Bilişsel bilim

Bilişsel bilim, zihin ve zekânın işleyişini ele alan, zeki sistemlerin dinamiklerini ve yapılarını araştıran disiplinler arası bir yaklaşımdır.[1] Çok geniş bir alanı kapsamasından ötürü bilişsel bilim alanında çalışan araştırmacıların bilişsel psikoloji, dil bilimi, sinir bilimi, yapay zekâ, antropoloji ve felsefe gibi alanlarda temel bilgilere sahip olması beklenir.

Bilişsel bilim, disiplinler arası bir boyut taşımaktadır. Dil bilimi, felsefe, nöroloji, psikoloji, yapay zekâ, antropoloji, eğitim bilimi gibi alanlarla ilişkilidir. Bilişsel bilim bu anlamda, bu alanların karşılıklı ilişkisinin ortak noktasında yer almaktadır.

Bilişin (geniş anlamda) doğasını, görevlerini ve işlevlerini inceler. Bilişsel bilimciler, sinir sisteminin bilgiyi (information) nasıl temsil ettikleri (represent), işledikleri(process) ve dönüştürdükleri (transform) üzerinde durarak zekayı ve davranışı araştırır. Bilişsel bilimcilerin ilgilendikleri zihinsel fakülteler (mental faculties) dil, algı, hafıza, dikkat, akıl yürütme ve duyguyu içerir. Bu fakülteleri anlamak için bilişsel bilimciler dilbilim, psikoloji, yapay zeka, felsefe, nörobilim ve antropoloji gibi alanlardan yararlanır.[2] Bilişsel bilimin tipik bir analizi öğrenmeden karar vermeye ve mantığa; nöral ağlardan modüler beyin organizasyonuna kadar, pek çok organizasyon seviyesini kapsar. Bilişsel bilimin en temel mefhumlarından biri “düşünme, en iyi şekilde, zihindeki temsili yapılar (representational structures) ve onlar üzerinde gerçekleşen işlemsel (computational) süreçler açısından anlaşılabilir.”dir.[2]

Bilişsel bilim insanlarda, hayvanlarda ve makinelerdeki bilişin disiplinlerarası çalışılmasıdır. Psikoloji, bilgisayar bilimi, nörobilim, antropoloji, dilbilim ve felsefenin geleneksel disiplinlerini bir araya getirir. Bilişsel bilimin amacı, zihnin ve öğrenmenin daha iyi anlaşılmasının zeki araçlar geliştirmemize yol açacağı umuduyla zekanın temel prensiplerini anlamaktır. Bilişsel bilim  1950’lerde bilişsel devrim olarak isimlendirilen entelektüel bir hareket olarak başlamıştır.[3]

Bilişsel bilim, beyinin çeşitli alanlardaki soyut verimini araştırır.

Bilişselci yaklaşımın savunucuları, davranışçı yaklaşımın görüşlerini eleştirirler. Davranışçılığın bilimsel düşünceye hakim olduğu bir dönemde, 1950'lerin sonunda Noam Chomsky'nin dilin doğuştanlığını vurgulaması, zihin ve beyin araştırmalarında önemli bir dönüm noktasıdır. Davranışçılar, dili bir alışkanlık kazanma süreci olarak tanımlarken, Chomsky, dilin biyolojik bir temeli olduğunu, doğuştan gelen bir yetinin, sosyal ortamda süreç içinde edinime dönüştüğünü ileri sürmüştür.

İlkeler

Analiz Seviyeleri

Bilişsel bilimin temel ilkelerinden biri “zihnin/beynin tam olarak kavranması tek bir seviyenin çalışılması ile mümkün olamaz”dır. Bir telefon numarasını ezberlemek ve daha sonra onu hatırlamak bir misal olabilir. Zihinsel bir süreci anlamak için kullanılabilecek yaklaşımlardan biri doğrudan veya natüralistik gözlem ile davranışı incelemek olabilir. Örneğin, birisine bir telefon numarası sunulur ve bir süre sonra bu kişiden sunulan telefon numarasını hatırlaması istenilebilir; daha sonrasında cevabının doğruluğu ölçülebilir. Bilişsel beceriyi ölçmek için kullanılabilecek bir diğer yaklaşım ise  kişinin telefon numarasını hatırlamaya çalışıyorken ateşlenen nöronlarını incelemek olabilir. Bu iki deneyden hiçbiri, kendi başlarına, bir telefon numarasını hatırlama sürecinin nasıl gerçekleştiğini tam olarak açıklayamaz. Beyindeki her bir nöronu anbean eşleştirmek gibi bir teknoloji elimizde olsaydı ve her nöronun ne zaman ateşlendiği  bilinebiliyor olsadı dahi nöronların ateşlenmelerinin gözlemlenmiş davranışa nasıl evrildiğini bilmek imkansız olurdu. Dolayısıyla bu iki  seviyenin birbiriyle nasıl etkileştiğini anlamak bilişsel bilim için bir zorunluluk. The Embodied Mind: Cognitive Science and Human Experience ‘ta da bahsedildiği üzere “zihnin yeni bilimleri ufuklarını, hem yaşanmış insani tecrübeleri hem de insani tecrübeye içkin dönüşüm ihtimallerini kapsayacak şekilde genişletmelidir.” [4] Bu ancak söz konusu sürecin işlevsel bir açıklaması ile sağlanabilir. Spesifik bir fenomeni pek çok seviyeden çalışmak, spesifik bir davranışa yol açan beyindeki süreçleri daha iyi anlamamıza yol açar. Marr [5] üç seviyeli bir analiz şemasını şöyle betimlemiştir:

  1. İşlemlemesel teori, işlemlemenin amaçlarını belirtir.
  2. Temsil ve algoritmalar, girdi ve çıktıların temsillerini ve birini öbürüne dönüştüren algoritmaları barındırır.
  3. Donanım emplementasyonu,  algoritma ve temsillerin nasıl fiziksel olarak gerçekleştirilebilecekleridir.

