Kognitiv vitenskap

fra Wikipedia, den frie encyklopedi
Hopp til navigasjon Hopp til søk
Illustrasjon av de grunnleggende fagene i kognitiv vitenskap. Fritt tilpasset fra Miller, George A (2003). "Den kognitive revolusjonen: et historisk perspektiv". TRENDER i kognitive vitenskaper 7 .

Kognitiv vitenskap er en tverrfaglig vitenskap for forskning på bevisste og potensielt bevisste prosesser ( engelsk sinnsvitenskap ).

Emnet kognitiv vitenskap er bevisst og ubevisst erfaring, som ofte er lokalisert mellom sensoriske og motoriske ferdigheter, samt behandling av informasjon i sammenheng med menneskelig tenkning og beslutningstaking. Disse inkluderer B. Oppfatning, tenkning, dømmekraft, hukommelse, læring og språk. Fagområdet ditt er ikke begrenset til kognisjon , men inkluderer også følelser , motivasjon og vilje . [1]

Kognitiv vitenskap abstraherer delvis fra om kognisjon blir undersøkt i organiske systemer eller levende vesener, eller i kunstige systemer som datamaskiner eller roboter, ved å betrakte kognitive prosesser som informasjonsbehandling. Hun jobber metodisk på forskjellige nivåer:

  • dannelsen av teorier, som brukes til å danne hypoteser,
  • kognitiv modellering , som simulerer kognitiv ytelse ved hjelp av datamodeller og integrerer nye hypoteser i disse modellene,
  • og det empiriske nivået, som omhandler den empiriske verifiseringen av modellene og den konkrete implementeringen av kognitiv ytelse.

Kognitiv vitenskap er resultatet av tverrfaglig innsats mellom psykologi , nevrovitenskap , informatikk / kunstig intelligens , lingvistikk og filosofi , men også antropologi og sosiologi .

Utvikling av kognitiv vitenskap

Kognitiv vitenskapshistorie

Noen mennesker forbinder utviklingen av kognitiv vitenskap med ideen om en såkalt " kognitiv sving " (ca. 1940–1970). Inntil da hadde atferdisme spilt en avgjørende rolle i psykologi og sinnsfilosofi . Behaviorisme dukket opp som et svar på problemene med introspeksjon som en metode for psykologisk forskning. Introspektive rapporter om den mentale indre virkemåten var ikke eksternt verifiserbar for forskerne. Behaviorismen fikk konsekvensen av dette at psykologien måtte begrense seg til en undersøkelse av atferd . I sinnsfilosofien gikk Gilbert Ryle for eksempel et skritt videre og hevdet at mentale tilstander ikke var annet enn atferdsmessige disposisjoner.

I 1956 fant Symposium on Information Theory sted vedMassachusetts Institute of Technology , der AI -pionerene Allen Newell , Herbert A. Simon og Marvin Minsky samt lingvist Noam Chomsky deltok. Chomsky presenterte en skarp kritikk av atferdisme og introduserte dens innflytelsesrike transformerende grammatikk . Newell og Simon presenterte Logical Theorist , som for første gang var i stand til uavhengig å "bevise" en matematisk teorem . Viktige forløpere for denne utviklingen var formuleringen av kybernetikk av Norbert Wiener og arbeidet til Alan Turing , som designet Turing -maskinen og utviklet Turing -testen .

Den kognitive vitenskapen, som ble konstituert i sammenheng med den beskrevne utviklingen, var basert på en sentral antagelse som ble kalt " tankens datamodell ". Dette betyr tesen om at hjernen er et informasjonsbehandlingssystem og i utgangspunktet fungerer som en datamaskin . Skillet mellom sinn og hjerne kan forstås analogt med skillet mellom programvare og maskinvare . Akkurat som programvare bestemmes av datastrukturer og algoritmer , bestemmes sinnet av mentale representasjoner og databehandlingsprosesser. Akkurat som den abstrakte beskrivelsen av programvaren er mulig uten å undersøke maskinvaren direkte, bør en abstrakt beskrivelse av de mentale evnene være mulig uten å undersøke hjernen direkte. Og akkurat som eksistensen av et programvarenivå lett kan forenes med materialisme , bør det mentale nivået også være innebygd i en materialistisk tolkning.

