認知科学 – ウィキペディア

Posted on by
before-content-x4

認知科学の基本的な分野のイラスト。ジョージ・A・ミラー（2003）の後に無料： 認知革命：歴史的視点。 の： 認知科学の傾向。 7。

認知科学 は、人間と動物または機械の両方で、知覚、思考、意思決定プロセスの文脈で情報の処理を扱う学際的な科学です。記憶、学習、言語、感情、動機、意志などのトピックもあります。 [初め]

after-content-x4

認知科学は、認知プロセスを情報処理と見なすことにより、有機システムや生物、またはコンピューターやロボットなどの人工システムで認知が検討されているかどうかを部分的に抽象化します。系統的に、彼女はさまざまなレベルで働いています：

認知科学に関与している科学科目は、主に心理学、神経科学、コンピューターサイエンス/人工知能、言語学と哲学だけでなく、人類学と社会学でもあります。

認知科学の歴史 [ 編集 | ソーステキストを編集します ]

認知科学の発展は、SOがコールした「認知ターン」の提示に関連しています（1940年から1970年まで）。それまで、行動主義は、行動主義の精神の心理学と哲学において重要な役割を果たしてきました。行動主義は、心理学的研究方法としての内省の問題に対する反応として作成されました。精神内部に関する内省的な報告は、科学者のために外部からチェックされませんでした。これから、心理学は行動の研究に限定しなければならないという行動主義が結果でした。心の哲学の中で、ギルバート・ライルはさらに一歩進んで、精神状態はもはや行動の性質にならないと主張しました。

1956年、マサチューセッツ工科大学はそれを発見しました 情報理論に関するシンポジウム 代わりに、AIの先駆者アレン・ニューウェル、ハーバート・A・サイモン、マーヴィン・ミンスキー、言語学者のノーム・チョムスキーが参加した。チョムスキーは行動主義に対する鋭い批判を提示し、彼の影響力のある変容文法を提示しました。ニューウェルとサイモンは、数学の定理を初めて「証明」することができた論理理論家を提示しました。この開発の重要な先駆者は、ノーバート・ウィーナーによるサイバネティックスの言葉遣いと、チューリングマシンを設計し、チューリングテストを開発したアラン・ツーリングスの仕事でした。

記述された開発の文脈で構成された認知科学は、「心のコンピューターモデル」と呼ばれる中心的な仮定に基づいていました。これは、脳が情報処理システムであり、原則としてコンピューターのように機能するという論文を意味します。スピリットと脳の区別は、ソフトウェアとハ​​ードウェアの区別と同様に理解できます。ソフトウェアがデータ構造とアルゴリズムによって決定されるように、精神は精神的表現とコンピューティングプロセスによって決定されます。ハードウェアを直接調べることなくソフトウェアの抽象的な説明が可能であるように、脳を直接調べることなく、精神的スキルの抽象的な説明を可能にする必要があります。そして、ソフトウェアレベルの存在を唯物論と簡単に調整できる方法では、精神レベルも唯物論的解釈に埋め込むべきです。

after-content-x4

現在の開発 [ 編集 | ソーステキストを編集します ]

心のコンピューターモデルは、ここ数十年で鋭い批判を受けています。この批判には基本的に2つのソースがあります。一方で、脳の説明は認知神経科学によって急速に発展しました。これは、たとえば、心を研究するときに脳を観察しないことを信じがたい画像法の重要性を高めることで見ることができます。一方、コネクティズムとニューロンネットワークのモデリングに応じて、他の成功したアプローチが発展しています。人工ニューラルネットワークは、とりわけニューロン関連の活動をシミュレートするためにプログラムされています。ここでは、ソフトウェアレベルとハードウェアレベルの区別がどの程度可能であるかは疑わしいです。

認知科学における他の代替パラダイムは、例えばB.ダイナミズム（すべての症状または現実が力の影響によって説明できることに応じて教える）、 [2] 人工生命（人工生命）と具体化された状況認知科学。ダイナミズムによれば、動的システムの理論は、認知行動の適切なモデルを提供します。これは、認知行動は常に時間的な文脈で起こり、時間的調整が必要だからです。心のコンピューターモデルで無視されている認知のこの時間的側面が不可欠であると仮定されています。一方、このアプローチは、これらの概念が動的な説明の一部ではないため、内部表現とシンボル操作の中心性に疑問を呈しています（象徴性を参照）。

