Генеративная наука
Генеративная наука — это область исследований, изучающая мир природы и его сложное поведение. Он исследует способы «создания явно непредвиденного и бесконечного поведения, основанного на детерминированных и конечных правилах и параметрах, воспроизводящих или напоминающих поведение природных и социальных явлений». [1] Моделируя такие взаимодействия, можно предположить, что в системе существуют свойства, которые не были замечены в реальной ситуации. [2] Примером области исследования является то, как возникают непредвиденные последствия в социальных процессах.
Генеративные науки часто исследуют природные явления на нескольких уровнях организации. [3] [4] Самоорганизующиеся природные системы являются центральным предметом, изучаемым как теоретически, так и с помощью симуляционных экспериментов. Изучение сложных систем в целом было сгруппировано под заголовком « общая теория систем », в частности, Людвигом фон Берталанфи , Анатолем Рапопортом , Ральфом Джерардом и Кеннетом Боулдингом .
Научные и философские истоки
[ редактировать ]
Развитие компьютеров и теории автоматов заложило техническую основу для развития генеративных наук. Например:
- Клеточные автоматы — это математические представления простых сущностей, взаимодействующих по детерминированным правилам и проявляющих сложное поведение. Их можно использовать для моделирования возникающих процессов физической вселенной, нейронных когнитивных процессов и социального поведения. [6] [7] [8] [9]
- «Игра жизни» Конвея — это игра с нулевым участием игроков, основанная на клеточных автоматах, а это означает, что единственным входом является установка начальных условий, а игра — наблюдать, как развивается система. [10]
- В 1996 году Джошуа М. Эпштейн и Роберт Экстелл написали книгу «Выращивание искусственных обществ» , в которой предлагается набор автоматных правил и система под названием Sugarscape , которая моделирует популяцию, зависящую от ресурсов (называемых сахаром).
- Искусственные нейронные сети пытаются решать проблемы так же, как это делает человеческий мозг, хотя они все же на несколько порядков менее сложны, чем человеческий мозг, и ближе к вычислительной мощности червя. Достижения в понимании человеческого мозга часто стимулируют появление новых закономерностей в нейронных сетях.
Одно из наиболее влиятельных достижений в генеративных науках, связанных с когнитивной наукой, произошло благодаря разработке Ноамом Хомским (1957) генеративной грамматики , которая отделила порождение языка от семантического содержания и тем самым раскрыла важные вопросы о человеческом языке. Также в начале 1950-х годов психологи Массачусетского технологического института, в том числе Курт Левин , Джейкоб Леви Морено и Фриц Хайдер, заложили основы исследований групповой динамики , которые позже переросли в анализ социальных сетей .
См. также
[ редактировать ]- Генеративные системы – технологии, которые могут производить изменения, стимулируемые аудиторией.
Ссылки
[ редактировать ]- ^ Гордана Додиг-Црнкович; Раффаэла Джованьоли (2013), «Вычислительная природа - сеть сетей одновременных информационных процессов», в Гордане Додиг-Црнкович; Рафаэла Джованьоли (ред.), Вычислительная природа: перспектива столетия Тьюринга , Springer, стр. 7, ISBN 978-3-642-37225-4
- ^ Нин Нань; Эрик В. Джонстон; Джудит С. Олсон (2008), «Непредвиденные последствия коллокации: использование агентного моделирования для распутывания последствий задержки общения и внутригруппового предпочтения», Теория вычислительной и математической организации , 14 (2): 57–83, doi : 10.1007 /s10588-008-9024-4 , S2CID 397177
- ^ Фарре, Г.Л. (1997). «Энергетическая структура наблюдения: философское исследование». Американский учёный-бихевиорист . 40 (6): 717–728. дои : 10.1177/0002764297040006004 . S2CID 144764570 .
- ^ Дж. Шмидхубер. (1997) Взгляд ученого-компьютерщика на жизнь, вселенную и все остальное . Основы информатики: потенциал – теория – познание, конспекты лекций по информатике, страницы 201–208, Springer
- ^ Герман Кунц (2010). «Изображение проблемы вычислительной биологии PLoS | Том 6 (8), август 2010 г.» . PLOS Вычислительная биология . 6 (8): ev06.ei08. doi : 10.1371/image.pcbi.v06.i08 .
- ^ Кенрик, DT; Ли, НП; Батнер, Дж (2003). «Динамическая эволюционная психология: индивидуальные правила принятия решений и возникающие социальные нормы». Психологический обзор . 110 (1): 3–28. CiteSeerX 10.1.1.526.5218 . дои : 10.1037/0033-295X.110.1.3 . ПМИД 12529056 . S2CID 43306158 .
- ^ Эпштейн, Джошуа М .; Экстелл, Роберт Л. (1996). Рост искусственных обществ: социальные науки снизу вверх . Кембридж, Массачусетс: Массачусетский технологический институт/Институт Брукингса. п. 224 . ISBN 978-0-262-55025-3 .
- ^ Новак А.; Валлахер РР; Тессер А.; Борковски В. (2000), «Общество самости: возникновение коллективных свойств в самоструктуре», Psychoological Review , 107 (1): 39–61, doi : 10.1037/0033-295x.107.1.39 , PMID 10687402
- ^ Эпштейн Дж. М. (1999), «Агентные вычислительные модели и генеративная социальная наука», Сложность , 4 (5): 41–60, Бибкод : 1999Cmplx...4e..41E , CiteSeerX 10.1.1.353.5950 , doi : 10.1002/ (SICI)1099-0526(199905/06)4:5<41::AID-CPLX9>3.0.CO;2-F
- ^ Игра жизни Джона Конвея
Внешние ссылки
[ редактировать ]- http://www.swarthmore.edu/socsci/tburke1/artsoc.html. Архивировано 9 апреля 2005 г. в Wayback Machine (искусственные общества, виртуальные миры и общие проблемы и возможности возникновения).
- http://jasss.soc.surrey.ac.uk/JASSS.html (Журнал искусственных обществ и социального моделирования)