Robert M. French

Robert M. French är forskningsledare vid det franska nationella centret för vetenskaplig forskning . Han är för närvarande vid universitetet i Bourgogne i Dijon . Han har en Ph.D. från University of Michigan , där han arbetade med Douglas Hofstadter på den kognitiva beräkningsmodellen Tabletop. Han är specialiserad på kognitionsvetenskap och har gjort en omfattande studie av processen för att skapa analogi.

French är uppfinnaren av Tabletop, ett datorprogram som bildar analogier i en mikrodomän som består av vardagliga föremål placerade på ett bord.

Han har gjort omfattande forskning inom artificiell intelligens och skrivit flera artiklar om Turing-testet , som föreslogs av Alan Turing 1950 som ett sätt att avgöra om en avancerad dator kan sägas vara intelligent. French var under lång tid en uttalad kritiker av testet, som han föreslog att ingen dator någonsin skulle kunna möta. French tror nu att vägen framåt inom AI inte ligger i ett försök att felfritt simulera mänsklig kognition (dvs. klara ett Turing-test) utan snarare i att försöka designa datorer som kan utveckla sin egen förmåga att förstå världen och interagera med dessa maskiner på ett meningsfullt sätt.

Han har bland annat publicerat arbete om katastrofal glömska i neurala nätverk , Turing-testet och grunderna för kognitiv vetenskap , evolutionen av sex och kategorisering och inlärning hos spädbarn.

tidigt liv och utbildning

French gick på Miami University från 1969 till 1972 och fick en kandidatexamen i matematik efter tre års studier. Från 1972 till 1974 var han vid Indiana University , från vilken fick en MA i matematik.

Karriär

Tidiga karriär- och doktorandstudier

Från 1972 till 1974 arbetade French som lärarassistent i matematik vid Indiana University. Under flera månader 1975 undervisade han i matematik vid Hanover College i Hanover, Indiana.

Han flyttade sedan till Frankrike, där han från 1976 till 1985 bodde i Paris och arbetade som frilansöversättare och tolk. Under sina år där samarbetade han med en kollega, Jacqueline Henry, i den franska översättningen av Douglas Hofstadters bästsäljare Gödel, Escher, Bach .

French återvände till USA 1985 för att bli doktorand i datavetenskap vid University of Michigan, Ann Arbor, där han tog en doktorsexamen. under Hofstadter i artificiell intelligens/kognitionsvetenskap. Han avslutade sitt doktorandarbete 1992 och tog en examen i datavetenskap.

Hans Ph.D. avhandlingen hade titeln Tabletop: An Emergent, Stochastic Computer Model of Analogy-Making. Hans avhandlingskommitté bestod av Hofstadter, John Holland, Daniel Dennett, Arthur Burks, John Laird och Steve Lytinen.

"Nyckeluppfattningen som ligger till grund för forskningen som presenteras i denna avhandling," skrev French i sin sammanfattning av avhandlingen, "är min övertygelse om att de kognitiva mekanismer som ger upphov till mänsklig analogibildning utgör själva grunden för intelligens. Vår förmåga att uppfatta och skapa analogier möjliggörs av samma mekanismer som driver vår förmåga att kategorisera, att generalisera och att jämföra olika situationer.”

Från 1985 till 1992 var han forskningsassistent i datavetenskap vid University of Michigan, Ann Arbor. Under denna period var han också gästforskare vid CREA, Ecole Polytechnique, Paris (1988) och gästlektor i datavetenskap vid Earlham College i Richmond, Indiana (1991).

Han tillbringade flera månader 1992 som postdoktor vid Center for Research on Concepts and Cognition vid Indiana University. Från 1992 till 1994 var han gästassistent i datavetenskap vid Willamette University i Salem, Oregon. Från 1994 till 1995 var han postdoktor vid Institutionen för psykologi vid University of Wisconsin, Madison, och en lektor i kognitionsvetenskap vid institutionen för pedagogisk psykologi vid samma institution.

Senare karriär

Från 1995 till 1998 var French forskare vid institutionen för psykologi vid universitetet i Liège. Från 1998 till 2000 var han docent i kvantitativ psykologi och kognitionsvetenskap vid samma institution. Från 2001 till 2004 var han professor i kvantitativ psykologi och kognitionsvetenskap vid den avdelningen.

Sedan 2004 har han varit forskningschef vid det franska nationella centret för vetenskaplig forskning (CNRS).

Utvalda publikationer

Böcker

• French, R. (1995). The Subtility of Sameness: En teori och datormodell för att skapa analogi . Cambridge, MA: MIT Press.

