Однажды поздно ночью Роберт Кобб, владелец голливудского ресторана "Браун Дерби", рылся в кухне своего ресторана, чтобы приготовить себе что-нибудь поесть. Смешав несколько доступных ингредиентов, включая авокадо, нарезанный салат, бекон и вареное яйцо, он создал салат "Кобб", который теперь можно найти в ресторанах по всему миру. Это событие - всего лишь демонстрация способности людей представлять себе объекты и концепции, с которыми они никогда не сталкивались.
Другие примеры можно найти в истории науки. Например, эволюционные биологи предсказали существование вида, получившего позднее название Тикталик, задумавшись о существовании животного, восполнившего пробел в ископаемых записях между водными и наземными животными. Дизайнеры всех типов создают предметы каждый раз, когда они создают новый свитер, светильник или браслет. Даже детям, похоже, нетрудно создавать примеры новых и воображаемых объектов. Объекты и категории могут быть организованы в иерархии, и, в принципе, новые возможности могут быть созданы на любом уровне этих иерархий.
Выборочный отчет по образцам и генерации категорий
Исследователи традиционно изучают категории знаний людей, предлагая им классифицировать новые образцы. Такой подход оказался плодотворным, но ограничен тем, что он требует от людей использовать свои знания категории только одним конкретным способом. Альтернативный подход заключается в изучении того, как люди используют свои знания категории для решения множества проблем. Например, в дополнение к классификации, люди используют свои знания категории для вывода признаков, введения и причинного анализа.
Полный учет категоризации должен позволять учитывать все способы использования знаний о категориях. Поэтому для того, чтобы оценить достоинства конкурирующих теоретических исследований, необходимо изучить, как люди и модели решают проблемы, отличные от классификационных. Одной из таких проблем, которой уделяется относительно мало внимания, является создание новых образцов и категорий.
В данной статье утверждается, что способность людей решать проблемы поколений накладывает существенные ограничения на теории категоризации.
Классификация
Представьте, что вы видели шесть примеров греческого и кесарева салатов. Друг просит вас купить греческий салат из витрины с салатами разных сортов. Примером типичной проблемы классификации является определение того, какие салаты в данном случае относятся и не относятся к категории греческих салатов. Для формализации этой задачи пусть x будет набором тренировочных экземпляров (наблюдаемые салаты), где каждый xi является вектором величин признаков (в данном случае - списком ингредиентов). Пусть y будет вектором обозначений категорий, так что yi - обозначение категории для xi, где yi 2 (греческий салат, салат Цезарь).
Вы должны сделать вывод, относится ли этот салат к греческим салатам или к салатам Цезарь. Этот вывод графически соответствует выводу о том, какая из двух пунктирных стрелок в иерархии является подходящей. Проблему классификации можно сформулировать с помощью распределения вероятностей, которое определяет, в какой степени обозначение категории y~ подходит для примера ~x. Это называется классификационным распределением.
Существует два разных подхода к изучению распределения классификации: генеративный и дискриминационный подходы. Модель, использующая генеративный подход, сначала изучает совместное распределение по функциональным векторам и обозначениям категорий.
Генерация примеров
Наблюдение за шестью салатами в тренировочном комплекте должно позволить вам решить не только классификацию, но и другие проблемы. Например, предположим, что ваш друг попросит вас сделать греческий салат. Эта проблема называется образцовым поколением. Здесь ~x представляет собой образец, который должен быть сгенерирован, а не классифицирован.
Проблема генерации примеров может быть сформулирована в терминах изучения распределения вероятностей, которое называется распределением генерации примеров. Это распределение может быть использовано в тех случаях, когда дается обозначение категории y~ и должен быть сгенерирован образец ~x из этой категории. После изучения совместного распределения по функциональным векторам и меткам категорий, генеративный подход может вычислить распределение образцовой генерации.
Генерация категорий
Наблюдая за примерами различных видов салатов (салаты Цезарь, греческие салаты и т.д.), можно заметить общие свойства, которые характеризуют салаты более высокого порядка. Эти знания могут позволить вам создать совершенно новую категорию салатов, как это сделал Роберт Кобб, когда создал категорию салатов Кобб.
Создание такой категории, как салат Кобб, требует знаний о свойствах общих для смежных категорий. Так же, как миска с оливками была бы плохим примером греческого салата, набор любимых цветов вашего кузена был бы плохим предложением для новой категории салатов. Иными словами, новая категория должна быть не только последовательной, но и уважать иерархию, в рамках которой она находится. Эта точка зрения предполагает, что формирование категории состоит из четырех этапов.
Первые два шага - это изучение свойств, которые характеризуют каждую тренировочную категорию (например, греческие салаты и салаты Цезарь) и общие характеристики этих категорий (например, объединяющие характеристики категорий салатов). Третий этап заключается в создании новой категории (например, категория салатов Кобб), которая имеет общие объединяющие характеристики, определенные на втором этапе. Четвертым и последним шагом является создание одного или нескольких образцов новой категории.
Механистический образец за частями отчета
Счет выборки предполагает, что люди могут отбирать выборку из вероятностных распределений, но не выдвигает никаких конкретных претензий относительно соответствующих механизмов. В некоторых контекстах выборку можно с полным основанием считать примитивным когнитивным механизмом. Например, возможно, что сэмплировать трассы памяти позволяет один примитивный механизм. Учет выборки, однако, основывается на распределении по образцам и категориям, которые могут быть относительно сложными, а выборка из этих распределений может опираться на более базовые когнитивные механизмы.