കോഗ്നിറ്റീവ് സയൻസ്

വിക്കിപീഡിയ, ഒരു സ്വതന്ത്ര വിജ്ഞാനകോശം.
Jump to navigation Jump to search
ഭാഷാശാസ്ത്രം, ന്യൂറോ സയൻസ്, ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ്, ഫിലോസഫി, നരവംശശാസ്ത്രം, മനശാസ്ത്രം എന്നിവയുൾപ്പെടെയുള്ള വൈജ്ഞാനിക ശാസ്ത്രത്തിന്റെ ജനനത്തിന് കാരണമായ മേഖലകളെ ചിത്രീകരിക്കുന്ന ചിത്രം [1]

മനസ്സിന്റെയും അതിന്റെ പ്രക്രിയകളുടെയും കുറിച്ച് ബഹുവിഷയാത്മകവും ശാസ്ത്രീയവുമായ പഠനമാണ് കോഗ്നിറ്റീവ് സയൻസ് . [2] ഇത് വിജ്ഞാനത്തിന്റെ സ്വഭാവം, ചുമതലകൾ, പ്രവർത്തനങ്ങൾ എന്നിവ പരിശോധിക്കുന്നു. വൈജ്ഞാനിക ശാസ്ത്രജ്ഞർ ബുദ്ധി, പെരുമാറ്റം എന്നിവയെ കുറിച്ചു പഠിക്കുന്നു. നാഡീവ്യവസ്ഥകൾ എങ്ങനെയാണ് വിവരങ്ങളെ പ്രതിനിധീകരിക്കുന്നത്, വിശകലനം ചെയ്യുന്നത്, പരിവർത്തനം ചെയ്യുന്നത് എന്നിവയെ കുറിച്ചെല്ലാം അന്വേഷിക്കുന്നു. വൈജ്ഞാനിക ശാസ്ത്രജ്ഞരുടെ അന്വേഷണമേഖലകളിൽ ഭാഷ, ധാരണ, ഓർമ്മ, ശ്രദ്ധ, യുക്തി, വികാരം എന്നിവ ഉൾപ്പെടുന്നു. ഇവയെ കുറിച്ചു മനസിലാക്കാന്നതിനു വേണ്ടി ഭാഷാശാസ്ത്രം, മനശാസ്ത്രം, കൃത്രിമബുദ്ധി, തത്ത്വചിന്ത, ന്യൂറോ സയൻസ്, നരവംശശാസ്ത്രം തുടങ്ങിയ മേഖലകളിൽ നിന്നുള്ള അറിവുകളെ ഉപയോഗപ്പെടുത്തുന്നു.[3] കോഗ്നിറ്റീവ് സയൻസിന്റെ വിശകലനങ്ങളിൽ പല തലങ്ങളിലുള്ള സംവിധാനങ്ങളും അവയുടെ സംഘാടനവും ഉൾപ്പെടുന്നു. പഠനവും തീരുമാനമെടുക്കലും മുതൽ യുക്തിയും ആസൂത്രണവും വരെയും നാഡീവ്യവസ്ഥയുടെ പ്രവർത്തനം മുതൽ മസ്തിഷ്കഘടകങ്ങളുടെ ഏകോപനം വരെയും പല വിധത്തിലുള്ള വിശകലനങ്ങൾ നടത്തേണ്ടി വരും. കോഗ്നിറ്റീവ് സയൻസിന്റെ അടിസ്ഥാന ആശയങ്ങളിലൊന്ന്, "മനസ്സിലെ പ്രാതിനിധ്യ ഘടനകളുടെയും ആ ഘടനകളിൽ പ്രവർത്തിക്കുന്ന കമ്പ്യൂട്ടേഷണൽ പ്രവർത്തനങ്ങളുടെയും അടിസ്ഥാനത്തിൽ ചിന്തയെ നന്നായി മനസ്സിലാക്കാൻ കഴിയും." എന്നതാണ്.

