Inkijkexemplaar De groeiende robot

corem zzrit volorer secte magnim nostrud molor adigna con ut nonsed tem dit utet, quat ilis eu facing etumsandre min vullan ut dolore tem delis aut loreraesto eugue min henibh eum vulla ad exer sequat. Ut nonsenibh eum dolenisi.Lummy num quamcon sectem quis nulputpatuer suscin esecte commodolore vulla faccum quat, susto odolendipisl ut ute dignis ex eu faccumsandio odolor at luptat lorerostie exerostrud dolestin exero corem in heniamc onsecte et auguerate vel iure core magna feu faccum quis adiamconum amet amconse conse molore molobor iriure do et vel irilla atum dolutetue feu facidunt ad do ea feugait vel el utpat, venisim quisisi.

Re magnim vel irit incin velit lut velit velit iureet alit adiam, vel esse min utat exerit dolorer aute min vulla commodit dolenit velit prat pratueros nit vel illa feugiam, volessit numsandit dolenim inci tat.It wis nostrud dit prat. Duis num ad dolenibh esto conse duiscip

Stefan Jansen Johan Wagemans (red.)

Alis adigna consent wis deliqui psuscing exer iureet, cor sum dolor sum do dunt am-

De groeiende

robot de mogelijkheid van artificieel leven

eugueros nonum et wis adit, vel irillan dipismodigna faci tetuercipit ea am veliquatis dip il do od min elit lorem ver sequi bla feuisissi tio eu facing enisl iure magna faccummy nullutpatum quisi enim ipsum quat dio commolo borerci llutat. Molor in eummolobore conulput lutatue verciduisi.

Wis nim vel dipit praessecte modigna faccum ing ent alit lutpatuerit am venis augiam, quisisc iliqui elisisl digna faccum nim velis dit, susto dolorer sit velestrud eu feugait, si et, quismodolore miniam in er sum doloreet loboreet aut erit autpat velit ad tio dolobor se feu feu feugait lorem vel ut ver sit dit irit vent nit accum nonse diamconsequi etum illa at.

Stefan Jansen Ommy nonsed deliquis niscili quiscin cipsum venit ex eugiat nulpute feu feugueriure consecte mod euisseq uipisisit lut landion sendre vulla commod ea consequ isciliqui tisi blaorti nciliquis eu feui tem in vel diamcon sectet adionullam, volorero ercilla ndigna

Johan Wagemans ( adignisl ero odolenim zzriurem irit la facip ex eu facidunt

De groeiende robot

esecte consectem diam, quamconsecte core dolesequisit prat nit wisi. Tumsan ullan ver

velenit, con eu feui tatem incil ipis nullametuero et lum volenit incinisi tem euisi blam, sus-

Stefan Jansen

cincipsum veliqui bla feugait lor aute velisl ut alit, velit at, sequis eugue dolore magnim

M.M.V. Johan Wagemans

venit niametue vendio odionsectet ullan ut lum zzrit irit ametummy

INHOUD

9

Inleiding

HOOFDSTUK 1

Onderzoek van een complexe realiteit

15

1.1

Newtons appelen vallen niet overal

1.2

De gelaagde structuur van de werkelijkheid

1.3

Hoe bestudeer je deze werkelijkheid: Reductionisme

1.4

Hoe bestudeer je deze werkelijkheid: Fenomenologie

1.5

Verschillende methodologieĂŤn, maar toch gelijkend

1.6

Verkeerd onderzoeksinstrument

15 20 23 25 27 31

HOOFDSTUK 2

33

Zelforganisatie 2.1

Organisatie zonder organisator

2.2

Zelforganisatie en thermodynamica

2.3

Emergente orde

2.4

Een volledige psychologie

2.5

HiĂŤrarchische niveaus van organisatie

33 38 43 45 47

HOOFDSTUK 3

49

Dynamica 3.1

Taal van de werkelijkheid

3.2

Begrenzingen aan de taal van de werkelijkheid

3.3

Dynamica en zelforganisatie

3.4

Niet-lineaire systemen

3.5

Oorzaak en gevolg herbekeken

49 53 56 60 64 5

INHOUD

HOOFDSTUK 4

Filosofie van de geest 4.1

Hoe nieuw is nieuw?

