The Routledge Handbook of Philosophy of Animal Minds

Например, рассмотрим устройство для чтения поведения, которое знает связи между первыми двумя входными сигналами в левой части модели (часы лишения и сухой корм) и каждым из трех поведенческих последствий в правой части, и замечает, что инъекция соли также приводит к высокой частоте нажатий на барную стойку. Если рассматривать эти стимулы как отличные от двух других, испытуемому все равно придется узнать, приведет ли инъекция соли также, скажем, к большому количеству выпитой воды. С другой стороны, этой наблюдаемой случайности может быть достаточно, чтобы считыватель мыслей связал инъекции соли с известной переменной "жажда", в свою очередь связав ее с известными последствиями жажды без необходимости наблюдать эти случайности.7

Помимо того, что введение вмешивающейся переменной делает прошлые наблюдаемые ситуации релевантными новым случаям, оно также оказывает более синтаксический эффект на каузальную модель, сокращая количество содержащихся в ней каузальных стрелок (на рис. 23.3 - с девяти до шести). Для каждой новой подсказки, добавляемой в модель чтения поведения, должны быть созданы отдельные стрелки, связывающие ее с каждой выходной переменной. Однако промежуточная переменная служит "информационным узким местом", которое требует добавления всего одной дополнительной стрелки.

Уитен утверждает, что модели чтения мыслей, таким образом, проще и "более экономны в отношении репрезентативных ресурсов" (Whiten 1996, 284). Однако если функция чтения мыслей заключается в простоте создаваемых моделей, то возникает кажущийся парадокс. Лучшими кандидатами на чтение мыслей являются крупномозговые приматы и хищники, а это говорит о том, что процесс создания переменных для улавливания сложных моделей требует значительных нейронных и когнитивных ресурсов. Кроме того, согласно концепции Уитена, этот процесс не избавляет от необходимости сначала распознать сложную систему связей "сигнал-реакция", прежде чем можно будет ввести переменную для чтения мыслей. В каком же смысле модели чтения мыслей являются более простыми, что дает преимущества их пользователям?

Ответ на этот вопрос можно найти в работе Sober (2009), посвященной применению критериев отбора моделей к рассматриваемому случаю. Как отмечалось выше, можно задать такие значения параметров для моделей BRH и MRH, что они будут делать схожие предсказания; то есть их можно заставить соответствовать данным (примерно) одинаково хорошо. Однако введение вмешивающейся переменной уменьшает количество причинных стрелок, а значит, и регулируемых параметров, необходимых для причинной модели. Интересно, что это имеет важные эпистемические последствия.

Одна из главных задач моделирования - найти правильный баланс между недооптимизацией (неспособностью уловить "сигнал") и переоптимизацией данных (улавливанием "шума"). Модели с большим числом параметров обычно обеспечивают более точное соответствие данным, но при этом возникает риск чрезмерного соответствия шуму; поэтому моделистам хорошо известно, что более простые модели часто оказываются более точными с прогностической точки зрения (Bozdogan 1987, Forster and Sober 1994). Критерии отбора моделей - это попытки формально описать этот компромисс между пригодностью и сложностью (измеряемой числом параметров). Собер использует один из таких критериев,8 информационный критерий Акаике (AIC), который, как было доказано, обеспечивает несмещенную оценку прогностической точности модели.9 AIC учитывает соответствие модели данным (Pr[data | L(M)]) и вычитает штраф за количество настраиваемых параметров, k:

Показатель AIC модели M = log [Pr(data | L(M))] - k

Таким образом, модели, которые примерно одинаково хорошо подходят к данным, могут отличаться по показателю AIC, при этом более сложные модели имеют более низкую ожидаемую предсказательную точность.

В итоге получается, что хотя модели BRH и MRH могут одинаково хорошо соответствовать данным, последняя часто содержит меньше настраиваемых параметров, поскольку в нее вмешивается переменная психического состояния. Поэтому можно ожидать, что субъект, использующий такую ментальную модель, будет делать более точные предсказания. Это подтверждает утверждение Уитена о том, что для человека, читающего мысли, "анализ поведения может стать эффективным в каждом отдельном случае, способствуя быстрой и изощренной тактике, например, в том, что было описано как политическое маневрирование у шимпанзе" (Whiten 1996, 287). Это также показывает, что даже если бы единственной функцией чтения мыслей была систематизация уже известных наблюдаемых закономерностей, оно все равно могло бы внести значительный вклад в прогнозирование.