Cognitie en Kunstmatige Intelligentie — Studietaak 01:
Cognitivisme, Machinefunctionalisme en de Turing-test
Bronnen: Clark (Mindware H.1), Turing (1936), Putnam (jaren ’60), Searle (Chinese Room)
Leerdoel 1: Factoren die bijdroegen aan de opkomst van het cognitivisme
Wat is het cognitivisme?
Het cognitivisme is een stroming binnen de cognitiewetenschap die mentale processen
(denken, herinneren, problemen oplossen) bestudeert als interne, computationele
processen. Het ontstond als reactie op het behaviorisme, dat zich uitsluitend richtte op
observeerbaar gedrag en interne processen bewust buiten beschouwing liet.
De kern van het cognitivisme is de computationele theorie van de geest: de gedachte
dat mentale processen vergelijkbaar zijn met hoe een computer informatie verwerkt —
symboolmanipulatie en informatieverwerkingsprocessen.
Factor 1: De ontwikkeling van formele logica
Formele logica toonde aan dat semantische relaties (betekenis) gerespecteerd
kunnen worden via pure syntactische (vormgebaseerde) manipulaties — zonder
dat het systeem de betekenis “begrijpt.”
De kernstelling van Haugeland: “If you take care of the syntax, the semantics will
take care of itself.” Dit opende de weg naar het idee dat de hersenen ook zo werken:
als een syntactische machine die semantiek “gratis meekrijgt.”
Cruciaal inzicht: de fysieke details van het systeem doen er niet toe — het gaat om het
abstracte patroon van relaties en regels. Bij een schaakspel maakt het niet uit of de
stukken van hout of plastic zijn, zolang de regels worden gevolgd. Op dezelfde manier
kunnen mentale processen beschreven worden in termen van abstracte, formele
structuren.
Factor 2: Turings formalisering van berekenbaarheid
Alan Turing (1936) formaliseerde het begrip berekenbaarheid met de Turingmachine,
een theoretisch model met vijf componenten:
Component Functie
Oneindige tape Geheugen, verdeeld in cellen met symbolen
Eindige De “processor”; bepaalt wat het apparaat doet
toestandsautomaat
Lees-/schrijfkop Leest, schrijft en verplaatst symbolen over de tape
Machinetabel Het programma; specificeert acties gegeven toestand +
gelezen symbool
Toestandsovergang Lees → schrijf → toestandverandering → beweging
,De Universele Turingmachine kan elke andere Turingmachine imiteren door die
machine als input te ontvangen — dit is de theoretische basis van programmeerbare
computers.
De Church-Turing these stelt: alles wat berekenbaar is, kan door een Turingmachine
worden berekend. Dit legde de grondslag voor het cognitivistische idee dat de hersenen
als berekeningsapparaat werken.
Factor 3: De constructie van digitale computers
In de jaren ’40 ontwierp John von Neumann de basisarchitectuur van de digitale
computer. Dit maakte het mogelijk formele systemen fysiek te implementeren en
automatisch uit te voeren. De computer werd een concreet model voor hoe een fysiek
apparaat door het uitvoeren van een programma intelligente taken kon uitvoeren.
Dit versterkte de analogie: hersenen = hardware, gedachten = software. De computer is,
zoals Haugeland het omschrijft, “an automatic formal system” — een schaakspel dat
zichzelf speelt.
Leerdoel 2: De vier eigenschappen en tekortkomingen van het
machinefunctionalisme
Kernthese
Machinefunctionalisme (gepopulariseerd door Hilary Putnam in de jaren ’60) is de
filosofische grondslag van het cognitivisme. De kernthese:
Mentale toestanden zijn functionele toestanden — ze worden gedefinieerd
door hun causale/computationele rol (relatie tussen input, interne toestand en
output), niet door de specifieke fysieke substantie.
Cognition verhoudt zich tot de hersenen zoals software tot hardware: de hersenen zijn
de biologische implementatie, maar cognitie is een programmaniveau-verschijnsel.
Eigenschap 1: Mind als software
Mentale toestanden zijn geen fysieke substanties maar computationele processen die
sensorische input en gedragsmatige output verbinden. De mind is de software die
“draait” op de biologische hardware van het brein.
Net zoals de werking van een computer beschreven kan worden in termen van
computationele functies (onafhankelijk van de hardware), kunnen mentale toestanden
beschreven worden in termen van hun functionele rol in het cognitieve systeem.
Eigenschap 2: Non-reductief fysicalisme
Machinefunctionalisme is: - Fysicalistisch: mentale toestanden zijn afhankelijk van
fysieke substantie (geen aparte geest-stof) - Non-reductief: mentale toestanden
kunnen niet één-op-één worden herleid tot specifieke hersentoestanden
,Voorbeeld: Pijn kan gerealiseerd worden door verschillende neurale toestanden. Dit
maakt een strikte identiteitstheorie (mentale toestand X = hersentoestand Y)
onhoudbaar.
Dit onderscheidt machinefunctionalisme van drie rivaliserende benaderingen:
Benadering Kernstelling Kritiek op cognitivisme
Dualisme Geest is aparte niet-fysieke Onverenigbaar met
substantie natuurkunde
Reductief Mentale toestanden = Te star voor meervoudige
materialisme hersentoestanden realisering
Behaviorisme Alleen gedrag telt, geen Mist verklarende kracht van
interne toestanden mentale representaties
Eigenschap 3: Meervoudige realiseerbaarheid
Dezelfde mentale toestand kan gerealiseerd worden in verschillende fysieke
substraten: - Menselijke hersenen - Dierenhersenen (ook dieren met eenvoudiger brein
kunnen pijn ervaren) - In principe: computers of robots
Net zoals hetzelfde computerprogramma op verschillende soorten hardware kan
draaien, kan dezelfde cognitieve functie in verschillende materialen worden
geïmplementeerd. Het gaat om de abstracte computationele organisatie, niet om de
specifieke bouwstenen.
Dit is fundamenteel voor AI: het suggereert dat we intelligentie kunnen creëren in niet-
biologische systemen en maakt psychologie mogelijk als autonome wetenschap.