Disiplinlerarası Doğası

Bilişsel bilim, psikoloji, nörobilim, dilbilim, zihin felsefesi, bilgisayar bilimi, antropoloji ve biyoloji de dahil, pek çok alanın katkılarıyla beraber disiplinlerarası bir alandır. Bilişsel bilimciler kolektif olarak zihni ve onu çevreleyen dünya ile etkileşimini anlama umuduyla çalışır. Alan fiziksel bilimlerle tutarlı bilimsel metodunun yanı sıra simülasyon ve modelleme de kullanır, sıklıkla da modellerin çıktılarını insan bilişi ile kıyaslar. Psikoloji alanına benzer olarak, birleşik bir bilişsel bilim olduğuna dair biraz şüphe vardır ki bu kimi araştırmacıları “bilişsel bilimler” çoğul kelime öbeğini tercih etmeye itmiştir.[3][6]

Kendini bilişsel bilimci olarak görenlerin çoğu, ama hepsi değil, zihne dair işlevselci (functionalist) bir görüşe – zihinsel durumlar (mental states)  ve süreçler işlevleriyle açıklanmalıdır görüşü – sahiptir. İşlevselciliğin çoklu gerçekleştirilebilirlik (multiple realizability) görüşüne göre, robotlar ve bilgisayarlar gibi gayrı-insan sistemlerin bile bilişe sahip olduğu söylenebilir.

Bilişsel Terimi

“Bilişsel bilim”deki “bilişsel (cognitive)” terimi “net olarak incelenebilen herhangi bir zihinsel süreç ya da yapı” anlamında kullanılıyor (Lakoff ve Johnson, 1999). Bu kavramsallaştırma oldukça  geniştir ve “bilişsel” kelimesinin analitik felsefedeki kullanımıyla karıştırılmamalıdır. Analitik felsefede “bilişsel” yalnızca formel kurallarla ve doğruluk koşullu semantik (truth conditional semantics) ile ilgilidir.

Oxford İngilizce Sözlüğü’ndeki “bilişsel” kelimesi için ilk girdi, kabaca, “bilme eylemi ya da sürecine ilişkin” anlamına sahip olduğunu söylüyor. 1586’dan olan bu ilk girdi, Platonik bilgi teorileri tartışmaları bağlamında bu kelimenin kullanıldığını gösteriyor.

Kapsamı

Bilişsel bilim bilişe dair  geniş bir yelpazedeki konuları kapsıyor. Fakat, bilişsel bilimin, zihnin doğası ve süreçleriyle ilgili olabilecek her şeyle eşit düzeyde ilgilenmediğini ayrımsamak gerekir. Filozoflar arasında, klasik kognitivistler (classical cognitivists) sosyal ve kültürel faktörleri, duyguyu, bilinci, hayvan bilişini, karşılaştırmalı ve evrimsel psikoloji çalışmalarını nispeten önemsiz görürler. Ancak davranışçılığın yavaş yavaş popülerliğini yitirmesiyle beraber, duygulanım (affect) ve duygular (emotions) gibi içsel durumları da, farkındalık ve örtük dikkat (covert attention) gibi konular kadar çalışmak mümkün olmuştur. Örneğin, durumsal ve bedenleşmiş biliş (situated and embodied cognition) teorileri çevrenin etkilerini ve bedenin bilişteki rolünü de dikkate alır.Bilgi işleme (information processing) süreçleri üzerinde durulmaya başlanmasıyla beraber, psikolojinin en temel öğesi gözlemlenebilen davranıştan ziyade modelleme veya zihinsel durumlara dair alınan kayıtlar oldu.

Yapay Zeka

Yapay zeka (YZ) makinelerdeki bilişsel olguları inceler. YZ’nin pratik amaçlarından bir tanesi insan zekasının çeşitli yönlerini bilgisayarlarla gerçekleştirebilmektir. Bilgisayarlar, bilişsel olguların araştırılmasında sıklıkla kullanılan araçlardır. İşlemsel modelleme insan zekasının nasıl yapılandığını araştırmak için simülasyonları kullanır.[7] (Bkz. İşlemsel modelleme)

Zihnin, küçük fakat tek başlarına işlevsiz yapıtaşlarının  (mesela, nöronlar vb.) devasa bir ürünü olarak mı, yoksa semboller, yapılar, şemalar, planlar ve kurallar gibi daha yüksek seviye yapıların açısından mı daha iyi anlaşılabileceğine dair yapay zeka alanında bir tartışma olagelmiştir. Bahsettiğimiz ilk görüş, zihni araştırmak için bağlantıcılığı (connectionism) kullanırken, ikinci görüş ise sembolik işlemlemeler (symbolic computations) üzerinde durur. Konuya dair bir bakış açısı da, insan beynini  tam olarak simüle etmenin, nöronları simüle etmeksizin mümkün olup olmadığıdır.

Dikkat

Dikkat, önemli bilginin (information) diğerleri arasından seçilmesidir. İnsan zihni milyonlarca uyaranın bombardımanı altındadır ve bu bombardıman arasından hangi bilgileri (information) işleyeceğine (process) karar vermesini sağlayan bir mekanizma olmalıdır. Dikkat, kimi zaman bir spot lambası gibi görülebilir, yani bir kimse spot lambasını ancak belirli bir bilgi kümesi üzerine tutabilir. Bu metaforu destekleyen deneylerden bazıları dikotik dinleme (Cherry, 1957) ve istemdışı körlük (Mack ve Rock, 1998) çalışmalarıdır.  Çift kulaklı dinlemede, katılımcılar her biri bir kulağa olmak üzere iki farklı mesajın “bombardımanına” tutulur ve mesajlardan yalnızca birine dikkat kesilmeleri istenir. Deneyin sonunda dikkat kesilmedikleri mesajın içeriğine dair bilgi vermeleri istendiğinde katılımcılar bunu yapamazlar.

Problem Çözme

“Problem çözme” bir noktadan bir başka noktaya ulaşmanın hedef olduğu ve bunu yapmanın optimumum yolunun seçilmesi gerektiği durumları ifade etmek için kullanılan bir terimdir. Günlük ve pratik süreçlerle ilgili olabilir, örneğin aritmetik, satranç oynamak veya bir seyahati planlamak gibi. Önceleri, yapay zeka çalışmalarının en çok odaklandıkları noktalardan biri makinelere problem çözme becerisi kazandırabilmekti.