Gjeldende utvikling

Datamodellen for sinnet har blitt utsatt for sterk kritikk de siste tiårene. Denne kritikken har i hovedsak to kilder: På den ene siden har beskrivelsen av hjernen av kognitiv nevrovitenskap utviklet seg raskt. Dette kan for eksempel sees i den økende betydningen av bildediagnostikkprosedyrer , noe som gjør det usannsynlig å ikke ta hensyn til hjernen når man utforsker sinnet. På den annen side har andre vellykkede tilnærminger utviklet seg, som f.eks B. Konneksjonisme og modellering av nevrale nettverk . Kunstige nevrale nettverk er blant annet programmert til å simulere aktivitetene til grupper av nevroner . Det er tvilsomt i hvilken grad et skille mellom programvare og maskinvarenivå fortsatt er mulig her.

Andre alternative paradigmer innen kognitiv vitenskap er f.eks. B. dynamikk (undervisning, tross alt manifestasjoner eller virkeligheten kan forklares med kraftens handling) [2] , kunstig liv (kunstig liv) og den materialiserte og av-kognitive vitenskapen. I følge dynamikk gir teorien om dynamiske systemer en passende modell for kognitiv atferd, siden kognitiv atferd alltid finner sted i en tidsmessig kontekst og krever tidsmessig koordinering. Det er postulert at dette tidsmessige aspektet av kognisjon, som er neglisjert i tankens datamodell, er avgjørende. På den annen side stiller denne tilnærmingen spørsmålstegn ved sentraliteten i intern representasjon og symbolmanipulering (se symbolikk), siden disse begrepene ikke er en del av en dynamisk forklaring.

"Kunstig liv" er et begrep som står i kontrast til kunstig intelligens: i stedet for å løse abstrakte oppgaver (for eksempel å analysere sjakkposisjoner), som ofte virker vanskelig for oss mennesker på grunn av det store antallet mulige løsninger, men datamaskiner er enkle å løse, en skal først forstå hvordan man skal takle antatt profane hverdagsproblemer. Mange oppgaver som virker enkle for oss (som å løpe, gjenkjenne venner og fiender, fange en ball ...) er for tiden i det hele tatt ikke eller bare i svært begrenset grad i stand til å mestres av datamaskiner eller roboter .

På sin side antar legemliggjort og lokalisert kognitiv vitenskap at kognisjon ikke kan forklares uten referanse til en bestemt kropp ( utførelse ) og et spesifikt miljø (situasjon). Disse kravene skyldes tvilen om at kognisjon er en prosess som finner sted i en verden av abstrakte symbolske representasjoner, relativt uavhengig av de presise sanse-, motoriske og timelige hendelsene i omverdenen. Kjente representanter for dette synet er Alva Noë , Susan Hurley, Evan Thompson , Francisco Varela og Kevin O'Regan. I sammenheng med legemliggjort og lokalisert kognitiv vitenskap blir det ofte søkt en kobling mellom ideene om fenomenologien til Maurice Merleau-Ponty og Edmund Husserl og den klassiske analytiske filosofien i sinnet .

Disse forskjellige strømmer som presenteres (konneksjonisme, dynamikk, kunstig liv, situasjon og utførelse) er ofte oppsummert under slagordet New AI (New AI) , slik de f.eks. T. overlapper i sine krav og forutsetninger. Imidlertid kan de ikke betraktes som kongruente, ettersom de på mange måter er forskjellige når det gjelder premisser , konsekvenser og applikasjoner, eller til og med motsier hverandre.

Kritikken av tankens datamodell førte til tider til et generelt spørsmål ved kognitiv vitenskap. I mellomtiden har bølgene imidlertid stort sett jevnet seg ut. Kognitive forskere bruker nå også nevrale nettverk selv og er i nær kontakt med kognitiv nevrovitenskap .

