ویرگول
ورودثبت نام
محمد ابراهیمی اول
محمد ابراهیمی اولیاد می‌گیرم، تجربه می‌کنم، اشتباه می‌کنم و این چرخه من است تا موفق بشم یا ازش درس بگیرم.
محمد ابراهیمی اول
محمد ابراهیمی اول
خواندن ۲۰ دقیقه·۹ ساعت پیش

ذهن انسان چگونه تصمیم می‌گیرد؟ آشنایی با ۹ زاویه دید ذهن

مقدمه و پیشگفتار

این مطلب رو برای کسانی نوشتم که یا به توسعه یا استفاده از هوش مصنوعی علاقه‌مند هستن، یا از علاقه‌مندان مباحث روان‌شناسی، علوم شناختی و علوم اعصاب هستن، یا هم مثل خودم هر دو! :)

:: قبل ادامه دقت کنید که بین متن پرش نکنید و از بالا به پایین بهتره بخونید چون ترتیبشون به فهم بهترتون کمک میکنه.

احتمال میدم با بعضی از این مدل‌ها از قبل آشنا باشی، پس قرار نیست همه چیز برات جدید باشه. ولی یه احتمال دیگه هم میدم؛ اینکه شاید تو هم مثل من هیچ‌وقت جایی ندیده باشی که این مدل‌ها رو ساده، خلاصه، یکجا و با مرزهای نسبتاً واضح توضیح بده و بگه مغز ما در کل از چه مدل‌ها یا الگوریتم‌هایی برای تشخیص، انتخاب، احساس و رفتار استفاده می‌کنه.

تقریباً توی بیشتر مطالب، این ۹ مدل بدون مرزبندی مشخص و در هم آمیخته توضیح داده می‌شن. مثلاً توی کتاب تفکر، سریع و کند دنیل کانمن، سیستم ۱ و سیستم ۲ رو می‌بینیم و همین‌طور مفاهیمی مثل حافظه تداعی‌گر و میانبرهای ذهنی. در واقع هر کدوم از این‌ها حاصل ترکیب و ادغام چند تا از این مدل‌ها هستن. البته این ترکیب اصلاً چیز بد یا اشتباهی نیست، چون خود ذهن هم همیشه از چند مدل کنار هم برای ساختن احساس، رفتار و تصمیم‌ها استفاده می‌کنه. خیلی وقت‌ها هم برای یک موقعیت که از نظر ما فقط «یک اتفاق» هست، در ذهنمون چند مدل هم‌زمان فعال می‌شن یا مدام بین مدل‌ها جابه‌جا می‌شیم.

می‌شه گفت همه انسان‌های سالم، هر ۹ مدل رو دارن و از همشون استفاده می‌کنن. اما بخش جذابش اینجاست که میزان استفاده از هر کدوم، از فردی به فرد دیگه متفاوته. مثلاً آقای X از همه مدل‌ها استفاده می‌کنه، ولی اگر بخوایم بگیم در مجموع بیشتر به کدوم تکیه داره، شاید مدل شماره ۱ باشه. در مقابل، آقای Y هم از همه مدل‌ها استفاده می‌کنه، اما ممکنه بیشترین سهم مربوط به مدل شماره ۳ باشه.

اگر خود فرد آگاهانه برای تغییر این الگوها تلاش کنه، می‌تونه میزان استفاده از هر مدل رو تا حدی تغییر بده. ولی تقریباً غیرممکنه که مثلاً بعد از کلی تمرین به ذهنمون بگیم: «از امروز به بعد دیگه حق نداری از مدل شماره ۳ استفاده کنی و فقط باید با مدل‌های ۴ و ۵ کار کنی!» تغییر ممکنه، ولی نه به این شکل مطلق.

از اون طرف، حتی بدون هیچ تلاش آگاهانه‌ای هم با بالا رفتن سن، تجربه‌های زندگی و تغییر شرایط جسمی و محیطی، میزان استفاده از این مدل‌ها کم‌کم تغییر می‌کنه. مثلاً یک کودک زیر ۷ سال بیشتر یادگیریش از طریق Reinforcement Learning یا همون پاداش و تنبیه شکل می‌گیره، اما هرچه سن و تجربه بیشتر می‌شه، ذهن بیشتر به پیش‌بینی و الگوهای ساخته‌شده از تجربه‌های گذشته تکیه می‌کنه؛ چیزی که در علوم شناختی بهش Predictive Processing می‌گن.