Bir başlangıç ve bir de hedef durum belirtilir. Makine için görev, hedefe giden yolu bulmaktır. Burada temelde iki yaklaşım vardır: Birincisinde program tüm farklı yolları deneyerek  hedefe giden yolu bulmaya çalışır. Buna kaba kuvvet metodu denir (Brute Force Method). Bununla beraber NP-tam sorunlarda olası yolların sayısı o kadar yüksektir ki, bu yaklaşımın sınırlarına erişilir. Çünkü tüm yolları denemek ve sonuca ulaşıp ulaşmadığını görmek makinenin hesaplama kapasitesini aşar. Bu tarz durumlarda A* Arama Algoritması gibi höristik tarama kullanan algoritmalar gereklidir. Höristik tarama, denemeksizin en olası yolları taramak için bir yöntemdir. Böylece “denenmesi gereken” olası yolların sayısı makinenin hesaplama kapasitesi içinde tutulur.

Höristik kullanarak çalışan ilk program Allen Newell ve Herbet A. Simon tarafından geliştirilen Genel Problem Çözücü’dür (General Problem Solver). GPS, Hanoi Kuleleri oyununu çözmeyi başarmış bir algoritmadır. Bu oyunda farklı boyutlarda üç disk ve bu disklerin takılı olduğu üç “kule” vardır. Oyunun en başında tüm bu diskler sol taraftaki kulededir ve oyun tüm diskler boyutlarına göre ve başka belli bir hedef kulede sıralandığında biter.

Hanoi Kuleleri gibi oyunları çözmek yapay zekanın erken dönemlerinde popüler bir işti. Bunun neden burada yalnızca sınırlı sayıda eylemin mümkün olması ve öngörülemeyen olayların yaşanmamasıdır. Bu tarz kısıtlı bir çalışma sahası, bilişsel stratejilerin deneysel olarak da test edilebilmesini kolaylaştırdı. Bugünse çalışmalar bir restorana gidip sipariş vermek gibi karmaşık ve çeşitli açılardan öngörülemez süreçlerin gerçekleştirilmesine odaklanıyor.

Bilişsel Mimariler

Bir bilişsel mimarinin amacı, bilişsel psikolojinin çeşitli alanlarından toplanan verileri bir bilgisayar modelinde bir araya getirmektir. Bunun için toplanan veriler bir bilgisayar modeline temel sağlayacak şekilde formalize edilmelidir. Oldukça ünlü üç bilişsel mimari ACT-R, SOAR ve EPIC’tir.

Ayrıca bkz. Nöroinformatik

Bilgi ve Dil İşleme

Bir dili öğrenmek ve anlamak aşırı derecedekarmaşık bir süreçtir. Dil yaşamın ilk birkaç senesi içinde edinilir ve normal şartlarda tüm insanlar dili en iyi şekilde edinebilirler. Teorik dilbilimin majör temellerinden bir tanesi, dilin bu şekilde edinilebilmesi için soyut bir yapıya sahip olması gereklililiğinin keşfidir. Beynin dili nasıl işlediği sorusuna dair yapılan çalışmalardaki temel bazı araştırma soruları: (1) Dilsel bilginin (knowledge) ne kadarı doğuştan gelir, ne kadarı öğrenilir? (2) Neden yetişkinlerin ikinci bir dil edinmesi çocukların ana dillerini edinmelerinden daha zordur? (3) İnsanlar hiç görüp duymadıkları cümlelerle karşılaştıklarında bunları nasıl anlayabiliyorlar?

Bilişsel bilimdeki dil işleme çalışmaları dilbilim alanını yakından ilgilendirmektedir. Dilbilim, geleneksel olarak, tarih, sanat ve edebiyatı da içerecek şekilde beşeri bilimlerin bir altdalı olarak çalışılıyordu. Ancak Son 50-60 yıl  içerisinde araştırmacılar dili, dil bilgisinin (knowledge) nasıl edinildiği, nasıl kullanıldığı ve tam olarak nelerden müteşekkil olduğu gibi soruları merkeze alarak bilişsel bir fenomen olarak inceliyorlar.[8] Dilbilimciler, insanların oldukça karmaşık sistemler vasıtasıyla cümleler üretselerde, kendi konuşmalarını yönlendiren bu kuralların büyük oranda farkında olmadıklarını buldular. Dolayısıyla dilbilimciler, eğer böylesi kurallar gerçekten varsa, bu kuralların neler olduklarına dair dolaylı metodlar benimsemek zorunda kaldılar. Her halükarda, eğer konuşma kurallar tarafından yönlendiriliyorsa, bu kurallar bilinçli bir değerlendirmeye kapalılar.

Öğrenme ve Gelişim

Öğreme ve gelişim, bilgiyi (knowledge and information) zamanla edindiğimiz süreçlerdir. Bebekler ya çok az bilgiyle ya da bilgisiz doğarlar (bilginin nasıl tanımlandığına bağlı olarak değişebilir), ancak yine de hızlıca dili kullanma, yürüme, insanları ve objeleri tanıma gibi beceriler edinirler. Öğrenme ve gelişim alanındaki araştırmalar bu süreçlerin nasıl gerçekleştiğini açıklamayı hedefler.

Bilişsel gelişim alanındaki majör sorulardan biri , becerilerin ne kadarının doğuştan  olduğu ya da ne kadarının öğrenildiği sorusudur. Bu soru  sıklıkla “doğa ve çevre tartışması” ismiyle adlandırılır. Nativist (doğuştancı) görüş, bir organizmanın belirli özelliklerinin doğuştan olduğunu ve genetik aktarımı dolayısıyla belirlendiğini vurgular. Emprist görüş isebelirli becerilerin çevreden öğrenildiğini belirtir. Her ne kadar bir çocuğun normal olarak gelişmesi için hem genetik hem de çevresel girdiler gerekse de, genetik bilginin bilişsel gelişime nasıl yol açtığına dair ciddi tartışmalar vardır. Dil edinimi alanında, örneğin, kimileri (örneğin Steven Pinker)[9] evrensel gramer kurallarını içeren bilginin genetikte bulunması gerektiğini savunmuşken, diğerleri (mesela Jeffrey Elman ve Rethinking Innateness’taki meslektaşları) Pinker’ın iddialarının biyolojik olarak gerçekçi olmadığını iddia etmişlerdir ve genlerin, bir öğrenme sisteminin mimarisini belirleyebileceğini ama gramerin nasıl çalıştığına dair spesifik “gerçeklerin (facts)” ancak tecrübe ile öğrenilebileceğini savundular.