മനുഷ്യരിലും മൃഗങ്ങളിലും യന്ത്രങ്ങളിലും ഉള്ള വിജ്ഞാനത്തെക്കുറിച്ചുള്ള ബഹുവിഷയാത്മക പഠനമാണ് കോഗ്നിറ്റീവ് സയൻസ്. മനഃശാസ്ത്രം, കമ്പ്യൂട്ടർ സയൻസ്, ന്യൂറോ സയൻസ്, നരവംശശാസ്ത്രം, ഭാഷാശാസ്ത്രം, തത്ത്വചിന്ത എന്നിവയെല്ലാം ഇതിന്റെ ഭാഗമായി വരുന്നു. ബുദ്ധിശക്തിയുടെ അടിസ്ഥാനതത്ത്വങ്ങൾ മനസിലാക്കുന്നതിലൂടെ മനസ്സ്, പഠനം എന്നിവയെ കുറിച്ച് കൂടുതൽ നന്നായി മനസ്സിലാക്കാൻ കഴിയുമെന്നും കൃത്രിമബുദ്ധിയെ അടിസ്ഥാനമാക്കിയുള്ള ഉപകരണങ്ങൾ വികസിപ്പിക്കുന്നതിന് ഇത് സഹായകരമാകുമെന്നും പ്രതീക്ഷിക്കുന്നു. വിജ്ഞാന വിപ്ലവം എന്നറിയപ്പെടുന്ന ബൗദ്ധിക മുന്നേറ്റത്തിലൂടെയാണ് 1950ൽ കോഗ്നിറ്റീവ് സയൻസ് പിറവിയെടുക്കുന്നത്. [4]

തത്വങ്ങൾ[തിരുത്തുക]

വിശകലനത്തിന്റെ ലെവലുകൾ[തിരുത്തുക]

