本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：已發表論文
- 日期：2022-09-02
摘要
人類學習者獲得複雜的相互關聯的關係知識網絡。這種學習的能力自然取決於兩個因素：知識網路本身的架構（或資訊結構）以及編碼和處理資訊的運算單元（大腦）的架構。也就是說，學習依賴兩個層面的整合網路架構：認知層面和運算層面，或是概念層面和神經層面。出於理解人類傳統知識的願望，在這裡，我們討論了評估關係知識可學習性網絡約束的新興工作，以及實例化熱力學和資訊理論原理的統計物理學理論，為此類約束提供解釋模型。然後，我們強調了在一個層面上對關係網絡可學習性的限制與在另一個層面上對神經系統中互連模式的發展的物理限制之間的相似性，兩者都導致了分層模組化網絡。為了支持我們對這些相似性的討論，我們在建模者（例如人腦）、模型（例如單個人的知識）和被建模者（例如我們經驗中存在的資訊）之間進行了操作上的區別。然後，我們轉向哲學討論，討論我們是否以及如何將我們的觀察擴展到有關知識獲取的解釋和機制的主張。在概念和神經層面上，分層網路之間的什麼關係最有利於學習？最佳可學習網路的架構是否是同等發展的神經網路架構的拓樸反映？最後，我們提出了一些認識論規範來分析計算大腦和社會認識論，並制定有利於好奇思維的教學原則，從而為生物網絡中的層次結構和層次提供了統一的方法。本文是主題「統一生物網路的基本概念：生物學見解和哲學基礎」的一部分。