Eigenschap 4: Causale werking van mentale toestanden
Mentale toestanden hebben een causale werking op gedrag. Dit heet reason-respecting
behavior: gedrag dat wordt gestuurd door redenen, ideeën en overtuigingen.
Voorbeeld van Pylyshyn: Een voetganger ziet een auto-ongeluk, rent naar een telefoon en
belt 911. Om dit gedrag te verklaren heb je interne representaties nodig (“auto-
ongeluk”, “hulp nodig”) die causaal leiden tot acties. Een puur neurofysiologisch verhaal
verklaart niet waarom de persoon 911 belt in Amerika in plaats van 112 — dat vergt het
niveau van mentale representaties.
Tekortkoming 1: Hardware/software-onderscheid is niet helder in de biologie
De hardware/software-analogie is verleidelijk maar misleidend: - Er is geen duidelijk
afgebakend functioneel niveau in de biologie - Co-evolutie: ons lichaam en mentale
functies hebben samen geëvolueerd en zijn sterk verweven - Een enkel
beschrijvingsniveau is onvoldoende om alle aspecten van cognitie te verklaren
Dit suggereert dat aandacht voor de biologische hardware wel degelijk noodzakelijk is
voor volledig begrip van cognitie.
,Tekortkoming 2: Mimicry versus werkelijk begrip
Het is onduidelijk of computerprogramma’s werkelijk intelligent zijn, of slechts
oppervlakkig menselijk gedrag imiteren.
Systeem Wat het doet Werkelijk begrip?
PARRY Simuleert paranoid schizofreen via Nee: alleen nabootsing, geen
trefwoord-scanning psychologisch model
Deep Verslaat schaakgrootmeesters via Nee: andere strategie dan
Blue brute-force (7 zetten vooruit) menselijke patroonherkenning
Watson Wint Jeopardy via kansberekening op Nee: kent antwoorden niet,
database berekent waarschijnlijkheden
Het verschil: modelleren (interne processen nabootsen zoals bij mensen) vs. mimicry
(alleen output nabootsen). Machinefunctionalisme geeft geen duidelijk criterium om dit
onderscheid te maken.
Tekortkoming 3: Bewustzijn en qualia
Kan een systeem van silicium bewust zijn — pijn, vreugde, angst ervaren?
Machinefunctionalisme impliceert: als de abstracte computationele functie klopt, is er
bewustzijn — ongeacht het substraat. John Searle betwist dit met de Chinese Room
gedachte-experiment: bewustzijn is mogelijk afhankelijk van de specifieke biologische
materie, niet alleen van abstracte organisatie.
Clarks pizza-analogie: Een lunchbestelling is een informatiepatroon (je kunt het faxen).
Een pizza is dat niet — “Ze zijn de pizza vergeten en sturen alleen een foto.” Is
bewustzijn meer als een informatiepatroon, of meer als pizza?
De vraag of bewustzijn een informationeel verschijnsel is, blijft onopgelost — dit is de
“kikker op de bodem van het bierglas” voor machinefunctionalisme.
Leerdoel 3: Het sense-plan-act model omschrijven en relateren aan het
cognitivisme
Drie fasen van het model
Het sense-plan-act model is een conceptueel raamwerk voor robotica en AI. Het ziet
cognitie als een cyclisch proces:
Fase 1 — Sense (waarnemen): De robot verzamelt informatie via sensoren (camera’s,
druksensoren). Doel: een intern beeld vormen van de omgeving, inclusief objectposities
en eigen lokalisatie.
Fase 2 — Plan (plannen): Sensorgegevens worden verwerkt om een actieplan op te
stellen. De robot doorzoekt mogelijke acties en kiest de optimale. Dit is vergelijkbaar
met hoe Google Maps alle routes doorzoekt van A naar B.
Fase 3 — Act (handelen): Het plan wordt uitgevoerd: bewegen, manipuleren,
communiceren. Continue feedback corrigeert fouten en past acties aan.
, ┌──────────┐
│ Sense │
│ (input) │
└────┬─────┘
↓
┌──────────┐
│ Plan │
│(internal)│
└────┬─────┘
↓
┌──────────┐
│ Act │
│ (output) │
└────┬─────┘
↓
[Omgeving]
↓
[Feedback]
↓
┌──────────┐
│Herziening│
└──────────┘
Figuur: Sense-plan-act als feedback-lus
Relatie met het cognitivisme
Het model weerspiegelt vier cognitivistische aannames:
1. Cognitie als intern computationeel proces: Cognitie vindt plaats tussen
sensorische input en motorische output — het is een intern, centraal
verwerkingsproces.
2. Scheiding tussen cognitie en wereld: Perceptie en actie zijn aparte fasen. Er is
een kloof tussen interne representatie en externe werkelijkheid.
3. Rationele, doelgerichte planning: Intelligentie wordt gezien als
probleemoplossend en doelgericht. Het systeem plant vooruit om doelen te
bereiken.
4. Centrale representaties: Het model veronderstelt dat de robot een interne
representatie van de wereld opbouwt en hierop redeneert voordat het handelt.
Kritiek (vooruitblik): Later benaderingen — belichaamde cognitie, dynamische
systemen, Rodney Brooks’ subsumptie-architectuur — vragen deze aannames in twijfel.
Leerdoel 4: De aard en beperkingen van de Turing-test
Opzet en doel
De Turing-test (1950) is een gedachte-experiment om “Can machines think?”
operationeel te maken:
,Opzet: Een menselijke ondervrager voert een tekstgesprek met twee deelnemers — één
mens, één machine (beiden verborgen). De ondervrager moet bepalen wie de machine
is.
Doel: Als de ondervrager het verschil niet kan zien, kan de machine als “intelligent”
beschouwd worden.
Turings aanname: Gedrag (vooral linguïstisch gedrag) is de juiste maatstaf voor
intelligentie. Nabootsing van menselijk gesprek is voldoende voor “denken.”