خب... فکر کنم به اندازه کافی گیجت کردم که این ساده‌سازی رو زیادی دست‌کم نگیری! 😄 حالا وقتشه بریم سراغ خود این ۹ مدل و ببینیم هر کدوم دقیقاً چی هستن و چطور کار می‌کنن.

آها، اینم بگم که تا جایی که من گشتم، تقریباً هر سازوکار یا مدلی که درباره کارکرد ذهن مطرح شده، بالاخره زیرمجموعه یکی از همین ۹ مورد قرار می‌گیره. من خیلی تلاش کردم مورد دهمی پیدا کنم و نتونستم. اگر تو چیزی پیدا کردی که واقعاً بیرون از این دسته‌بندی باشه، حتماً توی کامنت‌ها بهم بگو.

و یه نکته آخر؛ برای خیلی از این مدل‌ها اسم‌های مختلفی وجود داره و هر پژوهشگر یا کتابی ممکنه از اصطلاح متفاوتی استفاده کنه. پیشنهاد من اینه که زیاد درگیر اسم‌ها نشی. مهم اینه که بفهمی هر مدل چی می‌گه و چطور کار می‌کنه، نه اینکه دقیقاً اسمش چیه.


۹ زاویه دید اصلی ذهن

اگر بخوام کل چیزی که تا اینجا گفتیم رو توی یک جمله خلاصه کنم، می‌گم:

ذهن انسان یک الگوریتم واحد نیست؛ مجموعه‌ای از چند روش مختلف برای پردازش اطلاعاته که هم‌زمان با هم کار می‌کنن و بسته به شرایط، تجربه، سن و محیط، وزن هر کدوم کم و زیاد می‌شه.

برای اینکه تفاوت این مدل‌ها بهتر جا بیفته، فرض کنیم رئیس شرکت بعد از جلسه فقط این جمله رو میگه:

«محمد، بعد از جلسه چند دقیقه بیا اتاقم.»

نه اخم کرده.
نه لبخند زده.
فقط همین جمله.

حالا ببین هر مدل این موقعیت رو چطور می‌بینه.


۱. Rule-Based

سیستم مبتنی بر قانون. در این مدل ذهن میگه:

چون گفته برم پس میرم!


اینجا ذهن داره یک قانون قدیمی رو اجرا می‌کنه. چون تعریف شده براش که رئیس میگه بیا باید بره!

به نظرم این رو برنامه نویس‌ها خیلی راحت بتونن در کنن چون میشه گفت همون الگو if-else هست که میگه اگر x انگاه y در غیر این صورت اگر z انگاه w و در غیر این صورت p.

به نظرم این چیزی هست که توی پادگان‌های نظامی خیلی دوست دارن و تلاش میکن که باشه و همه اونطور رفتار کنن ولی اخرش همه میدونیم که هر کاری هم که بکنن نمیشه همه رو در همه شرایط اینطوری کرد ولی خب انتظاره دیگه! 😅

یا همین قانون‌های اجتماعی هم همچنین انتظاری داره مثلا میگه ما قانون فلان رو مجلس تصویب کردیم مثلا پدر میگه این خط قرمز و قانون این خانوادست و میان به ما اطلاع میدن و میگن خب چون میدونی پس انتظار دارم که اینطوری رفتار کنی و نکنی هم مجازاتش فلان هست!


۲. Reinforcement Learning

مدل یادگیری تقویتی. در حالت ذهن میگه:

دفعه قبل که رئیس منو صدا کرد با لبخند وارد شدم و اخرش به من پاداش داد پس دوباره با لبخند وارد میشم.


