Przejdź do głównego menu Przejdź do sekcji głównej Przejdź do stopki
Językoznawstwo baner

Nr 2/19 (2023)

Artykuły

Teoria przetwarzania predykcyjnego a problem ogólnych pojęć abstrakcyjnych w perspektywie językoznawstwa kognitywnego

DOI: https://doi.org/10.25312/j.6248  [Google Scholar]
Opublikowane: 18.12.2023

Abstrakt

Współczesny paradygmat ucieleśnienia w językoznastwie kognitywnym stanowi cenne ramy pojęciowe dla wyjaśnienia ugruntowania pojęć konkretnych, lecz napotyka zasadnicze trudności w wyjaśnianiu mechanizmu tworzenia pojęć abstrakcyjnych (tak zwany problem od-cieleśnienia pojęć). Coraz częściej wskazuje się, że rozwiązanie tej trudności leży w połączeniu paradygmatu ucieleśnienia z teorią przetwarzania predykcyjnego. Chociaż teoria ta aspiruje do bycia ogólną teorią mózgu w naukach kognitywnych, posiada pewne ograniczenia, chociażby wyjaśnieniu istotnych cech ogólnych pojęć abstrakcyjnych. Artykuł analizuje teorię przetwarzania predykcyjnego pod kątem jej zdolności do wyjaśnienia kompozycyjcności, produktywności, systematyczności i ogólności myślenia pojęciowego. Pomimo wskazanych w artykule ograniczeń, teoria przetwarzania predykcyjnego w poąłczeniu z paradygamtem ucieleśnionego języka stanowi obiecującą propozycję w ramach kognitywizmu drugiej generacji.

