계산적 인지과학의 관점에서 바라본 과학적 설명

• 영문명: Scientific Explanation from the Viewpoint of Computational Cognitive Science
• 발행기관: 대한사고개발학회
• 저자명: 왕경수 후예
• 간행물 정보: 『사고개발』제19권 제3호, 45~69쪽, 전체 25쪽
• 주제분류: 사회과학 > 교육학
• 파일형태: PDF
• 발행일자: 2023.12.31

국문 초록

인지과학도에게는 설명은 사건이나 현상들이 인과관계의 틀 속에서 왜 그렇게 발생하는가를 보이는 인지적 과정이다. 사실은 우리가 일상에서 하는 설명도 또는 과학에서의 설명도 인지과정의 내용을 들여다보면 양쪽이 다 비슷한 측면이 있다고 볼 수 있다. 물론 과학적인 설명은 훨씬 더 체계적이고 엄격하면서 정밀하다. 이런 설명의 중요한 단계들은 인지를 컴퓨터 모델링하는 계산적 인지과학에서는 우선 먼저 주어지는 정보를 취합하여 시스템의 구조를 준비(provision)하고, 그다음에 가설을 생성(generation)하여 설명을 해 나가는 단계로 진행한다. 그리고 마지막 단계는 경쟁적인 가설 또는 설명에 대해서 평가(evaluation)를 하는 단계이다. 본고는 이런 단계들을 이용하여 연역적 접근, 확률론적인 접근, 신경망 이론적인 접근으로 불리는, 과학적 설명을 계산적으로 구현하는 인지과학의 틀을 주로 문헌 연구에 의거하여 소개했다. 가급적인 최근의 연구들을 정리하면서 세가지 접근을 소개하면서 주요 작동원리를 비교하였다. 연역적인 접근으로는 법칙과 조건이 주어지면 특정한 사실이 설명된다는 Hempel(1965, 1966)의 설명 모형을 다루면서 이것이 규칙 기반시스템으로 모사(simulation)됨을 설명하였다. 확률론적인 접근 방식도 마찬가지로 주로 베이지안 네트워크를 통해서 조건부 확률에 더한 베이지안 네트워크를 통해서 가설 생성이나 설명에 적합한 양호한 가설을 판단하는 작업이 이루어짐을 보였다. 신경망 이론적 접근은 신경세포들의 상호 작용을 통해서 가설 생성이나, 즉 원인을 찾는 작업이나 설명하는 작업이 이루어짐을 보였다. 그런데 시스템 안에 명시적인 규칙 없이도 작동하는 신경망 이론의 중요한 장점 중의 하나는 가추적인 추론이나 설명을 해주는 가설생성을 하는 데 있어서 단순하게 언어적인 표현뿐만이 아니라 시각적인 것 정서적인 단순한 언어적인 정보 아닌 것들도 입력으로 받아서 또 비언어적인 출력을 할 수 있다는 장점을 가지고 있다. 이 장점은 결국은 다양한 표현양식(multi-modal mode)을 수용하는 장점이라고 볼 수 있다.

영문 초록

This paper introduces the process of explanation in computational cognitive science, which involves elucidating why phenomena or events occur within the framework of causal relationships. It highlights the similarity between everyday explanations and scientific explanations when examined through the lens of cognitive processes, noting that scientific explanations are more systematic, rigorous, and precise. The three crucial stages of explanation discussed are firstly gathering information to provision the system's structure, secondly generating hypotheses to advance the explanation, and thirdly evaluating competitive hypotheses or explanations. The paper goes on to introduce the computational implementation of cognitive science frameworks for scientific explanation through deductive, probabilistic, and neural network approaches. In the deductive approach, the discussion revolves around Hempel's (1965, 1966) explanatory model, illustrating its simulation as a rule-based system when given laws and conditions. The probabilistic approach, primarily utilizing Bayesian networks, is shown to involve tasks such as generating hypotheses and assessing suitable hypotheses through conditional probabilities. Similarly, the neural network theoretical approach demonstrates that hypothesis generation or explanation through identifying causes can occur through the interaction of neural cells. Notably, one significant advantage of neural network theory is its ability to perform abductive inference or hypothesis generation not only based on linguistic expressions but also by accepting visual, emotional, and non-linguistic information as inputs and producing non-linguistic outputs. This advantage is ultimately seen as the ability to accommodate a variety of expression forms, termed as a "multi-modal mode."

목차

Ⅰ. 서 론

Ⅱ.본 론

III. 결 론

키워드

과학적 설명 계산적 인지과학 연역 법칙적 설명 확률적 설명 신경망이론 scientific explanation computational cognitive science deductive nomological explanation neural network theory