总统列

发现的礼物

对我们许多人来说,12月一个月的节日送礼,那么是时候思考会让心理学家的完美的礼物(除了任期内,或你的论文的封面上自然)。我选择将是一个新的科学工具-扩展了我们的眼睛,耳朵和大脑可以观察到创造机会问新的问题。比给自己的礼物更意味着什么发现?

工具我们科学历史上的中心位置。在19th世纪,心理学变成了一个成熟的实证科学通过导入工具从神经学和生理学。这些工具帮助我们的前辈测量心率的变化,时尚反应时间实验,观察脑损伤患者的行为。勇敢的调查人员可以寻找精神的自然基础类别描述各种类型的了解(认识),感觉(情绪),和行动(意志)。

心理科学,兴奋的时间以来,已经被定期注入新发明不断丰富,从其他学科计算。当我开始我的职业生涯中,结构方程建模只是自行其是,功能磁共振成像是窥视地平线,光遗传学甚至不存在,和网络仅仅是一线在我们的13英寸CRT显示器。快进的25年里,这些技术的奇迹我们标准操作工具箱的一部分。工具箱一直在扩张,我们能发现的边界。

不过,值得记住的是,工具可以掩盖尽可能容易地揭示。例如,我们的领域包括一个多样性的意见想法是什么和它是如何实现的大脑和半岛官方体育app身体。工具可以默默地放大一个科学家的根深蒂固的信仰一样随时可以提供一点启示。

一个典型的例子是一个心理学家的最新产品工具箱:机器学习。这个强大的家族的技术从人工智能(AI)让我们做决定和推断的结果通过训练一个计算机模型在一组观察,识别模式和推广一套新的观测。机器学习的承诺(取决于你问谁,其炒作)在于其客观性,把人类从方程的可能性。

严格来说,机器学习对我们并不是全新的。回归分析是一种简单的机器学习进行推论的例子。此外,机器学习已经存在多年来在计算机科学,并渗透到生活的每一个领域。搜索引擎,例如,使用机器学习来填写您的查询速度比你可以输入它,因为他们从数十亿之前搜索的精确地预测人们正在寻找什么。

在心理学中,我们应用机器学习分类的图像,识别偏好,并寻找生物标志物。通常我们假设模型中发现一些真实的自然世界,并不取决于我们自己的思想和信仰。但是我们呢?

我将向您展示我的意思与玩具的例子。假设我们想要区分偏好蛋糕和饼干。(什么不喜欢,特别是如果他们是用巧克力,我知道,但请先容我讲完。)在我们的一个虚构的阶段研究中,我们使用我们的直觉对美味的蛋糕和饼干收集成千上万的照片烘焙食品从谷歌图片:甜甜的巧克力饼干,片黄油磅蛋糕,甜美的巧克力芝士蛋糕,和其它好吃的美味。为了安全起见,我们问成群的参与者来,是想确定一下我们刺激选择通过显式标签每张照片“蛋糕”或“饼干”。

在第二阶段,我们要求更多的参与者率描述了他们是多么诱人蛋糕和饼干,这样的问题:“你会喜欢吃吗?”或“这是多么美味的?“我们外包评级任务使用亚马逊的土耳其机器人,和数据收集是在几周内完成。然后我们使用响应培训监督机器学习算法分类蛋糕的“爱”和“喜欢的饼干。“如果我们成功了,我们有一个机器学习系统与高精度区分两种不同的情绪。这意味着我们可以应用产生的系统对新样本进行分类。我们可以生成漂亮的图表显示数据集群漂亮分类反映偏好蛋糕和饼干。我们甚至可以扫描他们的大脑,因为他们使他们的评级,应用机器学习的大脑活动模式。瞧,我们已经发现的生物标志物蛋糕的“爱”和“喜欢饼干。”

所以争议在哪里?

这种风格的实证方法有许多问题我们可以讨论,可以肯定的是,这里我们将专注于只有一个:我们认为从一开始,饼干和蛋糕是不同的类别。这种假设引导我们刺激部分,我们的研究设计,我们收集的数据。你瞧,我们监督机器学习分析的结果是一致的与我们两类规定在开始。我们的常识性的观点成为机器学习模型在训练中编码。

如果我们已经尝试更多种类的甜点——将这些相同的两类出现了吗?蛋糕/饼干的区别也许是更像是一个连续体,(说)一个经典的巧克力曲奇一端和一个魔鬼的蛋糕。但布朗尼,饼干或蛋糕吗?如何一个巧克力饼干酒吧,还是玛德琳?minidonuts或椰子的杏仁饼干,看在上帝的份上?

