Cognição incorporada

Origem: Wikipédia, a enciclopédia livre.
Saltar para a navegação Saltar para a pesquisa
Ambox important.svg
Foram assinalados vários aspectos a serem melhorados nesta página ou se(c)ção:

A Cognição Incorporada é a teoria de que muitas características da cognição, sejam humanas ou não, são moldadas por aspectos de todo o corpo do organismo. As características da cognição incluem construções mentais de alto nível (como conceitos e categorias) e desempenho em várias tarefas cognitivas (como raciocínio ou julgamento). Os aspectos do corpo incluem o sistema motor, o sistema perceptivo, as interações corporais com o ambiente (situacionalidade) e as suposições sobre o mundo que são incorporadas à estrutura do organismo.

A tese da mente incorporada desafia outras teorias, como cognitivismo, computacionalismo e dualismo cartesiano. Está intimamente relacionado com a tese da mente estendida, cognição situada e enactivismo. A versão moderna depende de insights extraídos de pesquisas recentes em psicologia, linguística, ciência cognitiva, sistemas dinâmicos, inteligência artificial, robótica, cognição animal, cognição de plantas e neurobiologia.

Cognição[editar | editar código-fonte]

Antes de definir o que defende a cognição incorporada na neurociência, é importante se ter uma ideia do que é defendido pelas teorias tradicionais acerca do conceito de cognição. Teorias tradicionais dizem que a cognição se faz por meio de representações de sistemas sensoriais, motores, etc, que são traduzidas em símbolos sem estado ou contexto, como um grupo de dados, que representam o conhecimento na memória semântica. [1] A cognição incorporada refuta a ideia de que cognição é um processo computacional de símbolos amodais (i.e., sem estado, sem contexto e isolados) em um sistema modular. Em outras palavras, ela refuta a ideia de que cognição é um processo que reside na memória semântica, funcionando separadamente de certas partes do cérebro, como, por exemplo, os módulos sensoriais e motores. Ao invés disso, a cognição incorporada defende que a simulação de sentidos, estados corporais e ações contextualizadas são a base da cognição. Essas teorias são baseadas em evidências empíricas comportamentais e neurais, frutos de pesquisa em vários assuntos e áreas da neurociência. [1] A cognição incorporada - também chamada, em inglês, de Embodied Cognition, Grounded (Ground) Cognition; e Situated Cognition [2]- pode tomar várias formas. No entanto, do ponto de vista dessa nova abordagem, é improvável que o cérebro armazene símbolos amodais; e se o fizer trabalha em conjunto com representações modais a fim de formar a cognição.[1]

Cenário de Pesquisa[editar | editar código-fonte]

Alguns estudos da cognição incorporada focam nos papéis do corpo na cognição, baseados em várias descobertas de que estados corporais podem afetar a cognição e vice-versa. Entretanto, a maioria dos estudos focam nos papéis da simulação na cognição. Considerando simulações como quaisquer reencenações de estados perceptivos, motores e introspectivos adquiridos durante a experiência com o mundo via corpo e mente.[1]

Exemplos[editar | editar código-fonte]

  1. Imagine você uma simples experiência, como a de sentar devagar em uma cadeira. O cérebro captura os estados por meio das modalidades neurais e integra com as representações multimodais armazenadas na memória. Como a cadeira é vista e sentida - a partir do tato, olfato, audição e temperatura - o ato de sentar, a sensação de conforto e relaxamento. Em outro momento, quando o conhecimento é exigido para representar instâncias da mesma categoria, representações desses modais capturados durante as experiências com a cadeiras são reativadas no cérebro para simular as mesmas percepções, ações e introspecções associadas.[1]
  2. Registros de pesquisa dizem que aquisição de conhecimento conceitual sobre emoções requer a incorporação dos estados corporais, afetivos e emocionais correspondentes. Os mesmos estados emocionais são re-encenados utilizando a noção de simulação, sendo o conhecimento emocional utilizado para perceber, reconhecer e interpretar emoções de si mesmo e terceiros.[3]
  3. Um exemplo significativo de assinaturas incorporadas na cognição é a concedência de atenção, que tem um papel primordial na formação de conceitos e raciocínio direcionado com o arcabouço da cognição incorporada. Por exemplo, dois pesquisadores (Grant and Spivey, 2003) descobriram que pessoas que e/stavam quase resolvendo um dado problema complexo de compreensão de diagramas tendiam a produzir subitamente um padrão de movimento diferente nos /olhos daqueles que estavam prestes a desistir. Descobriu-se que esses movimentos em particular foram parte do processo cognitivo de compreensão. Para tal, os mesmos pesquisadores, em um segundo experimento, induziram implicitamente esses movimentos oculares em um novo grupo de participantes, e tiveram taxas de resolução duas vezes maiores;[3]
  4. Contagem nos dedos é usada pelo mundo todo para o aprendizado de conceitos numéricos. Historicamente, várias culturas escolhiam símbolos de números que representavam formatos da mão e dedos. Recentemente, a influência dos dedos nos hábitos de contagem em adultos foi documentado por Fischer (2008) e Domahs at al. (2010).[3]
  5. Vários autores, discutem alguns outros exemplos, como atitudes, percepções e emoções sociais incorporadas. Mais detalhes nos exemplos encontrados em.[3]

