Вычислительные модели

Если люди рассуждают, конструируя ментальные модели, то есть мысленное моделирование ситуаций в реальном мире и тогда они должны демонстрировать определенные систематические закономерности ...

mReasoner - это единая вычислительная система, реализующая теорию моделей. Представляет собой психологически приемлемый механизм вывода для силлогистических, количественных, монадических, пространственно-временных, причинных и сентенциональных рассуждений. Может давать как дедуктивные, так и вероятностные выводы, была использована для моделирования более двух десятков наборов данных на основе человеческого мышления.

mSentential: единая теория рассуждений сентенций. Эта программа, которая выполняет различные виды сентенциальных рассуждений (на основе сентенциальных связок, таких как если, или, и, и не) в соответствии с теорией ментальных моделей. (см. Khemlani, Byrne, & Johnson-Laird, 2018) * *.

mAbducer: рекурсивное моделирование и абдуктивное мышление. Решает универсальные задачи перестановки, содержащие один статический цикл, и автоматически программирует две функции для решения любого экземпляра класса задач, таких как изменение порядка списка, сортировка палиндромов и сортировка по четности (обратная случайному перемещению). Проблемы реорганизации могут быть установлены в «железнодорожной» среде (описанной в Khemlani, Mackiewicz, Bucciarelli, & Johnson-Laird, 2013) * *.

Wason алгоритм выбора задачи: Содержит исполняемую версию python из командной строки для задачи выбора. Алгоритм, предложенный П. Н. ДЖОНСОН-ЛЭРД И П. К. ВАСОН (1970) - Теоретический анализ. Понимание задачи мышления, адаптированной для включения теории ментальных моделей.

PRISM: предпочтительные выводы в пространственных моделях. Вычислительная когнитивная модель, которая может использоваться для моделирования и объяснения того, как предпочтительные ментальные модели конструируются, проверяются и изменяются в пространственном массиве, который функционирует, как если бы это была пространственная рабочая память. Пространственный фокус вставляет токены в массив, проверяет массив, чтобы найти новые пространственные отношения, и перемещает токены в массиве для создания альтернативных моделей описания проблемы, если это необходимо.

Propositional reasoning. Эта вычислительная модель устарела в пользу mReasoner и mSentential. Вычислительная модель реализует пересмотренную версию психологической теории пропозиционального рассуждения, первоначально разработанную Джонсон-Лэрдом и Рут Бирн (см. Их книгу «Дедукция»). Постулирует 4 этапа выполнения рассуждений (с повышением точности); первые три являются психологическими, а четвертый - упражнением в области искусственного интеллекта. Тест.

Syllogistic reasoning. Эта вычислительная модель устарела в пользу mReasoner. Моделирует психологическую теорию силлогистического мышления, разработанную Джонсон-Лэрдом в качестве преемника теории, описанной в «Дедукции» (Johnson-Laird & Byrne, 1991).

Boolean concept learning. Для построения ментальных моделей экземпляров понятий. Его входные данные - это набор полностью явных моделей, которые затем упрощаются. (Написано Филом Джонсон-Лэрдом в апреле 2007 г.).

Reverse engineering of Boolean circuits. Реконструируются простые электрические схемы таким же образом, как доктор Нью-Йорк Луи Ли обнаружил, что это делают наивные человеческие мыслители (см. Обзор Lee & Johnson-Laird).

Spatial reasoning. Пространственные выводы, используя композиционную семантику и анализатор с восходящим + обратным отслеживанием. Алгоритм строит только одну фальсифицирующую модель. Это не позволяет посылкам утверждать, что один предмет находится в том же месте, что и другой, но он действительно помещает предметы в то же место временно в ходе поиска моделей, опровергающих выводы.

Temporal reasoning. Простые временные выводы, используя композиционную семантику, управляемую анализатором снизу для обновления моделей (в форме массивов). Строит все возможные модели помещений по мере их интерпретации, включая множество моделей неопределенностей. Следовательно, нет необходимости искать альтернативные модели для проверки действительности. Если количество моделей превышает его "емкость", тогда алгоритм пробует альтернативную стратегию, в которой он использует вопрос для поиска только тех предпосылок, которые имеют отношение к ответу. Таким образом, он игнорирует нерелевантные посылки и работает с релевантными в ссылочно связном порядке.

Recursive and iterative reasoning. Марчин Хитченко разработал программу для построения моделей на основе предпосылок рекурсивных и итеративных кванторов. Эта система строит количественные реляционные ментальные модели. Отчет о моделях, лежащих в основе итерационных рассуждений, как это исследовали Керубини и Джонсон-Лэрд в их статье (2004).

Mental Models of Time - INTRO
Mental Models of Time - Virginie van Wassenhove
Mental Models of Time - Marc Howard
Bridging the Gap between Human and Automated Reasoning Is Logic and Automated Reasoning a Foundation for Human Reasoning? (Силлогизм состоит из двух посылок, каждая из которых содержит один из четырех кванторов (All, Some, Some not, None) и двух из трех объектов, в сумме составляющих 64 задачи рассуждения. Задача участников - сделать или оценить вывод, исходя из исходной информации. Большинство, если не все когнитивные теории силлогистических рассуждений, сосредоточены на объяснении, а иногда и на предсказании совокупного паттерна реакции участников всего психологического эксперимента. В то время как только несколько теорий сосредоточены на уровне отдельного рассуждающего, который может иметь конкретное ментальное представление, объясняющее его образец реакции. Если разных логиков можно сгруппировать в похожие шаблоны ответов, тогда можно будет идентифицировать даже когнитивные стили, которые зависят от лежащего в основе представления. Чтобы проверить идею индивидуальных прогнозов, мы начинаем с разработки функции попарного сходства, основанной на ответах испытуемых на задание. Для 10% испытуемых мы случайным образом удаляем 15% ответов. Используя методы совместной фильтрации, мы проверяем, можно ли предсказать удаленные ответы конкретного человека, исключительно используя ответы, данные схожими субъектами на эти конкретные вопросы. Результаты показывают, что не только правильный ответ предсказывается примерно в 70% случаев, и ответ находится в двух верхних предсказаниях в 89% случаев, что превосходит другие теоретические подходы, но и предсказания также точны для случаев, когда участники отклоняются от правильного ответа. Это означает, что существуют когнитивные принципы, ответственные за закономерности. Если эти принципы определены, то в сложных моделях нет необходимости, потому что даже простые могут обеспечить высокую точность. Это подтверждает, что индивидуальную производительность в задачах рассуждения можно предсказать, что приведет к новому уровню когнитивного моделирования.)
Теории «Умственных моделей» и дедуктивного вывода Филиппа Джонсона-Лэрда
ЭВИДЕНЦИАЛЬНОСТЬ КАК ПАРАМЕТР СМЫСЛОФОРМИРОВАНИЯ В ПРОЦЕССЕ ЕСТЕСТВЕННОГО СЕМИОЗИСА
Что такое мышление?

Вычислительные модели

Report Page