「人工寿命」とは、人工知能に直面する用語です。抽象的なタスクを解決する代わりに（チェスの位置を分析する）、それは多くのソリューションの数のために難しいと思われますが、コンピューターを理解するのは簡単です。単純に表示される多くのタスク（ランニング、友人や敵が認識し、ボールをキャッチする）は、現在、コンピューターやロボットによってまったく限られていないか、非常に制限されていません。

次に、具体化された状態の認知科学は、特定の身体（具体化、具体化）と特定の環境（サイト）を参照せずに認知を説明できないと仮定します。これらの要求は、認知は、正確なセンサー、運動能力、外の世界の時間と比較的独立している抽象的な象徴的な表現の世界で起こるプロセスであるという疑いから生じます。まあ – この見解の有名な代表者は、アルバ・ノエ、スーザン・ハーレー、エヴァン・トンプソン、フランシスコ・バレラ、ケビン・オライガンです。具体化された状況に富んだ認知科学の一部として、心の古典的な分析哲学とのリンクがしばしば求められます。

提示されたこれらのさまざまな流れ（コネクティズム、ダイナミズム、人工生活、サイト、具体化）は、しばしばキャッチフレーズの下にあります neue ki（new ai） それらはzのために要約されています。 T.彼らの要求と仮定に重複しています。ただし、施設、結果、および応用の多くの点で自分自身が異なるか、矛盾するため、それらは一致すると見なすことはできません。

心のコンピューターモデルに対する批判は、一時的に認知科学の一般的な質問につながりました。しかし、それまでの間、波は大部分が滑らかになっています。認知科学者は現在、ニューラルネットワークを使用しており、認知神経科学と密接に接触しています。

認知科学では、人間の意識や自己自信を必要とするトピックが調べられます。この目的のために、知覚、思考、記憶などの意識の個々の側面は考慮され、一般的に精神状態と呼ばれます。学習、問題解決、発言などの「より高い」認知スキルは、前提としています。つまり、精神状態。したがって、認知科学にとって、精神状態のスピーチが意味することを明確にすることは、非常に重要です。心のコンピューターモデルは、心の哲学 – 機能主義の古典的な立場です。

1960年代にヒラリーパトナムによって開発された機能主義は、精神的状態は機能的状態であると主張しています。因果的な役割により、システムで機能的条件が指定されています。機能状態の概念は、単純なマシンの例を使用して非常によく説明できます。キャンディーマシンを想像します。ユーロを受け取った後、これはキャンディーを捨てます。これで、さまざまな状態の機械を説明できます。自動マシンがキャンディーを露出して、さらなるお金をかけずに需要がある状態がなければなりません。ただし、マシンが何かを捨てるために1ユーロまたは50セントを要求する条件もある必要があります。マシンのこれらの各条件は機能的な条件です。特定の入力（こちら：50セントまたは1ユーロ）で特定の方法で反応するという事実によって指定されています。特定の出力（ここ：キャンディーかどうか）があり、別の状態に渡されます。

この考慮事項の決定的な要因は、機能状態の説明は、キャンディーマシンがどのように具体的であるかに依存しないことです。精神状態も機能的条件である場合、脳の機能状態が脳内またはコンピューター内の機能状態が実現したかどうかも関係ありません。これにより、コンピューターが精神的条件を持つことができるように、指定する必要がある条件が作成されます。コンピューターは同じ機能条件を実装する必要があります。これも可能です。 1936年にアランチューリングによって策定されたアランチューリングは、基本的に機能的条件を実現できます。

人々は、記憶、言語、知覚、問題解決、知的意志、注意など、さまざまな認知スキルを持っています。認知心理学の目的は、これらのスキルの特異性を研究し、可能な限り正式なモデルで説明することです。これらのモデルは、として使用できます 認知アーキテクチャ コンピューターで実現してください。人工知能（AI）は、機械に認知スキルを実装することも目指しています。認知アーキテクチャとは対照的に、人工剤は、人々が使用していない戦略を使用することもできます。

問題解決 [ 編集 | ソーステキストを編集します ]

「問題解決」は、ターゲット状態に到達することを目的としたアクションと呼ばれます。したがって、問題解決プロセスは毎日のものであり、毎日の計画、計算、チェスの再生、または旅行のルート計画に必要です。それは、機械に問題を解決する能力を提供するために、早い段階で人工知能の目標でした。