Kognisjonsfilosofi

I kognitiv vitenskap undersøkes emner som krever bevissthet eller selvtillit hos mennesker. For dette formålet blir individuelle aspekter av bevissthet som oppfatning, tanker eller minner vurdert og generelt referert til som mentale tilstander. "Høyere" kognitive evner som læring, problemløsning og snakk krever i sin tur tenkning - det vil si mentale tilstander. Det er derfor av stor metodologisk betydning for kognitiv vitenskap å klargjøre hva som menes med diskusjonen om mentale tilstander. Tilknyttet datamaskinens modell av sinnet er en klassisk posisjon i sinnsfilosofien - funksjonalisme .

Funksjonalisme, utviklet av Hilary Putnam på 1960 -tallet, hevder at mentale tilstander er funksjonelle tilstander. En funksjonell tilstand er spesifisert av dens årsaksrolle i et system . Konseptet med den funksjonelle tilstanden kan forklares ganske godt ved hjelp av eksemplet på enkle maskiner : La oss forestille oss en godterimaskin. Dette kaster ut et godteri for en euro. Nå kan du beskrive maskinen med forskjellige tilstander: Det må være en tilstand der maskinen kaster godteriet uten å be om ytterligere penger. Men det må også være stater der maskinen fortsatt krever 1 euro eller 50 cent for å kaste ut noe. Hver av disse tilstandene til maskinen er en funksjonell tilstand. Den spesifiseres ved at den reagerer på en bestemt måte på en bestemt input (her: 50 cent eller 1 euro): den har en viss produksjon (her: godteri eller ikke) og endres til en annen stat.

1-bånds Turing-maskin

Den avgjørende faktoren i denne vurderingen er at beskrivelsen av den funksjonelle tilstanden er uavhengig av hva og hvordan godisautomaten faktisk er bygget. Hvis mentale tilstander også var funksjonelle tilstander, ville det også være irrelevant om den funksjonelle tilstanden er realisert i en hjerne eller i en datamaskin. Dette vil også tydeliggjøre vilkårene som må gis slik at en datamaskin kan ha mentale tilstander: Datamaskinen måtte bare realisere de samme funksjonelle tilstandene. Dette ser også ut til å være mulig. Turing -maskinen , formulert som en matematisk modell av Alan Turing i 1936, kan i prinsippet realisere enhver funksjonell tilstand.

Kognitive ferdigheter og kognitive arkitekturer

Folk har et bredt spekter av kognitive evner: hukommelse , språk , persepsjon , problemløsning , mental vilje , oppmerksomhet og mer. Målet med kognitiv psykologi er å forske på egenskapene til disse evnene og, så langt det er mulig, beskrive dem i formelle modeller . Disse modellene kan deretter implementeres som kognitiv arkitektur på en datamaskin. Kunstig intelligens (AI) tar også sikte på å implementere kognitive evner i maskiner. I motsetning til kognitive arkitekturer, får de kunstige midlene også lov til å bruke strategier som ikke brukes av mennesker.

Løse problem

"Problemløsning" er begrepet som brukes for å referere til handlinger som er rettet mot å oppnå en måltilstand. Problemløsningsprosesser er derfor noe hverdagslig, de er nødvendige for dagplanlegging, regning, sjakk eller planlegging av en tur. Målet med kunstig intelligens var tidlig å gi maskiner muligheten til å løse problemer.

En start og en måltilstand er spesifisert i den kunstige intelligensen. Oppgaven er å finne (eller a) veien til målet. Her er det i utgangspunktet to tilnærminger: På den ene siden kan programmet prøve å blinde dem for målet de skal finne ved å prøve alle forskjellige måter (såkalt. Brute force-metode ), som for eksempel i dybde-første søk eller bredde-første søk er gjort. Imidlertid når denne tilnærmingen raskt sine grenser, siden antallet mulige veier i NP-komplette problemer er så høyt at å prøve den ville overstige maskinens kapasitet. I et slikt tilfelle er søkealgoritmer som bruker heuristikk nødvendige, for eksempel A * -algoritmen . Heuristikk beskriver seleksjonsmekanismer som prøver å bestemme de mest lovende prosessene før de utføres.