Hafıza

Hafıza, daha sonradan “çağırıp” kullanabilmemiz için bilgi depolamamızı sağlar. Hafızanın genelde uzun süreli (long-term) ve kısa süreli (short-term) olmak üzere iki öğeden oluştuğu düşünülür. Uzun süreli hafıza, bizim esnek zaman zarflarında (günler, haftalar, yıllar) bilgi depolayabilmemizi sağlar . Henüz uzun süreli hafızanın sınırlarını tam olarak bilmiyoruz. Kısa süreli hafıza ise kısa vadeli durumlarda (saniyeler veya dakikalar) bilgi depolamamızı sağlar.

Ayrıca hafıza, sıklıkla bildirimsel (declarative) ve prosedürel (procedural) şeklinde de kategorize edilmiştir. Bildirimsel hafıza,   (semantik (semantic) ve epizodik (episodic) hafıza alt kümelerine sahiptir) gerçekler ve spesifik bilgiler, spesifik anlamlar ve spesifik anıların depolandığı hafıza sistemidir (örneğin, “Elmalar yiyecek midir?” veya “Dört gün önce kahvaltıda ne yedim?”) Prosedürel hafıza ise bisiklet sürmek veya yüzmek gibi eylemlerimizi ve motor süreçlerimizi hatırlamamızı sağlar ve genellikle örtük bilgi veya örtük hafıza olarak da anılır.

Bilişsel bilimciler hafızayı psikologların inceledikleri gibi inceleseler de odakları hafızanın bilişsel süreçlerle ilgisi üzerindedir. Bunun bir örneği, uzun süredir kullanılmamış, unutulmuş bir anıyı hatırlamak için ne gibi mental süreçlerin gerektiği veya bilişsel bir süreç olan tanıma (recognition) ile çağırma (recall) arasında ne gibi farklar olduğu olabilir.

Algı ve eylem

Algı (perception), duyular (sense) aracılığı ile bir bilgiyi edinme ve o bilgiyi bir şekilde işleme (process)  becerisidir. Görme ve duyma çevremizi algılamamızı mümkün kılan iki baskın duyudur. Görsel algı alanındaki  bazı çalışmalar: (1) Nesneleri nasıl tanıyabiliyoruz? (2) Herhangi bir birim zamanda çevrenin yalnızca bir kısmını görsek de onu nasıl süreğen (continuous) olarak algılayabiliyoruz? gibi soruları içerebilir örneğin. Görsel algıyı çalışmak için gerekli bir yol, insanların optik ilüzyonları nasıl işlediğine bakmaktır. Bir Necker kübü bistabilalgıya örnektir (percept), yani küp iki farklı yönden  “algılanabilir”.

Dokunsal, kokusal ve tatsal  uyaranlar da algının alanındadır.

Eylem (action) ise bir sistemin çıktısına göndermede bulunur. Eylem  insanlarda  motor tepkiler aracılığı ile sağlanır. Uzamsal planlama ve hareket, konuşma üretimi ve karmaşık motor hareketler eylemin (action) uzantılarıdır.

Bilinç

Bilinç bir şeyin dışsal bir nesne mi yoksa kişinin kendisinden mi kaynaklandığının farkında olmaktır. Bilinç  zihnin bir benlik hissine sahip olmasını veya bunu tecrübe edebilmesini sağlar.

Araştırma Metotları

Bilişsel bilimde pek çok farklı metodoloji kullanılagelmiştir. Bilişsel bilim oldukça interdisipliner olduğundan bu alandaki araştırmalar sıklıkla psikoloji, nörobilim, bilgisayar bilimi ve sistemler teorisinden araştırma metotlarını bir araya getirir.

Davranışsal Deneyler

Zeki bir davranışı neyin oluşturduğunu bilmek için davranışın kendisini incelemek zorundayız. Bu tür bir araştırma sahası bilişsel psikoloji ve psikofizik ile yakından ilişkilidir. Farklı uyaranlara verilen davraışlar tepkileri ölçerek o uyaranların nasıl işlendiğine dair bilgi edinebiliriz. Lewandowski ve Strohmetz (2009), davranışlar izler (behavioral traces), davranışsal gözlemler (behavioral observtions) ve davranışsal seçim (behavioral choice) dahil olmak üzere psikolojideki inovatif davranışsal ölçümlerin bir incelemesini yaptılar.[10] Davranışsal izler, davranışın nasıl oluştuğuna dair bir parça delil olsa da davranışı gerçekleştiren özneye dair herhangi bir şey söylemezler. Davranışsal gözlemler ise öznenin davranışı gerçekleştirmesinin doğrudan gözlemlenmesidir. Bunu yanı sıra, davranışsal seçimler  bir kimse iki ya da daha fazla seçenek arasından seçim yaptığı durumları kapsar.