Sterke kanten
• Operationeel: vertaalt vaag concept naar concrete test
• Theorie-neutraal: stelt geen vereisten aan hoe intelligentie wordt bereikt
• Breed: geen beperking tot specifieke soort kennis
Beperkingen: zes kritische punten
Beperking 1 — Test taalvaardigheid, niet begrip
Moderne LLMs (GPT-4) kunnen de test doorstaan zonder inhoud werkelijk te begrijpen.
Ze genereren plausibele tekst op basis van statistische patronen. Dit is oppervlakkige
taalvaardigheid, geen diep begrip.
Beperking 2 — Te smal: alleen verbale intelligentie
De test reduceert intelligentie tot talige communicatie. Menselijke intelligentie is
multidimensionaal: visuele perceptie, motorische vaardigheden, creatief denken,
common sense. Deze vormen worden genegeerd.
Beperking 3 — Gevoelig voor trucs en mimicry
Systemen als PARRY, ELIZA en ALICE kunnen de test doorstaan met simpele trucs
(trefwoorden scannen, standaard-uitbarstingen geven) zonder enig begrip. De test
beloont misleiding, niet werkelijke intelligentie.
Beperking 4 — Geen maat voor bewustzijn
De test zegt niets over of een machine bewustzijn heeft, zelfbewust is, of qualia ervaart.
Toch wordt bewustzijn vaak als kernaspect van intelligentie gezien.
Beperking 5 — Antropocentrisch
De test meet hoe goed een machine een mens imiteert. Niet-menselijke intelligentie die
fundamenteel anders werkt, slaagt automatisch niet — ook al is ze in relevante zin
“intelligent.”
Beperking 6 — Trainingsdatacontaminatie
LLMs zijn getraind op enorme hoeveelheden menselijke tekst. Ze kunnen testscenario’s
“herkennen” uit trainingsdata in plaats van te redeneren. Dit maakt de test nog minder
valide.
,Cognitie en Kunstmatige Intelligentie — Studietaak 2: PSSH, GOFAI
en kritieken
Bronnen: Newell & Simon (1976), Dennett (1984), Searle (1980), Clark (1997) —
studiemateriaal
Leerdoel 1: De Physical Symbol System Hypothesis (PSSH) begrijpen en
toepassen
Een Physical Symbol System (PSS) is een fysiek systeem met vier eigenschappen: het
bevat symbolen (discrete, fysieke patronen die concepten of objecten representeren),
het vormt symboolstructuren (symbolen combineren tot complexe uitdrukkingen,
bijv. is_een(hond, zoogdier)), het bezit processen die symbolen manipuleren
(kopiëren, samenvoegen, creëren, wissen), en die processen kunnen zelf symbolisch
worden gerepresenteerd binnen het systeem.
De Turingmachine is het prototypische voorbeeld. De term ‘fysiek’ verwijst naar
realisatie in een fysiek medium (computer, brein, telraam) — het hoe is irrelevant,
alleen de functie telt (machinefunctionalisme).
De twee onderdelen van de PSSH
Newell en Simon (1976) formuleerden de PSSH als empirische hypothese met twee
onderdelen:
Onderdeel 1 — de kern: “A physical symbol system has the necessary and sufficient
means for general intelligent action.”
• Noodzakelijk: elk intelligent systeem ís een PSS. Geen symboolsysteem = geen
intelligentie. Geldt voor hersenen én computers.
• Voldoende: elk PSS van voldoende omvang kán zo worden geconfigureerd dat het
intelligent gedrag vertoont.
Implicatie: intelligentie is computationeel van aard, en het is in principe mogelijk
menselijke intelligentie in een computer te repliceren.
Onderdeel 2 — de Heuristic Search Hypothesis: “A physical symbol system exercises
its intelligence in problem solving by search — generating and progressively modifying
symbol structures until it produces a solution structure.”
Begrip Uitleg
Probleemruimte Alle mogelijke toestanden en acties bij het werken aan een
(state-space) doel (bij schaken: ~10⁵⁰ configuraties)
Combinatorische Het aantal toestanden groeit zo snel dat zelfs
explosie supercomputers niet alles kunnen doorrekenen
Heuristieken Vuistregels die de meest veelbelovende paden
identificeren zonder uitputtend zoeken
Brute force Niet-intelligent: Newell en Simon benadrukken dat alleen
heuristisch zoeken echte intelligentie oplevert
,Voorbeelden van heuristische zoektechnieken:
• Means-ends analysis: analyseer het verschil tussen huidige toestand en doel; kies
acties die dit verschil verkleinen.
• Hill-climbing: kies stapsgewijs de nabijgelegen ‘hoogste’ positie in het
probleemlandschap. Nadeel: greedy algoritme dat geen globaal optimum vindt.
• Minimax + Alpha-Beta pruning: evalueer mogelijke zetten tot een bepaalde diepte
vanuit beide spelers; snoei onvruchtbare takken weg.
De drie kernaspecten van de PSSH (Clark)
Clark beschrijft drie praktische commitments van PSS-gebaseerde AI:
1. Symbolische code als langetermijngeheugen — systemen zijn semantisch
transparant: een programmeur kan precies zien welke denkstappen worden
uitgevoerd (bijv. INROOM(BOX1, KITCHEN) = “Doos 1 is in de keuken”).
2. Intelligentie = succesvol doorzoeken van een probleemruimte — slimme
zoekstrategieën, niet rekenkracht.
3. Intelligentie zit op het niveau van bewust, deliberatief redeneren (de
“cognitive band”, tijdschaal ~10 ms–10 s) — expliciete gedachten in serie.
Relatie tot cognitivisme
De PSSH is een empirische uitwerking van het cognitivisme:
PSS-concept Cognitief-psychologisch equivalent
Symbolen Mentale representaties
Regels Cognitieve heuristieken
Symboolstructuren Semantische netwerken (Collins & Loftus)
Proposities (is_een(hond,zoogdier)) Propositionele representaties
Leerdoel 2: GOFAI-systemen beschrijven en hun beperkingen analyseren
GOFAI (Good Old-Fashioned Artificial Intelligence) is de dominante AI-stroming van de
jaren ’50 tot ’80, gebaseerd op de PSSH. Kenmerken: uitgebreide if-then regelsets,
expliciete symboolmanipulatie, heuristische zoektechnieken en semantisch
transparante representaties.
