Hoe veranderen techniek en wetenschap ons mensbeeld? - 5.3 Er zijn dingen die een computer niet kan (en een mens wel)

Hoe veranderen techniek en wetenschap ons mensbeeld?
5.3 Er zijn dingen die een computer niet kan (en een mens wel)
1 / 14
volgende
Slide 1: Tekstslide
FilosofieMiddelbare schoolvwoLeerjaar 6

In deze les zitten 14 slides, met tekstslides.

time-iconLesduur is: 45 min

Onderdelen in deze les

Hoe veranderen techniek en wetenschap ons mensbeeld?
5.3 Er zijn dingen die een computer niet kan (en een mens wel)

Slide 1 - Tekstslide

Hubert Dreyfus 
(1929-2017)
Tegen arbitraire karakter van het materiaal die functionalisten de geest toeschrijven.

Geest bevindt zich in een lichaam, dat beweegt en fysieke kenmerken heeft.

Materialiteit bepaalt bewegingsmogelijkheden, de kwaliteit van onze ervaringen en hoe we onszelf ervaren en in de wereld staan.

Slide 2 - Tekstslide

Dreyfus
Lichaam is mogelijkheidsvoorwaarde voor ervaring. (Plessner & Sheets-Johnstone)

Ervaring vormt achtergrond van onze waarneming.


Slide 3 - Tekstslide

Dreyfus
Lichaam heeft drie functies die een computer niet kan nabootsen (visuele waarneming)

1. We hebben een bepaalde verwachting over onze waarneming, gebaseerd op andere ervaringen.
2. Deze verwachtingen richten onze aandacht en geven betekenis aan details die we verzamelden in de waarneming; andersom stellen we onze verwachtingen bij wanneer waarnemingen daarvan afwijken.
3. Verwachtingen brengen we over op andere zintuigen; wanneer we een object zien dat is gemaakt van zacht materiaal, verwachten we daarbij een bepaalde tastervaring.

                                                                                                     .... en computers hebben dit niet

Slide 4 - Tekstslide

Dreyfus
AI is onterecht gebaseerd op de vooronderstelling dat je ordelijk gedrag kunt vertalen in logische regels.

Vele vormen van ons gedrag zijn gebaseerd op alledaagse vorm van kennis die voorkomt uit ervaring en is op de achtergrond aanwezig.

Problematisch om dit te vertalen in logische regels!

Slide 5 - Tekstslide

Expertsystemen
Vruchtbare toepassingen in lijn met symboolsysteemtheorie.

Deep Blue of MYCIN

Echter  een afgebakend systeem is een vereiste. Regel-geleid en voorspelbaar.


Slide 6 - Tekstslide

Dreyfus 

Vraagtekens bij AI

Menselijke intelligentie wordt juist getoond op gebieden waar niet alles via regels te beschrijven valt.

AI-aanhangers verwarren vaardigheden met een bepaalde vorm van theoretische kennis (handleiding of bijsluiter)

Intelligentie berust vaak op vaardigheden.

Slide 7 - Tekstslide

Welke informatie geef je een machine om de juiste voorspellingen te maken?



Meer factoren zijn van invloed maar onduidelijkheid bij het bepalen daarvan.

Zijn individuele ervaringen wel te veralgemeniseren?

De computer kan alle feiten en regels meewegen, maar niet kiezen welke regel voorrang krijgt.

Slide 8 - Tekstslide

Dreyfus
Vaardigheden zijn maar in beperkte mate in regels te beschrijven.

Vaardigheden passen zich soepel aan de omstandigheden aan.

Expliciete regels kunnen een rol spelen het verwerven van een vaardigheid, maar ze zijn zelf niet een vaardigheid.

Slide 9 - Tekstslide

Dreyfus
Ook het menselijk denken kun je niet volledig in kaart brengen a.d.h.v. regels.

Altijd toegepast/aangepast op een concrete situatie.

We leren juist spreken niet door de regels te volgen, maar door het te doen. We spreken en denken niet door lijstjes met regels te raadplegen/volgen.

Slide 10 - Tekstslide

Kritiek op symboolsysteemhypothese
Symboolsystemen doen alsof ze opzichzelfstaande regels hebben die weggenomen kunnen worden uit de activiteit.

Ze zijn echter altijd onlosmakelijk verweven met de activiteit!

Ook representeren is een vaardigheid die we stap-voor-stap verwerven. Representatie ligt niet aan de basis van cognitie!

Slide 11 - Tekstslide

Eindterm 9
De kandidaten kunnen de opvattingen van Lakoff & Johnson, Vroon & Draaisma, Swaab, Dreyfus, Clark & Chalmers en O’Regan, Myin & Noë (hierna; Noë)) over de vraag hoe wetenschap en techniek het mensbeeld veranderen uitleggen, vergelijken, toepassen en evalueren.

Daarbij kunnen zij de volgende standpunten betrekken:

• dat taal uitdrukt uit hoe we met ons lichaam in de wereld staan (Lakoff & Johnson);
• dat mensbeelden historisch contingent zijn (Vroon & Draaisma);
• dat mensen hun brein zijn en het brein als een computer is (functionalistisch cognitivisme, Swaab) en de evaluatie hiervan (Dreyfus, connectionisme);
• dat mensen niet alleen met hun brein denken, maar ook met hun lichaam in een omgeving (4E-cognitivisme, Clark & Chalmers en Noë).

Slide 12 - Tekstslide

Eindterm 11
11. De kandidaten kunnen uitleggen en evalueren dat volgens functionalistische cognitivisten (en met name Swaab) mensen hun brein zijn en dat dat brein als een computer is.

Daarbij kunnen zij betrekken:
• dat de computermetafoor het functionalistische mensbeeld versterkt;
• de begrippen ‘cognitivisme’, ‘connectionisme’, ‘symboolmanipulatie’, ‘input en output’, ‘mentale representatie’, ‘kunstmatige intelligentie’, ‘productsimulatie’, ‘processimulatie’ en ‘neuraal netwerk’;
• een uitleg van het argument van Swaab dat mensen hun brein zijn;
• een uitleg van het functionalistische argument dat mensen net als computers informatie verwerken;
• een uitleg van het functionalistische argument dat computers het menselijk denkvermogen kunnen simuleren;
• een evaluatie van dit functionalistische argument met Dreyfus’ opvatting dat de functies van ons belichaamde denken niet kunnen worden uitgevoerd op de hardware van een computer en de connectionistische opvatting dat een neuraal netwerk het denkvermogen wel kan simuleren.

Slide 13 - Tekstslide

Wat zijn volgens Hubert Dreyfus de drie functies van het lichaam die een computer niet kan uitvoeren?

Leg uit waarom zelfrijdende auto's volgens Dreyfus nooit volledig menselijk rijgedrag kunnen evenaren.

Waarom is het volgens Dreyfus problematisch om ervaringskennis volledig te vertalen in logische regels?

Dreyfus bekritiseert de mogelijkheid dat computers ooit menselijk denken volledig kunnen nabootsen. Analyseer deze kritiek en bespreek in hoeverre recente ontwikkelingen in kunstmatige intelligentie, zoals deep learning en neurale netwerken, zijn argumenten ondermijnen of juist ondersteunen.


Slide 14 - Tekstslide