یعنی از نتیجه تجربه‌های قبلی استفاده می‌کنه و قوانینی رو برای خودش طرح میکنه که از تجربه‌های گذشته امده.
ببینید این مدل خیلی شبیه به مدل اول یعنی Rule-based هست و اگر انگاه اگرهایی رو ذهن دنبال میکنه ولی فرقش این هست که در مدل Rule-based اغلب قوانین از بیرون و توسط یکسری شنیده‌ها و دیده‌ها (حواس ۵ گانه) به ذهن اون وارد شده و برای شخص تعریف شده ولی در اینجا شخص قوانینی رو از روی تجربه‌های قبلی خودش (حافظه و ادراکش) تعریف میکنه.

مثلا در مدل قبل میره یک کلاس زبان بدن و استادش به اون اموزش میده و یاد میگیره که موقع مذاکره دماغ خودش رو نخارونه چون حس دروغ بودن حرف‌ها رو میده و خب این قانون رو بعد شخص در مذاکراتش استفاده میکنه ولی در این مدل اون خودش بر اساس تجارب گذشته خودش از مذاکرات می فهمه که اگر می‌خواد طرف مقابلش به حرف‌هاش شک نکنه نباید دماغش رو بخارونه!

یک نکته خیلی خیلی مهم در اینجا بحث تقویت یادگیری هست. یعنی هر دفعه که چیزی تکرار میشه ذهن باور و اعتقادی راسخ تر به اون قانون x پس انگه y که کشف کرده پیدا میکنه و خود اینم باعث تکرار بیشتر این در موقعیت‌ها بیشتر خواهد شد و از طریق همین مدل هم تضعیف میشه یعنی یک اعتقاد راسخ اگر بارها تجربه بشه و شکست حاصل بشه (x انگاه بشه z) کم کم اون اعتقاد و قانون در ذهن تضعیف میشه و نهایتا می‌تونه محو بشه و ذهن از طریق مدل‌های دیگه کارکردی خودش اون موقعیت رو پاسخ بده.


۳. Neural Networks

شبکه نرونی. در اینجا ذهن میاد اول دنبال چیزهای آشنا می گرده:

ماشه: لحن رئیس که تند بود، زمان جلسه که معمولا نامعمول هست، اخم رئیس در جلسه و....
الگوی مشابه: پدرم در کودکی با لحن تند وقتی تا خیلی دیر وقت بیرون بودم و تلفن میزد میگفت بیام خونه و بعد که میرفتم کتکم میزد و اخرشم از شام خبری نبود (مجازات)
احساس: ترس و اضطراب از این که اون میخواد منو تنبه کنه


بعد این‌ها در ذهن تجمیع میشن و به یک کلید تبدیل میشن بعد ذهن دری که به اون کلید بخوره رو باز میکنه یا به عبارتی الگویی از پیش تعریف شده توسط اون ماشه فعال میشه و ذهن تقریبا شبیه به یک ربات اون الگو رو اجرا میکنه.

در همین مثال ممکن هست حتی وقتی رفت داخل پاداش هم دریافت کنه و تمام اون شواهدی که به ماشه تبدیل شده بود صرفا یک شباهت تصادفی بوده باشه و بخاطر این باشه که مدیر بخاطر خستگی کار و شب نخوابیدن و ... اونطوری دیده شده باشه!

دقت کنید این مثال و توضیحات ذهنتون رو به سمت بد بودن این الگو نبره همه الگوها به جای درستون اگر استفاده بشن می‌تونن خیلی سودمند باشن و جای غلط هم استفاده بشن می‌تونن خیلی مخرب باشن!

این مدل دقیقا همون چیزی هست که در بحث عادت‌ها مطرح میشه. وقتی شما صد‌ها و هزاران دفعه یک کار رو ممتد کرده باشید این تکرار به مرور در مغز شبکه‌ای از نرون‌ها رو به هم متصل میکنه که به طور کلی خیلی شبیه ۲ مدل قبل هست که می گفت X انگاه Y ولی یک فرق جدی داره و اون این که شکست پیوند نرونی یا بهتره بگم جور دیگری رفتار کردن به مراتب از دو مدل قبلی سخت‌تر هست و در عین حال انجام کارهای عادت شده به مراتب ساده‌،‌سریع‌تر و با کمترین مصرف انرژی انجام میشه.