Det første programmet som jobbet mye med heuristikk var General Problem Solver (GPS) av Allen Newell og Herbert A. Simon . GPS var i stand til å finne løsninger som Towers of Hanoi -spillet. Spillet består av en rekke plater i forskjellige størrelser og tre spillefelt. I begynnelsen av spillet er alle platene på venstre side. Målet oppnås når alle plater er i riktig felt. Imidlertid kan hver plate bare ligge på en større plate, og bare én plate kan flyttes til enten venstre, midten eller riktig sted. Selv om problemet kan løses med en algoritme , løser folk ofte dette problemet med heuristikk, ettersom antallet mulige veier vokser raskt.

Tårnene i Hanoi

Å løse spill som Towers of Hanoi var en populær oppgave i begynnelsen av kunstig intelligens. Grunnen til dette er at bare et svært begrenset antall handlinger er mulige her, og det er ingen uforutsigbare hendelser. Dette gjorde det lettere å teste kognitive strategier eksperimentelt . I dag dedikerer man seg også til kompliserte hverdagslige oppgaver, for eksempel vellykket "gjennomføring" av et restaurantbesøk.

Kognitive arkitekturer

Målet med en kognitiv arkitektur er å oppsummere de ulike resultatene av kognitiv psykologi i en omfattende datamodell. Resultatene må imidlertid være tilgjengelige i en slik formalisert form at de kan være grunnlaget for et dataprogram. Ved å oppsummere de enkelte resultatene, på den ene siden bør det dukke opp en omfattende teori om kognisjon og på den annen side en kommersielt brukbar modell. De tre mest vellykkede kognitive arkitekturen er ACT-R ( Adaptive Control of Thought , ACT), SOAR og EPIC . Med PSI -modellen har det blitt introdusert en ytterligere tilnærming de siste årene som, sammenlignet med de andre arkitekturen, i stor grad er basert på den nåværende tilstanden for generell psykologi .

ACT-R er et produksjonssystem med en rekke moduler . Den består av input- og output -moduler, et produksjonsminne og et deklarativt minne. Målmodulen definerer hvilket mål som skal forfølges i produksjonssystemet. I produksjonsminnet er det regler som bestemmer hvilken handling som skal utføres når et valgt mål skal oppnås, og hvilket innhold som må være i arbeidsminnet (eller i forskjellige partisjoner i arbeidsminnet) slik at handlingen kan utføres vellykket. Denne "mønstermatchingen" fører til valg av en produksjonsregel og bestemmer handlingen til utgangsmodulen.

Kognitive arkitekturer er preget av oppfyllelsen av visse kriterier, Core Cognitive Criteria (CCC). Disse er: [3]

Et datasystem som oppfyller disse egenskapene er IBMs DeepQA .

Språk og kognisjon

Beherskelse av språket er en av de enestående kognitive evnene til mennesker. Å ha språkkunnskaper er også en forutsetning for å ha noen andre kognitive ferdigheter. Uten språk kunne ikke mange tanker tenkes og mange problemer kunne ikke løses. Språk har derfor alltid spilt en sentral rolle i kognitiv vitenskap. På den ene siden oppstår spørsmålet om hvordan mestring av menneskelig språk er mulig, og på den andre siden hvordan man kan få maskiner til å mestre språket.

Språklige evner hos mennesker

Hvordan er det at folk vanligvis er i stand til å lære språk? Fram til det tjuende århundre var den rådende oppfatningen at språktilegnelse kan forklares ved å filtrere ut språkreglene i dialog med andre mennesker. En slik posisjon, kalt " kognitivisme ", ble representert av Jean Piaget . Ifølge henne er taleevnen avledet fra den generelle tenkningsevnen. Denne teorien ble motarbeidet av Noam Chomsky for første gang med sin " nativistiske " posisjon. Chomsky hevder at mennesker er genetisk utstyrt med et språkorgan som gjør språktilegnelse i utgangspunktet mulig. Språkorganet er lokalisert i hjernen , men ikke som et sterkt begrenset nevralområde.

