Новая стратегия моделирования личности как сложной системы
«Каждое предсказание - это операция над прошлым»
/Norbert Wiener/
«Вся функция мозга выражается в: исправлении ошибок»
/W. Ross Ashby/
Кибернетика - это исследование целенаправленных систем, которые саморегулируются посредством обратной связи, категории, которая включает и человека. Кибернетическая теория большой пятерки (CB5T) пытается объяснить личность в кибернетических терминах, концептуализируя личностные черты как проявление вариаций параметров нейронных механизмов, которые эволюционировали для облегчения кибернетического контроля.
Кибернетическая теория большой пятерки (CB5T)
Кибернетика, от греческого kybernetikes, что означает «рулевой», - это изучение принципов, управляющих целенаправленными системами, которые саморегулируются посредством обратной связи. Один из ключевых выводов кибернетики заключался в том, что аналогичные принципы должны быть задействованы в регулировании не только искусственных систем управления, но и организмов, учитывая, что последние должны преследовать различные цели, чтобы выжить и размножаться.
Когда кибернетические принципы применяются к личности, основное внимание, как правило, уделяется эволюционно сохраняющимся параметрам управления, которые являются постоянными, но могут быть настроены различными способами, чтобы они могли учитывать стабильность личности во времени, а также учитывать индивидуальные различия.
Принципиально важно то, что эти постоянные параметры задуманы как часть динамической системы, которая постоянно изменяется реагируя на различные ситуации; кибернетика таким образом помогает преодолеть разрыв в изучении динамики личности отдельного человека.
Одна из таких попыток использовать кибернетику для построения теории личности - это кибернетическая теория большой пятерки (CB5T).
CB5T описывает все стойкие психологические индивидуальные различия как личность и утверждает, что все элементы личности можно отнести к категории либо личностных черт, либо характерных адаптаций.
• Личностные черты определяются как вероятностные описания относительно стабильных моделей поведения, мотивации, эмоций и познания в ответ на разные классы стимулов, которые присутствовали в окружающей среде человека в течение эволюционного времени. Эти закономерности являются диспозиционными, поскольку они отражают способы, которыми люди склонны реагировать на соответствующие стимулы, и это то, что оценивается с помощью стандартных анкетных измерений личностных черт. Поскольку эти параметры имеют некоторую стабильность внутри человека, это имеет тенденцию порождать черты характера.
• Характерные адаптации - это относительно стабильные цели, интерпретации и стратегии, определенные применительно к конкретным жизненным обстоятельствам человека. Они представляют собой постоянное, но обновляемое содержимое памяти мозга, усваиваемое в ответ на жизненный опыт, также описываемое как привычки. В частности, с кибернетической точки зрения, цели, интерпретации и стратегии соответствуют трем необходимым элементам любой кибернетической системы:
- представлению цели (или целей), физически созданных в системе,
- представление текущего состояния, которое можно сравнить с состоянием цели через обратную связь,
- набор операторов, которые могут быть задействованы для попытки преобразовать текущее состояние в состояние цели.
На рисунке изображена общая причинно-следственная модель CB5T:
Как генетические факторы, так и факторы окружающей среды влияют на относительно стабильные параметры кибернетических механизмов, которые создают диспозиционные паттерны, описываемые как черты личности. В свою очередь, личностные черты формируют характерные адаптации людей, поскольку устойчивые модели поведения влияют на то, какие цели, стратегии и интерпретации открываются, принимаются и запоминаются.
И гены, и окружающая среда напрямую влияют на кибернетические механизмы, лежащие в основе черт личности, которые представляют собой модели поведения, мотивации, эмоций и познания. Все генетические влияния на характерные адаптации передаются через черты, но окружающая среда может влиять на характерные адаптации независимо от влияния черт. Круглые стрелки указывают на то, что кибернетические параметры могут влиять друг на друга, как и характерные адаптации и другие жизненные характеристики, например такие как физическое здоровье.