I sitt förord ​​till boken skrev Daniel Dennett att French "har skapat en modell för mänsklig analogiskapande som försöker överbrygga klyftan mellan klassisk top-down AI och nyare bottom-up-metoder." Frenchs forskning, förklarade Dennett, "baseras på antagandet att mänskligt analogiskapande är en förlängning av vår ständiga bakgrundsprocess av uppfattning - med andra ord, att analogiskapande och uppfattningen av likhet är två sidor av samma mynt. I hjärtat av författarens teori och datormodell för att skapa analogi är idén att uppbyggnaden och manipuleringen av representationer är oskiljaktiga aspekter av mental funktion, i motsats till traditionella AI-modeller av kognitiva processer på hög nivå, som har nästan alltid berodde på en ren separation.” Dennett hävdade att "Frenchs arbete är spännande inte bara för att det avslöjar att analogiskapande är en förlängning av vår komplexa och subtila förmåga att uppfatta likhet utan också för att det erbjuder en beräkningsmodell av mekanismer som ligger bakom dessa processer. Denna modell gör betydande framsteg när det gäller att implementera stokastisk bearbetning på mikronivå, distribuerad bearbetning, simulerad parallellism och integrationen av representationsbyggande och representationsbearbetning. beskrev i en recension för International Journal of Neural Systems The Subtlety of Sameness som "fascinerande".

En recension i Choice sa att "Franska avslöjar att analogiskapande är en förlängning av vår komplexa och subtila förmåga att uppfatta likhet. Hans datorprogram, Tabletop, bildar analogier i en mikrodomän som består av föremål (redskap, koppar, dricksglas, etc.) på ett bord dukat för en måltid. Teorin och programmet förlitar sig på idén att stokastiska val som görs på mikronivå kan lägga till en människoliknande robusthet på en makronivå. Tusentals programkörningar försöker verifiera detta på dussintals relaterade analogiproblem i bordsmikrovärlden."

