Kognitionsdagen 2002
Inledning 2015 Detta symposium, rubricerat Människor, möss & robotar, ägde rum 5 november 2002 kl 08.30-16.00 vid Högskolan i Skövde. Förutom introduktion: Kognitionsvetenskapen i Skövde följde under dagen fyra intressanta föreläsningar om en timme vardera. Citat ur förhandsinformationen: ”Syftet med symposiet är att presentera aktuell forskning, skapa kontakter och utbyte mellan skola och näringsliv, samt stärka kognitionsvetarens yrkesidentitet.” Som lekman åhörde jag alla föreläsningarna och har på grundval av förda anteckningar skrivit väl läsbara resuméer av dem alla, trots att jag som icke sakkunnig ibland hade problem med terminologin. Jag väljer att för min hemsida oavkortat återge en av dem, nämligen:
Datamodellering av kognition: perception, handling och emotioner av Christian Balkenius, docent i kognitionsforskning. C B:s korta förhandsinfo: ”Det har idag blivit möjligt att bygga simuleringar av stora system av kognitiva modeller från perception till handlingar. Jag kommer att berätta om försök att bygga modeller som siktar mot att reproducera en stor mängd kognitiva färdigheter med en enhetlig modell. Detta är ett arbete som i hög grad flätar samman data och metoder från olika områden som psykologi, neurovetenskap och datavetenskap mm.”
C B visade först en bild av hjärnan som ju har en mängd funktioner. Grundforskning bedrivs med olika tekniker för att försöka förstå dem och kanske kunna bygga in intelligens i robotar (bild på människoliknande robot). Det byggs alltså datormodeller av den mänskliga hjärnan i hopp om att få dem att bete sig som denna. (( Mitt referat är på svenska, men textpresentationerna var på engelska. Eng. termer översatte jag ofta, men var ibland osäker på rätt sv. ord. Min anm.))
Systemnivåmodellering (System-Level Modelling) Målet är bl.a. att förklara beteendedata och att identifiera funktioner och subsekvenser. Modellerna har en hjärnliknande arkitektur. Psykologins beteendestrukturer kan också vara till hjälp. Modellernas ”nervceller” har hjärnan som förebild – men det är naturligtvis fråga om helt olika nivåer. Neurologiska skador, förorsakade av t.ex. slag mot huvudet, kan lokaliseras, i varje fall delvis, till särskilda områden i hjärnan. På så sätt kan man gradvis bit för bit erhålla en karta över olika hjärnområden med skilda funktioner. På en högre nivå kan olika regioner urskiljas när man allt eftersom sätter ihop de mindre delarna. På skissartat angivet sätt kan man kartlägga funktionella delsystem. För att försöka förklara vissa beteendedata gör man experiment på djur. Genom att studera data kring beteenden görs datamodeller som kan leda till konstruktion av hjärnliknande – men mycket förenklade - artificiella maskiner och robotar.
Metodologi Beteendedata + databas används. En bild visade olika områden kopplade till varandra i hjärnan. Funktionell upplösning (decomposition) tillämpas. Vidare studeras sjukliga förändringar / organskador (lesions) och parameterskiften. Simulering är givetvis viktig. Genom att plocka bort del för del i det område som undersöks kan man jämföra resultaten i vart och ett av fallen. För övrigt är det vanligt att ”stjäla idéer från varandra”, sade C B. Man kombinerar idéer och modeller från skilda forskningsområden.
Emotioner i hjärnan Sådana är föremål för mycket forskning, det är en viktig trend just nu. En bild av ena hjärnhalvan visade amygdala, som är centrum för inlärning av emotioner och reaktioner. Från amygdala utgår följande outputs: ¤ sociala uttryck; ¤ uppväckande (arousal); ¤ stimulans; ¤ bedömning (evaluation); ¤ uppmärksamhet; ¤ motoriska responser; förstärkning; ¤ motivation.
En bild visade hur råttor lär sig att reagera på ljud; en ljudsignal passerar thalamus i hjärnan på väg till amygdala, där betingning (conditioning) resulterar i en reaktion av rädsla (se Rescorda-Wagner, Learning). Om ljudsignalen upprepas kommer samma reaktion – men faktiskt innan råttan hör tonen! Försöket använder också olika tonfrekvenser.