Schank’s Restaurant Scripts
Een script is een symbolische kennisrepresentatie van een stereotiepe reeks
gebeurtenissen. Het restaurant-script bevat scènes (ENTERING, ORDERING, EATING,
EXITING), opgebouwd uit acties in een speciaal symboolsysteem ( PTRANS = verandering
van locatie, ATRANS = overdracht van eigendom). Werkt voor standaardsituaties, maar
faalt bij onverwachte variaties.
SOAR
SOAR is een grote PSS-gebaseerde architectuur die: - alle langetermijnkennis opslaat als
producties (if-then-regels) in een uniform geheugen, - problemen oplost via
,gestructureerde probleemruimten, - een enkelvoudig leermechanisme gebruikt
(chunking).
Kritiek: een uniform geheugen is neurofysiologisch onrealistisch — mensen hebben
meerdere geheugensystemen (episodisch, semantisch, procedureel).
Shakey de Robot
Vroege GOFAI-robot werkend via de Sense-Think-Act cyclus:
[Sensoren] → [Intern Wereldmodel] → [Planning (STRIPS/A*)] →
[Motoren]
↑ (predicaten) (deliberatief) ↓
└────────────────── [Omgeving] ───────────────────────────────┘
Figuur: Sense-Think-Act cyclus van Shakey.
• Sense: camera, stootsensoren en afstandsmeters bouwen een intern wereldmodel
via logische predicaten (AT(ROBOT,3,4), INROOM(BOX1,KITCHEN)).
• Think: planning via STRIPS (means-ends analysis + subtaken) en A*-algoritme. De
deliberatieve fase domineert.
• Act: motoren voeren het plan uit.
Beperkingen: werkt alleen in sterk vereenvoudigde omgevingen, extreem traag door
de dominante Think-fase, kan niet omgaan met onverwachte situaties, en ondervindt
het frameprobleem.
Tekortkomingen van GOFAI
Tekortkoming Omschrijving
Frameprobleem Kan relevant niet van irrelevant onderscheiden
Combinatorische Probleemruimten worden snel onhanteerbaar groot
explosie
Brittelheid Functioneert slecht buiten vooraf gedefinieerd domein
Geen common sense Vanzelfsprekende kennis is enorm moeilijk te
formaliseren
Geen echt leerproces Kennis wordt ingestopt door programmeurs
Neurofysiologisch Één uniform geheugen vs. meerdere menselijke
onrealistisch geheugensystemen
Onrealistisch redeneren Aanname van serieel, uniform redeneren; echte cognitie
is parallel en gedistribueerd
Leerdoel 3: Het frameprobleem en cognitive wheels (Dennett, 1984)
De kern van het frameprobleem
Het frameprobleem: hoe programmeer je een regelgeleide robot zodat hij (1) de
beoogde gevolgen van zijn handelingen overziet, (2) onbedoelde neveneffecten
meeneemt, maar (3) irrelevante gevolgen efficiënt negeert?
, De drie robots
• R1: trekt wagon met batterij de kamer uit. De bom staat ook op de wagon — R1
heeft de neveneffecten van PULLOUT niet doorgerekend. Bom ontploft.
• R1D1: begint ALLE implicaties van PULLOUT te berekenen (dat de kleur van de
muren niet verandert, dat het aantal wielsomwentelingen toeneemt, etc.). Terwijl
hij rekent gaat de bom af.
• R2D1: probeert irrelevante implicaties op een lijst te zetten en te negeren. Maar
om te bepalen dát iets irrelevant is, moet hij het eerst evalueren. Wacht Hamlet-
achtig terwijl de bom afgaat.
Alle drie falen: het probleem is niet wát je berekent, maar hoe je weet wat je kunt
negeren zónder dat te bepalen door alles te berekenen.
Het installatieprobleem
Hoe installeer je alle informatie die een agent nodig heeft in een bruikbaar formaat?
• Semantisch probleem: welke informatie is nodig?
• Syntactisch probleem: in welk formaat sla je die op zodat het snel genoeg wordt
opgehaald?
Een agent heeft een enorme hoeveelheid vanzelfsprekende feiten nodig (mayonaise lost
messen niet op, een boterham is kleiner dan de Mount Everest). De ‘volwassen robot’-
shortcut — alle kennis vooraf installeren — omzeilt het essentiële leerproces. Het is
maar de vraag of deze kennis in expliciete regels te vatten is.
Framing-axioma’s en non-monotone redenering
Vroege oplossing: framing-axioma’s in de predicaatcalculus. Probleem: voor elke actie ×
elk attribuut is een apart “nothing changes”-axioma nodig, wat leidt tot een explosie van
axioma’s.
Mensen redeneren ceteris paribus (non-monotoon): we nemen vanzelf aan dat de rest
gelijk blijft tenzij anders aangegeven. Voorgestelde AI-oplossingen (default reasoning,
circumscription, non-monotonic logic) werken formeel maar hebben waarschijnlijk
geen biologisch plausibel equivalent.
Cognitive Wheels
Een cognitive wheel is een ontwerp in cognitieve theorie dat technologisch elegant
maar biologisch onrealistisch is.
Analogie: wielen zijn briljant maar macroscopische dieren hebben geen wielen —
bloedvaten en zenuwen kunnen niet door een draaiende as lopen.
Fenomenologisch niveau → Corticale activiteit → Neuronale vuurpatronen
↑ ↓
(GOFAI bootst alleen dit niveau na) synaptische chemie → elektrische potentialen
Figuur: Dennerts niveaus van beschrijving; GOFAI opereert alleen op het fenomenologisch
niveau.