Artiklar

• French, RM (2012). Går bortom Turing-testet. Meddelanden från Association for Computing Machinery . French hävdade att "vi måste lägga undan försöket att bygga en maskin som felfritt kan imitera människor", och som därför kan klara "Turing-testet", formulerat av Alan Turing i mitten av 1900-talet. Istället borde datavetare "godkänna datorn som en giltig samtalspartner och interagera med den som en interaktiv, sofistikerad informationskälla på hög nivå." French förklarade att han var "övertygad om att ingen maskin kommer att klara ett Turing-test, åtminstone inte inom överskådlig framtid .... Det kommer att återstå rekonditionerade områden av mänsklig kognition och fysionomi som kommer att kunna fungera som grund för frågor som används för att snubbla upp vilken maskin som helst. Så ställ Turing-testet åt sidan. Jag skulle bli jätteglad om en maskin sa till mig: 'Titta, jag är en dator, så ställ mig inga frågor som kräver att jag har en kropp att svara på, inga saker om hur det känns att ramla av en cykla eller ha nålar i foten. Det här att lura dig att tro att jag är en människa är passé. Jag försöker inte lura dig. Jag är en dator, okej?”
• French, RM (2012). Damma av Turingtestet. Vetenskap, 336 160–161. French rapporterade att "[t]vå revolutionerande framsteg inom informationsteknologi kan ta Turing-testet ut av pensionering", en av dem är "den lätta tillgången på stora mängder rådata" och den andra är "tillkomsten av sofistikerade tekniker för att samla in , organisera och bearbeta denna rika samling av data.” Han uppmanade läsaren att anta "att alla ord du någonsin har talat, hört, skrivit eller läst, såväl som alla visuella scener och alla ljud du någonsin har upplevt, var inspelade och tillgängliga, tillsammans med liknande data för hundratals av tusentals, till och med miljoner, andra människor”, och att denna registrering av sensoriska erfarenheter kunde kompletteras med information från taktila och luktreceptorer. Avancerade dataforskare, sa French, "tror att den här typen av inspelning av livserfarenhet kommer att bli vardag inom en inte alltför avlägsen framtid." Han bad vidare läsaren att anta "att mjukvaran finns för att katalogisera, analysera, korrelera och korslänka allt i detta hav av data. Dessa data och förmågan att analysera dem på lämpligt sätt skulle kunna göra det möjligt för en maskin att besvara hittills obesvarade frågor som inte kan besvaras av datorer som utnyttjar fakta som härrör från vår gestaltning eller från våra subkognitiva associativa nätverk.” Med tanke på allt detta frågade French, "är det så långsökt att tro att maskinen skulle kunna använda dessa data för att konstruera ett kognitivt och subkognitivt nätverk som liknar ditt eget? Liknande nog, det vill säga för att klara Turing-testet.”
• French, RM (2000). Turingtestet: de första 50 åren. Trends in Cognitive Sciences, 4(3), 115–121. Genom att notera att "ingen annan enskild artikel i datavetenskap, och få andra artiklar i vetenskap i allmänhet, har genererat [så] mycket diskussion" som Alan Turings artikel om Turing-testet, krönikar French historien om artikelns mottagande, och hävdar att förändrade uppfattningar av testet har "parallellt de förändrade attityderna i det vetenskapliga samfundet mot artificiell intelligens: från 1960-talets ohämmade optimism till den nuvarande insikten om de enorma svårigheter som fortfarande ligger framför oss."
• French, RM (1996). The Inverted Turing Test: Hur ett enkelt (mindless) program kunde klara det. Psycoloquy 7(39) turing-test.6.french. I den här artikeln hävdade French att "det inverterade Turing-testet... skulle kunna simuleras av ett standard Turing-test" och att "ett mycket enkelt program utan någon som helst intelligens kunde skrivas som skulle klara det inverterade Turing-testet." Därför "måste det omvända Turing-testet i dess nuvarande form förkastas."
• Mareschal, D. och French, RM (1997). En konnektionistisk redogörelse för störningseffekter i tidigt spädbarnsminne och kategorisering. Proceedings of the 19th Annual Cognitive Science Society Conference, LEA, 484–489.
• Addyman, C. och French, RM (2012). Beräkningsmodellering i kognitionsvetenskap: Ett manifest för förändring. Ämnen i kognitionsvetenskap, 4(3), 332–341.
• French, RM, Addyman, C. och Mareschal, D. (2011). TRACX: A Recognition-Based Connectionist Framework for Sequence Segmentation and Chunk Extraction. Psychological Review, 118(4), 614–636.
• Cowell, RA och French, RM (2011). Buller och uppkomsten av regler i kategoriinlärning: en anslutningsmodell. IEEE Transactions on Autonomous Mental Development, 3(3), 194–206. Denna artikel presenterar "en neural nätverksmodell för kategoriinlärning som tar upp frågan om hur regler för kategorimedlemskap förvärvas."
• Thibaut, J.-P., French, RM och Vezneva, M. (2010). Kognitiv belastning och semantiska analogier: sökning av det semantiska rummet. Psychonomic Bulletin and Review, 17(4), 569–574.
• Van Rooy, D., Van Overwalle, F., Vanhoomissen, T., Labiouse, C. och French, RM (2003). En återkommande anslutningsmodell av gruppfördomar. Psychological Review, 110, 536–563.
• French, RM, (2002). Natura non facit saltum: Behovet av hela kontinuumet av mentala representationer. Beteende- och hjärnvetenskapen. 25(3), 339–340.
• Jacquet, M. och French, RM (2002). BIA++: Utöka BIA+ till ett dynamiskt distribuerat konnektionistiskt ramverk. Tvåspråkighet, 5(3), 202–205.
• Mareschal, D., Quinn, PC och French, RM (2002) Asymmetrisk störning i 3- till 4-månadersbarns sekventiella kategoriinlärning. Cognitive Science, 26, 377–389
• French, RM och Chater, N. (2002). Använda brus för att beräkna felytor i anslutningsnätverk: ett nytt sätt att minska katastrofal glömska. Neural Computation, 14(7), 1755–1769.
• French, RM och Labiouse, C. (2001). Varför information om samtidig förekomst inte enbart räcker för att svara på subkognitiva frågor. Journal of Experimental and Theoretical Artificial Intelligence , 13(4), 419–429.
• French, RM och Thomas, E. (2001). The Dynamical Hypothesis in Cognitive Science: En recensionsuppsats av Mind As Motion. Minds and Machines, 11, 1, 101–111.
• Mareschal, D., French, RM och Quinn, P. (2000). En konnektionistisk redogörelse för asymmetrisk kategoriinlärning i tidig spädbarnsålder. Developmental Psychology, 36, 635–645.
• French, RM och Thomas, E. (2000). Varför lokalistiska anslutningsmodeller är otillräckliga för kategorisering. The Behavioral and Brain Sciences, 23(4), 477.

externa länkar

• Officiell hemsida