Modelli simulativi
per le Scienze Cognitive
Paolo Bouquet
(Università di Trento)
Marco Casarotti
(Università di Padova)
Due problemi
Quando si parla di macchine e processi cognitivi,
spesso si confondono due tipi di questioni:
• Questione metafisica: cosa vuol dire avere una
mente?
• Questione epistemologica: è metodologicamente
corretto usare i computer per simulare processi
cognitivi?
Domande metafisiche
• Possono le macchine pensare?
• Può un computer avere una mente?
• L’intelligenza è una proprietà esclusiva degli esseri umani, o
anche una macchina può averla?
●
Può una macchina avere coscienza?
●
Può una macchina avere auto-coscienza?
●
Può una macchina avere stati intenzionali?
●
Può una macchina avere credenze, desideri, intenzioni?
●
Una macchina “intelligente” ha dei diritti?
●
....
Domande epistemologiche
●
●
●
●
●
E' la mente un sistema computazionale?
Sono le “computazioni” della mente simili a quelle
di un (attuale) computer?
Se sì, in che senso?
Cosa possiamo imparare dalla simulazione di
processi cognitivi su computer? Cosa NON
possiamo imparare?
Che relazione esiste tra simulare e spiegare un
processo cognitivo?
Il corso
Il corso mira a fornire gli strumenti per rispondere con
cognizione di causa a problemi di tipo epistemologico:
In particolare:
●
Nots and Bolts:
–
–
●
definizione di funzione, algoritmo, programma
introduzione di una nozione rigorosa di processo computazionale e
delle sue proprietà: macchine di Turing
due livelli di simulazione:
–
–
neurale (sub-simbolico)
rappresentazione della conoscenza (simbolico)
Modelli neurali
Il modulo ha lo scopo di fornire le basi teoriche, concettuali e pratiche della
simulazione dei processi cognitivi con reti neurali artificiali.
Prima parte:
–
introduzione al connessionismo (differenze tra l’approccio tradizionale
basato su rappresentazioni simboliche e l’approccio connessionistico basato
su rappresentazioni sub-simboliche)
–
problema della plausibilità biologica nell’ambito dei modelli simulativi dei
processi cognitivi con reti neurali.
Seconda parte: aspetti teorici delle reti neurali e algoritmi di
apprendimento.
Terza parte: utilizzo specifico delle reti neurali come metodo di ricerca nelle
scienze cognitive (modelli connessionistici delle funzioni cognitive
normali e patologiche).
Parte pratica: utilizzo delle reti neurali.
Modelli neurali - Contenuti
Contenuti1.
1. Introduzione al connessionismo [2]
2. Elementi teorici delle reti neurali [8]
3. Algoritmi d’apprendimento [4]
4. Le reti neurali come metodo di ricerca [4]
5. Presentazione di modelli rilevanti [2]
6. Esercitazioni pratiche [4]
Modelli neurali - Bibliografia
Testi di riferimento
● D. Parisi (1988). Intervista sulle reti neurali. Il
Mulino, Bologna.
● Floreano D., Mattiussi C. (2002). Manuale
sulle reti neurali. Il Mulino, Bologna.
● Lucidi delle lezioni
● Approfondimenti: Quinlan P.T. (1994).
Connessionismo e psicologia. Il Mulino,
Bologna.
Modelli simbolici
Scopo del modulo è fornire le basi teoriche, concettuali e
pratiche della simulazione dei processi cognitivi con
strumenti simbolici.
Prima parte:
–
–
–
nozioni di problem solving in spazi simbolici
nozioni di rappresentazione della conoscenza
elementi di logica e ragionamento formale
Seconda parte: lo studio del ragionamento deduttivo e del
ragionamento di senso comune.
Terza parte: utilizzo di strumenti di simulazione per il
ragionamento.
Modelli simbolici - Bibliografia
●
M. Frixione, D. Palladino. Funzioni,
macchine, algoritmi. Carocci, 2004.
●
Dispensa di logica elementare
●
Articoli su temi specifici
●
Materiale distribuito a lezione