Verband frameprobleem en cognitive wheels: het frameprobleem is een symptoom
van het postuleren van cognitive wheels. Door onrealistische methoden als grondslag te
Cognitivisme, Machinefunctionalisme en de Turing-test
Bronnen: Clark (Mindware H.1), Turing (1936), Putnam (jaren ’60), Searle (Chinese Room)
Leerdoel 1: Factoren die bijdroegen aan de opkomst van het cognitivisme
Wat is het cognitivisme?
Het cognitivisme is een stroming binnen de cognitiewetenschap die mentale processen
(denken, herinneren, problemen oplossen) bestudeert als interne, computationele
processen. Het ontstond als reactie op het behaviorisme, dat zich uitsluitend richtte op
observeerbaar gedrag en interne processen bewust buiten beschouwing liet.
De kern van het cognitivisme is de computationele theorie van de geest: de gedachte
dat mentale processen vergelijkbaar zijn met hoe een computer informatie verwerkt —
symboolmanipulatie en informatieverwerkingsprocessen.
Factor 1: De ontwikkeling van formele logica
Formele logica toonde aan dat semantische relaties (betekenis) gerespecteerd
kunnen worden via pure syntactische (vormgebaseerde) manipulaties — zonder
dat het systeem de betekenis “begrijpt.”
De kernstelling van Haugeland: “If you take care of the syntax, the semantics will
take care of itself.” Dit opende de weg naar het idee dat de hersenen ook zo werken:
als een syntactische machine die semantiek “gratis meekrijgt.”
Cruciaal inzicht: de fysieke details van het systeem doen er niet toe — het gaat om het
abstracte patroon van relaties en regels. Bij een schaakspel maakt het niet uit of de
stukken van hout of plastic zijn, zolang de regels worden gevolgd. Op dezelfde manier
kunnen mentale processen beschreven worden in termen van abstracte, formele
structuren.
Factor 2: Turings formalisering van berekenbaarheid
Alan Turing (1936) formaliseerde het begrip berekenbaarheid met de Turingmachine,
een theoretisch model met vijf componenten:
Component Functie
Oneindige tape Geheugen, verdeeld in cellen met symbolen
Eindige De “processor”; bepaalt wat het apparaat doet
toestandsautomaat
Lees-/schrijfkop Leest, schrijft en verplaatst symbolen over de tape
Machinetabel Het programma; specificeert acties gegeven toestand +
gelezen symbool
Toestandsovergang Lees → schrijf → toestandverandering → beweging
,De Universele Turingmachine kan elke andere Turingmachine imiteren door die
machine als input te ontvangen — dit is de theoretische basis van programmeerbare
computers.
De Church-Turing these stelt: alles wat berekenbaar is, kan door een Turingmachine
worden berekend. Dit legde de grondslag voor het cognitivistische idee dat de hersenen
als berekeningsapparaat werken.
Factor 3: De constructie van digitale computers
In de jaren ’40 ontwierp John von Neumann de basisarchitectuur van de digitale
computer. Dit maakte het mogelijk formele systemen fysiek te implementeren en
automatisch uit te voeren. De computer werd een concreet model voor hoe een fysiek
apparaat door het uitvoeren van een programma intelligente taken kon uitvoeren.
Dit versterkte de analogie: hersenen = hardware, gedachten = software. De computer is,
zoals Haugeland het omschrijft, “an automatic formal system” — een schaakspel dat
zichzelf speelt.
Leerdoel 2: De vier eigenschappen en tekortkomingen van het
machinefunctionalisme
Kernthese
Machinefunctionalisme (gepopulariseerd door Hilary Putnam in de jaren ’60) is de
filosofische grondslag van het cognitivisme. De kernthese:
Mentale toestanden zijn functionele toestanden — ze worden gedefinieerd
door hun causale/computationele rol (relatie tussen input, interne toestand en
output), niet door de specifieke fysieke substantie.
Cognition verhoudt zich tot de hersenen zoals software tot hardware: de hersenen zijn
de biologische implementatie, maar cognitie is een programmaniveau-verschijnsel.
Eigenschap 1: Mind als software
Mentale toestanden zijn geen fysieke substanties maar computationele processen die
sensorische input en gedragsmatige output verbinden. De mind is de software die
“draait” op de biologische hardware van het brein.
Net zoals de werking van een computer beschreven kan worden in termen van
computationele functies (onafhankelijk van de hardware), kunnen mentale toestanden
beschreven worden in termen van hun functionele rol in het cognitieve systeem.
Eigenschap 2: Non-reductief fysicalisme
Machinefunctionalisme is: - Fysicalistisch: mentale toestanden zijn afhankelijk van
fysieke substantie (geen aparte geest-stof) - Non-reductief: mentale toestanden
kunnen niet één-op-één worden herleid tot specifieke hersentoestanden
,Voorbeeld: Pijn kan gerealiseerd worden door verschillende neurale toestanden. Dit
maakt een strikte identiteitstheorie (mentale toestand X = hersentoestand Y)
onhoudbaar.
Dit onderscheidt machinefunctionalisme van drie rivaliserende benaderingen:
Benadering Kernstelling Kritiek op cognitivisme
Dualisme Geest is aparte niet-fysieke Onverenigbaar met
substantie natuurkunde
Reductief Mentale toestanden = Te star voor meervoudige
materialisme hersentoestanden realisering
Behaviorisme Alleen gedrag telt, geen Mist verklarende kracht van
interne toestanden mentale representaties
Eigenschap 3: Meervoudige realiseerbaarheid
Dezelfde mentale toestand kan gerealiseerd worden in verschillende fysieke
substraten: - Menselijke hersenen - Dierenhersenen (ook dieren met eenvoudiger brein
kunnen pijn ervaren) - In principe: computers of robots
Net zoals hetzelfde computerprogramma op verschillende soorten hardware kan
draaien, kan dezelfde cognitieve functie in verschillende materialen worden
geïmplementeerd. Het gaat om de abstracte computationele organisatie, niet om de
specifieke bouwstenen.
Dit is fundamenteel voor AI: het suggereert dat we intelligentie kunnen creëren in niet-
biologische systemen en maakt psychologie mogelijk als autonome wetenschap.