یک تفاوت جدی هم با مدل Reinforcement Learning داره و اون این که در این مدل تکرارهای بسیار زیاد و مشابه و همچنین ممتد (این خودش بحثی هست صرفا منظور این نیست هر روز و هر ساعت بلکه هر سال یک بار هم خودش نوعی استمرار و ممتد بودن هست) باید رخ بده تا نهایتا اون شبکه عصبی در مغز تشکیل بشه تا نهایتا شخص بتونه از مزیت‌های بهره بره یا اگر اسیب زا باشه شخص رو به نابودی بکشونه ولی در Reinforcement Learning از همون اولین دفعه که شروع میکنیم ذهن مدام و مدام و برای هر بار اتفاق افتاد بازخورد تولید میکنه و قانون رو شکل میده و مقدار خروجی اون در تکرار در دفعه بکار گرفته میشه.

مثلا شما اگر بخواهید با مدل شبکه نرونی عادت فرار کردن از گربه رو در فرد ایجاد کنید بارها و بارها باید این الگو تکرار بشه (شاید طرف قبلا عاشق گربه‌ها هم بوده باشه و این استمرار برای جا انداختن ترس خیلی هم طول بکشه) تا نهایتا سیستم عصبی شکل بگیره و دیگه از اون به بعد تا شخص گربه ببینه اتوماتیک می ترسه و باز ترکش هم یک فرایند شاید سخت باشه اما در توضیح مدل Reinforcement Learning شخص از همون دفعه اول (یعنی فرد هیچ وقت تو زندگیش گربه ندیده) بسته به این که اون اولین دفعه ایا ترسیده یا لذت برده قانون محتاط باش (بترس) یا مشتاق باش (بشون نزدیکشو) شکل بگیره هر چند که البته خیلی هم سست هست و خیلی راحت میشه شخص رو نسبت به کسی که درگیر عادت شده متقاعد کرد که برای یک دفعه دیگه بره و ارتباط با گربه‌ها رو تجربه کنه شاید این بار اون نشه ولی اگر بازم اسیب ببینه ترسش تقویت میشه و اگر نشه باور و قانون از گربه بترسش تضعیف میشه.

۴. Probabilistic (Bayesian)

سیستم احتمالاتی (بیضی). در این مدل ذهن میگه:

صبر کن...

شاید می‌خواد تشکر کنه و پاداشی بده.

شاید پروژه جدیدی داره.

شاید هم ایرادی وجود داره.


بعد برای هر کدوم یک احتمال در نظر می‌گیره و شاید در لحظه وقوع برای شخص دقیق و شفاف نباشه که کدام گزینه چه درصد احتمالی داره ولی حتی گاهی برخی گزینه‌ها خیلی ۵۰-۵۰ میشه و دقیق نمی‌دونه کدوم محتمل تر هست ولی اگر آگاهانه فکر کنه و ازش بخوایم می‌تونه حدودی برای هر احتمال درصدی رو بیان کنه و اگر واقعا یکسان نباشن یکی رو بیشتر از دیگری محتمل‌تر توصیف کنه.

تو همین مثال مثلا برای اولی میاد میگه به احتمال ۶۰٪ این باشه چون من خیلی عملکرد خوبی داشتم و در جلسه هم حس کردم که فهمید چقدر تلاش کردم بعد بر اساس همون جلسه قبلی بلگه خب تو جلسه حرف از شروع کار جدید شد شاید بخواد در مورد اون هم صحبت کنه ولی خب احتمالش کمتره چون به فلانی هم باید میگفت باید پس میذارم ۳۰٪ و در اخرم میگه جدا از اینا شاید ۱۰٪ بخواد تنبیه کنه چون با این که دستاورد خوبی داشتم و دید گاهی مودی هست و از دنده چپ بلند میشه و شاید بخواد بخاطر تاخیری که در تحویل داشتیم هم از ما گوشی بکشه!


۵. Predictive Processing

مدل پردازش پیش‌بینی‌کننده. در این مدل ذهن میگه:

«رئیس معمولاً از من ایراد می‌گیره پس احتمالا میخواد گوشمو بپیچونه.»


