Modelli simulativi per le Scienze Cognitive Paolo Bouquet (Università di Trento) Marco Casarotti (Università di Padova)

Due problemi Quando si parla di macchine e processi cognitivi, spesso si confondono due tipi di questioni: Questione metafisica: cosa vuol dire avere una mente? Questione epistemologica: è metodologicamente corretto usare i computer per simulare processi cognitivi?

Domande metafisiche Possono le macchine pensare? Può un computer avere una mente? L’intelligenza è una proprietà esclusiva degli esseri umani, o anche una macchina può averla? Può una macchina avere coscienza? Può una macchina avere auto-coscienza? Può una macchina avere stati intenzionali? Può una macchina avere credenze, desideri, intenzioni? Una macchina “intelligente” ha dei diritti? ....

Domande epistemologiche E' la mente un sistema computazionale? Sono le “computazioni” della mente simili a quelle di un (attuale) computer? Se sì, in che senso? Cosa possiamo imparare dalla simulazione di processi cognitivi su computer? Cosa NON possiamo imparare? Che relazione esiste tra simulare e spiegare un processo cognitivo?

Il corso Il corso mira a fornire gli strumenti per rispondere con cognizione di causa a problemi di tipo epistemologico: In particolare: Nots and Bolts: definizione di funzione, algoritmo, programma introduzione di una nozione rigorosa di processo computazionale e delle sue proprietà: macchine di Turing due livelli di simulazione: neurale (sub-simbolico) rappresentazione della conoscenza (simbolico)

Modelli neurali Il modulo ha lo scopo di fornire le basi teoriche, concettuali e pratiche della simulazione dei processi cognitivi con reti neurali artificiali. Prima parte: introduzione al connessionismo (differenze tra l’approccio tradizionale basato su rappresentazioni simboliche e l’approccio connessionistico basato su rappresentazioni sub-simboliche) problema della plausibilità biologica nell’ambito dei modelli simulativi dei processi cognitivi con reti neurali. Seconda parte: aspetti teorici delle reti neurali e algoritmi di apprendimento. Terza parte: utilizzo specifico delle reti neurali come metodo di ricerca nelle scienze cognitive (modelli connessionistici delle funzioni cognitive normali e patologiche). Parte pratica: utilizzo delle reti neurali.

Modelli neurali - Contenuti Introduzione al connessionismo [2] Elementi teorici delle reti neurali [8] Algoritmi d’apprendimento [4] Le reti neurali come metodo di ricerca [4] Presentazione di modelli rilevanti [2] Esercitazioni pratiche [4]

Modelli neurali - Bibliografia Testi di riferimento D. Parisi (1988). Intervista sulle reti neurali. Il Mulino, Bologna. Floreano D., Mattiussi C. (2002). Manuale sulle reti neurali. Il Mulino, Bologna. Lucidi delle lezioni Approfondimenti: Quinlan P.T. (1994). Connessionismo e psicologia. Il Mulino, Bologna.

Modelli simbolici Scopo del modulo è fornire le basi teoriche, concettuali e pratiche della simulazione dei processi cognitivi con strumenti simbolici. Prima parte: nozioni di problem solving in spazi simbolici nozioni di rappresentazione della conoscenza elementi di logica e ragionamento formale Seconda parte: lo studio del ragionamento deduttivo e del ragionamento di senso comune. Terza parte: utilizzo di strumenti di simulazione per il ragionamento.

Modelli simbolici - Bibliografia M. Frixione, D. Palladino. Funzioni, macchine, algoritmi. Carocci, 2004. Dispensa di logica elementare Articoli su temi specifici Materiale distribuito a lezione