ഒരു തലം മാത്രം പഠിക്കുന്നതിലൂടെ മനസ്സിനെ / തലച്ചോറിനെക്കുറിച്ചുള്ള പൂർണ്ണമായ ധാരണ നേടാൻ കഴിയില്ല എന്നതാണ് വൈജ്ഞാനിക ശാസ്ത്രത്തിന്റെ കേന്ദ്ര തത്വം. ഒരു ഫോൺ നമ്പർ ഓർമ്മിക്കുന്നതിനും പിന്നീട് അത് തിരിച്ചുവിളിക്കുന്നതിനുമുള്ള പ്രശ്‌നമാണ് ഒരു ഉദാഹരണം. ഈ പ്രക്രിയ മനസിലാക്കുന്നതിനുള്ള ഒരു സമീപനം നേരിട്ടുള്ള നിരീക്ഷണത്തിലൂടെ അല്ലെങ്കിൽ സ്വാഭാവിക നിരീക്ഷണത്തിലൂടെപഠിക്കുക എന്നതാണ്. ഒരു വ്യക്തിക്ക് ഒരു ഫോൺ നമ്പർ നൽകുകയും കുറച്ച് കാലസത്തിനുശേഷം അത് ഓർമ്മിക്കാൻ ആവശ്യപ്പെടുകയും ചെയ്യും; ഇതിലൂടെ ഓർമ്മിച്ചെടുക്കലിന്റെ കൃത്യത അളക്കാൻ കഴിയും. ഒരു വ്യക്തി ഫോൺ നമ്പർ ഓർമ്മിക്കാൻ ശ്രമിക്കുമ്പോൾ ഉണ്ടാകുന്ന ന്യൂറോണുകളുടെ പ്രതികരണങ്ങൾ പഠിക്കുക എന്നതാണ് വൈജ്ഞാനിക ശേഷി അളക്കുന്നതിനുള്ള മറ്റൊരു സമീപനം. ഒരു ഫോൺ നമ്പർ ഓർമ്മിക്കുന്ന പ്രക്രിയ എങ്ങനെ പ്രവർത്തിക്കുന്നുവെന്ന് ഈ പരീക്ഷണങ്ങളൊന്നും സ്വയം വിശദീകരിക്കുന്നില്ല. തലച്ചോറിലെ ഓരോ ന്യൂറോണും തത്സമയം മാപ്പ് ചെയ്യുന്നതിനുള്ള സാങ്കേതികവിദ്യ ലഭ്യമാണെങ്കിലും ഓരോ ന്യൂറോണും പ്രതികരിക്കുന്നതും അറിയാമെങ്കിലും ന്യൂറോണുകളുടെ ഒരു പ്രത്യേക പ്രതികരണം നിരീക്ഷിച്ച ചേഷ്ടകളിലേക്ക് എങ്ങനെ പരിവർത്തനം ചെയ്യുന്നുവെന്ന് അറിയാൻ ഇപ്പോഴും കഴിയില്ല. അതിനാൽ ഈ രണ്ട് തലങ്ങളും പരസ്പരം എങ്ങനെ ബന്ധപ്പെട്ടിരിക്കുന്നു എന്നതിനെക്കുറിച്ചുള്ള ധാരണ അത്യന്താപേക്ഷിതമാണ്. എംബോഡിഡ് മൈൻഡ്: വൈജ്ഞാനിക ശാസ്ത്രവും മനുഷ്യന്റെ അനുഭവപരിജ്ഞാനവും പറയുന്നത് “ജീവിച്ചിരിക്കുന്ന മനുഷ്യന്റെ അനുഭവവും മനുഷ്യാനുഭവത്തിൽ അന്തർലീനമായ പരിവർത്തനത്തിനുള്ള സാധ്യതകളും ഉൾക്കൊള്ളുന്നതിനായി മനസ്സിനെ കുറിച്ചു പഠിക്കുന്ന പുതിയ ശാസ്ത്രങ്ങൾ അവയുടെ ചക്രവാളം വലുതാക്കേണ്ടതുണ്ട്.” [5] പ്രക്രിയയുടെ ഒരു ഫംഗ്ഷണൽ ലെവൽ അക്കൗണ്ട് വഴി ഇത് നൽകാൻ കഴിയും. ഒന്നിലധികം തലങ്ങളിൽ നിന്ന് ഒരു പ്രത്യേക പ്രതിഭാസത്തെ പഠിക്കുന്നത് ഒരു പ്രത്യേക സ്വഭാവത്തിന് കാരണമാകുന്നതിനായി തലച്ചോറിൽ സംഭവിക്കുന്ന പ്രക്രിയകളെക്കുറിച്ച് നന്നായി മനസ്സിലാക്കുന്നതിന് സഹായിക്കുന്നു. മാർ [6] മൂന്ന് തലത്തിലുള്ള വിശകലനത്തെക്കുറിച്ച് പ്രസിദ്ധമായ ഒരു വിവരണം നൽകി:

  1. കമ്പ്യൂട്ടേഷണൽ സിദ്ധാന്തം, കണക്കുകൂട്ടലിന്റെ ലക്ഷ്യങ്ങൾ വ്യക്തമാക്കുന്നു;
  2. പ്രാതിനിധ്യവും അൽ‌ഗോരിതങ്ങളും, ഇൻ‌പുട്ടുകളും ഔട്ട്‌പുട്ടുകളും ഒന്നിനെ മറ്റൊന്നാക്കി മാറ്റുന്ന അൽ‌ഗോരിതങ്ങളെ പ്രാതിനിധീകരിക്കുന്നു
  3. ഹാർഡ്‌വെയർ ഇംപ്ലിമെന്റേഷൻ, അൽഗോരിതം, പ്രാതിനിധാനം എന്നിവ മൂർത്തമായി എങ്ങനെ തിരിച്ചറിയാം.