4.2

Dualisme en fysicalisme

4.3

IdentiteitstheorieĂŤn

4.4

Functionalisme

4.5

Qualia

4.6

Neerwaartse causaliteit

4.7

Eliminativisme

4.8

Pragmatisch eliminativisme

67 67 69 72 74 77 80 85 86

HOOFDSTUK 5

Modelleren 5.1

De nood aan een nieuwe methodologie

5.2

Modelleren

5.3

Klimaatmodellen

5.4

Hersenmodellen

5.5

Artificieel Leven

5.6

Radicaal Modelleren

89 89 90 94 98 103 109

HOOFDSTUK 6

Connectionisme 6.1

Katten en honden

6.2

Nativisme versus empirisme

6.3

Het bottom up leermechanisme

6.4

Het Realiteit van Research argument

6.5

Modulariteit

6.6

Zwakke equivalentie

6.7

Fenomenologie in vermomming

113 114 117 119 121 125 130 135

HOOFDSTUK 7

ArtificiĂŤle versus natuurlijke intelligentie Historiek

7.1

6

139 139

INHOUD

7.2

Mens versus machine: voorbeelden uit de praktijk

7.3

Een absolute definitie van intelligentie

7.4

Een evolutionaire definitie van intelligentie

7.5

Radicaal Modelleren en natuurlijke intelligentie

7.6

Fysiologische plausibiliteit

7.7

Gelijkaardige dynamische complexiteit

7.8

Belichaamde cognitie

7.9

Radicaal Modelleren revisited

141 147 150 153 154 159 161 164

HOOFDSTUK 8

Evolutie 8.1

Natuurlijke selectie

8.2

Zelfzuchtige genen

8.3

Alternatieve theorieën

8.4

Ontstaan van soorten

8.5

Intelligentie als logisch gevolg van het evolutionaire proces

8.6

Evolutionaire ritmiek

167 167 171 174 181 185 191

HOOFDSTUK 9

Het genetische brein

195

9.1

Leren en evolutie

9.2

Van genoom naar fenoom

9.3

Hoofdeffecten en interactie-effecten

9.4

Genexpressie en genregulatie

9.5

Genexpressie in de hersenen

9.6

De opbouw van de hersenen

9.7

Genetisch vastgelegde flexibiliteit

9.8

De opbouw van de hersenen doorheen de evolutie

195 198 203 206 210 211 217 218

HOOFDSTUK 10

Artificiële GenExpressie 10.1

Evolutionaire Algoritmes

10.2

Artificiële GenExpressie

10.3

Evaluatie

223 224 229 235 7

INHOUD

Besluit

239

Noten

245

Referenties

255

Index

271

8

INLEIDING

Dit boek vertrekt vanuit een bijzonder eenvoudig idee: Als psychologen willen beweren het menselijk gedrag volledig te begrijpen, moet dit betekenen – enkele technische beperkingen buiten beschouwing gelaten – dat ze een robot kunnen bouwen die zich identiek aan de mens kan gedragen. Zolang men er niet in slaagt zulk een robot te bouwen, wordt bewezen dat er aspecten van de menselijke psychologie zijn die ze nog steeds niet begrijpen. Deze vereiste lijkt voor de hand te liggen, maar is het niet.

In de klassieke psychologie heeft men nooit met deze vereiste rekening gehouden.