Noam Chomsky på World Social Forum 2003

Chomsky hevder at språkoppkjøp ikke kan forklares med en kognitivistisk tilnærming. Medmenneskers språklige innspill er utilstrekkelige til å bestemme reglene for korrekt tale. På den ene siden er talespråket veldig ofte ugrammatisk, så innspillet er mangelfullt. På den annen side tillater innspillet grammatiske feil i å lære barn, som de faktisk ikke gjør. Chomsky konkluderer med dette at det må være medfødt språkkunnskap som kan brukes i språktilegnelse. Denne medfødte kunnskapen er spesielt grammatisk kunnskap, alle mennesker får en universell grammatikk fra fødselen.

Chomskys hypoteser ble sterkt kritisert i den vitenskapelige debatten kjent som Linguistics Wars på 1960- og 1970-tallet: hans syntaksorienterte tolkende semantikk fra George Lakoff og hans universelle grammatikk fra Benjamin Whorfs såkalte språklige relativitetsteori .

Siden 1980 -tallet har forskning i økende grad vendt seg til begreper som - i likhet med Piaget - fokuserer på sosialisering i språkoppkjøpet. Chomskys tilnærming - som hele den tradisjonelle "hodefilosofien" - blir satt i tvil i konstruktivistiske begreper [4] og gjennom nevrobiologiske modeller:

I følge Humberto Maturana og Francisco Varela [5] - se også: Kunnskapens tre (El árbol del conocimiento 1984) - er hjernen ikke strukturert som en input / output -modell, men har - gjennom et nettverk på hundre milliarder inter- nevroner , som forbinder millioner av motoriske og sensoriske nerveceller med hverandre - evnen til intensiv parallell prosessering . En representativ idé med et bilde av et konsept i hjernen er neppe holdbar for Maturana og Varela, siden hundrevis av nevroner fra andre deler av nervesystemet konvergerer på byttepunktene med en rekke effekter og fører til overleggelser. Nervesystemet fungerer ikke med representasjoner av en uavhengig omverden. Ord som betegnelser på objekter eller situasjoner i verden gjør ikke rettferdighet i forhold til den strukturelle koblingen, snarere er de en ontologisk bestemt koordinering av atferd . I følge Maturana og Varela oppstår ikke språk i en ensartet design (er ikke en del av hjernen), men er den variable kommunikative oppførselen som læres gjennom koordinering av handlinger (språk er en del av miljøet som er kjent som "språkets rike" ": [6] Vårt vanlige" å være-i-språket [-] er det vi opplever som bevissthet eller som "vår ånd" og "vårt jeg" ". [7] )

Dialog og ekspertsystemer

Forsøket på å utstyre maskiner med språkfunksjoner gjenspeiles ofte i dialogsystemer . Et dialogsystem er vanligvis et dataprogram som kan brukes til å chatte med tastaturet. Et av de første vellykkede dialogsystemene var ELIZA av Joseph Weizenbaum fra 1966. ELIZA simulerer en psykoterapeut. Gjennom dyktig bruk av fraser som "Fortell meg mer om X" eller "Tenk på X ofte", var ELIZA i stand til å lure testpersoner om deres ikke-menneskelige eksistens i lang tid. Noen testpersoner følte til og med at de ble forstått så godt at de ønsket å snakke privat med ELIZA om problemene sine utover testsituasjonen. Men hvis du stiller ELIZA spørsmål som ikke passer inn i konteksten for terapisituasjonen, kan ELIZA ikke gi noen rimelige svar.

