O autorze
Michał Piekarski (1984) – dr, adiunkt w Katedrze Teorii Poznania w Instytucie Filozofii UKSW w Warszawie. Jego zainteresowania badawcze dotyczą przetwarzania predykcyjnego, normatywności biologicznej i społecznej oraz wybranych zagadnień z zakresu filozofii kognitywistyki i epistemologii. Autor książki Logika-Gramatyka-Pragmatyka. Ewolucja Wittgensteinowskiej koncepcji związku języka ze światem (Wydawnictwo Naukowe UKSW, Warszawa 2014) oraz kilkudziesięciu artykułów opublikowanych w polskich i zagranicznych czasopismach naukowych.
O książce
Spis treści
Spis rysunków i tabel 9
Wprowadzenie 11
Przedmowa 29
Rozdział I. Pojęcie przetwarzania predykcyjnego
Wstęp 35
1.1. Ogólna charakterystyka i podstawowe pojęcia 36
1.1.1. Predykcja 37
1.1.2. Model generatywny 38
1.1.3. Precyzja 41
1.1.4. Hierarchiczność 43
1.2. Możliwe algorytmy przetwarzania predykcyjnego i filozoficzne inspiracje 45
1.3. Kant i przetwarzanie predykcyjne 50
1.4. Krytyka przetwarzania predykcyjnego 57
1.4.1. Konserwatywne przetwarzanie predykcyjne 59
1.4.1.1. Internalizm a koce Markowa 61
1.4.1.2. Problem sceptyczny 63
1.4.1.3. Rzeczywiste wzorce w przetwarzaniu predykcyjnym 65
1.4.1.4. S-reprezentacje i realne wzorce 71
1.4.2. Pośredniość percepcji w przetwarzaniu predykcyjnym 74
1.5. Radykalne przetwarzanie predykcyjne 79
1.5.1. Psychologia ekologiczna 80
1.5.2. Enaktywizm 83
1.5.3. Psychologia ekologiczna, enaktywizm a przetwarzanie predykcyjne 86
1.5.4. Propozycja Nico Orlandi 87
Podsumowanie 90
Rozdział II. Przetwarzanie predykcyjne jako bayesowski Model eksplanacyjny
Wstęp 91
2.1. Uwagi wprowadzające 92
2.2. Podstawowe pojęcia 94
2.3. Teza mózgu bayesowskiego 103
2.4. Poziomy analizy a przetwarzanie predykcyjne 105
2.5. Problemy z modelami bayesowskimi 108
2.5.1. Problemy eksplanacyjne bayesizmu 110
2.5.2. Inżynieria odwrotna w przetwarzaniu predykcyjnym 113
2.6. Przetwarzanie predykcyjne jako bayesizm oświecony 115
2.6.1. Argumenty za eksplanacyjnym charakterem bayesizmu 115
2.6.2. Normatywność bayesowskiego modelu przetwarzania predykcyjnego 120
2.6.2.1. Normatywność a poziomy opisu 123
2.6.2.2. Preskryptywizm epistemiczny i ontyczny 127
Podsumowanie 128
Rozdział III. Zasada energii swobodnej w przetwarzaniu predykcyjnym
Wstęp 131
3.1. Uwagi wprowadzające 132
3.2. Pojęcie zasady energii swobodnej 133
3.2.1. Pojęcie informacji Shannona 134
3.2.2. Homeostaza w zasadzie energii swobodnej 136
3.3. Koce Markowa a przetwarzanie predykcyjne 139
3.4. Energia swobodna a ciągłość życia i umysłu 142
3.4.1. Ujęcie enaktywistyczne 143
3.4.2. Krytyka ujęcia enaktywistycznego 147
3.4.3. Ujęcie kognitywistyczne: argumenty 151
3.4.4. Ujęcie kognitywistyczne: propozycja Hohwy’ego 158
3.4.5. Ujęcie nonkognitywistyczne a ujęcie kognitywistyczne 161
3.5. Trudności eksplanacyjne zasady energii swobodnej 164