In de klassieke psychologie beperkt men zich steeds tot het analyseren van het menselijke gedrag. Men observeert hoe mensen zich in verscheidene situaties gedragen en probeert hieruit af te leiden wat de onderliggende psychologische processen zijn die dit gedrag genereren. Bij voorkeur maakt men deze observaties in de gecontroleerde setting van het wetenschappelijke experiment. Bijvoorbeeld, om de invloed van luide muziek op concentratie te meten, kan men één groep proefpersonen een wiskundige taak laten oplossen met Iron Maiden op de achtergrond, terwijl een andere groep deze taak in alle rust mag oplossen. Als men er voor zorgt dat de omstandigheden waarin de twee groepen de taak oplossen verder identiek zijn, kan men veronderstellen dat het verschil in de scores op de wiskundige taak te wijten is aan de storende invloed van de muziek.

Op geen enkel ogenblik zoekt men in de klassieke psychologie echter naar een mechanisme, naar een concrete manier waarop sensorische input in motorische output omgezet kan worden. Met Artificiële Intelligentie heeft men geprobeerd om dit hiaat op te vullen. Zich deels baserend op psychologische theorieën heeft men computermodellen opgesteld die complexe taken tot een goed einde kunnen brengen. Psychologie en Artificiële Intelligentie vormen zo twee zijden van eenzelfde medaille: In het ene geval probeert men intelligent gedrag te analyseren, terwijl men in het andere geval intelligent gedrag probeert te genereren.

Maar ondanks de pogingen om een mechanisme te definiëren, zijn ook binnen Artificiële Intelligentie de ambities beperkt gebleven. Net zoals bij psychologische theorieën die ontworpen worden om één geïsoleerd aspect van het menselijke gedrag te bestuderen, worden Artificieel Intelligente modellen steeds opgesteld om één duidelijk afgelijnde taak uit te voeren. Hierbij maakt de beperkte betrouwbaarheid van 9

INLEIDING

psychologische theorieën dat ze niet succesvol samengevoegd kunnen worden tot een meer omvattende theorie met een grotere voorspellingskracht. Om gelijkende redenen kunnen verschillende Artificieel Intelligente modellen niet succesvol samengevoegd worden tot één groter geïntegreerd model. Artificiële Intelligentie kan dus net zo min als de klassieke psychologie een bevredigend antwoord formuleren op de vraag hoe verschillende kennisfragmenten samengevoegd kunnen worden tot één groter kennisgeheel.

In dit boek gaan we op zoek naar een oplossing voor dit probleem. Het betreft immers niet een zoveelste probleempje waar met de tijd wel een oplossing voor zal gevonden worden, maar een diepgaande tekortkoming die de limieten aangeeft van wat mogelijk is met de klassieke psychologie en de klassieke Artificiële Intelligentie. Om het probleem van de cumuleerbaarheid van kennis op te lossen, hebben we dan ook nood aan een radicaal nieuwe benadering.

Voor deze benadering laten we ons inspireren door de natuur en in het bijzonder naar hoe intelligentie in de natuur tot stand is gekomen. In de natuur zien we dat intelligentie het resultaat is van een evolutionair proces, waarbij de hersenen over generaties heen steeds complexer zijn geworden. Dit proces zien we ook weerspiegeld op het genetische niveau, waar over generaties heen steeds nieuwe genen toegevoegd zijn aan de bestaande code. De genetische code vormt zo het geheugen van het evolutionaire proces. Voor ons is dit bijzonder interessant. We kunnen dit namelijk begrijpen alsof het evolutionaire proces kennis genereert die door de genetische code wordt bijgehouden. Nieuwe mutaties die in de genetische code terecht komen, vertegenwoordigen nieuwe stukjes kennis die aan het geheel worden toegevoegd. Als we er dus in slagen om dit proces op één of andere manier om te zetten in een taal die ook door computerprogramma’s begrepen kan worden, hebben we een oplossing gevonden voor ons grote probleem: Hoe kunnen verschillende kennisfragmenten samengevoegd worden tot één groter kennisgeheel?