  • Tepki süresi. Bir uyaranın sunulmasıyla ona karşı verilen bir tepkinin arasındaki süre, iki bilişsel süreç arasındaki farklara ve o süreçlerin doğasına dair bize bilgi sağlayabilir. Örneğin, eğer ki bir “arama görevinde” (search task) tepki süreleri öğelerin sayısına oranlı şekilde artıyorsa, bu bilişsel arama sürecinde dizisel (serial) değil paralel /(parallel) işlemenin söz konusu olduğu aşikardır.
  • Psikofiziksel tepkiler. Psikofiziksel deneyler, bilişsel psikoloji tarafından kullanılan eski bir psikolojik tekniktir. Genellikle fiziksel bir niteliğe dair, örneğin bir sesin gürültüsü, yargıda bulunmayı kapsar,  Bireyler arasında öznel değerlendirmelerdeki (subjective scales)  olası bir korelasyon, fiziksel ölçümlere kıyasla bilişsel veya duyusal eğilimleri (bias) gösterebilir. Örneğin bir rengin, tonun veya dokunun aynılığına dair yargılar veya renk, ton ya da dokuda eşik farklılıkları vs.
  • Göz İzleme. Bu metot pek çok bilişsel süreci incelemek için kullanılmışsa da en çok görsel algı ve dil işleme araştırmalarında ön plandadır. Gözlerin fiksasyon (sabitlenme) noktası dikkatin odağı ile ilişkilidir. Dolayısıyla, göz hareketlerini izleyerek, hangi bilgi (information) kümesinin işlendiğini inceleyebiliriz. Göz izleme oldukça  kısa zaman aralıklarındaki bilişsel süreçleri incelememizi mümkün kılar. Göz hareketleri bir görev sırasındaki süreçiçi (online) karar verme adımlarını yansıtır ve bu kararların nasıl işlendiğine dair bize içgörü sağlar.

Beyin Görüntüleme

Beyin görüntüleme, beyin, çeşitli işlemler (task) gerçekleştiriyorken analiz edilmesidir. Bu bir davranış ile beyin fonksiyonunu birbiriyle ilişkilendirmemizi ve bilginin nasıl işlendiğini anlamamıza yardımcı olur. Farklı tür görüntüleme teknikleri zamansal (time-based) veya uzamsal (location-based) çözünürlükleri açısından çeşitlilik gösterirler. Betin görünüleme bilişsel nörobilimde sıklıkla kullanılır.

  • Tek foton emisyon bilgisayarlı tomografi ve pozitron emisyon tomografi. TFEBT ve PET’de, katılımcının kanına enjekte edilen ve beyine ulaşan radyoaktif izotoplar kullanılır. Radyoaktif izotopların beyinde hangi bölgelerde konumlandığından, hangi bölgelerin daha aktif olduğu anlaşılabilir. . PET fMRI’a oldukça yakın uzamsal çözünürlülüğe sahip olsa da oldukça kötü bir zamansal çözünürlüğü vardır.
  • Elektroensefalografi. EEG, katılımcıların kafasına takılan bir kepe, bir grup elektrot yerleştirerek beyindeki nöron gruplarının oluşturduğu elektrik alanlarını ölçmeye yarar  Bu tekniğin çok iyi bir zamansal çözünürlüğü olsa da, uzamsal çözünürlüğü oldukça kısıtlıdır.
  • Fonksiyonel manyetik rezonans görüntüleme. fMRI kandaki oksijen miktarını ölçerek, beynin farlı alanlarındaki oksijen miktarından hangi bölgelere daha fazla kan akışı olduğunu, dolayısıyla hangi bölgelerin daha fazla aktif olduğunu ölçmemizi sağlar.Bu şekilde farklı işlevlerin beyinde hangi alanlarda gerçekleştirildiğini belirleyebilme imkanımız olur. fMRI’ın uzamsal ve zamansal çözünülürlükleri orta düzeydedir.
  • Optik görüntüleme. Bu teknik kızılötesi transmiterleri ve alıcıları kullanarak beynin farklı bölgelerindeki kan tarafından yansıtılan ışık miktarını ölçer. Oksijenlenmiş ve oksijensiz kan, ışığı farklı miktarlarda yansıttığından, hangi bölgelerin daha aktif olduğunu inceleyebiliriz , ki bunlar daha fazla oksijenlenmiş kana sahip olan bölgeler demek oluyor. Optik görüntüleme orta seviyede bir zamansal çözünürlüğe ve zayıf uzamsal çözünürlüğe sahip olup, aynı zamanda oldukça güvenli olduğu için bebekler ile yapılan çalışmalarda da kullanılabilme avantajına sahiptir.
  • Manyetoensefalografi. MEG kortikal aktivite dolayısıyla açığa çıkan manyetik alanları ölçer. EEG’ye benzer olsa da, EEG’den daha fazla uzamsal çözünürlüğe sahiptir, çünkü yaptığı ölçümler EEG’de olduğu gibi kep tarafından filtrelenmemiş, buğulu hale getirilmemiştir. MEG ufak manyetik alanları tespit edebilmek için SQUID sensörleri kullanır.

İşlemsel Modelleme

İşlemsel modeller bir problemin matematiksel ve mantıksal olarak formalize edilmiş olmasını gerektirir. Bilgisayar modelleri zekanın farklı, genel ve spesifik niteliklerinin deneysel olarak doğrulanmasında ve simülasyonlarda kullanılır. İşlemsel modelleme spesifik bir bilişsel olgunun işlevsel organizasyonunu anlamamıza yardımcı olabilir. Bilişsel modellemeye yaklaşımlar aşağıdaki gibi kategorize edilebilir: (1) sembolik, zeki bir zihnin soyut zihinsel işlevlerinin semboller aracılığı ile ele alınması; (2) subsembolik, insan beyninin nöral ve ilişkisel nitelikleri açısından; ve (3) sembolik ve subsembolik kesişimindeki yaklaşımlar.

