associative properties of the human brain; and (3) across the symbolic–subsymbolic border, including hybrid.

  • Symbolic modeling evolved from the computer science paradigms using the technologies of knowledge-based systems, as well as a philosophical perspective, see for example "Good Old-Fashioned Artificial Intelligence" (GOFAI). They are developed by the first cognitive researchers and later used in information engineering for expert systems . Since the early 1990s it was generalized in systemics for the investigation of functional human-like intelligence models, such as personoids, and, in parallel, developed as the SOAR environment. Recently, especially in the context of cognitive decision making, symbolic cognitive modeling has been extended to the socio-cognitive approach, including social and organization cognition, interrelated with a sub-symbolic non-conscious layer.
  • Subsymbolic modeling includes connectionist/neural network models. Connectionism relies on the idea that the mind/brain is composed of simple nodes and its problem-solving capacity derives from the connections between them. Neural nets are textbook implementations of this approach. Some critics of this approach feel that while these models approach biological reality as a representation of how the system works these models lack explanatory powers because, even in systems endowed with simple connection rules, the emerging high complexity makes them less interpretable at the connection-level than they apparently are at the macroscopic level.
  • Other approaches gaining in popularity include (1) dynamical systems theory, (2) mapping symbolic models onto connectionist models (Neural-symbolic integration or hybrid intelligent systems), and (3) Bayesian models, often drawn from machine learning.

All the above approaches tend to be generalized to the form of integrated computational models of a synthetic/abstract intelligence, in order to be applied to the explanation and improvement of individual and social/organizational decision-making and reasoning.[14]

Neurobiological methods

Research methods borrowed directly from neuroscience and neuropsychology can also help us to understand aspects of intelligence. These methods allow us to understand how intelligent behavior is implemented in a physical system.

Key findings

Cognitive science has given rise to models of human cognitive bias and risk perception, and has been influential in the development of behavioral finance, part of economics. It has also given rise to a new theory of the philosophy of mathematics, and many theories of artificial intelligence, persuasion and coercion. It has made its presence known in the philosophy of language and epistemology as well as constituting a substantial wing of modern linguistics. Fields of cognitive science have been influential in understanding the brain's particular functional systems (and functional deficits) ranging from speech production to auditory processing and visual perception. It has made progress in understanding how damage to particular areas of the brain affect cognition, and it has helped to uncover the root causes and results of specific dysfunction, such as dyslexia, anopia, and hemispatial neglect.

History

The cognitive sciences began as an intellectual movement in the 1950s, called the cognitive revolution. Cognitive science has a prehistory traceable back to ancient Greek philosophical texts (see Plato's Meno and Aristotle's De Anima); and includes writers such as Descartes, David Hume, Immanuel Kant, Benedict de Spinoza, Nicolas Malebranche, Pierre Cabanis, Leibniz and John Locke. However, although these early writers contributed greatly to the philosophical discovery of mind and this would ultimately lead to the development of psychology, they were working with an entirely different set of tools and core concepts than those of the cognitive scientist.

The modern culture of cognitive science can be traced back to the early cyberneticists in the 1930s and 1940s, such as Warren McCulloch and Walter Pitts, who sought to understand the organizing principles of the mind. McCulloch and Pitts developed the first variants of what are now known as artificial neural networks, models of computation inspired by the structure of biological neural networks.

Another precursor was the early development of the theory of computation and the digital computer in the 1940s and 1950s. Kurt Gödel, Alonzo Church, Alan Turing, and John von Neumann were instrumental in these developments. The modern computer, or Von Neumann machine, would play a central role in cognitive science, both as a metaphor for the mind, and as a tool for investigation.

The first instance of cognitive science experiments being done at an academic institution took place at MIT Sloan School of Management, established by J.C.R. Licklider working within the psychology department and conducting experiments using computer memory as models for human cognition.[15]

In 1959, Noam Chomsky published a scathing review of B. F. Skinner's book Verbal Behavior. At the time, Skinner's behaviorist paradigm dominated the field of psychology within the United States. Most psychologists focused on functional relations between stimulus and response, without positing internal representations. Chomsky argued that in order to explain language, we needed a theory like generative grammar, which not only attributed internal representations but characterized their underlying order.