スタートとターゲット状態は、人工知能で指定されています。タスクは、目標への（または）方法を見つけることです。原則として、2つのアプローチがあります。一方で、プログラムは、深い検索または幅を検索するときに行われるように、すべての異なる方法（ブルートフォース方法）を試すことで、目標への道を盲目的に見つけることができます。ただし、NP固有の問題の可能な方法の数が非常に高いため、試行がマシンのコンピューティング容量を超えるため、このアプローチはすぐに制限に達します。そのような場合、A*アルゴリズムなど、ヒューリスティックを使用する検索アルゴリズムが必要です。ヒューリスティックは、最も有望な手順である選択メカニズムを説明しています 前 実行を決定してみてください。

Heuristikenと集中的に働いた最初のプログラムは、Allen NewellとHerbert A. Simonの一般的な問題解決者（GPS）でした。 GPSは、タワーのフォンハノイゲームなどのソリューションを見つけることができました。ゲームは、さまざまなサイズと3つの競技場で構成されています。ゲームの開始時に、すべてのペインが左フィールドにあります。すべてのウィンドウが正しいフィールドにあるときに目標に達します。ただし、各ペインは大きなペインにのみ横たわっている可能性があり、左、中央または右のスペースのいずれかに1つのディスクのみが移動できます。アルゴリズムの問​​題は解決できますが、可能な経路の数が急速に増加するため、人々はしばしばこのヒューリスティックでこの問題を解決します。

ハノイからの塔

ハノイの塔のようなゲームの解決策は、人工知能の初期の時代に人気のある仕事でした。これは、非常に限られた数のアクションのみが可能であり、予期せぬイベントがないという事実によるものです。これにより、認知戦略の実験的チェック可能性を容易にすることができます。対照的に、レストラン訪問の「実行」の成功など、複雑な日常のタスクにも専念しています。

認知アーキテクチャ [ 編集 | ソーステキストを編集します ]

認知アーキテクチャの目標は、包括的なコンピューターモデルにおける認知心理学のさまざまな結果を要約することです。ただし、結果は、コンピュータープログラムの基礎となることができる非常に正式な形式で利用できる必要があります。個々の結果の要約により、一方では、包括的な認知理論と他方では、商業的に使用できるモデルを作成する必要があります。最も成功した3つの認知アーキテクチャは、ACT-R（思考の適応制御、ACT）、SOAR、EPICです。 PSIモデルでは、近年、別のアプローチが提示されています。これは、主に他のアーキテクチャと比較して一般的な心理学の現在の状態に基づいています。

ACT-Rは、多くのモジュールを備えた生産システムです。入力モジュールと出力モジュール、生産メモリ、宣言的メモリで構成されています。ターゲットモジュールは、生産システムでどの目標を追求すべきかを決定します。生産メモリには、選択された目標を達成するかどうか、および作業メモリ（または作業メモリの異なるパーティション）にどのコンテンツが存在するかを決定する場合に実行されるアクションを決定するルールが含まれており、アクションを正常に実行できるようにします。この「パターンマッチング」は、生産ルールの選択につながり、出力モジュールのアクションを決定する可能性があります。

認知的アーキテクチャは、特定の基準の履行によって特徴付けられます コア認知基準 （CCC）。これらは： [3]

これらのプロパティを満たすコンピューターシステムは、IBM deepqaです。

言語制御は、人間の卓越した認知スキルの1つです。言語への情熱も、他のいくつかの認知スキルに関する処分の前提条件です。言語がなければ、少なくとも多くの考えは考えられず、多くの問題を解決することができませんでした。言語は常に認知科学において中心的な役割を果たしてきました。一方では、人間の言語制御がどのように可能かについて疑問が生じ、一方で、マシンを作る方法を言語制御に持ち込む方法が生じます。

人間の言語能力 [ 編集 | ソーステキストを編集します ]

人々が通常言語を学ぶことができるのはどうですか？ 20世紀まで、他の人との対話で言語ルールをフィルタリングすることで言語の習得を説明できるという意見がありました。たとえば、「認知主義」と呼ばれるこのような立場は、Jean Piagetに代表されていました。彼女によると、話す能力は一般的な思考能力に由来しています。ノーム・チョムスキーは初めて、彼の「ネイティブ」の位置でこの理論に直面していました。チョムスキーは、人々は言語習得を可能にする言語器官を遺伝的に装備していると主張しています。言語器官は脳にありますが、定義されたニューロン領域としてではありません。