Cognição computacional incorporada[editar | editar código-fonte]

Em teorias de cognição incorporada, para melhorar o escopo explanatório, é necessário desenvolver melhores modelos de processos de como fenômenos incorporados originaram durante o processo de aprendizagem e como eles são expressos durante o ato de cognição. Já existem alguns exemplos de cruzamentos bem sucedidos entre modelagem computacional e cognição incorporada, como os estudos de Cangelosi e Riga, 2006; Spivey, 2007; Schöner, 2008; Hope et al., 2010; Pezzulo e Calvi, 2011. No entanto, Barsalou at al. argumenta que é necessário um esforço integrativo para uma iniciativa de Cognição Computacional Incorporada.[3]

Dado que já temos modelagem computacional há um longo tempo, o que tem de especial em Cognição Computacional Incorporada? No intuito de responder essa pergunta, vamos por partes. Primeiro, resumindo os elementos mais importantes que os modelos computacionais incorporados devem ter. Em um segundo ponto, enfatizando a importância de se adotar Robótica Cognitiva como uma metodologia de pesquisa.[3]

Premissas chaves de modelos computacionais incorporados[editar | editar código-fonte]

Modelagem computacional incorporada requer construção de modelos nos quais a cognição é profundamente entrelaçada com a ação sensório motora e emoção. Habilidades cognitivas emergem de interações entre subprocessos ao invés de serem implementados isoladamente em “módulos cognitivos”. Assim, algoritmos “cognitivos” no âmbito de linguagem natural (leitura, escrita e reconhecimento de fala), reconhecimento de objetos, compreensão de ações e resolução de problemas deveriam incorporar informações de processos perceptivos motores e afetivos para produzir seus resultados. Isso é raramente visto nos modelos computacionais atuais. Esse método de design exige uma abordagem integrativa, que pode ser chamada de “interacionismo” (em tradução livre do termo “interactionism”, em inglês).[3]

Representações: Modal vs Amodal[editar | editar código-fonte]

Recentes modelos computacionais de processamento sensorial podem ser usados para estudar a incorporação de representações internas em modalidades sensório motoras.[3] Modelos generativos, por exemplo, são modelos computacionais que são treinados para gerar dados similares aos apresentados. A intuição por trás dessa abordagem pode ser vista na seguinte citação [4]:

“What I cannot create, I do not understand.” - Richard Feynman

“O que eu não posso criar, eu não entendo”, traduzido livremente para português.[3] Modelos generativos mostram que é possível que representações de conhecimento se auto-organizem através de aprendizado não supervisionado; completando informações faltantes; e recuperando informação endereçada por conteúdo.[3] De forma similar, teorias de percepção ativa enfatizam que estímulo sensorial não é experienciado passivamente, mas sim acumulado ativamente, influenciando como as pessoas desenvolvem representação sensorial. Pesquisas mostram que gatos, ao experienciar o mundo de forma passiva desenvolveram representações perceptivas subótimas.[3]