  • Sembolik modelleme bilgisayar bilimindeki bilgi-tabanlı sistemleri (knowledge-based systems) kullanan paradigmalardan türemiştir, örneğin Eski Moda Yapay Zeka (Good Old-Fashioned Artificial Intelligence). İlk bilişsel bilim araştırmacıları tarafından geliştirilip daha sonraları da bilgi mühendisliği (information engineering) alanında, uzman sistemler (expert systems) için kullanılmışlardır. 90’ların başından beri sistemik alanında insan benzeri zeka modellerinin incelenmesinde kullanılmış ve buna paralel olarak SOAR çevrelerinin geliştirilmesinde kullanılmıştır. Daha güncel olarak, özellikle de bilişsel karar alımı bağlamında, sembolik bilişsel modelleme sosyo-bilişsel yaklaşımlarla genişletilmiştir.
  • Subsembolik modelleme bağlantıcı (connectionist) / nöral ağ modellerini içerir. Bağlantıcılık zihnin/beynin basit nodlardan oluştuğunu ve onun problem çözme kapasitesinin de bu nodlar arasındaki bağlantılar ve ilişkilerden türediği fikri üzerine kuruludur. Nöral ağlar bu yaklaşımın en bariz uygulamasıdır. Bu yaklaşımı eleştiren bazıları, bu modellerin sistemin nasıl çalıştığının bir representasyonu olması açısından biyolojik tutarlılığa sahip olduklarını ama açıklayıcılıklarının olmadığını dile getirirler. Çünkü onlara göre, basit bağlantı kurallarına sahip bir sistemden bile türeyen yüksek seviye kompleksite o bağlantıları, bağlantı düzleminde yorumlanamaz kılar, aslolan, bu bağlantıların kendilerinden ziyade onların yol açtığı daha yüksek seviye temsillerdir.
  • Popüleritesi artmakta olan diğer yaklaşımlar ise (1) dinamik sistemler teorisi, (2) sembolik modelleri bağlantıcı modellere eşleme (nöral-sembolik entegrasyon veya hibrid zeki sistemler) ve (3) Bayesyen modellerdir.

Nörobiyolojik Metotlar

Doğrudan olarak nörobilimden veya nöropsikolojiden alınmış metotlar zekanın kimi yanlarını inceliyorken oldukça faydalı olabilirler. Bu metotlar zeki davranışın fiziksel sistemlerde nasıl “gerçekleştirildiğini” anlamamızı sağlar.

Tarihi

Bilişsel bilim 1950’lerde bilişsel devrim olarak anılan entelektüel bir hareket olarak ortaya çıktı. Bilişsel bilim antik felsefe metinlerine değin izi sürülebilecek bir arkaplana sahiptir (bkz. Platon’un Meno’su ve Aristoteles’in De Anima’sı); ki Descares, David Hume, Immanuel Kant, Benedict de Spinoza, Nicholas Malebransche, Pierre Cabanis, Leibniz ve John Locke gibi isimleri de kapsar. Fakat, her ne kadar bu erken  dönem yazarlar zihnin felsefi olarak keşfine çokça katkı sağlamış  ve bu çalışmalar nihayetinde psikolojinin gelişimine yol açmışsa da, bilişsel bilimcilerinkinden çok daha farklı bir araç ve temel kavram seti ile çalışıyorlardı.

Modern bilişsel bilim kültürü, Warren McCulloch ve Walter Pitts gibi zihnin organizasyon prensiplerini anlamaya çalışan 1930’lardaki ve 1940’lardaki sibernetisistlere değin götürülebilir. McCulloch ve Pitts biyolojik nöral ağların yapısından esinlenilerek oluşturulmuş işlemleme modelleri olan şimdiki yapay nöral ağların ilk türünü geliştirmişlerdir.

1940’lar ve 1950’lerde işlemleme teorisinin (theory of computation) ve dijital bilgisayarların ortaya çıkması da oldukça önemli bir öncüldü. Kurt Gödel, Alonzo Church, Alan Turing ve John von Neumann bu gelişmelerde etkindiler. Modern bilgisayar, ya da Von Neumann makinesi, hem zihne dair bir metafor olarak hem de bir inceleme aracı olarak, bilişsel bilimde merkezi bir rol oynayacaktı.

Bilişsel bilim deneyleri akademik bir enstitüde ilk kez MIT Sloan İşletme Okulu’nda, psikoloji departmanında çalışan ve insan bilişini inceliyorken bilgisayar belleği modellerini kullanarak deneyler yapan J. C. R. Licklider önderliğinde gerçekleşmiştir.[11]

1956 yılında MIT’de, Allen Newell, Herbert. A. Simon ve Marvin Minsky gibi yapay zekanın önderlerinin ve dilbilimci Noam Chomsky’nin katıldığı Symposium on Information Theory gerçekleşti. Chomsky davranışçılığa dair eleştirisini ve daha sonradan oldukça etkili olacak olan Dönüşümsel Gramer’ini (Transformational Grammar) sundu. Newell ve Simon ise ilk yapay zeka çalışmalarından sayılan Logic Theorist’i sundular.

1959 yılında, Noam Chomsky B. F. Skinner’ın Sözel Davranış (Verbal Behavior) kitabına dair çok sert bir inceleme yayınlandı.[12] O dönemde, Skinner’ın davranışçı paradigması Amerika’daki psikoloji alanını domine etmişti. Çoğu psikolog, içsel temsiller hakkında hipotezler ortaya atmadan,  uyaran ve tepki arasındaki işlevsel ilişkilere odaklanmıştı. Chomsky dili açıklayabilmek için, sadece içsel temsiller ileri sürmeyen ama aynı zamanda bu temsillerin altında yatan düzeni de izah eden üretici gramer gibi bir teoriye ihtiyacımız olduğunu iddia etti.

Bilişsel bilim terimi, 1973 yılında, yapay zeka araştırmalarının o dönemki durumunu ele alan Lighhill raporuna yazdığı eleştirisinde Christopher Longuet-Higgins tarafından ilk kez kullanılmıştı.[13] Aynı dönemde, Cognitive Science dergisi ve Cognitive Science Society 8 Eylül 2020 tarihinde Wayback Machine sitesinde arşivlendi. kuruldu.[14] Cognitive Science Society’nin kuruluş toplantısı Kaliforniya Üniversitesi, San Diego’da, 1979 yılında yapıldı.  [15] Bu toplantı bilişsel bilimin uluslarası olarak görünür bir girişim olmasını sağladı.  Yöneticiliğini Neil Stillings’in yaptığı Hampshire Koleji  bilişsel bilim alanındaki ilk lisans düzeyinde eğitim programını 1972’de başlattı. 1982 yılında Profesör Stillings’in de desteği ile Vassar Koleji, bilişsel bilimde lisans diploması veren ilk enstitü oldu.[16] 1986’da dünyanın ilk Bilişsel Bilim Departmanı Kaliforniya Üniversitesi, San Diego’da kuruldu.[15]

1970’lerde ve 1980’lerin ilk yıllarında, bilgisayarlara erişim arttıkça yapay zeka araştırmaları çoğaldı. Marvin Minsky gibi araştırmacılar, insanların, örneğin karar alma ve problem çözme gibi süreçlerdeki adımlarını formel olarak betimlemek amacıyla, LISP gibi programlama dillerinde bilgisayar programları yazıyordu. Bu çalışmalarla insan düşünüşünü daha iyi anlamayı ve yapay zekayı yaratmayı amaçlıyorlardı. Bu yaklaşım “sembolik yapay zeka” olarak bilinir.