世界ソーシャルフォーラム2003年のノームチョムスキー

チョムスキーは、言語習得は認知主義的アプローチによって説明できないと主張している。他人の言語入力は、正しい話すルールを決定するのに十分ではありません。一方では、音声言語は非常にしばしばumpramaticであるため、入力が不足しています。一方、この入力は、実際には彼らを作っていない学習子供の間で文法的な間違いを許可します。チョムスキーは、言語習得に使用できる先天性言語知識がなければならないと結論付けています。この生来の知識は、特に普遍的な文法がすでに生まれてから与えられているという文法的知識です。参照：先天性またはネイティブのアイデア。

チョムスキーの仮説がありました 言語学戦争 1960年代と1970年代の科学的議論は、彼の構文指向の解釈セマンティクスによるジョージラコフと彼の科学的議論を批判しました。 ユニバーサルフレーム SO -Calledから 相対性の言語理論 ベンジャミン泡立ち。

1980年代以来、研究は、Piagetと同様に、言語習得における社会化に焦点を当てている概念にますます後退しています。チョムスキーのアプローチのように、伝統的な「頭の哲学」全体が構成主義的な概念です [4] 神経生物学的モデルによって質問されました：

ナッハ・フンベルト・マチュラナとフランシスコ・バレラ [5] – また、知識の木（Elárboldel Conocimiento 1984） – 脳は入出力モデルのように構成されていませんが、何百万もの運動神経細胞をつなぐ100億インター神経間のネットワークを持っています。 並列処理 。 aの代表的なアイデア 図 神経系の他の部分からの数百のニューロンが収束し、神経系の他の部分からのスイッチングポイントでオーバーレイにつながるため、脳の1つの用語はマチュラナとバレラにとって耐久性がほとんどありません。神経系は機能しません 表現 独立した屋外の世界。 言葉 世界のオブジェクトや状況の名前として、それは事実ではないでしょう 構造結合 公正で、むしろ、それらは存在論的に定義された調整です 振る舞う 。 MaturanaとVarelaによると、言語は制服で作成されていません 下書き （脳の一部ではありません）が、アクションを調整することによって学習された変数です コミュニケーション行動 （言語は環境の一部であり、「言語の豊かな」と呼ばれています。 [6] 私たちの一般的な「言語では[ – ]は、私たちが意識として、または「私たちの精神」と「私たちのエゴ」として経験するものです。 [7] ））

対話と専門家システム [ 編集 | ソーステキストを編集します ]

機械に言語スキルを装備しようとする試みは、しばしば対話システムに反映されます。ダイアログシステムは通常、キーボードを介して通話するために使用できるコンピュータープログラムです。最初に成功したダイアログシステムの1つは、1966年のJoseph WeizenbaumによるElizaでした。エリザは心理療法士をシミュレートします。フレーズを巧みに使用することで、「Xについて詳しく教えてください」または「Xの頻繁に考えてください」として、Elizaのテスト担当者は、人間以外の存在について長い間被験者を欺くことができました。一部の被験者は、テストの状況を超えた問題についてエリザと個人的に話したいと思っていたほどよく理解されていると感じていました。ただし、治療状況の状況に適合しないElizaの質問をすると、Elizaは合理的な答えに答えることができません。

ジョセフ・ワイゼンバウム（1923-2008）、エリザの発明者

ダイアログシステムに関連するのは、現在、多数の商用アプリケーションを持っている専門家システムです。専門家システムは、人間の専門家の知識を保存し、ユーザーが利用できるようにしようとします。アプリケーションは、たとえば、自動医療や技術の専門家です。これらの専門家は、プログラムが知識を持っている機能する知識表現を必要とします。包括的な知識表現では、必要な知識を常に使用できるように、マテリアルは好ましい方法で構造化されなければなりません。知識要素間の関係は明確であり、開発者がコンテンツを見落とし、必要に応じて拡張できるようにします。

チューリングテスト [ 編集 | ソーステキストを編集します ]

ダイアログシステムの魅力は、コンピューターの先駆者であるAlan Turing 1950によって策定された思考実験と密接に関連しています。チューリングは、コンピューターをインテリジェントと見なすことができる時期の問題の決定の明確な基準を探していました。彼の答えは有名なチューリングテストでした。人はコンピューターバイ画面とキーボードで対話をします。コンピューターは、それが人との対話なのか、それともコンピュータープログラムとの対話なのかを判断するのが難しいと思う場合、インテリジェントと見なすことができます。