Однако в отличие от других теорий личности, которые описывают характерные адаптации просто как проявления черт, CB5T распознает черты и характерные адаптации как фундаментально отдельные сущности. Например: у человека могут быть характерные адаптации, несовместимые с его чертами, потому что они представляют адаптации к какому-то особенно важному аспекту жизненной ситуации, где типичное для него поведение было бы неуместным.
CB5T также признает, что характерные адаптации могут влиять на черты так, что они могут использоваться для перенастройки основных кибернетических параметров.
Активный вывод (AI) и принцип свободной энергии (FEP).
Нейронные сети можно понимать как генеративные модели в относительно прямом смысле: направленная структура нейронов и их организация в сети порождают паттерны эффективного взаимодействия, где связи и потоки воздействия являются физическими примерами вероятностных отношений. С этой точки зрения нервные системы можно рассматривать как модели, в которых внутренние паттерны эффективной связи выражают информацию о системе и мире.
Нейронные процессы представляют собой иерархически организованные генеративные модели, которые пытаются вывести наиболее вероятные (иерархически организованные) состояния мира, которые могли вызвать фактические сенсорные наблюдения.
Структура активного вывода описывает процессы, с помощью которых минимизируется свободная энергия, и обеспечивается тесная связь с другими структурами, такими как теория ожидаемой полезности и управление с учетом рисков. Понятие активного вывода основывается на понимании того, что восприятие происходит в контексте адаптивно формирующих действий, которые изменяют паттерны вероятных восприятий.
Восприятие - это не просто результат пассивных ощущений, а активный процесс поиска информации и разрешения неопределенности модели, часто управляемые дискретными действиями как своего рода проверкой гипотез. И восприятие, и действие понимаются как разновидности умозаключений, поскольку они оба представляют средства, с помощью которых системы могут минимизировать ошибку предсказания по отношению к моделям, с помощью которых они существуют в этом мире. Важно отметить, что цели являются такими же компонентами этих моделей, как и представления текущего состояния мира, и минимизация ошибок прогнозирования в отношении целей означает движение к ним в пространстве состояний.
Одним из способов уменьшения ошибки предсказания в системе является обновление внутренних моделей, тем самым изменяя предсказания; это перцептивный вывод.
Другой способ, которым система может уменьшить количество ошибок предсказания, - это обновление мира посредством действия, тем самым делая свои предсказания более точными, изменяя вероятные восприятия; это активный вывод.
Степень, в которой динамика системы регулируется этими двумя стратегиями - перцептивного или активного вывода - определяется в зависимости от того, какая комбинация, как ожидается, минимизирует общую свободную энергию.
Организмы мотивированы не только на то, чтобы точно предсказывать свое восприятие, но и на то, чтобы влиять на состояния мира, чтобы гарантировать, что восприятие соответствует достижению цели.
• Оптимизация внешней ценности включает в себя минимизацию несоответствий между предпочтительными конфигурациями системного мира и наблюдениями, что влечет за собой прагматическое использование определенных стратегий (наборов отображений состояния и действия для достижения цели, в широком смысле включающие скрытое поведение познания).
• Оптимизация внутренней ценности включает уточнение модели путем поиска источников неопределенности как возможностей для максимизации получения информации, что позволяет эпистемологически исследовать потенциально адаптивные действия.
Эти два источника ценности связаны с компромиссом между эксплуатацией (преследование внешней ценности) и разведкой (преследование внутренней ценности), которые регулируются путем выбора политики, основанной на любой комбинации действий, которая оценивается, чтобы наиболее эффективно минимизировать общую ожидаемую свободную энергию.