Bibliografia

  1. Ashby W.R. (1963), Wstęp do cybernetyki, PWN, Warszawa. [Google Scholar]
  2. Bermúdez J. (2005), Philosophy of psychology: A contemporary introduction, London. [Google Scholar]
  3. Bruineberg J., Kiverstein J., Rietveld E. (2016), The anticipating brain is not a scientist: The free-energy principle from an ecological-enactive perspective, „Synthese”, vol. 195, s. 1–28, https://doi.org/10.1007/s11229-016-1239-1 [Google Scholar]
  4. Bruineberg J., Rietveld E. (2014), Self-organization, free energy minimization, and optimal grip on a field of affordances, „Frontiers in Human Neuroscience”, vol. 8(599), s. 1–14, https://doi.org/10.3389/fnhum.2014.00599 [Google Scholar]
  5. Chomsky N. (1982), Zagadnienia teorii składni, Wrocław. [Google Scholar]
  6. Clark A. (2000), Mindware, New York. [Google Scholar]
  7. Clark A. (2013), Whatever next? Predictive brains, situated agents, and the future of cognitive science, „Behavioral and Brain Sciences”, vol. 36(3), s. 181–204, https://doi.org/10.1017/S0140525X12000477 [Google Scholar]
  8. Clark A. (2015), Predicting peace: The end of the representation wars – A reply to Michael Madary, [w:] T. Metzinger, J.M. Windt (red.), Open MIND: 7(R), Frankfurt am Main, https://doi.org/10.15502/9783958570979 [Google Scholar]
  9. Clark A. (2016), Surfing Uncertainty. Prediction, Action, and the Embodied Mind, Oxford. [Google Scholar]
  10. Dove G. (2011), On the need for embodied and dis-embodied cognition, „Frontiers in Psychology”, vol. 1. [Google Scholar]
  11. Dove G. (2014), Thinking in words: Language as an embodied medium of thought, „Topics in Cognitive Science”, vol. 6. [Google Scholar]
  12. Dove G. (2016), Three symbol ungrounding problems: Abstract concepts and the future of embodied cognition, „Psychonomic Bulletin & Review”, vol. 23. [Google Scholar]
  13. Dove G. (2018), Language as a disruptive technology: abstract concepts, embodiment and flexible mind, „Philosophical Transactions of the Royal Society B: Biological Sciences”, vol. 373. [Google Scholar]
  14. Fodor J. (1975), The language of thought, Cambridge. [Google Scholar]
  15. Fodor J., Pylyshyn Z. (1988), Connectionism and cognitive architecture: A critical analysis, „Cognition”, vol. 28(1–2), s. 3–71, https://doi.org/10.1016/0010-0277(88)90031-5 [Google Scholar]
  16. Fornal M. (2022), Problem ogólnych pojęć abstrakcyjnych w kontekście językoznawstwa kognitywnego, „Językoznawstwo”, nr 1(16), s. 9–27. [Google Scholar]
  17. Friston K.J. (2009), The free-energy principle: A rough guide to the brain?, „Trends in Cognitive Sciences”, vol. 13(7), s. 293–301. [Google Scholar]
  18. Friston K.J. (2012), A free energy principle for biological systems, „Entropy”, vol. 14(11), s. 2100–2121, https://doi.org/10.3390/e14112100 [Google Scholar]
  19. Friston K.J. (2013a), Active inference and free energy, „Behavioral and Brain Sciences”, vol. 36(3), s. 212–213, https://doi.org/10.1017/S0140525X12002142 [Google Scholar]
  20. Friston K.J. (2013b), Consciousness and hierarchical inference, „Neuropsychoanalysis”, vol. 15(1), s. 38–42. [Google Scholar]
  21. Friston K.J., Daunizeau J., Kilner J., Kiebel S.J. (2010), Action and behavior: A free-energy formulation, „Biological Cybernetics”, vol. 102, s. 227–260, https://doi.org/10.1007/s00422-010-0364-z [Google Scholar]
  22. Friston K.J., Kiebel S.J. (2009), Predictive coding under the free-energy principle, „Philosophical Transactions of the Royal Society B”, vol. 364, s. 1211–1221. [Google Scholar]
  23. Friston K.J., Stephan K.E. (2007), Free energy and the brain, „Synthese”, vol. 159, s. 417–458. [Google Scholar]
  24. Gładziejewski P. (2016), Predictive coding and representationalism, „Synthese”, vol. 193, s. 559–582, https://doi.org/10.1007/s11229-015-0762-9 [Google Scholar]
  25. Goodman N., Tenenbaum J., Gerstenberg T. (2015), Concepts in a probabilistic language of thought, [w:] E. Margolis, S. Laurence (red.), The conceptual mind: New directions in the study of concepts, Cambridge, s. 623–654. [Google Scholar]
  26. Harkness D.L., Keshava A. (2017), Moving from the what to the how and where – Bayesian models and predictive processing, [w:] T. Metzinger, W. Wiese (red.), Philosophy and Predictive Processing, Frankfurt am Main, s. 1–10, https://doi.org/10.15502/9783958573178 [Google Scholar]