Eenvoudig zal dit echter niet zijn. De genetische code vormt geen architecturale blauwdruk waarin we de bouw van de hersenen maar af te lezen hebben. Integendeel. De genen zetten een interactief bouwproces op gang waarin tal van factoren meespelen. Zo codeert een gen niet op zichzelf voor een eigenschap, maar altijd in interactie met de andere genen uit het genoom. Daarenboven coderen de genen niet netjes voor een afgewerkt eindproduct, maar steeds voor een veranderende, groeiende structuur. Deze structuur is er bovendien op voorzien dat hij kan interageren met de omgeving. Aangestuurd door de prikkels uit de buitenwereld, kunnen de hersenen leren en alzo de structuur van de hersenen beïnvloeden. Waar een gen dus voor codeert, is allesbehalve eenvoudig te zeggen. Maar dit betekent niet dat het niet de moeite loont om ernaar te zoeken. De sleutel to het begrijpen van het menselijke functioneren zit er namelijk in verscholen.

10

BESLUIT

In dit boek hebben we bevindingen uit een heel aantal onderzoeksrichtingen samengebracht: cognitieve psychologie, wetenschapsfilosofie, niet-lineaire dynamica, filosofie van de geest, Artificieel Leven, connectionisme, ontwikkelingspsychologie, computationele neurofysiologie, evolutieleer, moleculaire en gedragsgenetica, neurofysiologie en neuroconstructivisme. In plaats van telkens te benadrukken waarin onze benadering verschilt van de bestaande onderzoeksrichtingen, hebben we gezocht naar verschillende elementen die onze redenering konden ondersteunen. Steeds hebben we geprobeerd om een coherent verhaal op te bouwen waarbij de hedendaagse inzichten uit al deze onderzoeksrichtingen op een zinvolle wijze samengebracht kunnen worden. De reden hiervoor is dat we psychologie niet bekijken als een op zichzelf staande wetenschap die los van zijn implementatieniveau begrepen kan worden, maar als een wetenschap waarbij de verschillende beschrijvingsniveaus noodzakelijkerwijze met elkaar moeten overeenstemmen. In dit besluit echter zullen we de verschillen van onze benadering met de bestaande onderzoeksrichtingen wel expliciet benadrukken. Sommige elementen uit onze redenering druisen immers regelrecht in tegen de heersende opvattingen. Als wetenschapper heeft men steeds de intentie om een aantal vernieuwende bijdragen te leveren tot het geheel van de wetenschappelijke kennis. Met dit boek denken wij vier bijdragen geleverd te hebben die onder deze noemer thuishoren: (1) Onze eerste bijdrage is de voorstelling van het concept ‘de structuur van de werkelijkheid’: Dit is het idee dat hiërarchische beschrijvingsniveaus via zelforganisatie met elkaar verbonden zijn. De notie van hiërarchische beschrijvingsniveaus gaat al een lange tijd mee in de wetenschapsfilosofie. Hierbij zoekt men naar manieren om fenomenen op een bepaald beschrijvingsniveau te onderzoeken (fenomenologie) en om de hieruit voortkomende theorieën in overeenstemming te brengen met theorieën op het onderliggende beschrijvingsniveau (reductionisme). Met de de structuur van de werkelijkheid draaien wij de redenering om en gaan op zoek naar hoe fenomenen op een hoger beschrijvingsniveau kunnen voortkomen uit de interacties tussen fenomenen op een lager beschrijvingsniveau. Hiervoor beroepen we ons op het concept zelforganisatie. Zelforganiserende eigenschappen zijn eigenschappen van een systeem die niet expliciet te definiëren zijn in termen van de eigenschappen van eender welk onderdeel van het systeem. Traditioneel wordt het concept zelforganisatie gebruikt in de niet-lineaire dynamica. Hierbij is men er specifiek op gericht om het gedrag van 239

BESLUIT

complexe systemen te onderzoeken. Men doet hiervoor beroep op begrippen zoals niet-gecentraliseerde controle, micro-macro effecten, attractorgedrag, nieuwheid, autonomie, robuustheid en flexibiliteit.

Met de structuur van de werkelijkheid brengen wij het idee van hiërarchische beschrijvingsniveaus en het idee van zelforganisatie samen in één conceptueel kader.