Если такие действия происходят в контексте новой среды задач, о которой мало что известно, то выбор политики будет первоначально включать более исследовательское поведение, при котором оптимизируется получение информации, а затем переход к более эксплуататорскому поведению в качестве структур задач. Если действия не будут столь же успешными, как ожидалось, это, как правило, приведет к возвращению к исследовательскому поведению до тех пор, пока не будет получено лучшее понимание ситуации. Таким образом, с учетом хорошо откалиброванных предварительных ожиданий, агенты стремятся проявлять любопытство, уравновешивая внешнюю и внутреннюю ценности, поскольку они занимаются целенаправленным поведением.
Принцип свободной энергии и структура активного вывода (FEP-AI) - это всеобъемлющий подход к пониманию того, как сложным системам удается сохраняться в мире, управляемом вторым законом термодинамики - неизбежной тенденцией к энтропии. Хотя эти две кибернетические теории были разработаны независимо, они пересекаются своими теоретическими основами и значениями, дополнядруг друга. FEP-AI представляет собой потенциально ценную формальную структуру моделирования для CB5T.
Генеративное моделирование в FEP-AI может быть сложным, но базовая установка включает определение агентов (и их ситуаций) как систем взаимодействующих переменных и параметров. Эти переменные принимают форму взаимно ссылающихся матриц, элементы которых определяют вероятностные сопоставления между различными частями генеративной модели.
Единственная целевая функция ожидаемой свободной энергии используется для определения выбранных политик в соответствии с ожидаемыми средними значениями для минимизации общего prediction-error.
Пример агенеративной модели в процессе принятия решений AnFEP-AIMarkov (MDP):
Направление стрелок указывает на процесс генерации данных посредством активного вывода, который в данном случае принимает форму выбора политик (π) как последовательности действий, которые приводят к влиянию различных мировые государства.
Выбранные политики конкретно принимают форму определения последовательностей переходов между состояниями, выбранных в соответствии с ожидаемыми действиями для минимизации общей ошибки предсказания или свободной энергии (G).
Эти состояния являются скрытыми, или латентными, и должны быть вероятностно выведены на основе сенсорных наблюдений, где этот перцепционный вывод протекает в направлении, противоположном тому, которое указано стрелками, соответствующими процессам, генерирующим последовательности действий.
Выбор действия, являющийся результатом этого генеративного процесса, составляет своего рода вывод, в том смысле, что он отражает ожидания относительно того, что, вероятно, минимизирует расхождение между прогнозами и наблюдениями. Точность, с которой агенты вероятностно выбирают среди действий, отражается параметрами «обратной температуры» (γ и β) для определения пороговых значений для развертывания политики, таким образом влияя на исследования/компромиссы при эксплуатации.
• A-матрица: отображение правдоподобия из состояний скрытого мира в сенсорные наблюдения, или как ощущения интерпретируются через восприятие и воображение. С точки зрения агента, это соответствовало бы ответу на вопрос: «Что могло вызвать мои ощущения?»
• B-матрица: вероятности перехода, или динамика того как ожидается развитие от одного момента к другому. С точки зрения агента, это соответствовало бы ответу на вопрос: «Как я считаю, что вещи могут измениться со временем?»
• C-матрица: предшествующие убеждения относительно политики и результатов, или какие состояния агент предсказывает. При минимизации ошибки предсказания эти априорные ожидания составляют привлекательные состояния системы и функционируют как предпочтения. С точки зрения агента, это соответствовало бы ответу на вопрос: «Чего я хочу?». С точки зрения CB5T, эти предпочтения представляют собой высокоуровневые цели агента.
• D-матрица: убежденность агента в своем исходном положении в среде принятия решений. С точки зрения агента, это соответствовало бы ответу на вопрос: «Где я могу оказаться в подобной ситуации?»
• Е-матрица: исходные предшествующие политики, управляющие выбором политики обычным (или эвристическим) способом. С точки зрения агента, это соответствовало бы ответу на вопрос: «Что я собираюсь делать прямо сейчас?». С точки зрения CB5T, эти априорные привычки составляют основной класс характерных адаптаций.