Jämför klassisk betingning i Pavlovs hundförsök (rysk forskare 1849-1936). Man har funnit att amygdala har plasticitet, som yttrar sig i att det sker förändringar i dess celler. C B nämnde oliks dimensioner i samband med en figur som visade växlingen mellan skilda reaktioner på olika stimuli, från frustration till lättnad (på horisontalaxeln) och från upprymdhet (elation) till rädsla (vertikalaxeln). Det handlade om identifiering av inlärning av emotioner.
En annan schematisk figur, som därefter utökades och blev mer komplex, visade stegrad urskillning (enhanced discrimination). Här var andra delar av hjärnan kopplade till amygdala, nämligen hippocampus, thalamus, och den sensoriska delen av hjärnbarken (cortex). Hopkopplingen var exempel på kontextkodning (context encoding)
Kontext & uppmärksamhet Mycket lite av all input utifrån uppfattas av hjärnan. En mängd små delar kombineras; det är små steg som efterhand ger information. Hippocampus fungerar som en centralenhet för kontext (context processor). Thalamus + cortex + hypocampus + amygdala binder ihop och matchar smådelar som förs vidare till ett ”arbetsminne”. En hypotes säger att sekvenser av uppmärksamhetsfixering komprimeras till kontextkod. Bristande matchning (mismatch) mellan minnesrepresentationer och sensorisk input återställer kontexten.
En annan bild visade en simulering med råttor. Man mäter och matchar sekvenser av elektriska signaler som går in i hypocampus, där fyra celler ingår i undersökningen (verkligheten är betydligt mer komplicerad). Det är fråga om olika reaktionsscheman med fyra skilda kontexter. Signalerna varierar således när situationen förändras. Frågor som Var? och Vad? ställs och det handlar vidare om att undersöka bindning, kontext och det nya/ovanliga (novelty).
En bild visade en rörlig robot med en kamera placerad överst som registrerade förloppet. Det är tal om ett slags platsrepresentation. Roboten beskriver omgivningen och lär sig känna igen den. Experiment med roboten beskriver samma sak som med råttor: det är ”cellerna” som fungerar med olika noggrannhet (coarse // fine). Inlärning sker alltså vartefter roboten flyttas, ungefär som i hypocampus i råttans hjärna, det är samma typ av beteende. Olika cellers reaktioner är involverade och kodas, så att en sorts karta med olika färgområden erhålles. Input -> thalamus (T) -> cortex (C) -> hypocampus (H) -> amygdala (A).
Simulationer sker av djur som placeras på vissa platser. I den sist visade modellen nämndes också prefrontal cortex (PRC), belägen längst fram i cortex, som har en hämmande effekt. Enligt Pavlovs försök förekommer inre hämning (internal inhibition). Positva och negativa emotioner framkallas. PFC + T + C + H anger osäkra samband som har med inlärning att göra. I systemet uttrycks känslor som förvåning, när t.ex. råttan inte får den förväntade vanliga maten – den känner sig lurad! De förut nämnda dimensionerna, positiva respektive negativa, aktiveras och stängs av växelvis.
På följande bild sågs ett rum med en cocacola-automat: kontext A. Sedan visades en gatubild med samma automat ute – svävande(!): kontext B. För att använda automaten skall man stoppa i ett mynt. Frågan är: Fungerar den eller ej? Om den gör det: OK. Fungerar den inte – vad beror det på? Vad är det som gör att den över gatan svävande automaten är ur funktion? Kan det verkligen bero på att den ”svävar”? Vad är relevant? Svaret är inte givet, därför att det inlärda beteendet fungerar inte alltid. Det är inte säkert att man kan förklara något nytt på rätt sätt, men ett försök till förklaring är ändå bättre än ingen alls. Man skyller på kontexten : colamaskinen i rummet gick, den svävade ju inte. Svävande maskiner kan förstås inte fungera, det är orimligt – där har vi ”förklaringen”. Detta är exempel på generalisering; man får pröva sig fram när situationen är ovan.
Ett slags schema för datamodeller angav operationer som förvärvande (acquisition), utsläckande (extinction), borttagande av hämning (disinhibition). Betingning kan ske via en klocka som ringer, vilket ger byte av kontext. Det är då som något nytt kan läras. Den nya miljön tas sedan fram igen. Inlärningsmodellering visades i schema med bl.a. direktkoppling mellan PFC och A (jämför ovan). En modellering av aktiviteten i cortex visades också schematiskt. Två olika toner (400 resp. 200 Hz) verkade som stimuli, och efter återkoppling skedde betingning. En konkurrens i cortex (cortical competition) studerades också, varvid ett val mellan flera stimuli ägde rum. Det handlade om en generell strategi med positiva och negativa komponenter, där cortex påverkas.