ممکنه قبل از اینکه وارد اتاق بشی، اضطراب بگیری! این مدل خیلی شبیه و نزدیک مدل قبل هست ولی یک فرق جدی داره و اون این که ذهن پیش از این که اتفاق اصلی رخ بده احساساتی و حتی اگر کنترل نشده یا شدتش بالا باشه رفتار میکنه بر خلاف مدل قبلی که لیستی از احتمالات ممکن رو مطرح میکنه و خودش رو برای برای وقوع اماده میکنه و بسته به این که چی رخ بده واکنش نشون میده.

در واقع مغز اول آینده رو حدس می‌زنه، بعد اتفاقات رو با اون حدس مقایسه می‌کنه و درگیرش میشه.

علاوه بر بحث "پیش یا پس از وقوع افتادن" اینم یک نکته میشه گفت که در مدل قبل یعنی Probabilistic این وابستگی به اتفاق افتادن واکنش دادن یک ارتباط به حواس ۵ گانه رو نشون میده یعنی درسته که فرد شاید به طور کلی شمی و درونی احتمالات رو بر اساس ادارک و تجربه گذشته مطرح کرده باشه ولی باز هم به داده‌های اکنون اینجایی که حواس ۵ گانه به اون میدن وابستگی نسبی داره ولی در مدل Predictive تقریبا میشه گفت یا کامل نیازی به اون حواس ۵ گانه نداره و به تنهایی و دورنی (حس ششمی) سراغ تحلیل و سپس احساس و تصمیم و نهایتا رفتار میره یا هم اگر به سراغ داده‌های حواس ۵ گانه بره احتمال رخ دادن سوگیری تاییدی یعنی گشتن دنبال شواهدی که باورش رو تایید میکنه زیاد هست (نوعی سو استفاده از حواس ۵ گانه)!

من خودم که با این مدل رو به رو شدم حس کردم چه چیز بدی هست یه جورایی حس کردم باید تلاش کنیم اینطور نباشیم ولی باید بگم بعد فهمیدم این تفکر کاملا اشتباه هست. ما در خیلی از موقعیت‌ها می‌تونیم به کمک همین مکانیزم شهودی که به حواس ۵ گانه وابستگی نداره در موقعیت‌هایی که نه میشه دید نه میشه شنید (حواس ۵ گانه به هر دلیلی مختل یا ناکارامد شده) راه رو از چاه تشخیص بدیم.

مثلا یک فرد به کمپی به کویر رفته در عصر میره که همین حوالی کمپ یکم دور بزنه و کویر گردی کنه هوا تاریک میشه موقعیت کمپ رو نمی‌تونه پیدا کنه که کدوم سمت هست، هیچ چیزی نه دیده میشه نه شنیده میشه و نه ابزاری برای تشخصی مسیر داره! در این موقعیت این ویژگی شهودی و پیش بینی می‌تونه اینطور فرد رو نجات بده که بجای تلاش‌هایی که وابسته به خارج (جسم-حواس ۵ گانه) باشه بر اساس تحلیل درونی که قبلا در کودکی یادش میاد یک بار در بازار شلوغ گم شد و همانجا ماند و خانوادش بعد مدتی امدن پیداش کردن چون مسیر احتمالی رو گشتن و اون بعدها فهمید که اگر خیلی دست به جسجو میزد شاید وارد مسیرهایی میشد که خانوادش هیچ وقت احتمال نمیدادن و خب نمی گشن و پیدا هم نمیشد چقدر خوب شد که ماند. پس الان همونجایی که هست میمونه به جایی این که مثلا نوری رو در دور دست ملاک قرار بده که شاید شهری در ۷۰ کیلومتر اون طرفتر باشه و به اون سمت حرکت کنه و اتفاقا از کمپ دور بشه و حتی در راهش داخل گودالی عمیق بیفته و اینطور دوستانش (در نقش خانوادش) که میفهمن اون نیست شروع به گشتن با ابزارها میکنن و نجات پیدا میکنه.