Eigenschap 4: Causale werking van mentale toestanden
Mentale toestanden hebben een causale werking op gedrag. Dit heet reason-respecting
behavior: gedrag dat wordt gestuurd door redenen, ideeën en overtuigingen.
Voorbeeld van Pylyshyn: Een voetganger ziet een auto-ongeluk, rent naar een telefoon en
belt 911. Om dit gedrag te verklaren heb je interne representaties nodig (“auto-
ongeluk”, “hulp nodig”) die causaal leiden tot acties. Een puur neurofysiologisch verhaal
verklaart niet waarom de persoon 911 belt in Amerika in plaats van 112 — dat vergt het
niveau van mentale representaties.
Tekortkoming 1: Hardware/software-onderscheid is niet helder in de biologie
De hardware/software-analogie is verleidelijk maar misleidend: - Er is geen duidelijk
afgebakend functioneel niveau in de biologie - Co-evolutie: ons lichaam en mentale
functies hebben samen geëvolueerd en zijn sterk verweven - Een enkel
beschrijvingsniveau is onvoldoende om alle aspecten van cognitie te verklaren
Dit suggereert dat aandacht voor de biologische hardware wel degelijk noodzakelijk is
voor volledig begrip van cognitie.
,Tekortkoming 2: Mimicry versus werkelijk begrip
Het is onduidelijk of computerprogramma’s werkelijk intelligent zijn, of slechts
oppervlakkig menselijk gedrag imiteren.
Systeem Wat het doet Werkelijk begrip?
PARRY Simuleert paranoid schizofreen via Nee: alleen nabootsing, geen
trefwoord-scanning psychologisch model
Deep Verslaat schaakgrootmeesters via Nee: andere strategie dan
Blue brute-force (7 zetten vooruit) menselijke patroonherkenning
Watson Wint Jeopardy via kansberekening op Nee: kent antwoorden niet,
database berekent waarschijnlijkheden
Het verschil: modelleren (interne processen nabootsen zoals bij mensen) vs. mimicry
(alleen output nabootsen). Machinefunctionalisme geeft geen duidelijk criterium om dit
onderscheid te maken.
Tekortkoming 3: Bewustzijn en qualia
Kan een systeem van silicium bewust zijn — pijn, vreugde, angst ervaren?
Machinefunctionalisme impliceert: als de abstracte computationele functie klopt, is er
bewustzijn — ongeacht het substraat. John Searle betwist dit met de Chinese Room
gedachte-experiment: bewustzijn is mogelijk afhankelijk van de specifieke biologische
materie, niet alleen van abstracte organisatie.
Clarks pizza-analogie: Een lunchbestelling is een informatiepatroon (je kunt het faxen).
Een pizza is dat niet — “Ze zijn de pizza vergeten en sturen alleen een foto.” Is
bewustzijn meer als een informatiepatroon, of meer als pizza?
De vraag of bewustzijn een informationeel verschijnsel is, blijft onopgelost — dit is de
“kikker op de bodem van het bierglas” voor machinefunctionalisme.
Leerdoel 3: Het sense-plan-act model omschrijven en relateren aan het
cognitivisme
Drie fasen van het model
Het sense-plan-act model is een conceptueel raamwerk voor robotica en AI. Het ziet
cognitie als een cyclisch proces:
Fase 1 — Sense (waarnemen): De robot verzamelt informatie via sensoren (camera’s,
druksensoren). Doel: een intern beeld vormen van de omgeving, inclusief objectposities
en eigen lokalisatie.
Fase 2 — Plan (plannen): Sensorgegevens worden verwerkt om een actieplan op te
stellen. De robot doorzoekt mogelijke acties en kiest de optimale. Dit is vergelijkbaar
met hoe Google Maps alle routes doorzoekt van A naar B.
Fase 3 — Act (handelen): Het plan wordt uitgevoerd: bewegen, manipuleren,
communiceren. Continue feedback corrigeert fouten en past acties aan.
, ┌──────────┐
│ Sense │
│ (input) │
└────┬─────┘
↓
┌──────────┐
│ Plan │
│(internal)│
└────┬─────┘
↓
┌──────────┐
│ Act │
│ (output) │
└────┬─────┘
↓
[Omgeving]
↓
[Feedback]
↓
┌──────────┐
│Herziening│
└──────────┘
Figuur: Sense-plan-act als feedback-lus
Relatie met het cognitivisme
Het model weerspiegelt vier cognitivistische aannames:
1. Cognitie als intern computationeel proces: Cognitie vindt plaats tussen
sensorische input en motorische output — het is een intern, centraal
verwerkingsproces.
2. Scheiding tussen cognitie en wereld: Perceptie en actie zijn aparte fasen. Er is
een kloof tussen interne representatie en externe werkelijkheid.
3. Rationele, doelgerichte planning: Intelligentie wordt gezien als
probleemoplossend en doelgericht. Het systeem plant vooruit om doelen te
bereiken.
4. Centrale representaties: Het model veronderstelt dat de robot een interne
representatie van de wereld opbouwt en hierop redeneert voordat het handelt.
Kritiek (vooruitblik): Later benaderingen — belichaamde cognitie, dynamische
systemen, Rodney Brooks’ subsumptie-architectuur — vragen deze aannames in twijfel.
Leerdoel 4: De aard en beperkingen van de Turing-test
Opzet en doel
De Turing-test (1950) is een gedachte-experiment om “Can machines think?”
operationeel te maken:
,Opzet: Een menselijke ondervrager voert een tekstgesprek met twee deelnemers — één
mens, één machine (beiden verborgen). De ondervrager moet bepalen wie de machine
is.
Doel: Als de ondervrager het verschil niet kan zien, kan de machine als “intelligent”
beschouwd worden.
Turings aanname: Gedrag (vooral linguïstisch gedrag) is de juiste maatstaf voor
intelligentie. Nabootsing van menselijk gesprek is voldoende voor “denken.”