Emotioner ökar expansionen; en ton förstärks 100 gånger, sedan 3000 och 5000. Vid de högsta tonerna sker ingen emotionell reaktion, medan de lägre lättare ger reaktion. Det finns nämligen en sensorisk buffert (sensory buffer) som modulerar input. Nämnda frågor typ Vad? Och Var? Hör ihop med denna buffert. Det gäller objektigenkänning. I frågeställningen Vad? <-> Var? Kommer konkurrensmomentet in. Det sker en exogen, dvs. utifrån kommande, växling (exogenous shift). Det ät förstås ”vinnaren” bland massorna av sinnesintryck som tar sig igenom. Det blir en triggereffekt på uppmärksamheten: man flyttar blicken.
Det inträffar alltså ständigt ett urval av stimuli, vilket också illustreras i ett ”kopplingsschema”. Vidare finns det instrumentella responser: S – R – R (--R), där två processer är aktiva, liksom kritiker – aktör. En bra respons ”belönas” av amygdala.
I modeller av lärandet studeras även uppmärksamhetsskiften. Om jag hör en signal på dörrklockan, vänder jag mig naturligtvis mot dörren (s.k. overt shift). Covert (maskerad) shift à overt shift, vilket innebär att uppmärksamheten flyttas till ett annat, medvetet plan. Det är en betingad reaktion. Man måste supplera kontextmodellering (se ovan). Minne + matchning + bindning + hämning (mm.). Vidare sker förenklat uttryckt kopplingen sinnesintryck -> buffert -> hjärnbark (cortex).
En figur (simulation) gick ut på att visa hur en person försöker lära sig att strunta i distraherande lampor som blinkar hela tiden. Det är en sorts tillvänjning (habituation) att bortse från i sammanhanget ovidkommande intryck.
En fråga ställdes: Hur kommer ”Look-not-see”-fenomenet in i modellerna? Svar: Det går mycket väl att passa in detta. När man vet något har man vissa förväntningar. Ögonrörelser har samband med det. Om man ändrar i en simulerad bild och tar bort något och tittar på resultatet kan man ju jämföra med resultat då bilden åter ändras tillbaka till föregående. C B nämnde något om ”mush pleasures”, vilket betyder att man maskar bort saker när man skannar ett system; andra stimuli når då ej fram. Jämför när kontexten släcks ut. Vissa fobier, t.ex. spindelskräck, åtgärdas genom att man gör om en konfrontation med det fruktade objektet (exempelvis spindeln) flera gånger, men i olika kontexter. Upprepningen kan (nästan) avlägsna fobin.
¤ ¤ ¤
Här följer en avskrift av en del av prof. Balkenius hemsida Christian Bakenius, Cognition Science, Lund University där mer information finns som går att ladda ner och köra i de flesta datasystem. ”His primary interest is neural network modelling of various forms of cognitive processes, including sequential processing, induction, categorisation, motivation and action selection in autonomous agents, as well as spatial learning, conditioning and habituation. Another of his research areas is how representation can be described from different perspectives at both the conceptual and the neural level and the emergent properties in networks of interacting systems for motivation, perception and action. He is currently working with computer simulations of neural network, controlled artificial creatures and with visually controlled mobile robots.”
Min kommentar (2002) Professor Christian Bakenius' föreläsning gav åtskilliga intressanta aspekter på bl.a. inlärning, något som givetvis intresserar mig som f.d. språklärare. Eftersom jag inte är expert på något av kognitionsvetenskapens områden våga jag inte ha någon djupare uppfattning om föreläsningen ifråga. Jag kan bara konstatera att Kognitionsdagen 2002 var lika välorganiserad och givande som tidigare år. Att dessa ämnen intresserar mig i hög grad, trots en för mig delvis obekant teknisk terminologi, beror på det flervetenskapliga perspektivet.
Jag är nyfiken på lite av varje: filosofi, psykologi, lingvistik osv. Själv har jag som språklärare haft, och har ännu, ett stort intresse för språk, särskilt kinesiska och arabiska. Naturligtvis lockar mig att i någon mån ta del av den speciella kultur som alltid är förknippad med varje språk. Jag försöker på olika sätt nå en helhetsuppfattning på skilda områden. Därför tilltalar mig den holistiska attityd som ofta uttrycktes av alla forskarna under Kognitionsdagen. För övrigt är jag väl medveten om enstaka brister i detta och andra referat, men jag tror ändå att jag lyckats återge en i stort sett riktig helhetsbild av denna föreläsning.