۶- ACT-R

مدل شناخت تطبیقی (مخفف Adaptive Control of Thought-Rational به معنی کنترل تطبیقی ​​تفکر-عقلانی). در اینجا ذهن میگه:

۱- جمع آوری داده
دیدم که رئیس چهره‌اش در هم بود
شنیدم که رئیس با یکی از همکارها در جلسه تند صحبت کرد
و .... (دیده و شنیده‌ها و ... که توسط حواس ۵ گانه داشته)

۲- ادارک و تطبق با داده‌ها و تجربه‌ها
گفت بیا پس باید برم
قبلا گفته بودن وارد اتاق میشم لبخند بزنم پس باید بزنم
چهره مدیر در هم بود و با یکی هم تند صحبت کرد و در مقابل این اتفاق باید امادگی داشته باشم
و....

۳- پاسخ دادن
بر اساس انچه از ورودی حواس ۵ گانه گرفتم و ترکیبش با دستورالعمل‌ها و تجارب گذشته وارد اتفاق مدیر میشم و رفتار میکنم


گیج نشو! در این مدل مدل گرفتن ورودی از حواس ۵ گانه خیلی برجسته هست نسبت به مدل‌های دیگه اون‌ها به این انداره وابسته به مشاهدات و ورودی‌های جسمی نیستن. این مدل هم درسته در نهایت سراغ حافظه و تجارب گذشته میره و احساس و رفتاری بسته به گذشته خلق میکنه ولی یک فرق جدی اون این هست که اول باید اتفاق به وقوع بپیونده تا بعد شخص داده‌ها رو بگیره حالا بیاد با تجاربش ترکیب کنه و نهایتا احساسات و رفتارها خلق بشن.

این مدل رو شاید حتی بشه گفت بسیار مشابه یک کامپیوتر واقعی هست. منظورم کل موجودیت یک کامپیوتر هست از هارد و رم و CPU بگیر تا موس و کیبورد و بقیه سخت افزارها و از اون طرفم در بحث نرم افزاری از کدهای BIOS بگیر تا سیستم عامل و نرم افزار فایلی که با یک نرم افزار میسازی و چیزی که در اون نرم افزار تجربه و خلق میکنی.

یک مثال دیگه برای بهتر جا افتادش خوبه بزنم. شخص میخواد چایی دم کنه با این مدل: اول کتری رو میبینه، با دست برش میداره، زیر شیر پر میکنه، با فندک گاز رو روشن میکنه، میذار روش تا جوش بیاد، صدای قل قل کردن امد پس جوش امده، چون جوش امده داغ هست پس باید با دستگیره بلندش کنه و داخل قوری اب و بعد چایی بریزه، این دو رو روی هم بذاره، صبر کنه دم بکشه و نهایتا در لیوان بریزه و چون تیره دوست داره بیشتر چایی رو بیشتر میریزه نسبت به ابجوش، صبر کنه کمی خنک‌تر بشه، قند رو برداره و رژیم باشه بدون قند می خوره!

در طول این پروسه دقت کنید مدام شخص در حال بکارگیری و ارتباط مستقیم با دنیای حقیقی هست و از اون طرف با تجربه و علایق و سلایقش هم ترکیب میکنه و این‌ها یکسری قوانین X آنگاه Y بیرونی نیستن بلکه ترکیبی از اونها هست البته بر پایه تعامل با دنیای حقیقی.


۷. Soar

مدل سور (به فارسی معنانی بالغ شدن یا صعود کردن و اینطور چیزا میده).
اینجا اگر میخواهید گیج بشید اشکالی نداره 😅 چون این مدل رو وقتی بررسی میکردم دیدم خیلی جاها با مدل قبلی کلا یکی میدوننش ولی نظر من به نظر اونایی که جدا میدوننش نزدیک‌تره پس جداش کردم.

این مدل Soar هم دقیقا مثل ACT-R هست با یک تفاوت مهم و اون حل مسئله هست! مثلا همون مثال چایی دم کردن در ACT-R رو مرور کنید و فرض کنید وسط این ماجرا یهو گاز قطع بشه شخص میگه خب من چایی میخوام باید چه کنم جواب ذهن اینه که خب برو از کابینت چایی ساز برقی رو در بیار چون برق هست و باز داخل چایی ساز که میریزه می‌بینه روشن نشد چون یادش میاد دوشاخش خراب شده، پیچ گوشتی میاره دو شاخ رو باز میکنه میزنه به برق میبینه باز روشن نشد باز یک سوال چرا جدید و کشف یک راه حل و تجربه تا این که بالاخره یا واقعا به یک بن بست بخوره و به هر دلیلی بشه گفت نه نیمشه ادامه داد یا هم همین طور ادامه میده تا نهایتا چایی دم کنه و بخوره و کار تمام بشه.