Joseph Weizenbaum (1923–2008), oppfinneren av ELIZA

Ekspertsystemer , som i mellomtiden også har mange kommersielle applikasjoner, er knyttet til dialogsystemer. Ekspertsystemer prøver å lagre kunnskapen fra menneskelige eksperter og gjøre den tilgjengelig for brukeren. Søknader er for eksempel automatiske medisinske eller teknologiske eksperter. Disse ekspertene krever en fungerende kunnskapsrepresentasjon som programmet har kunnskapen gjennom. I en omfattende kunnskapsrepresentasjon må materialet være strukturert på en gunstig måte slik at nødvendig kunnskap alltid kan nås, at forholdet mellom kunnskapselementene er klart og at innholdet kan overses av utvikleren og om nødvendig utvides .

Turing -testen

Fascinasjonen av dialogsystemer er nært knyttet til et tankeeksperiment formulert av datapioneren Alan Turing i 1950. Turing lette etter et klart kriterium for å bestemme når datamaskiner kan betraktes som intelligente. Svaret hans var den berømte Turing -testen: en person går i dialog med en datamaskin - ved hjelp av en skjerm og et tastatur. Datamaskinen kan betraktes som intelligent nettopp når det er vanskelig for en person å avgjøre om det er snakk om en dialog med en person eller med et dataprogram.

Dagens dialogsystemer er fortsatt langt fra å bestå Turing -testen. Dette er ikke overraskende når du vurderer hva et program må kunne for å klare det. Den skal kunne forklare vitser, forstå hentydninger og ironi , og formulere spørsmål og svar som er passende for konteksten. Det er nå $ 100 000 Loebner -prisen for utvikleren av det første programmet som besto Turing -testen.

Det er kommet mye kritikk av Turing -testen. Den mest kjente er sannsynligvis John Searles kinesiske Zimmer -argument, som skal vise at bestått Turing -test ikke er tilstrekkelig for å forstå språk. Tenk å være på et stort bibliotek. Utenfra får du levert ark med kinesiske tegn som du ikke kan forstå. Siden bare sekvenser av kinesiske tegn er spilt inn i bøkene i biblioteket, kan du nå se etter tegnsekvensene på arkene. Hver tegnsekvens er tildelt en annen tegnsekvens i boken, som til slutt skrives på arket og deretter gis ut igjen. Denne fremgangsmåten får det til å se ut for en kineser utenfor som han snakker med en annen person som forstår kinesisk. Du forstår ikke kinesisk selv og biblioteket forstår ikke kinesisk heller. Så et system kan bestå Turing -testen uten å forstå hva som blir sagt.

Tilkoblingisme

Forenklet representasjon av et kunstig neuralt nettverk

I kognitiv vitenskap har utviklingen av konneksjonisme ført til store endringer. Mens i klassisk kunstig intelligens - ifølge tankens datamodell - ble kognitive evner simulert med et symbolsk programmeringsspråk , brukes det i konneksjonisme kunstige nevrale nettverk . Et kunstig neuralt nettverk er en sammenkobling av enkle enheter, de såkalte kunstige nevronene . Nevronene kan overføre aktivitetene sine til de nærliggende nevronene. Som et resultat kan kompliserte opphisselsesmønstre oppstå med en gitt inngang, som igjen genererer en utgang.

Konseptet med nevrale nettverk ble utviklet i 1943 av Warren McCulloch og Walter Pitts . I 1949 utviklet psykologen Donald O. Hebb Hebbs læringsregel , som kan integreres i begrepet nevrale nettverk. I følge Hebb kan læring beskrives ved å veie de individuelle forbindelsene mellom nevronene. Læring skjer ved å endre vekten mellom nevronene. Til tross for denne tidlige utviklingen mot en modell for læring av nevrale nettverk, forble kognitiv vitenskap begrenset til symbolbehandlingsmetoden (GOFAI) i lang tid.

Det er først siden 1980 -tallet at kognitiv vitenskap i økende grad har ty til nevrale nettverk. Dette skyldes spesielt at nevrale nettverk er i stand til å utføre oppgaver der symbolbehandlingsmetoden har vært ganske mislykket. Slike oppgaver inkluderer for eksempel mønstergjenkjenning eller bevegelse . Denne utviklingen er også av teoretisk betydning: Connectionism gjenkjenner ikke lenger skillet mellom programvare og maskinvare, som er så viktig for klassisk kognitiv vitenskap.