同样的,如果我们让机器学习算法推断类,而不是使用“蛋糕”和“饼干”的标签我们提供(技术非监督机器学习)?我们不是发现类别以外的“蛋糕”和“饼干”,如“香草”和“奶油糖果”,或“涟漪渴望甜点”和“与闪亮的表面渴望甜点”?(非监督机器学习并不是一个解决方案,然而,因为它只能集群的数据我们喂它。)

我们的研究中,由于没有考虑到他们可能位于上下文,也假定偏好饼干和蛋糕是不可变的类别。也许有些人喜欢晚上白天饼干和蛋糕。也许有些人下降甜点当他们有饱腹感,而另一些则在任何情况下准备吃巧克力。

复杂的工具不保护我们免受嵌入我们的假设关于世界和我们自己在我们的刺激,我们的实验设计和理论推断,尤其是工具,可能会给客观性的外观。这一点似乎是显而易见的对我们的蛋糕和饼干的玩具例子,但愤怒和恐惧呢?知觉和记忆?神经系统与社会痛苦吗?视觉与听觉吗?男性和女性?偏见在训练数据只是许多问题中的一个,可以引导我们似乎发现心理和行为的性质,在不知不觉中使具体化自己的信仰。在心理学中,这个更大的问题叫做素朴实在论,相信世界,因为它似乎。1890年威廉·詹姆斯,称其为“心理学家的谬论。“在计算机科学中,整个研究领域已经出现,如道德人工智能和机器学习公平,减少这种偏见。 As psychological scientists, we know to keep our biases in check, and machine learning is a new domain for us to strengthen those skills.

所以这个假期,让自己新的科学发现的工具和追求刺激。你读操作指令后,但在你启动该工具之前,花一点时间去记住什么我们观察到,在很大程度上取决于如何我们观察。

然后有一块蛋糕。

评论

亲爱的丽莎

感谢这里的很好的话,在你的写作一个类别的问题如何产生当科学家研究生物现象。

在接下来的道歉,过分的自我提升:

在最近的一篇论文可用

https://www.sciencedirect.com/science/article/pii/S0031938419310315?dgcid=author

我尝试从生物的角度描述一个类别的问题可能出现在的环境数据的感知方式。

我认为生物是我描述的问题和科学家一样出现的问题。在这两个实例,传感环境工具,无论是受体有机体或概念构造逻辑参数解析数据符合()敏感性工具的底层光谱多样性采样数据。半岛官方体育app

略长的摘录论文如下:

通过生物过程转换的信息
这个配方正是信息从生物的角度作为一个有机体的perceiver-dependent属性的环境[66]。生物体的能力来检测环境的属性如波长的光、声音、分子结构等符合不同受体每个生物体具有的数组,而潜在的有机体的行为符合其不同形式和功能[68]。生物信息被认为主观[7]。任何给定受体的忠诚或传感器并不局限于一个单一的环境数据;而人口的环境数据由任何给定受体感觉到。因此,尽管人眼的感光视杆细胞可以对单个光子,其灵敏度并不局限于一个单一波长的光[69]。同样,antigen-binding受体抗体等免疫系统的分子和T细胞受体没有绝对特异性抗原的单分子结构(或抗原决定基:部分抗原和抗原受体相互作用),但表现出一系列的结合亲和力分子具有类似结构的多样性和付费构象[70]。半岛官方体育app相互作用是随机。因此,有机体的感官不同人口的环境数据作为一个单一类型的光谱每个传感器的灵敏度。这种潜在的多个天然和合成配体结合单个传感器或受体的基础是熟悉医药科学的药物发现。 Thus, the organism parses spectra of environmental data into discrete populations, each with a unity or likeness related to the relative (in)fidelity of its sensors. This is the first step in the abstraction of information from environmental data by the organism and underpins the perceiver-dependent subjectivity of the organism’s relationship with its environment.

第二步将数据转换成信息是通过其受体发生的变化与环境接触的信号,和随之而来的信号转导途径激活通过传感环境基准[71]。至关重要的是,操作过程的结果,说的两极化的轴突或一个复杂的碳水化合物的消化动物的饮食,本身就是一种行动的新契机与生物过程或途径,如跨突触信号传输或葡萄糖和挥发性脂肪酸的新陈代谢。通过这些过程,算法转换如减少许多,加法,减法,乘法,放大,求和,重新调节实现[71]。这种“认知”的处理信息不是唯一保留的神经组织,也看到在有机体过去古老细菌[24]。以及生成行动中的级联生物,生物过程的生物影响外部环境的方式提供了行动,其他生物[72]的机会。这些环境变化是“数据”为其他生物提供(潜在)信息通过行动机会他们负担[61],[62],[63],[64]。

通过光谱解析环境数据分类(在)受体的敏感性,在进一步的层次转换内部流程有助于说明可能出现的紧张在理解生物是否有一个过程或一种物质本体论。从生物的角度,分类抽象创造幻觉的生物实体存在的内部和外部的环境特色,超越个人事件和实例。这种抽象是类似于抽象的统计分析参数的平均值和标准偏差的人口数据。虽然这些统计参数描述人口的两个特点,他们不描述单个实例的特点,因为没有足够的数据在一个实例属性,明确特定人口与特定的平均值和标准偏差(图2)。同样,从生物的角度来看,一个环境实例归因于人口(类别)的感官作用周期的实例。这任务环境数据分类通过感官行动周期导致了有机体场景中,尽管其环境与物质组成的实体本体具有分类特征超越单个实例。因此,生物过程可能导致生物体来感知环境的物质本体论。


APS定期打开特定的在线文章讨论在我们的网站上。有效的2021年2月,你必须登录APS成员发表评论。通过发布评论,你同意我们社区指导原则和显示您的个人信息,包括你的名字和联系。任何意见、发现、结论或建议在文章评论的作家和不一定反映APS的观点或文章的作者。有关更多信息,请参阅我们的社区指导原则

请登录你的APS账户置评。