stringtranslate.com

Teoría de la simplicidad

La teoría de la simplicidad es una teoría cognitiva que busca explicar el atractivo de las situaciones o eventos para las mentes humanas. Se basa en el trabajo realizado por científicos como el científico conductual Nick Chater , [1] el científico informático Paul Vitanyi , [2] el psicólogo Jacob Feldman, [3] y los investigadores de inteligencia artificial Jean-Louis Dessalles [4] [5] y Jürgen Schmidhuber . [6] Afirma que las situaciones interesantes parecen más simples de lo esperado para el observador.

Descripción general

Técnicamente, la simplicidad se corresponde con una caída en la complejidad de Kolmogorov , lo que significa que, para un observador, la descripción más corta de la situación es más corta de lo previsto. Por ejemplo, la descripción de un sorteo de lotería consecutivo, como 22-23-24-25-26-27, es significativamente más corta que una típica, como 12-22-27-37-38-42. La primera requiere solo una instanciación (elección del primer número de lotería), mientras que la segunda requiere seis instanciaciones.

La teoría de la simplicidad hace varias predicciones cuantitativas sobre la forma en que la atipicidad, [7] la distancia, la actualidad o la prominencia (lugares, individuos) [5] influyen en el interés.

Formalización

El concepto básico de la teoría de la simplicidad es lo inesperado , definido como la diferencia entre la complejidad esperada y la complejidad observada:

Esta definición extiende la noción de deficiencia de aleatoriedad . [7] En la mayoría de los contextos, corresponde a la complejidad generacional o causal , que es la descripción más pequeña de todos los parámetros que deben establecerse en el "mundo" para que exista la situación. En el ejemplo de la lotería, la complejidad generacional es idéntica para un sorteo consecutivo y un sorteo típico (siempre que no se imagine ningún engaño) y asciende a seis instancias.

La teoría de la simplicidad evita la mayoría de las críticas dirigidas a la complejidad de Kolmogorov al considerar únicamente las descripciones que están disponibles para un observador determinado (en lugar de cualquier descripción imaginable). Esto hace que la complejidad, y por lo tanto lo inesperado, dependa del observador. Por ejemplo, la típica combinación 12-22-27-37-38-42 parecerá muy simple, incluso más simple que la consecutiva, a la persona que jugó esa combinación.

Conexión con la probabilidad

La probabilidad algorítmica se define en base a la complejidad de Kolmogorov : [8] los objetos complejos son menos probables que los simples. El vínculo entre complejidad y probabilidad se invierte cuando la probabilidad mide la sorpresa [7] y lo inesperado: [5] los eventos simples parecen menos probables que los complejos. Lo inesperado está vinculado a la probabilidad subjetiva como

La ventaja de esta fórmula es que la probabilidad subjetiva puede evaluarse sin conocer necesariamente las alternativas. Los enfoques clásicos de la probabilidad (objetiva) consideran conjuntos de eventos, ya que los eventos individuales completamente instanciados tienen una probabilidad virtualmente cero de haber ocurrido y de ocurrir nuevamente en el mundo. La probabilidad subjetiva se refiere a eventos individuales. La teoría de la simplicidad la mide en función de la deficiencia de aleatoriedad o la caída de complejidad. Esta noción de probabilidad subjetiva no se refiere al evento en sí, sino a lo que hace que el evento sea único.

Referencias

  1. ^ Chater, N. (1999). "La búsqueda de la simplicidad: ¿Un principio cognitivo fundamental?" The Quarterly Journal of Experimental Psychology , 52 (A), 273–302.
  2. ^ Chater, N. y Vitányi, P. (2003). "Simplicidad: ¿un principio unificador en la ciencia cognitiva?". [Tendencias en Ciencias Cognitivas] , 7 (1), 19–22.
  3. ^ Feldman, J. (2004). "¿Qué tan sorprendente es un patrón simple? Cuantificando '¡Eureka!'". Cognition , 93, 199–224.
  4. ^ Dessalles, Jean-Louis (2008). La pertinence et ses origines cognitivas . París: Publicaciones Hermes-Science. ISBN 978-2-7462-2087-4.
  5. ^ abc Dessalles, J.-L. (2013). "Simplicidad y relevancia algorítmica". En DL Dowe (Ed.), Probabilidad algorítmica y amigos - LNAI 7070, 119-130. Berlín, D: Springer Verlag.
  6. ^ Schmidhuber, J. (1997). "¿Qué es interesante?" Lugano, Suiza: Informe técnico IDSIA-35-97.
  7. ^ abc Maguire, P., Moser, P. y Maguire, R. (2019). "Ver patrones en la aleatoriedad: un modelo computacional de la sorpresa". Temas en ciencia cognitiva , 11 (1), 103-118.
  8. ^ Solomonoff, RJ (1964). "Una teoría formal de la inferencia inductiva". Información y control , 7 (1), 1-22.

Enlaces externos