We stellen voor dat er een nieuw beschrijvingsniveau wordt gecreëerd telkenmale interacties in een systeem eigenschappen voortbrengen die niet in de interactoren terug te vinden zijn. Zo kan de volledige hiërarchie van beschrijvingsniveaus worden opgebouwd. Heel specifiek redeneren we dat interacties op een lager beschrijvingsniveau steeds een hoeveelheid orde creëren waar men met concepten en theorieën op een hoger beschrijvingsniveau klaarheid in probeert te scheppen. Als men geen rekening houdt met de organisatorische oorsprong van het fenomeen dat men bestudeert, kan deze orde op een heel aantal verschillende manieren beschreven worden. Daar komt nog bij dat hoe meer interacties er zijn en hoe complexer deze interacties verlopen, de kans steeds groter wordt dat de orde die verschijnt moeilijk te beschrijven zal zijn.

Om deze twee redenen bestaan er vele verschillende psychologische theorieën en paradigmas naast elkaar die allemaal een gedeeltelijke verklaring geven voor aspecten van het menselijke gedrag. Allemaal vinden ze verschillende patronen terug in de orde die gecreëerd wordt door de interacties tussen de miljarden neuronen in de hersenen. Door cognitie zo te bekijken, begrijpen we waarom verschillende fenomenen soms beter door de ene en dan weer door de andere theorie verklaard kunnen worden. Het hangt er gewoon van af welke theorie de beste benadering biedt voor dat onderdeel van de emergente orde dat relevant is voor het bestudeerde fenomeen.

Het beeld dat zelforganisatie de verschillende beschrijvingsniveaus aan elkaar koppelt, impliceert automatisch dat alle beschrijvingsniveaus – althans degene die voor de psychologie en de neurowetenschappen relevant zijn – in principe op dynamische wijze beschreven kunnen worden. We zien dynamica zo als de taal van de werkelijkheid. Wat er gebeurt, is dat de variabelen uit het lagere beschrijvingsniveau steeds samengevat kunnen worden tot een kleiner aantal variabelen op het hogere beschrijvingsniveau. Zo zien we bijvoorbeeld hoe in een ideaal gas de verzameling van de snelheden van individuele atomen omgezet kan worden in temperatuur als een macroscopische eigenschap op het hogere beschrijvingsniveau. Temperatuur is als beschrijving dan wel minder gedetailleerd, maar is nog wel volledig: In de beschrijving worden alle atomen in rekening gebracht. Voor complexere systemen is dit veelal niet mogelijk. De vloeistofmoleculen in de Bénard-instabiliteit organiseren zichzelf tot convectiecellen als men een bepaalde temperatuursgradiënt aanlegt. Hierdoor kan dit systeem op een hoger niveau beschreven worden – door de diameter en hoeksnelheid van de convectiecellen te definiëren – maar in dit geval is de beschrijving steeds benaderend: De beweging van een aantal vloeistofmoleculen in dit systeem wordt niet accuraat door deze macroscopische beschrijving weergegeven. Niet-lineaire effecten zorgen ervoor dat dit geen triviale observatie is. Bij het ontstaan van de 240

BESLUIT

convectiecellen bijvoorbeeld, zal de draairichting die de convectiecellen aannemen afhangen van de details die we enkel op het onderliggende, moleculaire beschrijvingsniveau kunnen observeren.

De structuur van de werkelijkheid is hierdoor niet zonder consequenties voor de psychologie. Ook al worden psychologische theorieën meestal niet in de taal van dynamica beschreven, geeft de structuur van de werkelijkheid aan dat ze wel altijd een beschrijving moeten geven van een werkelijkheid die fundamenteel onvoorspelbaar is. Een school vissen of een zwerm vogels lijken veelal als één coherent geheel te bewegen. De bewegingen zijn zo complex dat niemand erin slaagt om dit groepsballet in zijn geheel – als een zich vervormende wolk – accuraat te beschrijven. Met enig inbeeldingsvermogen kunnen we het menselijke gedrag dat voortkomt uit interagerende neuronen vergelijken met het zwermgedrag dat voortkomt uit interagerende vogels.