Sterke kanten
• Operationeel: vertaalt vaag concept naar concrete test
• Theorie-neutraal: stelt geen vereisten aan hoe intelligentie wordt bereikt
• Breed: geen beperking tot specifieke soort kennis
Beperkingen: zes kritische punten
Beperking 1 — Test taalvaardigheid, niet begrip
Moderne LLMs (GPT-4) kunnen de test doorstaan zonder inhoud werkelijk te begrijpen.
Ze genereren plausibele tekst op basis van statistische patronen. Dit is oppervlakkige
taalvaardigheid, geen diep begrip.
Beperking 2 — Te smal: alleen verbale intelligentie
De test reduceert intelligentie tot talige communicatie. Menselijke intelligentie is
multidimensionaal: visuele perceptie, motorische vaardigheden, creatief denken,
common sense. Deze vormen worden genegeerd.
Beperking 3 — Gevoelig voor trucs en mimicry
Systemen als PARRY, ELIZA en ALICE kunnen de test doorstaan met simpele trucs
(trefwoorden scannen, standaard-uitbarstingen geven) zonder enig begrip. De test
beloont misleiding, niet werkelijke intelligentie.
Beperking 4 — Geen maat voor bewustzijn
De test zegt niets over of een machine bewustzijn heeft, zelfbewust is, of qualia ervaart.
Toch wordt bewustzijn vaak als kernaspect van intelligentie gezien.
Beperking 5 — Antropocentrisch
De test meet hoe goed een machine een mens imiteert. Niet-menselijke intelligentie die
fundamenteel anders werkt, slaagt automatisch niet — ook al is ze in relevante zin
“intelligent.”
Beperking 6 — Trainingsdatacontaminatie
LLMs zijn getraind op enorme hoeveelheden menselijke tekst. Ze kunnen testscenario’s
“herkennen” uit trainingsdata in plaats van te redeneren. Dit maakt de test nog minder
valide.
,Cognitie en Kunstmatige Intelligentie — Studietaak 2: PSSH, GOFAI
en kritieken
Bronnen: Newell & Simon (1976), Dennett (1984), Searle (1980), Clark (1997) —
studiemateriaal
Leerdoel 1: De Physical Symbol System Hypothesis (PSSH) begrijpen en
toepassen
Een Physical Symbol System (PSS) is een fysiek systeem met vier eigenschappen: het
bevat symbolen (discrete, fysieke patronen die concepten of objecten representeren),
het vormt symboolstructuren (symbolen combineren tot complexe uitdrukkingen,
bijv. is_een(hond, zoogdier)), het bezit processen die symbolen manipuleren
(kopiëren, samenvoegen, creëren, wissen), en die processen kunnen zelf symbolisch
worden gerepresenteerd binnen het systeem.
De Turingmachine is het prototypische voorbeeld. De term ‘fysiek’ verwijst naar
realisatie in een fysiek medium (computer, brein, telraam) — het hoe is irrelevant,
alleen de functie telt (machinefunctionalisme).
De twee onderdelen van de PSSH
Newell en Simon (1976) formuleerden de PSSH als empirische hypothese met twee
onderdelen:
Onderdeel 1 — de kern: “A physical symbol system has the necessary and sufficient
means for general intelligent action.”
• Noodzakelijk: elk intelligent systeem ís een PSS. Geen symboolsysteem = geen
intelligentie. Geldt voor hersenen én computers.
• Voldoende: elk PSS van voldoende omvang kán zo worden geconfigureerd dat het
intelligent gedrag vertoont.
Implicatie: intelligentie is computationeel van aard, en het is in principe mogelijk
menselijke intelligentie in een computer te repliceren.
Onderdeel 2 — de Heuristic Search Hypothesis: “A physical symbol system exercises
its intelligence in problem solving by search — generating and progressively modifying
symbol structures until it produces a solution structure.”
Begrip Uitleg
Probleemruimte Alle mogelijke toestanden en acties bij het werken aan een
(state-space) doel (bij schaken: ~10⁵⁰ configuraties)
Combinatorische Het aantal toestanden groeit zo snel dat zelfs
explosie supercomputers niet alles kunnen doorrekenen
Heuristieken Vuistregels die de meest veelbelovende paden
identificeren zonder uitputtend zoeken
Brute force Niet-intelligent: Newell en Simon benadrukken dat alleen
heuristisch zoeken echte intelligentie oplevert
,Voorbeelden van heuristische zoektechnieken:
• Means-ends analysis: analyseer het verschil tussen huidige toestand en doel; kies
acties die dit verschil verkleinen.
• Hill-climbing: kies stapsgewijs de nabijgelegen ‘hoogste’ positie in het
probleemlandschap. Nadeel: greedy algoritme dat geen globaal optimum vindt.
• Minimax + Alpha-Beta pruning: evalueer mogelijke zetten tot een bepaalde diepte
vanuit beide spelers; snoei onvruchtbare takken weg.
De drie kernaspecten van de PSSH (Clark)
Clark beschrijft drie praktische commitments van PSS-gebaseerde AI:
1. Symbolische code als langetermijngeheugen — systemen zijn semantisch
transparant: een programmeur kan precies zien welke denkstappen worden
uitgevoerd (bijv. INROOM(BOX1, KITCHEN) = “Doos 1 is in de keuken”).
2. Intelligentie = succesvol doorzoeken van een probleemruimte — slimme
zoekstrategieën, niet rekenkracht.
3. Intelligentie zit op het niveau van bewust, deliberatief redeneren (de
“cognitive band”, tijdschaal ~10 ms–10 s) — expliciete gedachten in serie.
Relatie tot cognitivisme
De PSSH is een empirische uitwerking van het cognitivisme:
PSS-concept Cognitief-psychologisch equivalent
Symbolen Mentale representaties
Regels Cognitieve heuristieken
Symboolstructuren Semantische netwerken (Collins & Loftus)
Proposities (is_een(hond,zoogdier)) Propositionele representaties
Leerdoel 2: GOFAI-systemen beschrijven en hun beperkingen analyseren
GOFAI (Good Old-Fashioned Artificial Intelligence) is de dominante AI-stroming van de
jaren ’50 tot ’80, gebaseerd op de PSSH. Kenmerken: uitgebreide if-then regelsets,
expliciete symboolmanipulatie, heuristische zoektechnieken en semantisch
transparante representaties.