Kognitiv vitenskap ved universiteter

I USA, men også i Storbritannia, Australia og Nederland, er kognitiv vitenskap et utbredt og anerkjent emne. Innflytelsesrike institutter ligger ved Rutgers University , Tufts University , University of California, San Diego og University of California, Berkeley .

I Tyskland er imidlertid kognitiv vitenskap ennå ikke særlig utbredt som grad. Universitetet i Osnabrück har sitt eget kognitive vitenskapsinstitutt med bachelor- , master- og doktorgradsprogram ; ved University of Tübingen har det vært bachelor- og mastergrad i kognitiv vitenskap siden vintersemesteret 2009/10 , tilbudt av fakultetet for matematikk og naturvitenskap. Det tekniske universitetet i Darmstadt har tilbudt kurset "Kognitiv vitenskap" siden vintersemesteret 2019/20. [8] Kognitiv vitenskap kan studeres som et mindre fag ved Albert Ludwig University of Freiburg og University of Potsdam . Siden vintersemesteret 2012/2013 er en M.Sc. Kurset tilbys. Seit dem WS 2013/2014 wird an der TU Kaiserslautern der englischsprachige Studiengang Cognitive Science (M.Sc.) angeboten. Verwandte Fächer sind der Bachelor-Studiengang Kognitive Informatik an der Universität Bielefeld , der Bachelor-Studiengang „Philosophie – Neurowissenschaften – Kognition“ an der Otto-von-Guericke-Universität Magdeburg und MEi:CogSci, das joint degree „ Middle European interdisciplinary master programme in Cognitive Science “, das die Universitäten in Wien, Bratislava, Budapest und Ljubljana gemeinsam anbieten. An der Universität Duisburg-Essen gibt es den Bachelor- und Masterstudiengang „Angewandte Kognitions- und Medienwissenschaft“. An der Technischen Universität Chemnitz gibt es seit dem Wintersemester 2009/10 den Bachelor- und Master-Studiengang Sensorik und kognitive Psychologie, der Schwerpunkte in technischer Sensorik, menschlicher Wahrnehmung sowie natürlicher und künstlicher kognitive Systeme setzt. [9]

Siehe auch

Portal: Geist und Gehirn – Übersicht zu Wikipedia-Inhalten zum Thema Geist und Gehirn

Literatur

Einführungen:

  • John R. Anderson : Kognitive Psychologie. Eine Einführung . Spektrum der Wissenschaft, Heidelberg 1988, ISBN 3-922508-19-7 . Eine fundierte Einführung, jedoch mit wenig Bezug zu den Neurowissenschaften.
  • Howard Gardner : Dem Denken auf der Spur. Der Weg der Kognitionswissenschaft . Klett-Cotta, Stuttgart 1989 u. ö., ISBN 3-608-93099-X , ISBN 3-608-95866-5 . Klassische Darstellung der Geschichte der Kognitionswissenschaft.
  • Manuela Lenzen : Natürliche und künstliche Intelligenz. Einführung in die Kognitionswissenschaft . Campus, Frankfurt am Main ua 2002, ISBN 3-593-37033-6 . Kurze, laienfreundliche Einführung.
  • Rolf Pfeiffer, Christian Scheier: Understanding Intelligence . MIT Press, Cambridge (Mass.) 1999, ISBN 0-262-16181-8 . Darstellung der modernen Ansätze in der Kognitionsforschung.
  • Paul Thagard : Kognitionswissenschaft. Ein Lehrbuch . Klett-Cotta, Stuttgart 1999, ISBN 3-608-91919-8 . Ebenfalls laienfreundliche Einführung, konzentriert auf philosophische und methodologische Aspekte.
  • Max Urchs: Maschine – Körper – Geist. Eine Einführung in die Kognitionswissenschaft . Vittorio Klostermann, Frankfurt am Main 2002, ISBN 3-465-03196-2 . Umfassende, aber verständliche Einführung von einem Mathematiker und Philosophen.
  • Francisco J. Varela : Kognitionswissenschaft, Kognitionstechnik. Eine Skizze aktueller Perspektiven . Suhrkamp, Frankfurt am Main 1990, ISBN 3-518-28482-7 . Beschreibt laienfreundlich die biologisch orientierte, nicht so sehr aber die klassische auf der Computermetapher basierende Kognitionswissenschaft.