Um método computacional de integrar modalidades é projetar controladores de robôs compostos de múltiplos mapas interligados, como mapas auto-organizáveis de Kohonen. Podendo incluir mapas motores, visuais, auditivos, com o objetivo de investigar como eles se combinam para compor o processo cognitivo. Essa abordagem foi usada recentemente no desenvolvimento de efeitos de cognição incorporada associada com a representação numérica em um robô humanoide. [3]

Habilidades Cognitivas[editar | editar código-fonte]

Modelos computacionais incorporados não devem vir “pré-equipados” com nenhuma representação. Ao invés disso, eles devem ser capazes de adquirir “símbolos modais incorporados” através de desenvolvimento e interação sensório motora. Restrições genéticas predeterminadas também têm um papel importante neste aspecto. Estes modelos devem obter habilidades cognitivas avançadas e pensamento abstrato no topo de seus sistemas modais, não em subsistemas separados. Ou seja, não apenas a representação deve estar nas modalidades, mas o processamento deve ser totalmente incorporado, de forma que não haja central de processamento independente do processo sensório motor e/ou experiência afetiva. [3] Considerando os modelos computacionais para robôs humanóides, modelos incorporados são baseados em interações contextuais da máquina com o ambiente, que pode incluir outras máquinas e humanos. Esses símbolos multimodais integram informações perceptual, motora e afetiva. O processo cognitivo envolve principalmente simulações contextuais, que são reencenações de símbolos incorporados. Dessa forma, cognição envolve restrições que são similares àquelas em gestos explícitos, porque ativam: representações episódicas relevantes, recursos corporais associados e estratégias sensório motoras. [3] Simulações contextualizadas também podem dar apoio ao processo cognitivo de objetos ou eventos em sua ausência. Isso pode variar de quaisquer formas de imagem a processamento automático e inconsciente. Formas de ações simuladas e imagem mental têm sido associadas a compreensão, raciocínio, prospecção, categorização de objetos, reconhecimento de ação e outras tarefas cognitivas complexas.[3] Esses estudos apoiam simulação como o processo principal, que pode tanto recriar experiências quanto, produtivamente, recombina-las, resultando em novas experiências prospectivas. Por fim, dando subsídios também a cognição off-line, sem representações amodais.[3] Um importante desafio é explicar como conceitos abstratos e capacidades simbólicas podem ser construídos de representações categóricas incorporadas, simulações contextuais e processos incorporados. Tem sido sugerido que conceitos abstratos podem ser baseados principalmente em estados introspectivos, meta-cognitivos e afetivos. Também é sugerido que a integração de atenção seletiva e memória categórica são essenciais para criar um sistema simbólico. Modelos computacionais incorporados podem ajudar a especificar melhor e testar essas teses iniciais. [3]


Processo cognitivo: corpo, ambiente e dinâmicas cerebrais[editar | editar código-fonte]

Em teorias de cognição incorporadas, processo cognitivo mesmo em domínios abstratos depende de habilidades sensório motoras e recursos corporais. Isso leva a possibilidade de que expressões como “tomando uma perspectiva em um problema”, ou “se colocando no lugar do outro” ou “captar um conceito” devam ser consideradas mais literalmente do que o são normalmente. Isso se deve a pelo menos dois fatores de convergência. Primeiro, habilidades cognitivas se desenvolvem no topo da arquitetura do controle sensório motor. A maturação gradual desse primeiro constitui uma estrutura de apoio ao segundo. Segundo, habilidades cognitivas re-encenam e reusam representação modal ao invés de registro amodal, e tipicamente reusam competências sensório motoras existentes em domínios cognitivos mais complexos, como estratégias visuais-motoras para resolução de problemas. Por essas razões processos da cognição incorporada têm o mesmo poder, mas também as mesmas restrições que ações corporais; e para entender o primeiro fator é necessário prover modelos realísticos para o segundo fator.[3]

Robótica cognitiva[editar | editar código-fonte]

Potencialmente, muitos tipos de abordagens e modelos computacionais (conexionistas, sistemas dinâmicos e bayesianos) se enquadram bem para modelagem de fenômenos incorporados. Mudando de uma perspectiva teórica para a da engenharia, um argumento é que a mais importante demonstração de sucesso de uma teoria ocorre quando alguém constrói algo a partir dela que funciona bem.[3]


