Znajdź zawartość

Kraby pustelniki mieszkają w porzuconych ślimaczych muszlach. Ponieważ często są niewygodne, właściwie ciągle szukają nowych. Po przeprowadzce muszą na nowo zaznajamiać się z tym, jak teraz wyglądają i jak powinny się poruszać, dlatego stanowią świetny model do badania obrazu ciała. Dr Kohei Sonoda z Uniwersytetu w Kobe analizował z zespołem zachowanie krabów pustelników z gatunku Coenobita rugosus. Naukowcy przyklejali do muszli plastikowe płytki, przez co stawały się one źle wyważone. Później obserwowali, jak zwierzęta przemieszczają się korytarzem z naprzemiennymi zakrętami w prawo i lewo. Początkowo pustelniki miały problemy ze zrównoważeniem muszli, jednak w ciągu 10-20 s modyfikowały swój chód i zwiększały kąt wchodzenia w zakręty. Inny z członków zespołu, prof. Yukio Gunji, podkreśla, że dzięki krabom zyskujemy nowe informacje dot. świadomości ciała, składającej się ze schematu i obrazu ciała. Schemat to części, którymi można manipulować i nad którymi mamy kontrolę, a obraz to koncepcja ciała jako pewnej całości. Można też powiedzieć, że schemat stanowi informację na temat własnego ciała, która pozwala działać, np. jeździć rowerem, a obraz ciała daje możliwość stwierdzenia, co się z nami w danym momencie dzieje. Zakładamy, że obraz ciała jest dynamicznie uzgadniany ze schematem i w ten sposób powstaje świadomość ciała. Skromne C. rugosus pokazały, że rzeczywiście się tak dzieje. Japończycy uważają, że uzyskane wyniki zmieniają pogląd na posługiwanie się narzędziami. Kiedyś o narzędziach mówiono raczej w kontekście inteligencji, teraz akademicy skłaniają się bardziej ku koncepcji wirtualnego ciała.

Ludzie zawsze szukają reguły pozwalającej na sensowne uporządkowanie zestawu danych. W przypadku komputerów trudno było odtworzyć tę umiejętność. W zetknięciu z obszernym zbiorem elementów maszyny nie wiedzą, gdzie zacząć, chyba że wyposażono je w algorytm, pozwalający na wyszukanie określonej struktury, np. hierarchicznej czy zestawu klastrów. Teraz Josh Tenenbaum z MIT i Charles Kemp z Carnegie Mellon stworzyli program, który umożliwia wybór najlepszej metody uporządkowania danych, bez z góry zadanego porządku (Proceedings of the National Academy of Science). Komputery mogą się już zachowywać jak my, ludzie, co według cybernetyków, znacznie przyspiesza prace nad sztuczną inteligencją. Dzięki rozbudowaniu algorytmu komputer bierze pod uwagę wszystkie możliwe struktury jednocześnie i porównuje, która z nich najlepiej pasuje do konkretnego zbioru danych. Prezentuje ją po zakończeniu analiz. Model Amerykanów ułatwi życie wielu naukowcom zmagającym się z natłokiem informacji oraz rzuci nieco światła na mechanizmy wykrywania porządku przez nasz mózg. Badacze uwzględnili szereg możliwych powiązań w obrębie danych, m.in. drzewo, schematy kołowe, hierarchię dominacji czy klastry. Ludzie cały czas nieświadomie klasyfikują dane. Tendencja ta znalazła wyraz w wielu odkryciach naukowych, m.in. w tablicy okresowej pierwiastków Dymitra Mendelejewa czy taksonomii Karola Linneusza. Tego typu zachowania zaczynamy przejawiać już we wczesnym dzieciństwie. Uporządkowujemy sobie świat, zaliczając przedmioty i istoty żywe do różnych kategorii, np. zwierząt, roślin, domów itp.