The term cognitive science was coined by Christopher Longuet-Higgins in his 1973 commentary on the Lighthill report, which concerned the then-current state of Artificial Intelligence research.[16] In the same decade, the journal Cognitive Science and the Cognitive Science Society were founded.[17] The founding meeting of the Cognitive Science Society was held at the University of California, San Diego in 1979, which resulted in cognitive science becoming an internationally visible enterprise.[18] In 1972, Hampshire College started the first undergraduate education program in Cognitive Science, led by Neil Stillings. In 1982, with assistance from Professor Stillings, Vassar College became the first institution in the world to grant an undergraduate degree in Cognitive Science.[19] In 1986, the first Cognitive Science Department in the world was founded at the University of California, San Diego.[18]

In the 1970s and early 1980s, as access to computers increased, artificial intelligence research expanded. Researchers such as Marvin Minsky would write computer programs in languages such as LISP to attempt to formally characterize the steps that human beings went through, for instance, in making decisions and solving problems, in the hope of better understanding human thought, and also in the hope of creating artificial minds. This approach is known as "symbolic AI".

Eventually the limits of the symbolic AI research program became apparent. For instance, it seemed to be unrealistic to comprehensively list human knowledge in a form usable by a symbolic computer program. The late 80s and 90s saw the rise of neural networks and connectionism as a research paradigm. Under this point of view, often attributed to James McClelland and David Rumelhart, the mind could be characterized as a set of complex associations, represented as a layered network. Critics argue that there are some phenomena which are better captured by symbolic models, and that connectionist models are often so complex as to have little explanatory power. Recently symbolic and connectionist models have been combined, making it possible to take advantage of both forms of explanation.[20][21] While both connectionism and symbolic approaches have proven useful for testing various hypotheses and exploring approaches to understanding aspects of cognition and lower level brain functions, neither are biologically realistic and therefore, both suffer from a lack of neuroscientific plausibility.[22][23][24][25][26][27][28] Connectionism has proven useful for exploring computationally how cognition emerges in development and occurs in the human brain, and has provided alternatives to strictly domain-specific / domain general approaches. For example, scientists such as Jeff Elman, Liz Bates, and Annette Karmiloff-Smith have posited that networks in the brain emerge from the dynamic interaction between them and environmental input.[29]

Notable researchers

Name Year of Birth Year of Contribution Contribution(s)
Daniel Dennett 1942[30] 1987 Offered a computational systems perspective (Multiple drafts model)
John Searle 1932[31] 1980 Chinese room
Jerry Fodor 1935[32] 1968, 1975 Functionalism
David Chalmers 1966[33] 1995[34] Dualism, hard problem of consciousness
Douglas Hofstadter 1945 1979[35] Gödel, Escher, Bach[36]
Marvin Minsky 1927[37] 1970s, early 1980s Wrote computer programs in languages such as LISP to attempt to formally characterize the steps that human beings go through, such as making decisions and solving problems
Christopher Longuet-Higgins 1923[38] 1973 Coined the term cognitive science
McCulloch and Pitts 1930s–1940s Developed early artificial neural networks
J. C. R. Licklider 1915[39] Established MIT Sloan School of Management
Noam Chomsky 1928[40] 1959 Published a review of B.F. Skinner's book Verbal Behavior which began cognitivism against then-dominant behaviorism.

Some of the more recognized names in cognitive science are usually either the most controversial or the most cited. Within philosophy, some familiar names include Daniel Dennett, who writes from a computational systems perspective,[41] John Searle, known for his controversial Chinese room argument,[42] and Jerry Fodor, who advocates functionalism.[43]

Others include David Chalmers, who advocates Dualism and is also known for articulating the hard problem of consciousness, and Douglas Hofstadter, famous for writing Gödel, Escher, Bach, which questions the nature of words and thought.

In the realm of linguistics, Noam Chomsky and George Lakoff have been influential (both have also become notable as political commentators). In artificial intelligence, Marvin Minsky, Herbert A. Simon, and Allen Newell are prominent.

Popular names in the discipline of psychology include George A. Miller, James McClelland, Philip Johnson-Laird, and Steven Pinker. Anthropologists Dan Sperber, Edwin Hutchins, and Scott Atran, have been involved in collaborative projects with cognitive and social psychologists, political scientists and evolutionary biologists in attempts to develop general theories of culture formation, religion, and political association.

Computational theories (with models and simulations) have also been developed, by the likes of David Rumelhart, James McClelland, Philip Johnson-Laird, and so on.

Other contributions have been made by Marvin Minsky and Noam Chomsky.

Namings

Epistemics is a term coined in 1969 by the University of Edinburgh with the foundation of its School of Epistemics. Epistemics is to be distinguished from epistemology in that epistemology is the philosophical theory of knowledge, whereas epistemics signifies the scientific study of knowledge.

