人間の認知における概念的ブートストラップのモデル

Nature Human Behaviour (2023)この記事を引用

メトリクスの詳細

難しい問題に取り組むには、多くの場合、既存の知識を再利用して再結合することが賢明です。 このようなブートストラップ能力により、限られた認知リソースにもかかわらず、豊かな精神的概念を成長させることができます。 ここでは、概念的なブートストラップの計算モデルを紹介します。 このモデルは、原則的な方法で以前の洞察の要素をキャッシュし、後で再利用できる動的概念レパートリーを使用し、学習を一連の構成的一般化としてモデル化します。 このモデルは、以前の信念や背景知識についての余分な仮定をせずに、同じ証拠が異なる順序で処理された場合に、異なる学習概念を体系的に予測します。 4 つの行動実験 (合計 n = 570) を通じて、モデルの予測によく似ているが、代替アカウントの効果とは異なる、強力なカリキュラム順序と概念的なガーデン パス効果を実証しました。 まとめると、この研究は、過去の経験が将来の概念的な発見をどのように形成するかについての計算上の説明を提供し、人間の帰納的な概念推論におけるカリキュラム設計の重要性を示しています。

人間は、限られた認知能力にもかかわらず、豊かで複雑な概念を開発する驚くべき能力を持っています。 一方で、人々は限定された推論者であり1、2、3、4、5、一度にかなり少ない精神的選択肢を楽しみ6、7、8、9、10、一般に大規模な事柄についての徹底的な検索から逸脱するという豊富な証拠があります。仮説空間11、12、13、14、15。 一方、これらの限定された推論者は、豊かに構造化された概念システムを開発し 16、17、18、洗練された説明を生成し 19、20、21、複雑な科学理論を推進することができます 22。 人はどのようにして、自分たちの手の届かないところにあるこのような複雑な概念を創造し、理解することができるのでしょうか?

ニュートンはこの質問に対して有名な答えを出しました。「もし私がさらに遠くを見ることができたとすれば、それは巨人の肩の上に立つことによるものです」23。 これは、人々は限界があるものの、他者から学ぶだけでなく、既存の知識を拡張して再利用して新しくより強力なアイデアを生み出す能力に恵まれているという直観を反映しています。 このような能力は認知発達の基礎であると考えられています24。 たとえば、小さな数 1、2、3、および数の原子概念から構築することによって、幼児は後続関係や実数の無限の列など、より一般的で抽象的な数値概念をブートストラップするようです25。 ブートストラップを使用すると、苦労して獲得した既存の知識を使用するたびに再発見する必要がなくなり、古い概念を基礎にして新しい概念を構築する際の学習者の時間と労力が節約されます。 既存の知識のこのような効果的な表現のおかげで、人々は段階的に豊かな精神構造に到達し、入れ子になった再利用のレベルを通じて自然に概念の階層を成長させることができます18。

ブートストラップは学習と発達の理論における重要な概念である 24 が、ブートストラップを直接調査する行動研究やそのメカニズムを明らかにする認知モデルはどちらも比較的まれです。 Piantadosi et al.25 は、ベイジアン概念学習フレームワークでブートストラップを仮定する一連の研究を先駆的に行いました。 しかし、彼らは数値概念を学習する際の再帰関数の発見に焦点を当て、オンライン帰納推論の一般的なモデルとしてブートストラップを検討するという課題を残しました。 デクターら。 29 では、人工学習者は単純な検索問題を解決することから始めて、その後、いくつかの解決策を再利用してより複雑な問題を進めることができるという考えを形式化しました。 このアプローチは後に、プログラムのコレクションから共有機能を抽出することを目的としたモデルのクラスであるベイジアン ライブラリ学習に発展しました 30,31。 これらのモデルはさまざまなタスクを首尾よく解決し、人間の認知の側面を捉えることが示されています 32,33。 ただし、これらの研究は主に、リソースの制限がブートストラップのメカニズムとどのように相互作用するか、そのような相互作用を悪用することで推論エラーや成功の人間パターンをどのように説明できるかを説明するのではなく、最適なライブラリを学習したり、難しいテスト問題を解決したりすることを目的としています。