ബഹുവിഷയാത്മകരീതി[തിരുത്തുക]

മനഃശാസ്ത്രം, ന്യൂറോ സയൻസ്, ഭാഷാശാസ്ത്രം, തത്ത്വചിന്ത, കമ്പ്യൂട്ടർ സയൻസ്, നരവംശശാസ്ത്രം, ജീവശാസ്ത്രം തുടങ്ങി വിവിധ മേഖലകളെ ഉൾക്കൊള്ളുന്ന ഒരു ബഹുവിഷയാത്മക പഠനമേഖലയാണ് കോഗ്നിറ്റീവ് സയൻസ്. മറ്റ് ശാസ്ത്രങ്ങളെപ്പോലെ മനസ്സിനെയും ചുറ്റുമുള്ള ലോകവുമായുള്ള അതിന്റെ ഇടപെടലുകളെയും മനസ്സിലാക്കാനാകുമെന്ന പ്രതീക്ഷയിലാണ് വൈജ്ഞാനിക ശാസ്ത്രജ്ഞർ പ്രവർത്തിക്കുന്നത്. മറ്റു പ്രകൃതിശാസ്ത്രങ്ങളെ പോലെ വൈജഞാനികശാസ്ത്രവും സിമുലേഷൻ, മോഡലിങ് തുടങ്ങിയ ശാസ്ത്രീയ രീതികൾ ഉപയോഗപ്പെടുത്തുന്നുണ്ട്. ഇങ്ങനെ ലഭിക്കുന്ന വിവരങ്ങളെ മനുഷ്യന്റെ വൈജ്ഞാനികതലങ്ങളുമായി താരതമ്യം ചെയ്തു പഠിക്കുന്നു. പല പഠനമേഖകളെയും ഉൾക്കൊള്ളുകയും അവയെ ഏകീകരിച്ചു കൊണ്ടു പോകുകയും ചെയ്യുന്നതു കൊണ്ട് ചില ഗവേഷകൾ ഇതിനെ വൈജ്ഞാനികശാസ്ത്രങ്ങൾ എന്നു വിളിക്കുന്നു.[7] [8]

മാനസികനിലകളും പ്രകൃയകളും തന്നെ അവയുടെ വ്യവഹാരങ്ങളെ വിശദീകരിക്കുന്നുണ്ട് എന്നു വിശ്വസിക്കുന്ന ശാസ്ത്രജ്ഞരുമുണ്ട്. ഇങ്ങനെ ഫംഗ്ഷണലിസത്തിന്റെ ബഹുസാക്ഷാത്കാര സ്വഭാവം അനുസരിച്ച് റോബോട്ടുകളെയും കമ്പ്യൂട്ടറുകളെയും അറിവുള്ളയായി കണക്കാക്കാം.

കോഗ്നിറ്റീവ് സയൻസ് എന്ന പ്രയോഗം[തിരുത്തുക]

"കോഗ്നിറ്റീവ് സയൻസ്" ലെ "കോഗ്നിറ്റീവ്" എന്ന പദം "കൃത്യമായ രീതിയിൽ പഠിക്കാൻ കഴിയുന്ന ഏതെങ്കിലും തരത്തിലുള്ള മാനസിക പ്രവർത്തനത്തനം, ഘടന" എന്നിവയെ സൂചിപ്പിക്കാൻ ഉപയോഗിക്കുന്നു ( ലാക്കോഫ് ആൻഡ് ജോൺസൺ, 1999). ഈ ആശയം വളരെ വിശാലമായ ഒന്നാണ്. വിശകലന തത്ത്വചിന്തയുടെ ചില രീതികളിൽ ഉപയോഗിക്കുന്ന "കോഗ്നിറ്റീവ്" എന്ന പദവുമായി ഇതിനു ബന്ധമില്ല. ഇവിടെ "കോഗ്നിറ്റീവ്" എന്ന പദം എന്നത് ഔപചാരിക നിയമങ്ങളുടെയും സോപാധികമായ അർത്ഥശാസ്ത്രത്തിന്റെയും പരിധിക്കുള്ളിൽ നിന്നു മാത്രമേ കൈകാര്യം ചെയ്യാവൂ.

