Przetwarzanie predykcyjne (PiW)

Ciekawość naukowa i unikanie jednostronności.

Godziny kontaktowe z prowadzącym zajęcia, realizowane w formie np. konsultacji (łączna liczba godzin w semestrze): 10

Godziny kontaktowe z prowadzącym zajęcia, realizowane w formie zajęć dydaktycznych (łączna liczba godzin w semestrze): 30

Przygotowanie się studenta/ki do zajęć dydaktycznych (łączna liczba godzin w semestrze): 30

Przygotowanie się studentki/a do zaliczeń (łączna liczba godzin w semestrze): 15

Studiowanie przez studenta/kę literatury przedmiotu (łączna liczba godzin w semestrze): 20

Prezentacja wybranego tematu lub końcowe kolokwium pisemne (do wyboru), aktywność na zajęciach.

Badania nad przetwarzaniem predykcyjnym w kognitywistyce wywołały duże zainteresowanie w ciągu ostatniej dekady. Wyjściowym założeniem tych badań jest twierdzenie, że podstawowa funkcja umysłu (mózgu) to minimalizacja błędów przewidywania. Z tematem tym można łączyć dość radykalne pytania naukowe, takie jak: czy percepcja jest procesem kontrolowanej halucynacji? czy życie opiera się na minimalizowaniu zaskoczenia?

Przetwarzanie predykcyjne związane jest z działaniem tak zwanego modelu generatywnego, który tworzy predykcje. Czy model ten mieści się po prostu w mózgu? A może w całym ciele; czy może też objąć szerszy lub inny system poznawczy?

Najbardziej chyba ambitne pytanie brzmi: czy koncepcja przetwarzania predykcyjnego ma szansę zostać teorią jednoczącą kognitywistykę?

W badaniach tych stykają się dość różnorodne narzędzia, pojęcia i obszary, takie jak zasada swobodnej energii, wnioskowanie bayesowskie, symulacja i emulacja, wyróżnianie granic systemu poznawczego, matematyczne modelowanie poznania, filozofia umysłu, neuronauka, badania na percepcją, badania nad emocjami, psychopatologia, ekologia poznawcza.

Kurs pozwoli na zapoznanie się nie tylko z badaniami nad przetwarzaniem predykcyjnym, lecz także z poprzedzającymi je podejściami oraz nowymi metodami stosowanymi w kognitywistyce.

Wstępna organizacja tematów spotkań:

1. Wprowadzenie do kursu.

2. Mapa pojęć i problemów.

3. Symulacja, emulacja, predykcja. Historia tezy o przetwarzaniu predykcyjnym.

4. Perspektywa neuronauki: mózg jako maszyna predykcyjna.

5. Podstawy wyjaśniania bayesowskiego.

6. Percepcja, uwaga, działanie. Problem ciemnego pokoju.

7. Wprowadzenie do konserwatywnych i radykalnych koncepcji przetwarzania predykcyjnego.

8. Życie jako minimalizowanie zaskoczenia. Zasada swobodnej energii w wyjaśnianiu naukowym.

9. Wyjaśnianie w kognitywistyce a koncepcja przetwarzania predykcyjnego.

10. Mechanizmy predykcyjne a świat psychoz.

11. Emocje a przewidywanie.

12. Normatywność mechanizmów predykcyjnych.

13. Ekologia poznawcza o roli predykcji.

14. Radykalne zastosowanie zasady swobodnej energii.

15. Podsumowanie zajęć.

Podstawowe źródła (na zajęciach wykorzystamy wybrane fragmenty):

- M. Piekarski. (2020). Mechanizmy predykcyjne i ich normatywność. Warszawa: Wydawnictwo Liberi Libri.

- R. L. Gregory. (1971). Oko i mózg. Warszawa: PWN.

- J. K. O’Regan i A. Noë (2008). Sensomotoryczne ujęcie widzenia i świadomości wzrokowej. W: A. Klawiter, red., Formy aktywności umysłu (s. 138–236). Warszawa: PWN.

- T. Metzinger. (2019). Tunel Ego. Naukowe badanie umysłu i mit świadomego ja. Łódź: Wydawnictwo UŁ.

- J. Prinz. (2008). Emocje jako ucieleśnione oceny. W: A. Klawiter, red., Formy aktywności umysłu (s. 37–72). Warszawa: PWN.

- P. Gładziejewski. (2014*). Kodowanie predykcyjne i reprezentacjonizm. *Tekst roboczy z seminarium IFiS PAN.

- W. Grzenda. (2016). Modelowanie bayesowskie. Teoria i przykłady zastosowań. Warszawa: Oficyna Wydawnicza SGH.

- J. Hohwy. (2013). The predictive mind. New York: OUP.

- K. Friston, K., C. Thornton & A. Clark. (2012). Free-energy minimization and the dark-room problem. Frontiers in Psychology, 3, 130.

- R. Adams, H. Brown & K. Friston. (2014). Bayesian inference, predictive coding and delusions. Avant, 5(3).

- J. Kiverstein & M. Sims. (2021). Is free-energy minimisation the mark of the cognitive? Biology & Philosophy, 36(25).

- P. Nowakowski (2010). Emulujący wywiad… z Rickiem Grushem. Avant, 1(1).

Prowadzący zajęcia zapewnia elektroniczne wersje tekstów lub fragmentów wybranych na potrzeby zajęć.

Wiedza:

W1: Student/ka zna przedmiot badań nad przetwarzaniem predykcyjnym (K_W01, K_W10).

W2: Student/ka zna i definiuje ogólną i specjalistyczną terminologię z zakresu koncepcji przetwarzania predykcyjnego (K_W02, K_W10).

W3: Student/ka zna i rozumie relacje między przetwarzaniem predykcyjnym a procesami psychologicznymi oraz neuronalnymi (K_W05).

W4: student/ka zna metody i narzędzia badań nad zjawiskami poznawczymi związanymi z przetwarzaniem predykcyjnym (K_W03).

W5: Student/ka zna i rozumie różnorodne relacje koncepcji przetwarzania predykcyjnego i badań z nimi związanych z innymi koncepcjami i badaniami w kognitywistyce (K_W03, K_W10).

Umiejętności:

U1: Student/ka potrafi wyszukiwać, selekcjonować, analizować, oceniać oraz integrować informacje z różnych źródeł (K_U01, K_U10).

U2: Student/ka potrafi rozpoznać i opisać zjawiska związane z przetwarzaniem predykcyjnym oraz odnieść do niego odpowiednie metody i narzędzia badawcze (K_U02, K_U08).

U3: Student/ka potrafi analizować średnio specjalistyczne teksty z zakresu badań nad przetwarzaniem predykcyjnym (K_U03).

U4: Student/ka potrafi prowadzić dyskusję w zakresie zróżnicowanej problematyki przetwarzania predykcyjnego (K_U08, K_U10).

U5: Student/ka potrafi komunikować się z użyciem terminologii z zakresu koncepcji przetwarzania predykcyjnego i umiejętnie odnosić ją do innych tematów kognitywistycznych (K_U06, K_U08).

Kompetencje społeczne:

K1: Student/ka rozwija w sobie zdolność krytycznej oceny klasycznych ustaleń i narzędzi analitycznych w obszarze badań nad przetwarzaniem predykcyjnym i ich związku z resztą kognitywistyki, jak również zdolność kreatywnego jej wykorzystania w praktyce naukowej czy zawodowej (K_K01, K_K04).

K2: Student/ka jest przygotowany/a do upowszechniania badań nad przetwarzaniem predykcyjnym i związanych z nimi podstawowych koncepcji (K_K03, K_K05).