[논문 리뷰] Grounded Symbols in the Brain Computational Foundations for Perceptual Symbol System

Leonid Perlovsky, Roman Ilin|arXiv (Cornell University)|2010. 10. 20.

Cognitive Science and Education Research참고 문헌 129인용 수 30

한 줄 요약

이 논문은 인간 인지 기능을 모델링하는 데 있어 고전적 AI와 연결주의 모델의 한계를 극복하기 위해 지각 상징 체계(PSS)의 계산 기반으로 동적 논리(DL)를 제안한다. 이는 지각적 표현의 모호함에서 명확한 표현으로의 진화 과정을 모델링함으로써 인지 기능을 동적 과정으로 설명한다. DL은 기초적인 PSS 기제들인 기초화, 생산성, 유도, 재귀, 상징-언어 상호작용을 지원함으로써, 검증 가능한 신경영상 예측을 포함한 통합적이고 수학적으로 탄탄한 인지 이론을 제공한다.

ABSTRACT

We describe a mathematical models of grounded symbols in the brain. It also serves as a computational foundations for Perceptual Symbol System (PSS). This development requires new mathematical methods of dynamic logic (DL), which have overcome limitations of classical artificial intelligence and connectionist approaches. The paper discusses these past limitations, relates them to combinatorial complexity (exponential explosion) of algorithms in the past, and further to the static nature of classical logic. The new mathematical theory, DL, is a process-logic. A salient property of this process is evolution of vague representations into crisp. The paper first applies it to one aspect of PSS: situation learning from object perceptions. Then we relate DL to the essential PSS mechanisms of concepts, simulators, grounding, productivity, binding, recursion, and to the mechanisms relating grounded and amodal symbols. We discuss DL as a general theory describing the process of cognition on multiple levels of abstraction. We also discuss the implications of this theory for interactions between cognition and language, mechanisms of language grounding, and possible role of language in grounding abstract cognition. The developed theory makes experimental predictions, and will impact future theoretical developments in cognitive science, including knowledge representation, and perception-cognition interaction. Experimental neuroimaging evidence for DL and PSS in brain imaging is discussed as well as future research directions.

연구 동기 및 목표

• 고전적 AI와 연결주의 모델이 인간 인지 기능을 모델링하는 데 겪는 문제, 특히 조합 폭발과 정적 논리의 한계를 해결하기 위해.
• 모호한 표현에서 명확한 의미 있는 상징으로의 진화를 가능하게 하는 동적이고 과정 기반의 논리(Dynamic Logic)를 개발하기 위해.
• 지각, 인지, 언어 기초화를 통합하는 지각 상징 체계(PSS)의 계산 기반을 제공하기 위해.
• 개념 형성, 시뮬레이터, 유도, 재귀, 기초화된 상징과 일반화된 상징 간 상호작용과 같은 핵심 인지 기제를 설명하기 위해.
• 미래의 인지 과학 연구와 신경영상 연구를 위한 검증 가능한 예측을 도출하기 위해.

제안 방법

• 인지 기능을 모호한 표현에서 명확한 표현으로 진화시키는 과정으로 모델링하는 동적 논리(DL)를 과정 논리로서 도입하기 위해.
• 물체 인식에서의 상황 학습에 DL을 적용하여 점진적인 상징 기초화의 능력을 입증하기 위해.
• 수학적 구조를 활용해 진화하는 표현을 기반으로 하여 DL 프레임워크 내에서 PSS 기제들인 개념 형성, 시뮬레이터, 유도, 재귀를 형식화하기 위해.
• DL이 동적 맥락에서 추상화와 상징 조작을 처리할 수 있는 능력을 통해 기초화된 상징과 일반화된 상징을 통합하기 위해.
• DL을 활용해 언어 기초화를 모델링하여 언어적 상징이 어떻게 지각적 경험과 추상적 인지와 연결될 수 있는지 보여주기 위해.
• DL에서 유도된 신경생물학적 예측을 통해 이론을 신경영상 연구에서 측정 가능한 뇌 활동 패tern과 연결하기 위해.

실험 결과

연구 질문

• RQ1 어떻게 계산 모델이 고전적 기호 기반 AI와 연결주의 접근 방식에서 내재된 조합 폭발 문제를 극복할 수 있는가?
• RQ2 어떤 수학적 프레임워크가 모호한 지각적 표현에서 정밀한 상징적 인지로의 동적 진화를 가능하게 하는가?
• RQ3 동적 논리(DL)는 지각 상징 체계의 핵심 기제들, 예를 들어 유도, 생산성, 재귀를 어떻게 지원하는가?
• RQ4 어떤 방식으로 동적이고 과정 기반의 논리가 언어를 지각에 기초화할 수 있는가?
• RQ5 제안된 동적 논리 프레임워크에서 어떤 신경영상 서명을 예측할 수 있는가?

주요 결과

• 동적 논리(DL)는 모호한 지각적 표현에서 명확한 상징적 인지로의 전이를 성공적으로 모델링하여 조합 복잡성 문제를 해결한다.
• 이 이론은 개념 형성, 시뮬레이터, 재귀 처리와 같은 핵심 지각 상징 체계 기제들을 통합적인 수학적 프레임워크로 제공한다.
• DL은 지각 경험을 통해 추상적 상징의 기초화를 가능하게 하여 언어와 지각의 통합을 뒷받침한다.
• 모델은 동적 상징 형성과 일치하는 특정한 신경영상 패턴을 예측하여 뇌 영상 검증을 위한 검증 가능한 가설을 제공한다.
• 이 프레임워크는 기초화된 상징과 일반화된 상징 간의 상호작용을 지원하여, 지각 경험에서 추상적 인지가 어떻게 기초가 될 수 있는지 설명한다.
• 이 이론은 지식 표현과 지각-인지 상호작용의 새로운 계산 기반을 제공하며, 인지 과학과 인공지능 분야에 의미 있는 영향을 미친다.