نکته: عنوانی که هم ACT-R و هم Soar رو زیر مجموعه اون میدون Cognitive Architectures به معنی معماری‌های شناختی هست و مطالبی مثل خطاهای شناختی که من خیلی دوستشون دارم بیشتر از همه به همین مدل کارکردی مغز مرتبط هستن.


۸. Dynamical Systems

سیستم داینامیک.
این مدل میگه اصلاً این تصمیم فقط به جمله رئیس ربط نداره و از طرف دیگه اگر همه چیزهایی محیطی و اونایی که تجربی هستن رو هم بتونیم ثابت نگهداریم (که سخت و گاهی نشدنی هست) باز هم نمیشه مطمئن گفت احساسات و واکنش های این دفعه با دفعه بعد و دفعه بعد‌ترش یکی خواهد بود چون کلی چیز دیگه مثل میزان خستگی و گشنگی، سطح هورمون‌های اون لحظه، دعوایی که دیشب با پاراتنر داشتم و پیامک تندی که وسط جلسه زد، اب و هوای اون روز، مهمونی پر سر و صدای دیشب همسایه و و خلاصه کلی پارامتر دیگه هست که می‌تونه در احساس و تصمیم دخیل بشه.

البته اشتباه نکنید، این سیستم نمی‌گه احساسات و رفتارها غیرقابل پیش بینی هست یا نمیگه که ماورایی و رندم هستن بلکه میگه چون این سیستم خیلی خیلی پیچیده و پر از هزاران پارامتر کمی و کیفی هست پس درک و پیش بینی و تکرارش بسیار سخت و نزدیک ناممکن می‌تونه باشه. در واقع وجود نظم و قاعده و قانون طبیعت داشتن مثل بقیه مدل‌ها رو انکار نمی کنه فقط حرفش این هست که چون کلی پرامتر کمی و کیفی در اون دخیل هست و خیلی از اون‌ها به راحتی قابل کنترل و تکرار نیستن پس نمیشه به راحتی گفت که از X در موارد این چنینی میشه به Y رسید یا حتی با احتمال بالا گفت که به حدود Y میرسیم و یهو ممکن هست Z رخ بده!

مثل زیر گریه زدن و بعد رفتن زیر بارون قدم زدن برای فردی که در موقعیتی قرار میگیره که خیلی گشته و خسته نیست، همزمان بارونی دل انگیزه میباره، همزمان هوا بهاری هست، سطح هورمون‌های محرک احساسی بالا هست، یک ساعت قبلم قلبش از کسی که عاشقش هست شکسته و کلی چیز دیگه .... که نهایتا منجر میشه اون فرد اون شب بزنه زیر گریه بره زیر بارون قدم بزنه و اتفاقا خیلی هم این کار بش حس ارامش بده و لذت ببره. همین فرد در روز و شرایط نسبتا مشابه این چون فقط یک پارامتر مثلا زمستون بوده این کار رو تکرار میکنه ولی این دفعه جای لذت وسط راه یخ میزنه همزمانم یک ماشین رد میشه اب میپاشه روش و کثیف میشه نتیجه جای ارام شدن میشه کلا از زندگی ناامید شدن. 😅


۹. Embodied Cognition

مدل شناخت تجسمی. خیلی خلاصه بگم این مدل حرفش این هست که همه چیز ذهن نیست. درست حدس زدی و ظاهرا شبیه مدل قبلی یعنی Dynamical Systems به نظر میاد اما یک فرق جدی داره اونم این که در این مدل خیلی مسئله رو به حد Dynamical Systems پیچیده نمی بینه و به اندازه بقیه مدل‌ها هم اون رو ساده در نظر نمی‌گیره.