Базовая установка, описанная как матрицы A-E, формирует общую модель агента. Дополнительные переменные и параметры могут быть включены для моделирования систематических вариаций между агентами, соответствующих личностным чертам, понятным ожиданиям высокого уровня в отношении привлекающих состояний системы.
Новая стратегия моделирования личности как сложной системы
В CB5T основные факторы личности имеют функциональное значение с точки зрения параметров управления для основного кибернетического процесса определения приоритетов целей, определения подходящих операторов (политик/стратегий) и сравнения текущего состояния с состояниями целей.
В CB5T стабильность (общая дисперсия сознательности, уступчивости и обратного невротизма) и пластичности (общая дисперсия экстраверсии и открытости/интеллект) особенно примечательны как высокоуровневые описания настроек параметров для кибернетических систем управления.
• Стабильность отражает оптимизацию, направленную на противодействие срыву в постоянном преследовании цели, инструментально полезную способность кибернетической системы.
В этом свете невротизм - это противоположный полюс эмоциональной стабильности, который препятствует потенциальным угрозам нарушить преследование цели из-за беспокойства или других негативных эмоций. Сознательность отражает мотивационную стабильность, так что отвлекающие факторы и дезорганизация, как правило, не мешают достижению цели. Приятность отражает социальную стабильность, поддержание социальной гармонии и недопущение конфликтов с другими.
• Пластичность, напротив, отражает оптимизацию способности генерировать новые характерные адаптации, включая исследование новых обстоятельств. В этом свете открытость/интеллект включает когнитивную/перцептивную тенденцию к исследованию.
Хотя стабильность и пластичность могут казаться концептуально противоположными, в действительности они могут быть взаимно поддерживающими факторами. На самом деле, способность к пластичности должна развиваться, чтобы обеспечить стабильность (за счет повышенной адаптивности) в изменяющихся и непредсказуемых средах.
Экзистенциальный императив сохранения системы обязательно требует уравновешивания внешней ценности достижения конкретных целей с внутренней ценностью изучения новой информации. Стабильность соответствует защите целей, интерпретаций и стратегий от разрушения импульсами, а пластичность соответствует исследованию и созданию новых целей, интерпретаций и стратегий.
В рамках FEP-AI стабильность будет наиболее тесно соответствовать оптимизации для внешнего/прагматического значения минимизации ошибки прогнозирования в отношении достижения конкретных целей в мире.
Пластичность, напротив, может иметь самое близкое соответствие с оптимизацией внутренней/эпистемической ценности информации, достигаемой либо путем сбора информации по средствам открытого ориентирования внимания, либо путем исследования новых политик их эпистемической доступности (то есть их потенциала для увеличения объема информации).
Пластичность имеет наиболее четкое соответствие в FEP-AI с точностью по сравнению с политиками, что соответствует параметрам обратной температуры (γ/β).
Чем выше точность политик, тем агент лучше будет готов задействовать существующие политики даже в условиях неопределенности, что приведет к более активному изучению новых или непредсказуемых сред.
В рамках CB5T экстраверсия понимается как соответствующая тенденциям к поведенческому исследованию и вовлечению с конкретными наградами. Биологические доказательства, подтверждающие эту функциональную гипотезу, включают тот факт, что экстраверсия была убедительно продемонстрирована как связь с вариациями дофаминовой системой вознаграждения, а колебания уровней дофамина в полосатом теле были определены как основныой фактор, определяющий вероятность растормаживания корковых ансамблей. Повышенный уровень дофамина следует рассматривать как сигнал о том, что условия, скорее всего, будут такими, что развертывание политик будет соответствовать предшествующим предпочтениям и следовательно, что пороги развертывания должны быть снижены.
CB5T описывает открытость/интеллект как познавательное исследование и взаимодействие с информацией для создания новых интерпретаций мира. В терминах FEP-AI, открытость/интеллект будет соответствовать степени, в которой агент предсказывает, что он минимизирует общую ошибку предсказания, выбирая политики, которые имеют тенденцию оптимизировать для эпистемической ценности.