今日のダイアログシステムは、チューリングテストに合格することからまだかけ離れています。プログラムがそれに合格するために何ができるかを考えると、これは驚くことではありません。たとえば、ジョークは、暗示と皮肉を説明し、理解し、文脈に適応した質問と回答を策定できるはずです。チューリングテストがある最初のプログラムの開発者のためのローブナー賞が存在します。

チューリングテストに対して多くの批判がありました。最もよく知られているのは、おそらくジョン・サールズ中国の部屋の議論です。これは、チューリングテストの存在が言語を理解するのに十分ではないことを示すはずです。あなたが巨大な図書館にいたと想像してください。外から、葉があなたが理解していない漢字で渡されます。漢字の結果のみが図書館の本に記録されているため、葉に弦が選択されるようになりました。各文字列には本に別の文字列が割り当てられ、最終的にシートに書かれて外側になります。この手順を通じて、それはまるで中国人が別の中国人と理解しているかのように外部の中国人には見えます。あなたは自分自身を理解していません、そして図書館も中国語を理解していません。したがって、システムは、言われたことの火花を理解することなく、チューリングテストに合格する可能性があります。

人工ニューロンネットワークの簡素化された表現

認知科学では、コネクティズムの発展は強い変化をもたらしました。認知スキルは、古典的な人工知能の象徴的なプログラミング言語でシミュレートされていますが、心のコンピューターモデルによると、人工ニューロンネットワークはコネクショニングで使用されています。人工ニューロンネットワークは、単純なユニットの相互接続であり、SOコールされた人工ニューロンです。ニューロンは、アクティビティを隣接するニューロンに渡すことができます。その結果、特定の入力とともに複雑な励起パターンが発生する可能性があり、これにより出力が生成されます。

ニューラルネットワークの概念は、1943年にWarren McCullochとWalter Pittsによって開発されました。 1949年、心理学者のドナルドO.ヘブは、ニューロンネットワークの概念に統合できるヘブビアン学習ルールを開発しました。 HEBBによると、学習は、ニューロン間の個々の接続を重み付けることによって説明できます。学習は、ニューロン間の重みを変更することによって行われます。ニューロンネットワークを学習するモデルに向けたこの初期の発展にもかかわらず、認知科学は長い間象徴的なアプローチに限定されたままでした（GOFAI）。

新しいネットワークを増やすことが認知科学でますます使用されているのは1980年代以来初めてでした。これは特に、ニューラルネットワークが象徴的なアプローチがかなり失敗したタスクを実行できるという事実によるものです。このようなタスクには、パターン認識または動きが含まれます。この開発は理論的に重要です。コネクショニズムは、ソフトウェアとハ​​ードウェアの区別をもはや認識していません。これは、古典的な認知科学にとって非常に重要です。

認知科学の主な目標の1つは、認知の統合理論を開発することです。これには、脳の空間的に分離された（サブ）皮質領域でも発生する情報処理が、コヒーレントな知覚と象徴的な表現につながるために、調整および接続されている統合メカニズムが必要です。 1つのアプローチは、この「結合問題」を行うことです [8] [9] [十] （すなわち、最も単純な知覚表現（「特徴結合」）から、シンボル構造（「変数結合」）などの最も複雑な認知表現まで、情報要素の接続の動的表現の問題）、統合同期メカニズムの助けを借りて。言い換えれば、調整メカニズムの1つは、ニューロンネットワークの動的自己組織化プロセスに基づいたニューロン活動の時間的（位相）同期であると思われ、神経生理学からの結合による（BBS）仮説によって記述されています。 [11] [12番目] [13] [14] 統合的同期メカニズムを使用して、知覚の認知と言語認知の認知におけるこの結合問題を解決するコネクショニストの認知神経アーカイテクチャが開発されました。 [15] [16] [17] 知覚認識では、これは、オブジェクトの色やオブジェクト形式などの基本オブジェクトのプロパティとオブジェクトのプロパティが、同期メカニズムを使用してこの知覚のオブジェクトの表現（「特徴バインディング」）に動的に接続または統合される方法の問題です。言語認知では、これは、セマンティックの概念と構文的な役割が動的に接続されているか、同期メカニズムによる系統的および構成シンボル構造や命題などの複雑な認知表現に統合される方法の問題です（「変数結合」）（「象徴性とコネクショニズムの討論」も参照）。