در سایر مدل‌ها یه جورایی دقت کنید همه چیز نهایتا به ذهن و مغز مربوط میشه حتی در ACT-R هم که میگیم حواس ۵ گانه باز تفسیر و پردازش داده‌ها توسط مغز در اون دخیل هست هر چند که نوعی وابستگی به جسم طرف هم نمیشه گفت که نیست ولی در Embodied Cognition مسئله رو فقط خود فرد چه ذهن چه جسمش نمی بینه و به شرایط و حال و هوای محیط و طرف مقابل و اینا هم مرتبط می‌دونه و از اون طرف برخلاف Dynamical Systems که دست میذاره روی موضوعاتی که واقعا پر از پارامتر هستن شاید هزاران هزار پارامتر کمی و کیفی در Embodied Cognition مسئله رو اولا فقط به تعداد محدودی عامل مرتبط میدونه و دوما ادعاش این هست که اگر بشه شبیه سازی کرد که اغلب هم شاید بشه کرد ما باز همه حوالی همون نتیجه میرسیم.

بحث اختلالات خلقی-جسمی به این حوزه مربوط میشه مثل اتفاقات روانی که در مورد دوران پریود و PMS گفته میشه و شاید شنیده باشید که فرد در دوران PMS فلان خلق‌ها رو داره مثلا زود رنج میشه و خب به واسطه زود رنجی این فرد فلان کارها رو میکنه پس اگر میخوای فلان نشه تو سعی کن به پر و پاش نپیچی یا برای تسکینش فلان کار رو بکنی خوبه.

مثلا تو همین مثلا که مدیر گفته بیا جلسه اگر فرد تو دوره PMS باشه یا گشنه باشه ممکن هست یه طور واکنش داشته باشه و جلسه یه طور پیش بره که در وقتی که اینطوری نیست جور دیگری پیش بره.


آخرش به چی رسیدیم؟

  • بزرگترین درسی که شناخت و درک این مدل ها برای خود من داشت این بود که:
    اولا درک کنم که من در چیزی که به اون میگم زندگی توسط ۹ مکانیزم که برخی از اون‌ها معکوس هم هستن زندگی رو تجربه میکنم.

  • دوما بسته به تغییرات پارامترها احساسات و تصمیم‌ها و رفتارهای متفاوتی خواهم داشت که گاهی اینقدر این‌ها زیاد میشن که حتی خودم هم نمی‌تونم پیش بینی دقیقی داشته باشم از این که در اخر چه احساسی رو تجربه و چطور تصمیم و رفتاری خواهم کرد.

  • سوم این امکان وجود داره که در یک روز همه ۹ مدل رو و حتی در برخی موارد همزمان چند مدل رو با هم اجرا کنم و این تصوراتی که گاهی در ذهن‌ها شکل میگیره که من کلا فلان مدلی هستم به احتمال زیاد یک خطای شناختی هست هر چند که باز از اون طرف اینم میدونم که فرد به فرد میزان و فراوانی بکارگیری این مدل‌ها می‌تونه فرق داشته باشه و یکی فلان مدل رو بیشتر از دیگری استفاده کنه ولی این استفاده بیشتر الزاما ختم به نتیجه تک یا دو مدلی بودن فرد نمیشه.

  • چهارم این که من میدونم که می‌تونم با تلاش هایی میزان فراوانی استفاده از این مدل‌ها رو در ذهنم تغییر بدم. شاید نتونم مغز رو در نهایت به دو یا سه مدل خاص محدود کنم و اون همیشه باز همه مدل‌ها رو تجربه خواهد کرد ولی من می‌تونم با درک اگاهانه این که هر مدلی کجا خوبه کجا بد، حداقل برای لحظات و انتخاب‌های بسیار مهم زندگیم اگاهانه مدل مناسب رو تلاش کنم که به کار بگیرم و سعی کنم تا مانع الگویی که شاید به صورت پیش فرض در ان موقعیت استفاده میکردم و مخرب بود بشم.

reinforcement learningذهننرم افزارمدل
۰
۰
محمد ابراهیمی اول
محمد ابراهیمی اول
یاد می‌گیرم، تجربه می‌کنم، اشتباه می‌کنم و این چرخه من است تا موفق بشم یا ازش درس بگیرم.
شاید از این پست‌ها خوشتان بیاید