[论文解读] Grounded Symbols in the Brain Computational Foundations for Perceptual Symbol System

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

Cognitive Science and Education Research参考文献 129被引用 30

一句话总结

本文提出动态逻辑（DL）作为感知符号系统（PSS）的计算基础，通过将认知建模为从模糊表征到清晰表征的动态演化过程，克服了经典人工智能与联结主义的局限。它展示了DL如何支持PSS的核心机制——具身化、生成性、绑定、递归以及符号与语言的交互，提供了一个统一且数学化认知理论，具有可检验的神经成像预测。

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.

研究动机与目标

• 为解决经典人工智能与联结主义模型在建模人类认知时的局限性，特别是组合爆炸与静态逻辑问题。
• 开发一种动态的、基于过程的逻辑（动态逻辑），以实现模糊表征向清晰、有意义符号的演化。
• 为感知符号系统（PSS）提供计算基础，整合感知、认知与语言的具身化。
• 解释核心认知机制，如概念形成、模拟器、绑定、递归，以及具身符号与非具身符号之间的交互。
• 为神经成像与未来认知科学研究生成可检验的预测。

提出的方法

• 引入动态逻辑（DL）作为过程逻辑，将认知建模为从模糊到清晰表征的动态演化过程。
• 将DL应用于从物体感知中学习情境，展示其在增量符号具身化方面的潜力。
• 在DL框架内，使用演化表征的数学结构，形式化PSS机制——概念形成、模拟器、绑定、递归。
• 通过DL处理抽象与符号操作在动态语境中的能力，实现具身符号与非具身符号的整合。
• 利用DL建模语言具身化，展示语言符号如何与感知经验及抽象认知相联系。
• 从DL推导出神经生物学预测，将理论与神经成像研究中可测量的大脑活动模式相联系。

实验结果

研究问题

• RQ1 计算模型如何克服经典符号人工智能与联结主义方法固有的组合爆炸问题？
• RQ2 何种数学框架能够实现模糊感知表征向精确符号认知的动态演化？
• RQ3 动态逻辑如何支持感知符号系统的核心机制，如绑定、生成性与递归？
• RQ4 通过一种动态的、基于过程的逻辑，语言如何在感知中实现具身化？
• RQ5 从所提出的动态逻辑框架中，可预测出何种神经成像特征？

主要发现

• 动态逻辑成功建模了从模糊感知表征到清晰符号认知的过渡，解决了组合复杂性问题。
• 该理论为PSS关键机制（包括概念形成、模拟器与递归处理）提供了统一的数学框架。
• DL通过感知经验实现了抽象符号的具身化，支持了语言与感知的整合。
• 该模型预测了与动态符号形成一致的特定神经成像模式，为脑成像验证提供了可检验的假设。
• 该框架支持具身符号与非具身符号的交互，解释了抽象认知如何从感知经验中产生。
• 该理论为知识表征与感知-认知交互提供了新的计算基础，对认知科学与人工智能具有深远影响。