Segundo Pezzulo e Barsalou (2013, [3]), um movimento puramente computacional em direção a modelos de robótica cognitiva pode melhorar drasticamente nossa habilidade de desenvolver e testar teorias de cognição incorporada. Robótica cognitiva é uma larga área de pesquisa cujo foco é realizar arquiteturas robóticas completas que, por um lado, inclua princípios e restrições derivadas da cognição humana e animal. E, por outro lado, tenha incorporamento realista de sensores e efetores, além de aprender de forma autônoma em contextos complexos e sociais. Robótica cognitiva permite considerar simultaneamente muitos aspectos de incorporamento e contexto. Isso mostra como eles restringem o desenvolvimento e expressão a cognição. Dessa forma, ainda segundo Pezzulo e Barsalou (2013, [3]), são diversos os benefícios de se adotar a metodologia de da robótica cognitiva:

  1. Modelos de robótica cognitiva são as escolhas ideais para incorporar comportamento em cascata dos efeitos da cognição incorporada, incluindo cenários sociais e individuais.[3]
  2. Robótica cognitiva é indicada para experimentar ambientes com muitas escolhas, com numerosas fontes de “recompensas” e “punições” (e.g., manipulação de objetos e interações sociais). Isso permite ligar comportamento e processo cognitivo com dinâmicas motivacionais e emocionais, ambas realísticas.[3]
  3. Modelos robóticos cognitivos favorecem abordagem em projetos unificados que combinam processo psicológico (atenção, memória, controle de ação) em tarefas específicas. Isso diverge e complementa a abordagem de “dividir para conquistar” da maioria das pesquisas empíricas.[3]
  4. Robótica cognitiva incorpora bem a ideia de que comportamento e cognição são esquematizados em torno de objetivos e tomada de ação. Diversos pesquisadores tradicionais destacam a importância de se aprender as consequências de suas respectivas ações. A perspectiva centrada em objetivos pode ajudar a relacionar toda habilidade cognitiva com princípios atuais de computação neural. Nessa perspectiva, habilidades (representativa, de memória, categorização e atenção) podem ter o intuito de atingir objetivos ao invés de ter funções separadas.[3]
  5. Modelos robóticos cognitivos podem ser plataformas interessantes para explorar dinâmicas de mudança e adaptação no nível de desenvolvimento e evolucionário. Em um nível evolucionário isso pode nos ajudar a entender como habilidades cognitiva avançadas se desenvolvem na arquitetura neural existente, que resolve problemas básicos de sobrevivência e reprodução. A nível de desenvolvimento, pode nos ajudar a entender como a maturação progressiva da coordenação motora fortalece a aquisição de habilidades intelectuais e cognitivas; e como se mantém ligado ao processo de coordenação motora que deu subsídios a esse desenvolvimento.[3]

Referências

  1. a b c d e Barsalou, Lawrence. «Grounded Cognition» (PDF). 15/08/2007 
  2. Bouyer, Gilbert (31 de agosto de 2011). «SIMILARIDADES ENTRE A EPISTEMOLOGIA GENÉTICA DE PIAGET E A COGNIÇÃO INCORPORADA». SIMILARIDADES ENTRE A EPISTEMOLOGIA GENÉTICA DE PIAGET E A COGNIÇÃO INCORPORADA. 31/08/2011. Consultado em 25 de novembro de 2016. 
  3. a b c d e f g h i j k l m n o p q r s t u v w x y z Pezzulo, Giovanni; Barsalou, Lawrence; Cangelosi, Angelo; Fischer, Martin; McRae, Ken; Spivey, Michael. «Grounded Cognition in Artificial Inteligence Modeling». 22/01/2013. Consultado em 20 de novembro de 2016. 
  4. KARPATHY, ANDREJ; ABBEEL, PIETER; BROCKMAN, GREG; CHEN, PETER; CHEUNG, VICKI; DUAN, ROCKY; GOODFELLOW, IAN; KINGMA, DURK; HO, JONATHAN; HOUTHOOFT, REIN; SALIMANS, TIM; SCHULMAN, JOHN; SUTSKEVER, ILYA; ZAREMBA, WOJCIECH. «Modelos Generativos». Consultado em 25 de novembro de 2016.