Modelli simulativi per le Scienze Cognitive

1
Modelli simulativiper le Scienze Cognitive

• Paolo Bouquet
• (Università di Trento)
• Marco Casarotti
• (Università di Padova)

2
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?

3
Domande metafisiche

• Possono le macchine pensare?
• Può un computer avere una mente?
• Lintelligenza 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?
• ....

4
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?

5
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)

6
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
  lapproccio tradizionale basato su
  rappresentazioni simboliche e lapproccio
  connessionistico basato su rappresentazioni
  sub-simboliche)
• problema della plausibilità biologica nellambito
  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.

7
Modelli neurali - Contenuti

• Contenuti1.
• Introduzione al connessionismo 2
• Elementi teorici delle reti neurali 8
• Algoritmi dapprendimento 4
• Le reti neurali come metodo di ricerca 4
• Presentazione di modelli rilevanti 2
• Esercitazioni pratiche 4

8
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.

9
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.

10
Modelli simbolici - Bibliografia

• M. Frixione, D. Palladino. Funzioni, macchine,
  algoritmi. Carocci, 2004.
• Dispensa di logica elementare
• Articoli su temi specifici
• Materiale distribuito a lezione