Что касается генеративных моделей, это может соответствовать увеличению точности, присвоенным ошибкам предсказания из перцептивных матриц A (и, таким образом, большей чувствительности к новой информации), а также конкретным конфигурациям матриц C и E, в которых прогнозируется новизна и обучение.
В рамках CB5T нейротизм рассматривается как отражение защитных реакций на неопределенность, угрозу и наказание, а лежащие в его основе механизмы описываются в терминах ответов на «психологическую энтропию», что соответствует неопределенности относительно того, какое действие или интерпретацию следует принять в данный момент. Обнаружение ошибок предсказания увеличивает психологическую энтропию, и нейротизм должен отражать большую чувствительность обнаружения ошибок, а также большую тенденцию прерывать текущие целенаправленные действия при обнаружении ошибки в качестве защиты от угрозы. С кибернетической точки зрения, все угрозы являются увеличением энтропии, потому что они увеличивают неопределенность относительно способности системы достичь одной или более целей.
Минимизация ошибок предсказания всегда является фундаментальным императивом в FEP-AI, но чрезмерная чувствительность к отдельным ошибкам предсказания вряд ли эффективно минимизирует ошибку предсказания в долгосрочной перспективе. Это связано с тем, что чрезмерная реакция на мелкие ошибки, вероятно, приведет к чрезмерной подгонке и снижению способности обобщения для новых ситуаций, и прерывание действий в ответ на незначительные ошибки, вероятно, приведет к увеличению ошибок прогнозирования в отношении удовлетворения предшествующих предпочтений (достижения целей). С точки зрения личности это означает, что высокий нейротизм - хотя потенциально повышает вероятность того, что люди избегают непредсказуемых и следовательно, рискованных ситуаций - может также подрывать стремление к цели, вызывая близорукое внимание к мелочам и отказ от стратегий, которые могут быть успешными.
CB5T определяет психопатологию как «стойкую неспособность двигаться к своим психологическим целям из-за неспособности создать новые эффективные цели, интерпретации или стратегии, когда существующие оказываются неудачными».
В соответствии с этим, некоторые характеристики личности, связанные с спектром аутизма, могут быть объяснены с точки зрения чрезмерных ошибок предсказания (т.е. слишком большого выигрыша от сенсорных наблюдений), психоз может происходить из аномальных предсказаний, при этом галлюцинации и заблуждения потенциально понимаются с точки зрения чрезмерно сильных предсказаний.
В CB5T сознательность понимается как черта, отражающая способность расставлять приоритеты не сиюминутных и/или абстрактных целей и избегать срывов на пути к ним. Было обнаружено, что это связано с паттернами связи в обширной сети мозга, объединяющей то, что традиционно называют сетями заметности и вентрального внимания, но также включает узел в дорсолатеральной префронтальной коре, который, вероятно, будет центральным для определения приоритетов целей.
Сложные системы, должны иметь средства дифференцированного взвешивания целей в разных контекстах. Успешная минимизация ожидаемой свободной энергии требует оценки вероятных последствий политики развернутой в будущее и следовательно, требует межвременного моделирования когерентного иерархического вывода (т.е. многоэтапного планирования).
Примечательно, что в рамках парадигмы FEP-AI глубоко социальная природа людей все чаще признается в качестве необходимой отправной точки понимание способов, которыми психические процессы загружаются в процессе когнитивного развития.
/Источник/
"Ген счастья".
Поисковая активность.
О пользе стресса.
Используйте стресс мудро.
Еще раз о балансе.
Ключ к счастью.
Проблема самоубийства.
Любознательность.
Когнитивная гибкость и везение.
"Желание снять сресс"
«Сбор урожая»
Новая теория обучения.
Сенситивные периоды.