ഓക്സ്ഫഡ് ഇംഗ്ലീഷ് ഡിൿഷ്ണറി " കോഗ്നിറ്റീവ് " എന്ന വാക്കിന് ആദ്യകാലത്ത് "അറിയുന്ന പ്രവർ‌ത്തനത്തെയോ പ്രക്രിയയെയോ സംബന്ധിച്ച" എന്ന അർത്ഥമാണ് നൽകിയിരുന്നത്. 1586ൽ ആദ്യമായി ഈ പദം ഉപയോഗിച്ചപ്പോൾ പ്ലാറ്റോയുടെ അറിവിനെ കുറിച്ചുള്ള സിദ്ധാന്തങ്ങൾ എന്ന അർത്ഥത്തിലാണ് ഉപയോഗിച്ചിരുന്നത്. എന്നാലിപ്പോൾ ഭൂരിഭാഗം പേരും എന്തിനെയും കുറിച്ചുള്ള പഠനം എന്ന അർത്ഥത്തിൽ ഈ വാക്ക് ഉപയോഗിക്കുന്നില്ല.  [ അവലംബം ആവശ്യമാണ് ]

വ്യാപ്തി[തിരുത്തുക]

വിജ്ഞാനവുമായി ബന്ധപ്പെട്ട നിരവധി വിഷയങ്ങൾ ഉൾക്കൊള്ളുന്ന വളരെ വിശാലമായ മേഖലയാണ് വൈജ്ഞാനിക ശാസ്ത്രത്തിന്റേത്. എങ്കിലും മനസ്സിന്റെ പ്രത്യേകതകളും പ്രകൃയകളുമായി ബന്ധപ്പെട്ട എല്ലാ വിഷയങ്ങളെയും തുല്യമായി പരിഗണിക്കുന്നില്ല. ക്ലാസിക്കൽ വൈജ്ഞാനികശാസ്ത്രജ്ഞർ സാമൂഹികവും സാംസ്കാരികവുമായ ഘടകങ്ങൾ, വികാരം, ബോധം, മൃഗങ്ങൾക്കുള്ള അറിവ്, താരതമ്യ, പരിണാമ മനശാസ്ത്രങ്ങൾ എന്നിവയെ അപ്രധാനമായി കരുതുകയോ ഒഴിവാക്കുകയോ ചെയ്തിട്ടുണ്ട്. ബിഹേവിയറിസത്തിന്റെ തകർച്ചയോടെ വികാരം, അവബോധം, ശ്രദ്ധ എന്നിവ വീണ്ടും ശ്രദ്ധിച്ചു തുടങ്ങി. വ്യവസ്ഥാപിതമായതും മൂർത്തമാക്കപ്പെട്ടതുമായ വിജ്ഞാന സിദ്ധാന്തങ്ങൾ സാഹചര്യങ്ങളുടെ നിലവിലെ അവസ്ഥയെയും ശരീരത്തിന്റെ പങ്കിനെയും കണക്കിലെടുക്കുന്നു. വിവര സംസ്കരണത്തിന് ഊന്നൽ നൽകിക്കൊണ്ട് നിരീക്ഷിക്കാവുന്ന പെരുമാറ്റം മനശാസ്ത്ര സിദ്ധാന്തത്തിന്റെ മുഖമുദ്രയായിരുന്നില്ല. മറിച്ച് മാനസികാവസ്ഥകളുടെ മോഡലിംഗ് അല്ലെങ്കിൽ റെക്കോർഡിംഗ് ആയിരുന്നു.

വൈജ്ഞാനിക ശാസ്ത്രവുമായി ബന്ധപ്പെട്ട പ്രധാന വിഷയങ്ങൾ ചുവടെയുണ്ട്. ഇതൊരു സമഗ്രമായ പട്ടികയല്ല. വിശദമായ പട്ടികയ്ക്കായി കോഗ്നിറ്റീവ് സയൻസ് വിഷയങ്ങളുടെ പട്ടിക കാണുക.