Textsammlungen:

Lexika:

  • Robert A. Wilson , Frank C. Keil (Hrsg.): The MIT Encyclopedia of the Cognitive Sciences . MIT Press, Cambridge (Mass.) ua 2001, ISBN 0-262-73144-4 . Englischsprachiges Standardwerk.
  • Gerhard Strube et al. (Hrsg.) Wörterbuch der Kognitionswissenschaft . Klett-Cotta, Stuttgart 1996, ISBN 3-608-91705-5 . Als CD-Rom: Klett-Cotta, Stuttgart 2001, ISBN 3-608-94167-3 .

Einzelthemen:

  • Ansgar Beckermann : Analytische Einführung in die Philosophie des Geistes . 2. Auflage. De Gruyter, Berlin ua 2001, ISBN 3-11-017065-5 . Sehr dichte Einführung in die Philosophie des Geistes.
  • Rainer Dietrich: Psycholinguistik . Metzler, Stuttgart 2002, ISBN 3-476-10342-0 . Laienfreundliche Einführung in die kognitionswissenschaftlichen Aspekte der Linguistik, allerdings ohne Neurolinguistik.
  • E. Bruce Goldstein: Cognitive Psychology. Connecting Mind, Research and Everyday Experience . Thomson Wadsworth, Belmont (Calif.) ua 2004 u.ö., ISBN 0-534-57726-1 . Eins der neuesten und am weitesten verbreiteten Lehrbücher der Kognitionspsychologie.
  • Klaus Mainzer : KI – Künstliche Intelligenz. Grundlagen intelligenter Systeme . Primus, Darmstadt 2003, ISBN 3-89678-454-4 . Einführung in die KI von einem Wissenschaftstheoretiker geschrieben. Daher auch für Nichtinformatiker verständlich.
  • Horst M. Müller: Psycholinguistik – Neurolinguistik. Die Verarbeitung von Sprache im Gehirn . UTB, Paderborn 2013, ISBN 978-3-8252-3647-2 .

Weblinks

Wikibooks: Gehirn und Sprache – Lern- und Lehrmaterialien
Thematische Einführungen
Gesellschaften
Institute und Forschergruppen
Datenbanken und Linksammlungen zu Aufsätzen und Forschern
Liste von internationalen Instituten, die Cognitive Science Abschlüsse anbieten

Einzelnachweise

  1. Vgl. Margaret Boden: Mind as Machine. A History of Cognitive Science , Oxford University Press, Oxford 2006, S. 10ff.
  2. Dynamismus – Wiktionary. Abgerufen am 16. April 2021 .
  3. Chris Eliasmith: How to Build a Brain: A Neural Architecture for Biological Cognition . Oxford University Press, 2013, ISBN 978-0-19-979454-6 .
  4. Heinz von Foerster ua: Einführung in den Konstruktivismus . Veröffentlichungen der Carl-Friedrich-von-Siemens-Stiftung, 5; München, Zürich: Piper-TB, 2006.
  5. Humberto R. Maturana und Francesco J. Varela: Der Baum der Erkenntnis. Die biologischen Wurzeln menschlichen Erkennens . Frankfurt 2010, S. 175ff.
  6. Maturana und Varela, 2010, S. 226.
  7. Maturana und Varela, 2010, S. 251
  8. https://www.tu-darmstadt.de/studieren/studieninteressierte/studienangebot_studiengaenge/studiengang_196608.de.jsp
  9. https://www.tu-chemnitz.de/physik/SEKO/infobsc.html