Christopher Longuet-Higgins has defined it as "the construction of formal models of the processes (perceptual, intellectual, and linguistic) by which knowledge and understanding are achieved and communicated.[44] In his 1978 essay "Epistemics: The Regulative Theory of Cognition",[45] Alvin J. Goldman claims to have coined the term "epistemics" to describe a reorientation of epistemology. Goldman maintains that his epistemics is continuous with traditional epistemology and the new term is only to avoid opposition. Epistemics, in Goldman's version, differs only slightly from traditional epistemology in its alliance with the psychology of cognition; epistemics stresses the detailed study of mental processes and information-processing mechanisms that lead to knowledge or beliefs.

In the mid-1980s, the School of Epistemics was renamed as The Centre for Cognitive Science (CCS). In 1998, CCS was incorporated into the University of Edinburgh's School of Informatics.[46]

See also

Outlines
  • Outline of human intelligence – topic tree presenting the traits, capacities, models, and research fields of human intelligence, and more.
  • Outline of thought – topic tree that identifies many types of thoughts, types of thinking, aspects of thought, related fields, and more.

References

  1. ^ Adapted from Miller, George A (2003). "The cognitive revolution: a historical perspective". Trends in Cognitive Sciences 7.
  2. ^ "Ask the Cognitive Scientist". American Federation of Teachers. Cognitive science is an interdisciplinary field of researchers from Linguistics, psychology, neuroscience, philosophy, computer science, and anthropology that seek to understand the mind.
  3. ^ a b Thagard, Paul, Cognitive Science, The Stanford Encyclopedia of Philosophy (Fall 2008 Edition), Edward N. Zalta (ed.).
  4. ^ Varela, F. J., Thompson, E., & Rosch, E. (1991). The embodied mind: cognitive science and human experience. Cambridge, Massachusetts: MIT Press.
  5. ^ Marr, D. (1982). Vision: A Computational Investigation into the Human Representation and Processing of Visual Information. W. H. Freeman.
  6. ^ Miller, G. A. (2003). "The cognitive revolution: a historical perspective". Trends in Cognitive Sciences. 7: 141–144. doi:10.1016/S1364-6613(03)00029-9. PMID 12639696.
  7. ^ Ferrés, Joan; Masanet, Maria-Jose (2017). "Communication Efficiency in Education: Increasing Emotions and Storytelling". Comunicar (in Spanish). 25 (52): 51–60. doi:10.3916/c52-2017-05. ISSN 1134-3478.
  8. ^ Sun, Ron (ed.) (2008). The Cambridge Handbook of Computational Psychology. Cambridge University Press, New York.
  9. ^ "Linguistics: Semantics, Phonetics, Pragmatics, and Human Communication". Decoded Science. 16 February 2014. Retrieved 7 February 2018.
  10. ^ Isac, Daniela; Charles Reiss (2013). I-language: An Introduction to Linguistics as Cognitive Science, 2nd edition. Oxford University Press. p. 5. ISBN 978-0199660179.
  11. ^ Pinker S., Bloom P. (1990). "Natural language and natural selection". Behavioral and Brain Sciences. 13 (4): 707–784. CiteSeerX 10.1.1.116.4044. doi:10.1017/S0140525X00081061.
  12. ^ Lewandowski, Gary; Strohmetz, David (2009). "Actions can speak as loud as words: Measuring behavior in psychological science". Social and Personality Psychology Compass. 3 (6): 992–1002. doi:10.1111/j.1751-9004.2009.00229.
  13. ^ König, P., Wilming, N., Kietzmann, T.C., Ossandon, J.P., Onat, S., Ehinger, B.V., Gameiro, R.R. & Kaspar, K. (2016). "Eye movements as a window to cognitive processes". Journal of Eye Movement Research. 9(5):3: 1-16. DOI: 10.16910/jemr.9.5.3.CS1 maint: multiple names: authors list (link)
  14. ^ Sun, Ron (ed.), Grounding Social Sciences in Cognitive Sciences. MIT Press, Cambridge, Massachusetts. 2012.
  15. ^ Hafner, K., & Lyon, M. (1996). Where wizards stay up late: The origins of the Internet. New York: Simon & Schuster, p. 32.