നിർമ്മിത ബുദ്ധി[തിരുത്തുക]

യന്ത്രങ്ങളിലെ വൈജ്ഞാനിക പ്രതിഭാസങ്ങളെക്കുറിച്ച് പഠിക്കുന്നത്തിൽ നിർമ്മിതബുദ്ധിയും ഉൾപ്പെടുന്നുണ്ട്. മനുഷ്യ ബുദ്ധിയുടെ പ്രത്യേകതകൾ കമ്പ്യൂട്ടറിൽ പ്രയോഗിക്കുക എന്നതും നിർമ്മിതബുദ്ധിയുടെ (AI) ലക്ഷ്യങ്ങളിലൊന്നാണ്. വൈജ്ഞാനിക പ്രതിഭാസങ്ങൾ പഠിക്കാനുള്ള ഒരു ഉപകരണമായും കമ്പ്യൂട്ടറുകൾ ഉപയോഗിക്കുന്നുണ്ട്. മനുഷ്യന്റെ ബുദ്ധി എങ്ങനെ രൂപകൽപ്പന ചെയ്യാമെന്ന് പഠിക്കാൻ കമ്പ്യൂട്ടേഷണൽ മോഡലിംഗ് സിമുലേഷനുകൾ ഉപയോഗിക്കുന്നു.[9]

ചെറുതും ഒറ്റക്കെടുത്താൽ ദുർബലവുമായ ഘടകങ്ങളുടെ (ഉദാ:- ന്യൂറോണുകൾ) ഒരു വലിയ നിരയായിട്ടാണോ അല്ലെങ്കിൽ ചിഹ്നങ്ങൾ, സ്കീമുകൾ, പദ്ധതികൾ, നിയമങ്ങൾ എന്നിവ പോലുള്ള ഉയർന്ന തലത്തിലുള്ള ഘടനകളുടെ ഒരു ശേഖരം എന്ന നിലയിലാണോ മനസ്സിനെ കാണേണ്ടത് എന്നുള്ള ചർച്ചകൾ നടക്കുന്നുണ്ട്. ആദ്യകാലങ്ങളിൽ കണൿഷണിസത്തിന്റെ രീതിശാസ്ത്രമാണ് മനസ്സിനെ കുറിച്ചു പഠിക്കാൻ ഉപയോഗിച്ചിരുന്നതെങ്കിൽ പിന്നീട് സിംബോളിക് കമ്പ്യൂട്ടേഷനായി പ്രാധാന്യം. മനുഷ്യമസ്തിഷ്കത്തിലെ ന്യൂറോണുകളുടെ കൃത്യമായ അനുകരണങ്ങൾ സൃഷ്ടിക്കാതെ മനുഷ്യമസ്തിഷ്കത്തിന്റെ അനുകരണങ്ങൾ കമ്പ്യൂട്ടറിൽ നിർമ്മിച്ചെടുക്കാൻ സാദ്ധിക്കുമോ എന്ന പ്രശ്നം നിലവിലുണ്ട്.

ശ്രദ്ധ[തിരുത്തുക]