  27. Hohwy J. (2013), The Predictive Mind, Oxford. [Google Scholar]
  28. Hohwy J. (2015a), The neural organ explains the mind, [w:] T. Metzinger, J.M. Windt (red.), Open MIND, 19(T), Frankfurt am Main, s. 1–22, https://doi.org/10.15502/9783958570016 [Google Scholar]
  29. Hohwy J. (2015b), The diversity of Bayesian explanation – a reply to Dominic L. Harkness, [w:] T. Metzinger, J.M. Windt (red.), Open MIND, 19(R), Frankfurt am Main, s. 1–6, https://doi.org/10.15502/9783958570870 [Google Scholar]
  30. Hohwy J. (2016), The self-evidencing brain, „Noûs”, vol. 50(2), s. 259–285, https://doi.org/10.1111/nous.12062 [Google Scholar]
  31. Hohwy J. (2017a), How to entrain your evil demon, [w:] T. Metzinger, W. Wiese (red.), Philosophy and Predictive Processing, Frankfurt am Main, s. 1–15, https://doi.org/10.15502/9783958573048 [Google Scholar]
  32. Hohwy J. (2017b), Priors in perception: Top-down modulation, Bayesian perceptual learning rate, and prediction error minimization, „Consciousness and Cognition”, vol. 47, s. 75–85, https://doi.org/10.1016/j. concog.2016.09.004 [Google Scholar]
  33. Hohwy J. (2018), The predictive processing hypothesis, [w:] A. Newen, L.S. de Bruin, S. Gallagher (red.), The Oxford handbook of 4e cognition, Oxford, s. 129–145. [Google Scholar]
  34. Jackendoff R. (2002), Foundations of language, New York. [Google Scholar]
  35. Kawalec P. (2003), Zagadnienia metodologiczne w bayesowskiej teorii konfirmacji, „Roczniki Filozoficzne”, t. LI, s. 113–142. [Google Scholar]
  36. Kawalec P. (2012), Bayesianizm w polskiej tradycji probabilizmu – studium stanowiska Kazimierza Ajdukiewicza, „Ruch Filozoficzny”, nr 1(69), s. 111–122. [Google Scholar]
  37. Kiefer A., Hohwy J. (2017), Content and misrepresentation in hierarchical generative models, „Synthese”, vol. 195, s. 2387–2415, https://doi.org/10.1007/s11229-017-1435-7 [Google Scholar]
  38. Kirchhoff M., Parr T., Palacios E., Friston K., Kiverstein J. (2018), The Markov blankets of life: Autonomy, active inference and the free energy principle, „Journal of the Royal Society Interface”, vol. 15, s. 1–11, https://doi.org/10.1098/rsif.2017.0792 [Google Scholar]
  39. Kwisthout J., van Rooij I. (2019), Computational resource demands of a predictive Bayesian brain, „Computational Brain & Behavior”, vol. 3(3), s. 1–15, https://doi.org/10.1007/s42113-019- 00032-3 [Google Scholar]
  40. Pearl J. (1988), Probabilistic reasoning in intelligent systems, San Francisco. [Google Scholar]
  41. Pylyshyn Z., Fodor J. (2015), Minds without meanings: An essay on the content of concepts, Cambridge. [Google Scholar]
  42. Ramstead M.J.D., Kirchhoff M.D., Friston K.J. (2019), A tale of two densities: Active inference is enactive inference, „Adaptive Behavior”, vol. 28(4), s. 1–15, https://doi.org/10.1177/1059712319862774 [Google Scholar]
  43. Russell S., Norvig P. (2010), Artificial intelligence: A modern approach, London. [Google Scholar]
  44. Schwartenbeck P., FitzGerald T., Dolan R.J., Friston K. (2013), Exploration, novelty, surprise, and free energy minimization, „Frontiers in Psychology”, vol. 4(710), s. 1–5, https://doi.org/10.3389/fpsyg.2013.00710 [Google Scholar]
  45. Sims A. (2016), A problem of scope for the free energy principle as a theory of cognition, „Philosophical Psychology”, vol. 29, s. 967–980, https://doi.org/10.1080/09515089.2016.1200024 [Google Scholar]
  46. Tenenbaum J., Kemp C., Griffiths T., Goodman N. (2011), How to grow a mind: Statistics, structure, and abstraction, „Science”, vol. 331(6022), s. 1279–1285, https://doi.org/10.1126/science.1192788 [Google Scholar]
  47. Varela F., Thompson E., Rosch E. (1991), The embodied mind: Cognitive science and human experience, Cambridge–London. [Google Scholar]
  48. Venter E. (2021), Toward an Embodied, Embedded Predictive Processing Account, „Frontiers in Psychology”, vol. 12, https://doi.org/10.3389/fpsyg.2021.543076 [Google Scholar]
  49. Ward D., Silverman D., Villalobos M. (2017), Introduction: The varieties of enactivism, „Topoi”, vol. 36, s. 365–375, https://doi.org/10.1007/s11245-017-9484-6 [Google Scholar]
  50. Wiese W., Metzinger T. (2017), Vanilla PP for Philosophers: A Primer on Predictive Processing, [w:] T. Metzinger, W. Wiese (red.), Philosophy and Predictive Processing, Frankfurt am Main. [Google Scholar]

Downloads

Download data is not yet available.