Psychologische theorieën kunnen we zo bekijken als een poging om regelmatigheden te ontdekken in de complexe vervormende wolk van menselijke gedragingen. Maar nog veel meer dan bij de vogels, zullen niet-lineaire interacties ervoor zorgen dat deze theorieën enkel benaderend kunnen zijn. De structuur van de werkelijkheid geeft zo aan dat er een fundamentele beperking bestaat op de mogelijkheid van psychologie om aan de hand van een verzameling elegante, elkaar wederzijds aanvullende theorieën een exhaustieve beschrijving te geven van het menselijke gedrag op het cognitieve beschrijvingsniveau.

(2) Onze tweede bijdrage vinden we terug op het domein van de filosofie van de geest: Wij beweren dat er in een fysicalistisch wereldbeeld geen sprake kan zijn van een ontologisch potente mentale causaliteit. Tegenwoordig bekennen zowat alle filosofen zich tot het fysicalisme, de positie dat er geen veranderingen in mentale toestanden kunnen gebeuren zonder dat hier fysische veranderingen aan ten grondslag liggen.

Hiermee distantiëren fysicalisten zich van substantiedualisten die ervan uitgaan dat er zowel een onstoffelijke geest als een stoffelijk lichaam bestaat. Het probleem van substantiedualisme is dat men moet aannemen dat de stoffelijke en onstoffelijke wereld op een bepaalde plaats interageren en hiervoor bestaat geen evidentie. Maar zelfs als men aanneemt dat de geest niet onafhankelijk van de hersenen kan bestaan, is het befaamde geest-lichaam probleem nog niet opgelost. In tegenstelling tot neurofysiologische processen heeft een mentale ervaring geen tastbare vorm of meetbaar gewicht, maar toch ervaren wij deze ervaringen als iets reëel, als iets dat echt bestaat. De vraag wat juist de relatie is tussen een mentale gebeurtenis en het neurofysiologische proces dat hieraan ten grondslag ligt, moet nog steeds beantwoord worden.

Een centraal probleem in het geest-lichaam debat is mentale causaliteit: Kan de menselijke geest op zichzelf iets veroorzaken zonder de fysiologische wetten te overtreden waaraan de hersenen moeten gehoorzamen? De meeste hedendaagse auteurs gaan ervan uit dat mentale causaliteit mogelijk moet zijn. Hiervoor dragen ze verschillende argumenten aan die gebaseerd zijn op concepten zoals eigenschapsdualisme, 241

BESLUIT

superveniëntie, meervoudige realiseerbaarheid of intentionaliteit. Al deze argumenten hebben met elkaar gemeen dat ze ervan uitgaan dat het mentale niveau op één of andere manier over een zekere autonomie beschikt. Wij nemen een tegengestelde positie in. We willen niet noodzakelijkerwijze argumenteren dat mentale causaliteit onmogelijk is, maar wel dat mentale causaliteit niet in overeenstemming te brengen is met een fysicalistisch wereldbeeld.

Om dit argument te maken, baseren we ons op de structuur van de werkelijkheid.

Met de structuur van de werkelijkheid beweren we dat eigenschappen op het hogere niveau van beschrijving altijd voortkomen uit de interacties van elementen op het lagere niveau van beschrijving. Wij gaan ervan uit dat een fysicalist moet aannemen dat dit principe universeel geldig is en dus ook opgaat voor mentale eigenschappen.

Mensen maken deel uit van de natuur en er is geen reden waarom de wetten van de chemie of de fysica plots anders zouden functioneren eens ze in de hersenen plaatsvinden. Mentale eigenschappen zijn zo een beschrijving van de orde die voortkomt uit de interagerende neuronen en die ons tot op zekere hoogte inzicht geven in het observeerbare gedrag dat mensen stellen. In deze optiek is mentale causaliteit een zuiver epistemologisch begrip dat ons inzicht verschaft in het menselijke functioneren, maar dat niet over een ontologische autonomie kan beschikken. Anders gezegd, een andere beschrijving van dezelfde realiteit kan nooit deze realiteit zelf veranderen.

