MARC

 008250123s2024        us                              c    eng  d
■001000017164329
■00520250211152949
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798346390244
■035    ▼a(MiAaPQ)AAI31628774
■035    ▼a(MiAaPQ)Pittsburgh46632
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a320
■1001  ▼aFleig-Goldstein,  Brendan.
■24510▼aPhilosophical  Foundations  of  Resource  Rational  Analysis
■260    ▼a[Sl]▼bUniversity  of  Pittsburgh▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a194  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-05,  Section:  B.
■500    ▼aAdvisor:  Icard,  Thomas;Norton,  John;Machery,  Edouard;Allen,  Colin.
■5021  ▼aThesis  (Ph.D.)--University  of  Pittsburgh,  2024.
■520    ▼aTacit  appeals  to  systems  being  rational  or  apparently  irrational  are  common  in  cognitive  science,  and  for  good  reason:  irrationality  provides  valuable  evidence  for  cognitive  models.  A  methodological  approach  in  cognitive  science  called  resource  rational  analysis  attempts  to  systematize  the  use  of  irrationality  to  develop  and  test  models  of  cognition.  It  does  so  by  initially  assuming  that  a  system  is  rational,  and  then  iteratively  de-idealizing  this  assumption  by  identifying  psychological  facts  that  prevent  a  system  from  being  more  rational.  This  dissertation  seeks  to  analyze  how  this  strategy  has  worked,  how  it  should  work,  why  it  will  work,  and  why  it  can  work  better  with  the  conceptual  foundations  proposed  here.  In  Chapter  1,  I  develop  a  specific  account  of  resource  rationality.  I  argue  that  all  epistemic  norms  are  relative  to  cognitive  constraints,  and  that  there  is  no  principled  way  to  distinguish  between  agents  doing  their  best  relative  to  their  limitations  and  agents  being  irrational.  I  advocate  for  a  maximally  broad  view  of  cognitive  constraints,  which  renders  all  agents  trivially  resource  rational,  but  still  allows  for  meaningful  evaluation  and  prescription.  Chapter  2  reviews  arguments  that  intentionality  presupposes  rationality,  and  argues  that  this  position  is  strengthened  if  the  appropriate  notion  of  rationality  is  understood  as  my  notion  of  resource  rationality.  This  conclusion  shows  why  rationality  considerations  are  important  and  even  necessary  for  any  intentional  psychological  science.  In  Chapter  3,  I  extend  my  account  of  resource  rationality  to  normative  commitments,  proposing  that  what  I  call  a  meta-reflective  capacity-maintaining  resource  rationality  under  varying  conditions-is  necessary  and  sufficient  for  possessing  normative  commitments.  This  perspective  offers  a  framework  for  endowing  AI  systems  with  normative  commitments  and  empirically  investigating  these  commitments  in  humans  and  non-human  animals.  Chapter  4  presents  resource  rational  analysis  as  a  methodological  strategy  in  cognitive  science  and  argues  for  its  effectiveness.  This  strategy,  I  show,  implements  a  dynamic  theory-testing  method  known  as  ``Closing-the-Loop,"  as  described  by  Smith  (2014).  I  use  the  Material  Theory  of  Induction  and  Topological  Learning  Theory  to  provide  an  epistemic  justification  for  this  dynamic  testing  strategy.  These  considerations  support  the  iterative  de-idealization  process  and  demonstrate  the  utility  of  rationality  considerations  in  cognitive  science.
■590    ▼aSchool  code:  0178.
■650  4▼aRationality
■650  4▼aEpistemology
■650  4▼aPhilosophy
■650  4▼aCognition  &  reasoning
■650  4▼aCognitive  psychology
■690    ▼a0422
■690    ▼a0393
■690    ▼a0633
■71020▼aUniversity  of  Pittsburgh.
■7730  ▼tDissertations  Abstracts  International▼g86-05B.
■790    ▼a0178
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17164329▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서