米国だけでなく、イギリス、オーストラリア、オランダでも、認知科学は広範で認識されている主題です。流入施設は、ラトガース大学、タフツ大学、カリフォルニア大学サンディエゴ校、カリフォルニア大学バークレー校にあります。

しかし、ドイツでは、認知科学はまだ研究コースとして広まっていません。 Osnabrück大学では、学士号、修士課程、博士課程を備えた別の認知機関があります。テビンゲン大学では、2009/2010年冬学期以来数学的科学教員からの認知科学の学士号と修士課程が提供されています。ダルムシュタット工科大学は、2019/2020年冬学期から「認知科学」コースを提供しています。 [18] 未成年者として、アルバートルートヴィヒス大学フライブルクとポツダム大学で認知科学を学ぶことができます。 2012/2013年冬学期以来、修士号コースが提供されます。 WS 2013/2014以来、英語 – 認知科学のコース（M.Sc.）がTu Kaiserslauternで提供されています。関連する科目は、ビーレフェルド大学の認知コンピューターサイエンスの学士号、オットーフォンゲリック大学マグデブルクおよびメイの学士号「哲学 – 神経科学 – 認知」：Cogsci、共同学位」 認知科学における中ヨーロッパの学際的マスタープログラム 「それはウィーン、ブラチスラバ、ブダペスト、リュブリャナの大学を一緒に提供しています。 Duisburg-Essen大学には、「Applied Cognitive and Media Science」の学士号と修士号があります。 Chemnitzの工科大学では、学士号とマスターコースは、技術的なセンサー、人間の知覚、自然および人工認知システムに焦点を当てている2009/2010年の冬学期以来、センサーとマスターのセンサーと認知心理学のコースに携わっています。 [19]

序章：

  • ジョン・R・アンダーソン： 認知心理学。はじめに 。 Spectrum of Science、Heidelberg 1988、ISBN 3-922508-19-7。 よく発見された紹介ですが、神経科学への言及はほとんどありません。
  • ハワード・ガードナー： 思考の軌跡に。認知科学の道 。クラスクロッタ、1989年のStartGart U. Ö。、ISBN 3-608-93099-X、ISBN 3-608-95866-566。 認知科学の歴史の古典的な表現。
  • マヌエラ・レンゼン： 自然および人工知能。認知科学の紹介 。キャンパス、フランクフルトはメインu。 a。 2002、ISBN 3-593-37033-6。 短い、レイフレンドリーな紹介。
  • キリスト教の納屋、ロールクライム： 知性を理解する 。 MIT Press、Cambridge（Mass。）1999、ISBN 0-262-1681-8。 認知研究における現代のアプローチの表現。
  • ポール・タガール： 認知科学。教科書 。 Klett-Cotta、Stuttgart 1999、ISBN 3-608-91919-8。 また、哲学的および方法論的な側面に集中した、友好的な紹介にもなります。
  • マックスウーチ： マシン – ボディ – マインド。認知科学の紹介 。 Vittorio Klostermann、Frankfurt Am Main 2002、ISBN 3-465-03196-2。 数学者と哲学者の包括的で理解できる紹介。
  • フランシスコJ.バレラ： 認知科学、認知技術。現在の視点のスケッチ 。 Suhrkamp、Frankfurt Am Main 1990、ISBN 3-518-28482-7。 コンピューターの比phorに基づいた古典的な認知科学ではなく、それほどではありませんが、有機志向のことについて説明しています。

テキストsammlungen：

Lexica：

  • ロバート・A・ウィルソン、フランク・C・ケイル（編）： 認知科学のMIT百科事典 。 MIT Press、Cambridge（Mass。）U。 a。 2001、ISSBR 4-262-73141410-4。 英語 – 言語標準作業。
  • Gerhard Strube et al。 （編） 認知科学の辞書 。 Klett-Cotta、Stuttgart 1996、ISBN 3-608-91705-5。 CD-ROMとして：Klett-Cotta、Stuttgart 2001、ISBN 3-608-94167-3。