Een gedachte-experiment waarbij we het functioneren van een mens ononderbroken op het atomaire beschrijvingsniveau bekijken, maakt dit duidelijk. Men kan allerlei succesvolle psychologische verklaringen bedenken over waarom een mens zich zus of zo gedraagt, maar geen enkele van deze verklaringen zal ooit tot gevolg hebben dat de natuurwetten op het atomaire beschrijvingsniveau overtreden worden. Er kan nooit iets gebeuren op de hogere beschrijvingsniveaus dat maakt dat de werkelijkheid op de lagere beschrijvingsniveaus effectief verandert.

(3) Onze derde bijdrage is Radicaal Modelleren, het idee dat we menselijk gedrag enkel volledig begrijpen als we een computermodel kunnen opstellen dat hetzelfde gedrag kan genereren. Ook dit idee vloeit voort uit de structuur van de werkelijkheid.

Radicaal Modelleren gaat er van uit dat als we alle principes kunnen identificeren op het lagere, neurofysiologische beschrijvingsniveau, we hierdoor in principe alle eigenschappen op het hogere, cognitieve beschrijvingsniveau kunnen laten emergeren. Radicaal Modelleren staat in de eerste plaats voor modelleren als onderzoeksmethodologie. Wij beweren dat het voor complexe problemen niet meer mogelijk is om reductionistische brugwetten te formuleren en dat we daarom beroep moeten doen op modellen om de link met het onderliggende beschrijvingsniveau te kunnen aantonen. Hiermee staat modelleren in sterk contrast met de klassieke fenomenologische onderzoeksmethodologieën uit de cognitieve psychologie. Met modelleren zijn we niet geïnteresseerd in het vinden van causale verbanden die met een zekere waarschijnlijkheid zouden gelden, maar zoeken we naar mechanismen die een concrete input via een concrete verwerking in een concrete output omzetten. In plaats van het 242

BESLUIT

menselijk gedrag te analyseren, zullen we dus proberen om soortgelijk gedrag te genereren. Hoe beter het resultaat van de simulaties hierbij gelijkt op de realiteit die het nabootst, hoe meer reden er is om aan te nemen dat de premissen die in het model gemaakt werden de juiste premissen waren.

Connectionisten maken gebruik van Artificiële Neurale Netwerken om een klein onderdeel van de hersenwerking te modelleren, zijnde dat onderdeel dat instaat voor een welbepaald aspect van een psychologische taak. Hiertegenover staat de Artificieel Leven benadering waarin men niet enkel geïnteresseerd in het leven zoals het is, maar meer algemeen in alle vormen die het leven mogelijkerwijs kan aannemen. Met Artificieel Leven probeert men niet om het menselijk gedrag en zijn cognities te analyseren zoals bij de symbolische benadering van cognitie, noch probeert men om geïsoleerde psychologische fenomenen te simuleren zoals bij het traditionele connectionisme, maar daarentegen probeert men om soortgelijk gedrag te genereren door de processen te imiteren die ten grondslag liggen aan dit gedrag.

Radicaal Modelleren bouwt hierop verder. We identificeerden als grootste tekortkoming van het connectionisme dat de modellen steeds een beperkte validiteit en betrouwbaarheid hebben waardoor ze niet samenvoegd kunnen worden tot een groter model met een grotere voorspellingskracht. Daarom beslisten we met Radicaal modelleren om systemen steeds in hun geheel te modelleren. De redenering hierachter is dat we intelligentie niet begrijpen als een losse verzameling van vaardigheden, maar als het vermogen van een organisme om flexibel op zijn omgeving te reageren. Artificieel Leven zal systemen wel in zijn geheel modelleren, maar wordt toch met een gelijkaardig probleem geconfronteerd: In Artificieel Leven kunnen de modellen zeer slecht opgeschaald worden. Men vindt interessante oplossingen voor zogenaamde speelgoedproblemen, maar er is geen methodologie voorhanden waarmee men systematisch kan verderbouwen op deze modellen.