  16. ^ Longuet-Higgins, H. C. (1973). "Comments on the Lighthill Report and the Sutherland Reply", in Artificial Intelligence: a paper symposium, Science Research Council, 35-37
  17. ^ Cognitive Science Society Archived 17 July 2010 at the Wayback Machine
  18. ^ a b "UCSD Cognitive Science - UCSD Cognitive Science". Archived from the original on 9 July 2015. Retrieved 8 July 2015.
  19. ^ Box 729. "About - Cognitive Science - Vassar College". Cogsci.vassar.edu. Retrieved 15 August 2012.
  20. ^ Artur S. d'Avila Garcez, Luis C. Lamb and Dov M. Gabbay. Neural-Symbolic Cognitive Reasoning. Cognitive Technologies. Springer, 2008, ISBN 978-3-540-73245-7, 2008.
  21. ^ Ron Sun and Larry Bookman (eds.), Computational Architectures Integrating Neural and Symbolic Processes. Kluwer Academic Publishers, Needham, MA. 1994.
  22. ^ "Encephalos Journal". www.encephalos.gr. Retrieved 20 February 2018.
  23. ^ Wilson, Elizabeth A. (4 February 2016). Neural Geographies: Feminism and the Microstructure of Cognition. Routledge. ISBN 9781317958765.
  24. ^ "Organismically-inspired robotics: homeostatic adaptation and teleology beyond the closed sensorimotor loop" (PDF).
  25. ^ Zorzi, Marco; Testolin, Alberto; Stoianov, Ivilin P. (20 August 2013). "Modeling language and cognition with deep unsupervised learning: a tutorial overview". Frontiers in Psychology. 4. doi:10.3389/fpsyg.2013.00515. ISSN 1664-1078. PMC 3747356. PMID 23970869.
  26. ^ Tieszen, Richard (2011). "Analytic and Continental Philosophy, Science, and Global Philosophy". Comparative Philosophy. 2 (2): 4–22.
  27. ^ Browne, A. (1 January 1997). Neural Network Perspectives on Cognition and Adaptive Robotics. CRC Press. ISBN 9780750304559.
  28. ^ Pfeifer, R.; Schreter, Z.; Fogelman-Soulié, F.; Steels, L. (23 August 1989). Connectionism in Perspective. Elsevier. ISBN 9780444598769.
  29. ^ Karmiloff-Smith, A. (2015). An alternative to domain-general or domain-specific frameworks for theorizing about human evolution and ontogenesis. AIMS Neuroscience, 2(2), 91–104. http://doi.org/10.3934/Neuroscience.2015.2.91
  30. ^ "Daniel C. Dennett | American philosopher". Encyclopædia Britannica. Retrieved 3 May 2017.
  31. ^ "John Searle". www.informationphilosopher.com. Retrieved 3 May 2017.
  32. ^ "Fodor, Jerry | Internet Encyclopedia of Philosophy". www.iep.utm.edu. Retrieved 3 May 2017.
  33. ^ "David Chalmers". www.informationphilosopher.com. Retrieved 24 April 2017.
  34. ^ "Facing Up to the Problem of Consciousness". consc.net. Retrieved 24 April 2017.
  35. ^ "Gödel, Escher, Bach". Goodreads. Retrieved 3 May 2017.
  36. ^ Somers, James. "The Man Who Would Teach Machines to Think". The Atlantic. Retrieved 3 May 2017.
  37. ^ "Marvin Minsky | American scientist". Encyclopædia Britannica. Retrieved 27 March 2017.
  38. ^ Darwin, Chris (9 June 2004). "Christopher Longuet-Higgins". The Guardian. ISSN 0261-3077. Retrieved 27 March 2017.
  39. ^ "J.C.R. Licklider | Internet Hall of Fame". internethalloffame.org. Retrieved 24 April 2017.
  40. ^ "Noam Chomsky". chomsky.info. Retrieved 24 April 2017.
  41. ^ Rescorla, Michael (1 January 2017). Zalta, Edward N. (ed.). The Stanford Encyclopedia of Philosophy (Spring 2017 ed.). Metaphysics Research Lab, Stanford University.
  42. ^ Hauser, Larry. "Chinese Room Argument". Internet Enclclopedia of Philosophy.
  43. ^ "Fodor, Jerry | Internet Encyclopedia of Philosophy". www.iep.utm.edu. Retrieved 27 March 2017.
  44. ^ Longuet-Higgins, Christopher (1977) [1969], "Epistemics", in A. Bullock & O. Stallybrass (ed.), Fontana dictionary of modern thought, London, UK:: Fontana, p. 209, ISBN 9780002161497CS1 maint: extra punctuation (link)
  45. ^ Goldman, Alvin J. (1978). "Epistemics: The Regulative Theory of Cognition". The Journal of Philosophy. 75 (10): 509–23. doi:10.2307/2025838. JSTOR 2025838.
  46. ^ http://www.cogsci.ed.ac.uk/school/

External links