個々のトピック：

  • Ansgar Beckermann： 霊の哲学への分析的紹介 。第2版​​。 de Gruyter、ベルリンu。 2001、ISBN 3-11-017065-5。 心の哲学への非常に密集した紹介。
  • レイナーディートリッヒ： Psycholinguistik 。 Metzler、Stuttgart 2002、ISBN 3-476-10342-0。 言語学の認知的側面の友好的な紹介ですが、神経言語学はありません。
  • E.ブルースゴールドスタイン： 認知心理学。心、研究、日常の経験をつなぐ 。トムソン・ワズワース、ベルモント（カリフォルニア州）u。 a。 2004U.ö.、ISBN 0-534-57726-1。 認知心理学の最新かつ最も広範な教科書の1つ。
  • Klaus Mainzer： KI-人工知能。インテリジェントシステムの基本 。 Primus、Darmstadt 2003、ISBN 3-89678-454-4。 科学理論家によって書かれたAIの紹介。したがって、非情報については理解できます。
  • Horst M.Müller： 心理言語学 – 神経言語学。脳内の言語の処理 。 UTB、Paderborn 2013、ISBN 978-3-8252-3647-2。
テーマの紹介
社会
研究所と研究グループ
データベースと左翼コレクションは不可欠であり、研究者です
認知科学の学位を提供する国際研究所のリスト
  1. ↑ VGL。マーガレットボーズ： 機械としての心。認知科学の歴史 、オックスフォード大学出版局、オックスフォード2006、S。10ff。
  2. ↑ ダイナミズム – wiktionary。 2021年4月16日に取得 。
  3. ↑ クリス・エリアス： 脳の構築方法：生物学的認知のための神経アーキテクチャ 。オックスフォード大学出版局、2013年、ISBN 978-0-19-979454-6。
  4. ↑ ハインツフォンフォースターなど： 構成主義の紹介 。 Carl-Friedrich-von-Siemens Foundationの出版物、5;ミュンヘン、チューリッヒ：Piper-TB、2006年。
  5. ↑ Humberto R. Maturana und Francesco J. Varela： 知識の木。人間の認識の生物学的根 。 Frankfurt 2010、S。175ff。
  6. ↑ Maturana and Varela、2010、p。226。
  7. ↑ Maturana and Varela、2010、p。251
  8. ↑ ハードキャッスル、V.G。 （1998）。 「拘束力のある問題」。 W. Bechtel＆G。Graham（編）、認知科学の仲間（pp。555-565）。ブラックウェル出版社、マルデン/MA、オックスフォード/英国。
  9. ↑ Hummel、J。（1999）。 「拘束力のある問題」。 In：R.A。ウィルソン＆F.C。 Keil、認知科学のMIT百科事典（pp。85-86）。ロンドン、マサチューセッツ州ケンブリッジ：MITプレス。
  10. ↑ Malsburg、C。VonDer（1999）。 「バインディングの何となぜ：モデラーの視点。」ニューロン。 24：95-104。
  11. ↑ グレイ、C。M。＆シンガー、W。（1989）。 「猫の視覚皮質の方向カラムにおける刺激特異的ニューロン振動」。アメリカ合衆国科学アカデミーの議事録。 86：1698-1702。
  12. ↑ シンガー、W。（1999b）。 「ニューロンの同期：関係の定義のための汎用性のあるコード。」ニューロン。 24：49-65。
  13. ↑ 歌手、W。＆A。ラザール。 （2016）。 „脳皮質は、情報処理のために高次元の非線形ダイナミクスを活用しますか？」計算神経科学のフロンティア10：99。
  14. ↑ シンガー、W。（2018）。 „ニューロン振動：避けられない、有用ですか？」欧州神経科学ジャーナル。 48：2389-2399。
  15. ↑ Maurer、H。（2021）。認知科学：現代のコネクショニズムの認知的神経文化環境における統合同期メカニズム。 CRC Press、ボカラトン/FL、ISBN 978-1-351-04352-6。 doi： 10.1201/9781351043526
  16. ↑ Maurer、H。（2016）。 „コネクショニスト認知神経アーチテクチャにおける統合同期メカニズム」。計算認知科学。 2：3。doi： 10.1186/s40469-016-0010-8
  17. ↑ マーカス、G.F。 （2001）。代数的心。コネクショニズムと認知科学の統合。ブラッドフォードブック、The MIT Press、ケンブリッジ、ISBN 0-262-13379-2。
  18. ↑ https://www.tu-darmstadt.de/studieren/studieninteressierte/studienangbot_studiengaenge/studiengang_196608.de.jsp
  19. ↑ https://www.tu-chemnitz.de/physik/seko/infoscsc.html
after-content-x4