Schank’s Restaurant Scripts
Een script is een symbolische kennisrepresentatie van een stereotiepe reeks
gebeurtenissen. Het restaurant-script bevat scènes (ENTERING, ORDERING, EATING,
EXITING), opgebouwd uit acties in een speciaal symboolsysteem ( PTRANS = verandering
van locatie, ATRANS = overdracht van eigendom). Werkt voor standaardsituaties, maar
faalt bij onverwachte variaties.
SOAR
SOAR is een grote PSS-gebaseerde architectuur die: - alle langetermijnkennis opslaat als
producties (if-then-regels) in een uniform geheugen, - problemen oplost via
,gestructureerde probleemruimten, - een enkelvoudig leermechanisme gebruikt
(chunking).
Kritiek: een uniform geheugen is neurofysiologisch onrealistisch — mensen hebben
meerdere geheugensystemen (episodisch, semantisch, procedureel).
Shakey de Robot
Vroege GOFAI-robot werkend via de Sense-Think-Act cyclus:
[Sensoren] → [Intern Wereldmodel] → [Planning (STRIPS/A*)] →
[Motoren]
↑ (predicaten) (deliberatief) ↓
└────────────────── [Omgeving] ───────────────────────────────┘
Figuur: Sense-Think-Act cyclus van Shakey.
• Sense: camera, stootsensoren en afstandsmeters bouwen een intern wereldmodel
via logische predicaten (AT(ROBOT,3,4), INROOM(BOX1,KITCHEN)).
• Think: planning via STRIPS (means-ends analysis + subtaken) en A*-algoritme. De
deliberatieve fase domineert.
• Act: motoren voeren het plan uit.
Beperkingen: werkt alleen in sterk vereenvoudigde omgevingen, extreem traag door
de dominante Think-fase, kan niet omgaan met onverwachte situaties, en ondervindt
het frameprobleem.
Tekortkomingen van GOFAI
Tekortkoming Omschrijving
Frameprobleem Kan relevant niet van irrelevant onderscheiden
Combinatorische Probleemruimten worden snel onhanteerbaar groot
explosie
Brittelheid Functioneert slecht buiten vooraf gedefinieerd domein
Geen common sense Vanzelfsprekende kennis is enorm moeilijk te
formaliseren
Geen echt leerproces Kennis wordt ingestopt door programmeurs
Neurofysiologisch Één uniform geheugen vs. meerdere menselijke
onrealistisch geheugensystemen
Onrealistisch redeneren Aanname van serieel, uniform redeneren; echte cognitie
is parallel en gedistribueerd
Leerdoel 3: Het frameprobleem en cognitive wheels (Dennett, 1984)
De kern van het frameprobleem
Het frameprobleem: hoe programmeer je een regelgeleide robot zodat hij (1) de
beoogde gevolgen van zijn handelingen overziet, (2) onbedoelde neveneffecten
meeneemt, maar (3) irrelevante gevolgen efficiënt negeert?
, De drie robots
• R1: trekt wagon met batterij de kamer uit. De bom staat ook op de wagon — R1
heeft de neveneffecten van PULLOUT niet doorgerekend. Bom ontploft.
• R1D1: begint ALLE implicaties van PULLOUT te berekenen (dat de kleur van de
muren niet verandert, dat het aantal wielsomwentelingen toeneemt, etc.). Terwijl
hij rekent gaat de bom af.
• R2D1: probeert irrelevante implicaties op een lijst te zetten en te negeren. Maar
om te bepalen dát iets irrelevant is, moet hij het eerst evalueren. Wacht Hamlet-
achtig terwijl de bom afgaat.
Alle drie falen: het probleem is niet wát je berekent, maar hoe je weet wat je kunt
negeren zónder dat te bepalen door alles te berekenen.
Het installatieprobleem
Hoe installeer je alle informatie die een agent nodig heeft in een bruikbaar formaat?
• Semantisch probleem: welke informatie is nodig?
• Syntactisch probleem: in welk formaat sla je die op zodat het snel genoeg wordt
opgehaald?
Een agent heeft een enorme hoeveelheid vanzelfsprekende feiten nodig (mayonaise lost
messen niet op, een boterham is kleiner dan de Mount Everest). De ‘volwassen robot’-
shortcut — alle kennis vooraf installeren — omzeilt het essentiële leerproces. Het is
maar de vraag of deze kennis in expliciete regels te vatten is.
Framing-axioma’s en non-monotone redenering
Vroege oplossing: framing-axioma’s in de predicaatcalculus. Probleem: voor elke actie ×
elk attribuut is een apart “nothing changes”-axioma nodig, wat leidt tot een explosie van
axioma’s.
Mensen redeneren ceteris paribus (non-monotoon): we nemen vanzelf aan dat de rest
gelijk blijft tenzij anders aangegeven. Voorgestelde AI-oplossingen (default reasoning,
circumscription, non-monotonic logic) werken formeel maar hebben waarschijnlijk
geen biologisch plausibel equivalent.
Cognitive Wheels
Een cognitive wheel is een ontwerp in cognitieve theorie dat technologisch elegant
maar biologisch onrealistisch is.
Analogie: wielen zijn briljant maar macroscopische dieren hebben geen wielen —
bloedvaten en zenuwen kunnen niet door een draaiende as lopen.
Fenomenologisch niveau → Corticale activiteit → Neuronale vuurpatronen
↑ ↓
(GOFAI bootst alleen dit niveau na) synaptische chemie → elektrische potentialen
Figuur: Dennerts niveaus van beschrijving; GOFAI opereert alleen op het fenomenologisch
niveau.
Verband frameprobleem en cognitive wheels: het frameprobleem is een symptoom
van het postuleren van cognitive wheels. Door onrealistische methoden als grondslag te
