Представьте себе Чингисхана, Арету Франклин и Кливлендских кавалеров, исполняющих оперу о Мауи. Это глупое предложение имеет серьезное значение: будучи людьми, мы можем гибко генерировать и осмысливать неограниченное количество сложных идей. Однако мало что известно о том, как наш мозг достигает этого. Людские умы используют систему, подобную языку, для объединения и рекомбинирования простых концепций с целью формирования более сложных мыслей.
Композиция и язык мышления
В "Трактате о природе человека" шотландский философ XVIII века Дэвид Хьюм представляет себе город Новый Иерусалим,
"дорожное покрытие которого золото, а стены - рубины"
[Hume 2003 (1738)].
Как и Хьюм, любой может представить себе города с золотым покрытием и рубиновыми стенами, потому что наш разум может объединить более простые идеи (тротуар, золото, улицы), чтобы думать о незнакомых объектах, местах и событиях. Эта способность систематически строить новые мысли на основе старых идей является отличительной чертой познания человека. Спустя более 250 лет после написания Хьюма биологические и вычислительные основы этой способности остаются неуловимыми: как мозг повторно использует биты предшествующих знаний для генерирования новых мыслей? Естественные языки и другие символические системы (такие как математические языки и языки компьютерного программирования) являются мощными, поскольку они являются композиционными, позволяя
"бесконечно использовать конечные средства, посредством гибкой рекомбинации более простых частей” (Фон Гумбольдт, цит. по Chomsky 2006).
Принцип композиционности заключается в том, что значение сложного выражения - это функция значения его частей и способа их объединения. В естественном языке эти сложные выражения (например, фразы или предложения) строятся путем получения более простых символических представлений из многоразового набора (например, слова или морфемы) и применения абстрактных синтаксических операций для их дифференцированной сборки. Некоторые ученые-когнитологи полагают, что в основе генеативности нелингвистической мысли у людей лежат одни и те же основные принципы. Согласно этой точке зрения, разум формирует сложные мысли, собирая концептуальные представления, выраженные внутренним символическим языком, то есть языком мышления (LT).
Концептуальное сочетание
Хотя концептуальное сочетание представляло давний интерес в когнитивной психологии, оно лишь недавно получило внимание в когнитивной нейронауке. Регионы мозга, наиболее достоверно вовлеченные в концептуальную комбинацию, находятся в пределах автоматической сети (DMN). Области медиальной префронтальной коры (mPFC), задней поясной коры (РСС) и, в частности, боковая височная кора среднего отдела передней части были задействованы в концептуальном сочетании методов измерения, семантических областей и способов ввода. Похоже, что не существует отдельной области мозга, отвечающей за концептуальное сочетание, но области мозга, которые составляют DMN, играют отличительную роль.
В раннем исследовании концептуальной комбинации функциональной магнитно-резонансной томографии участники читали пары существительных, которые образовывали семантически правдоподобные комбинации, когда представлены в одном порядке (например, дом у озера), но менее вероятные комбинации при обращении (например, домашнее озеро). Ученые сравнили средний сигнал, вызванный этими двумя условиями (правдоподобное и неправдоподобное), и обнаружили, что правдоподобные комбинации вызывают большую активацию, чем неправдоподобные в трех регионах DMN: PCC, дорсомедиальный префронтальная кора (dmPFC) и правосторонняя часть угловой извилины.
В целом, эти результаты свидетельствуют о том, что части mPFC, угловой извилины, левой верхней части передней височной коры и PCС способствуют созданию сложных концептуальных представлений из более простых частей. Кроме того, в некоторых из этих регионов наблюдаются признаки повторного использования представлений в концептуальных комбинациях таким образом, что это согласуется с композиционностью. Это добавляет концептуальную комбинацию к списку когнитивных процессов, приписываемых DMN.
Представление в автоматической сети
Первоначально DMN определялась как совокупность регионов, преимущественно занятых во время отдыха. Позднее работа вовлекла DMN в интроспективные процессы, такие как самореференциальное мышление и блуждание разума. Ряд влиятельных обзоров расширил концепцию DMN, включив ее в такие функции, как эпизодическая память, разведка, навигация и теория ума. Объединяя эти выводы, ученые утверждают, что основной функцией DMN является гибкое построение
"саморелевантных интеллектуальных исследований - имитаций возможных событий" (Hassabis & Maguire (2007).
Авторы отмечают, что моделирование того или иного события требует отвлечения внимания от текущей ситуации и извлечения информации из долговременной памяти. В соответствии с этим профилем DMN демонстрирует предпочтительную анатомическую и функциональную связь с декларативными системами памяти мозга, а не с сенсорной/моторной корой.
Хотя картографические представления неявно кодируют определенные виды концептуальных отношений, такие как контекстно-зависимое сходство, они могут быть менее полезны для кодирования явной структуры, особенно с использованием асимметричных отношений. Этот вопрос рассматривался в ходе недавней эмпирической работы по представлению того, кто, что и с кем сделал в ответ на описания событий. Как, например, мозг строит различные значения с использованием одних и тех же элементов, например, собака укусила человека, а человек укусил собаку? Одним словом, собака - это исполнитель (агент), а человек - это тот, кто с ней что-то сделал (пациент). С другой стороны, происходит обратный процесс сопоставления концепций с ролями. Просто активировать представление соответствующих понятий (человек, собака, укус) недостаточно для того, чтобы уловить смысл, равно как и сделать вывод о том, что в целом может быть правдой (например, чаще ли собаки кусают мужчин или наоборот?). Вместо этого, эти понятия должны быть привязаны к различным ролям, представляющим определенную реляционную позицию (например, кто в данном случае кусался?).
Композиционность в компьютерных моделях
В последнее время компьютерные нейронауки и исследователи искусственного интеллекта добились прогресса в разработке систем, которые улавливают ключевые особенности композиционного познания. Ученые отмечают прогресс по трем направлениям, которые особенно многообещающие в поиске алгоритмов, обеспечивающих высшие формы человеческой мысли:
- генеративные модели,
- нейросетевые архитектуры, которые отделяют память от динамических вычислений,
- системы, которые переводятся между форматами представления, такими как визуальное и словесное представление.
Человеческий мозг обладает замечательной способностью генерировать и воспринимать сложные идеи, включая те, которые являются новыми для нас как индивидуумов и совершенно новыми для мира. Эта способность проистекает из композиционной природы мышления, когда сложные значения строятся из более простых.