Radicaal Modelleren heeft niet de intentie om het geheel van menselijke gedragingen rechtstreeks te simuleren aan de hand van een geïntegreerd computermodel. Dat is gezien de huidige stand van het wetenschappelijke onderzoek een volstrekt onrealistische doelstelling. Het idee achter Radicaal Modelleren is daarentegen om op zoek te gaan naar welk soort informatie we op het ogenblik ontberen om deze doelstelling te kunnen bereiken. Voor Radicaal Modelleren voldoen het connectionisme en Artificieel Leven dan ook niet. Concreet stellen we voor om gebruik te maken van Artificiële Neurale Netwerken die aan drie voorwaarden moeten voldoen: (1) de hersenmodellen moeten opgesteld worden op het neurofysiologische beschrijvingsniveau, (2) de hersenmodellen moeten een gelijkaardige dynamische complexiteit vertonen als de hersenen, en (3) de hersenmodellen moeten het resultaat zijn van de complexe interacties tussen de genetische code, maturatieprocessen, leerprocessen en de omgeving.

De uitdaging bestaat er voor Radicaal Modelleren in om hersenmodellen op te stellen die op een testbare manier verder uitgebouwd kunnen worden. De conclusie van 243

BESLUIT

Radicaal Modelleren is met andere woorden dat we op zoek moeten naar een methodologie die ons in staat stelt om complexe hersenmodellen gradueel op te bouwen.

(4) Onze vierde bijdrage is de voorstelling van Artificiële Gen Expressie (AGE), een concrete onderzoeksmethodologie waarmee we fysiologische genetische instructies vertalen in functionele bouwinstructies voor het brein. AGE is gebaseerd op natuurlijke genexpressie, het proces waarbij DNA via een aantal tussenstappen een verzameling proteïnen aanmaakt die het functionele gedrag van een cel bepalen. Met AGE zoeken we naar de abstracte informatie die achter dit biochemische proces schuilgaat om dit proces in een computerprogramma te kunnen vertalen. Specifiek willen we modelleren hoe artificiële genen in interactie met een artificiële omgeving een artificiële hersenstructuur kunnen opbouwen. AGE draait dus om het modelleren van genen: Welke informatie zit er verscholen in de fysiologische processen op het genetische beschrijvingsniveau waardoor de genen een interactief bouwproces op gang kunnen zetten dat leidt tot de constructie van de hersenen? Net zoals het modelleren van Artificiële Neurale Netwerken bijdraagt tot ons begrijpen van de hersenwerking, verwachten we dat het modelleren van artificiële genen ons kan doen inzien hoe natuurlijke genen een functionele neuronale structuur voortbrengen.

De vraag die ons hierbij vooral interesseert, is hoe genen succesvol kunnen samenwerken. In de natuur zien we dat organismen doorheen de evolutie complexer kunnen worden door gradueel, over generaties heen, de genetische code aan te passen en uit te bouwen. De evolutie bouwt steeds verder op het bestaande genoom en voegt hier nieuwe variaties aan toe. We kunnen dit begrijpen alsof het evolutionaire proces kennis genereert die door de genetische code bijgehouden wordt. Nieuwe mutaties die in de genetische code terechtkomen, vertegenwoordigen zo nieuwe stukjes kennis die aan het geheel worden toegevoegd. Voor ons is dit bijzonder interessant. Vanuit Radicaal Modelleren identificeerden wij de moeilijkheid om verschillende kennisfragmenten samen te voegen tot een groter kennisgeheel als de voornaamste conceptuele tekortkoming van de klassieke onderzoekstradities. AGE zorgt nu voor een methodologische oplossing voor dit probleem. Als we met AGE kunnen achterhalen op welke wijze genen hun informatie opslaan, hebben we een manier gevonden waarop kennis gecumuleerd kan worden.

244