Nihayetinde sembolik yapay zeka yaklaşımın limitleri göründü. Örneğin, sembolik bilgisayarlar tarafından kullanılabilecek şekilde, insan bilgi birikiminin tümünü listelemek gerçek dışı görünür oldu. 80’lerin sonların ve 90’larda nöral ağlar ve bağlantıcılık bir araştırma paradigması olarak yükseldi. Sıklıkla James McClelland ve David Rumelhard’a atfedilen bu bakış açısı ile beraber zihin bir karmaşık ilişkiler kümesi olarak ele alınan ve birden çok katmana sahip bir ağ olarak betimlendi. Bunu eleştirenler sembolik modeller ile daha iyi açıklanan bazı olgular olduğunu ve bağlantıcı modellerin açıklayıcılık güçlerinin az olmasına yol açacak kadar karmaşık olduklarını iddia ettiler. Daha güncel çalışmalarda sembolik ve bağlantıcı modeller bir araya getirildi ve bu birleşim, iki tür açıklama yaklaşımının da avantajını kullanabilmeyi sağladı.[17][18] Hem bağlantıcılık hem de sembolik yaklaşımlar farklı hipotezleri test etmede ve bilişin farklı yanlarını anlama konusunda kullanışlı yaklaşımlar olsalar da, hiçbiri biyolojik açıdan gerçekçi olmadığından ikisi de nörobilimsel tutarlılık açısından yetersiz bulunmaktadır.[19][20][21][22][23][24] Bağlantıcılık, bilişin gelişim süreci boyunca nasıl oluştuğunu ve beyinle olan ilişkisini işlemsel olarak inceleme bağlamında çok faydalı olmuştur ve sıkı sıkıya alana spesifik (domain specific) ve alandan bağımsız (domain general) ayrımları yapan yaklaşımlara alternatif sağlamıştır. Örneğin, Jeff Elman, Liz Bates ve Annette Karmiloff-Smith gibi bilim insanları beyindeki ağların, bu ağlarla çevresel girdi arasındaki dinamik etkileşimden ortaya çıktığını ileri sürmüşlerdir.[25]

Güncel Gelişmeler

Zihnin/beynin veya “zihnin entegre edildiği” herhangi bir fiziksel sistemin fiziksel özelliklerinden bağımsız, bir kurallar, temsiller dizisi, bir algoritma, soyut bir bilgi işlem süreci olarak ele alınabileceğini iddia eden bilgisyar metaforu geçtiğimiz yıllarda çok ciddi eleştirilere maruz kaldı. Bu eleştirilerin temelinde iki büyük perspektif yatıyor: Birincisi, bilişsel nörobilmin gelişmesiyle beraber nörobilimsel süreçleri de inceleyebiliyor olmamız ve beynin bu süreçlere dahlini eskisine nazaran çok daha net görebiliyor olmamız, onu görmezden gelerek yalnızca soyut süreçlere odaklanabilmeyi güçleştirmiştir. Bunun yanı sıra yapay nöral ağlar ve nöron gruplarının faaliyetlerini simüle etmek için kullanılan diğer yöntemler “donanım ve yazılım” gibi bir ayrıma gitmenin hakkaniyetine gölge düşürmüştür.

Bunun yanı sıra bilişsel bilimde çeşitli alternatif paradigmalar da doğmaya başlamıştır, örneğin dinamikçilik (dynamical systems) ve bedensel (embodied) ve durumsal (situated) bilişsel bilim. Dinamikçiliğe göre, bilişsel davranış her zaman zamansal bir bağlamda vuku bulduğundan ve zamansal koordinasyon gerektirdiğinden, dinamik sistemler teorisi uygun bir model sağlayabilir. Dinamikçilik bilgisayar metaforunda ihmal edilen zamansal düzenliliklerin esas olduğunu iddia eder. Ayrıca, bu yaklaşım içsel temsillerin ve sembollerin bilişsel bilimin merkezinde bulunmasına şüpheyle yaklaşır, çünkü bu kavramlar dinamik bir açıklamanın parçası değildirler.

Bunun yanı sıra, bedensel (embodied) ve durumsal (situated) bilişsel bilim bilişin spesifik bir bedene (embodied) ve spesifik bir çevreye (situated) referans verilmeksizin anlaşılamayacağını varsayar. Bu bilişin soyut sembolik temsillerin dünyasında gerçekleşen, duyusal, motor ve zamansal etmenlerden azade bir süreç olduğu iddiasından şüphe duyulmasını yol açar. Bu görüşün en ünlü savunucuları Alva Noe, Susan Hurley, Evan Thompson, Francisco Varela ve Kevin O’Regan’dır. Bedensel ve durumsal bilişsel bilim bağlamında, Maurice Merleau-Ponty’nin ve Edmund Husserl’in fenomonolojisi ile klasik analitik zihin felsefesi arasında bir bağlantı sıklıkla aranır.

Sunulan bu farklı akımlar (bağlantıcılık, dinamikçilik, durumsallık ve bedensellik), talepleri ve varsayımları benzer olduğu için sıklıkla Yeni Yapay Zeka tabiri altında anılır ve özetlenirler. Fakat bunların birbirleri ile uyumlu oldukları söylenemez çünkü öncülleri, sonuçları ve uygulamaları gibi pek çok açıdan birbirleri ile çelişirler.

Zihni bilgisayar ile özdeşleştiren metaforlara  yöneltilen eleştiriler genel olarak bilişsel bilimin sorgulanmasına yol açmıştır. Fakat bu eleştiriler zaman içinde yumuşamıştır.