3.6. Zastosowanie zasady energii swobodnej w przetwarzaniu predykcyjnym 173
Podsumowanie 175
Rozdział IV. Funkcje i mechanizmy normatywne w kontekście przetwarzania predykcyjnego
Wstęp 177
4.1. Uwagi wprowadzające 178
4.2. Normatywność homeostazy 180
4.3. Pojęcie funkcji 185
4.3.1. Funkcje w ujęciu Wrighta i Cumminsa 186
4.3.2. Funkcje w ujęciu Woutersa 190
4.3.3. Funkcje w ujęciu Millikan 194
4.3.3.1. Funkcje właściwe a mechanizmy predykcyjne 195
4.3.3.2. Krytyka podejścia teleosemantycznego 198
4.3.4. Funkcja reprezentowania 201
4.3.4.1. Funkcje w ujęciu Bickharda 203
4.3.4.2. Normatywność reprezentacji 208
4.3.4.3. Zarzuty Bickharda wobec przetwarzania predykcyjnego 209
4.4. Model normatywności dla przetwarzania predykcyjnego 211
4.5. Przetwarzanie predykcyjne a mechanistyczny model wyjaśniania naukowego 216
4.5.1. Normatywność mechanizmów predykcyjnych a preskryptywizm ontyczny 216
4.5.2. Mechanistyczny model wyjaśniania naukowego a mechanizmy normatywne 218
4.5.2.1. Mechanizmy predykcyjne jako przyczyny a subosobowy poziom wyjaśniania 220
4.5.2.2. Możliwość mechanistycznego wyjaśnienia normatywności 225
4.5.2.3. Wyjaśnienie mechanizmów normatywnych a ograniczenia 229
Podsumowanie 232
Rozdział V. Mechanizmy normatywne a działania w przetwarzaniu predykcyjnym
Wstęp 233
5.1. Uwagi wprowadzające 234
5.2. Problem ciemnego pokoju 237
5.2.1. Odpowiedzi zwolenników przetwarzania predykcyjnego 239
5.2.2. Krytyka przetwarzania predykcyjnego z perspektywy problemu ciemnego pokoju 242
5.3. Działanie w warunkach niepewności 244
5.3.1. Wnioskowanie aktywne 246
5.3.2. Podejmowanie decyzji 248
5.3.2.1. Klasyczne modele 249
5.3.2.2. Krytyka klasycznych modeli z perspektywy koncepcji wnioskowania aktywnego 251
5.3.2.3. Rodzaje uczenia się a aktywne wnioskowanie 255
5.3.3. Uwagi wobec ramy aktywnego wnioskowania 258
5.4. Normatywne mechanizmy predykcyjne a ograniczenia 261
5.4.1. Mechanizmy normatywne: motywacja a nastawienie 262
5.4.2. Ograniczenia 268
5.4.2.1. Znaczenie ograniczeń dla działania 272
5.4.2.2. Ograniczenia w przetwarzaniu predykcyjnym 273
5.4.2.3. Afordancje – wstępna analiza 276
5.4.2.4. Granice wyjaśniania w przetwarzaniu predykcyjnym a postulat integracji 278
5.4.2.5. Ograniczenia jako warunki integracji modeli 279
5.5. Wyjaśnienie mechanizmów normatywnych w kontekście przetwarzania predykcyjnego 281
5.5.1. Problem ciemnego pokoju a mechanizmy normatywne 283
5.5.2. Rola predykcji 286
5.6. Mechanizmy normatywne a hipoteza rozproszonej normatywności 288
5.7. Predykcje skierowane na afordancje 291
5.8. Wnioskowanie aktywne jako wnioskowania enaktywne 295
Podsumowanie 298
Zakończenie 301
Bibliografia 309
Predictive mechanisms and their normativity. Summary 337
Indeks nazwisk 341
Indeks rzeczy 349
Table of contents 357