Bazı Önemli Araştırmacılar

Konu ile ilgili bazı önemli bilim adamları:

Dış bağlantılar

Kaynakça
  1. "Ask the Cognitive Scientist". American Federation of Teachers (İngilizce). 8 Ağustos 2014. 11 Ekim 2014 tarihinde kaynağından arşivlendi. Erişim tarihi: 5 Eylül 2020.
  2. Thagard, Paul. "Cognitive Science". plato.stanford.edu (İngilizce). 2 Aralık 2013 tarihinde kaynağından arşivlendi. Erişim tarihi: 5 Eylül 2020.
  3. Miller, George A. (1 Mart 2003). "The cognitive revolution: a historical perspective". Trends in Cognitive Sciences (İngilizce). 7 (3): 141-144. doi:10.1016/S1364-6613(03)00029-9. ISSN 1364-6613. PMID 12639696. 11 Ekim 2013 tarihinde kaynağından arşivlendi. Erişim tarihi: 5 Eylül 2020.
  4. Varela, F. J., Thompson, E., & Rosch, E. (1991). The embodied mind: cognitive science and human experience. Cambridge, Massachusetts: MIT Press
  5. Marr, D. (1982). Vision: A Computational Investigation into the Human Representation and Processing of Visual Information. W. H. Freeman.
  6. Ferrés, Joan; Masanet, Maria-Jose (2017). "La eficacia comunicativa en la educación: Potenciando las emociones y el relato". Comunicar: Revista Científica de Comunicación y Educación (İspanyolca). 25 (52): 51-60. doi:10.3916/C52-2017-05. ISSN 1134-3478. 31 Temmuz 2020 tarihinde kaynağından arşivlendi. Erişim tarihi: 5 Eylül 2020.
  7. Sun, Ron (ed.) (2008). The Cambridge Handbook of Computational Psychology. Cambridge University Press, New York.
  8. Daniela Isac, Charles Reiss. I-language: An Introduction to Linguistics as Cognitive Science, 2nd edition. Oxford University Press. s. 5. ISBN 978-0199660179.
  9. Pinker, Steven; Bloom, Paul (1990/12). "Natural language and natural selection". Behavioral and Brain Sciences (İngilizce). 13 (4): 707-727. doi:10.1017/S0140525X00081061. ISSN 1469-1825. 9 Ağustos 2020 tarihinde kaynağından arşivlendi. Erişim tarihi: 5 Eylül 2020. Tarih değerini gözden geçirin: |tarih= (yardım)
  10. Jr, Gary W. Lewandowski; Strohmetz, David B. (2009). "Actions Can Speak as Loud as Words: Measuring Behavior in Psychological Science". Social and Personality Psychology Compass (İngilizce). 3 (6): 992-1002. doi:10.1111/j.1751-9004.2009.00229.x. ISSN 1751-9004.
  11. Hafner, K.; Lyon, M. (1996). Where wizards stay up late: The origins of the Internet. New York: Simon & Schuster. p. 32.
  12. Chomsky, Noam (1959). "Review of Verbal behavior". Language. 35 (1): 26-58. doi:10.2307/411334. ISSN 0097-8507. 16 Ağustos 2020 tarihinde kaynağından arşivlendi. Erişim tarihi: 5 Eylül 2020.
  13. Longuet-Higgins, H. C. (1973). "Comments on the Lighthill Report and the Sutherland Reply". Artificial Intelligence: a paper symposium. Science Research Council. syf. 35–37.
  14. "About". Cognitive Science Society (İngilizce). 29 Ekim 2018 tarihinde kaynağından arşivlendi. Erişim tarihi: 5 Eylül 2020.
  15. "UCSD Cognitive Science - UCSD Cognitive Science". web.archive.org. 9 Temmuz 2015. Erişim tarihi: 5 Eylül 2020.
  16. "About - Cognitive Science Department - Vassar College". cogsci.vassar.edu. 3 Eylül 2014 tarihinde kaynağından arşivlendi. Erişim tarihi: 5 Eylül 2020.
  17. d'Avila Garcez, Artur S.; Lamb, Luis C.; Gabbay, Dov M. (2008). Neural-Symbolic Cognitive Reasoning. Cognitive Technologies. Springer.
  18. Sun, Ron; Bookman, Larry, eds. (1994). Computational Architectures Integrating Neural and Symbolic Processes. Needham, MA: Kluwer Academic.
  19. "Encephalos Journal". www.encephalos.gr. 25 Haziran 2011 tarihinde kaynağından arşivlendi. Erişim tarihi: 5 Eylül 2020.
  20. Wilson, Elizabeth A. (4 Şubat 2016). Neural Geographies: Feminism and the Microstructure of Cognition. Routledge.
  21. Zorzi, Marco; Testolin, Alberto; Stoianov, Ivilin Peev (2013). "Modeling language and cognition with deep unsupervised learning: a tutorial overview". Frontiers in Psychology (İngilizce). 4. doi:10.3389/fpsyg.2013.00515. ISSN 1664-1078. 29 Kasım 2020 tarihinde kaynağından arşivlendi. Erişim tarihi: 5 Eylül 2020.
  22. Tieszen, Richard (2011). "Analytic and Continental Philosophy, Science, and Global Philosophy". Comparative Philosophy. 2 (2): 4–22.
  23. Browne, A. (1997). Neural Network Perspectives on Cognition and Adaptive Robotics. CRC Press. ISBN 0-7503-0455-3.
  24. Pfeifer, R.; Schreter, Z.; Fogelman-Soulié, F.; Steels, L. (1989). Connectionism in Perspective. Elsevier. ISBN 0-444-59876-6.
  25. Karmiloff-Smith, Annette (2015). "An Alternative to Domain-general or Domain-specific Frameworks for Theorizing about Human Evolution and Ontogenesis". AIMS Neuroscience (İngilizce). 2 (2): 91. doi:10.3934/Neuroscience.2015.2.91. PMC 4678597 $2. PMID 26682283. 6 Ağustos 2020 tarihinde kaynağından arşivlendi. Erişim tarihi: 5 Eylül 2020.
This article is issued from Wikipedia. The text is licensed under Creative Commons - Attribution - Sharealike. Additional terms may apply for the media files.