പ്രധാനപ്പെട്ട വിവരങ്ങളുടെ തിരഞ്ഞെടുപ്പാണ് ശ്രദ്ധ. മനുഷ്യ മനസ്സിന് ദശലക്ഷക്കണക്കിന് ഉത്തേജകങ്ങളുണ്ട്. ഈ വിവരങ്ങളിൽ ഏതാണ് പ്രോസസ്സ് ചെയ്യേണ്ടതെന്ന് തീരുമാനിക്കാനുള്ള ഒരു മാർഗം അതിന് ഉണ്ടായിരിക്കണം. ശ്രദ്ധ ചിലപ്പോൾ ഒരു സ്പോട്ട്‌ലൈറ്റ് പോലെയാണ്. ഒരു പ്രത്യേക വിഭാഗത്തിൽ പെടുന്ന വിവരങ്ങളുടെ കൂട്ടത്തിലേക്കു മാത്രമേ അതിന് പ്രകാശം പരത്താൻ കഴിയൂ. ഈ ആശയത്തെ പിന്തുണയ്ക്കുന്ന പരീക്ഷണങ്ങളിൽ ഡൈകോട്ടിക് ലിസണിംഗ് ടാസ്ക് (ചെറി - 1957), അശ്രദ്ധമൂലം കാഴ്ചയിൽ പെടാതെ പോകുന്നതിനെ കുറിച്ചുള്ള പഠനങ്ങൾ (മാക്ക്, റോക്ക് - 1998) എന്നിവ ഉൾപ്പെടുന്നു. ഡൈക്കോട്ടിക് ലിസണിംഗ് ടാസ്കിൽ ഒരാളുടെ ചെവിയിൽ രണ്ട് വ്യത്യസ്ത കാര്യങ്ങൾ കേൾപ്പിച്ച് ഒരു കാര്യത്തിൽ മാത്രം ശ്രദ്ധ കേന്ദ്രീകരിക്കാൻ ആവശ്യപ്പെടുന്നു. അവസാനം ശ്രദ്ധിക്കാത്ത വിഷയത്തെ കുറിച്ചു ചോദിക്കുമ്പോൾ അയാൾക്ക് അത് പറയാൻ കഴിയുന്നില്ല.

ഭാഷയുടെ അറിവും സംസ്കരണവും[തിരുത്തുക]

ഒരു വാക്യഘടന വീക്ഷണത്തിന്റെ അറിയപ്പെടുന്ന ഉദാഹരണം . മനുഷ്യഭാഷയുടെ വ്യത്യസ്ത ഘടകങ്ങളെ എങ്ങനെയാണ് ശ്രേണിയായി ക്രമീകരിച്ചിരിക്കുന്നതെന്ന് കാണിക്കുന്നതിന് ഉപയോഗിക്കുന്ന പ്രസിദ്ധമായ ഒരു ചിത്രികരണം.

ഭാഷ പഠിക്കാനും മനസിലാക്കാനുമുള്ള കഴിവ് വളരെ സങ്കീർണ്ണമായ പ്രക്രിയയാണ്. ജീവിതത്തിന്റെ ആദ്യ കുറച്ച് വർഷങ്ങൾക്കുള്ളിൽ ഭാഷ നേടിയെടുക്കുന്നു. സാധാരണ സാഹചര്യങ്ങളിൽ എല്ലാ മനുഷ്യർക്കും ഭാഷയിൽ പ്രാവീണ്യം നേടാൻ കഴിയും. ഭാഷയുടെ അമൂർത്തസ്വഭാവത്തെ കണ്ടെത്തുക എന്നതാണ് സൈദ്ധാന്തിക ഭാഷാപഠന മേഖലയെ ചലിപ്പിക്കുന്ന പ്രധാനശക്തി. മസ്തിഷ്കം തന്നെ ഭാഷയെ എങ്ങനെ പ്രോസസ്സ് ചെയ്യുന്നുവെന്ന് പഠിക്കുന്നതിന് ഉന്നയിക്കപ്പെടുന്ന ചില ചോദ്യങ്ങൾ ഇവയാണ്: (1) ഭാഷാ പരിജ്ഞാനം എത്രത്തോളം സ്വതസിദ്ധമാണ് അല്ലെങ്കിൽ പഠിച്ചെടുത്തതാണോ?, (2) മുതിർന്നവർക്ക് രണ്ടാം ഭാഷ നേടുന്നതിനേക്കാൾ, ശിശുക്കൾ‌ക്ക് അവരുടെ ഒന്നാം ഭാഷ നേടാൻ‌ കൂടുതൽ ബുദ്ധിമുട്ടായിരിക്കുന്നത് എന്തുകൊണ്ട്? (3) മനുഷ്യർക്ക് എങ്ങനെ പുതിയ വാക്യങ്ങൾ‌ മനസ്സിലാക്കാൻ‌ കഴിയും?

ഭാഷാ സംസ്കരണത്തെക്കുറിച്ചുള്ള പഠനത്തിന്റെ വ്യാപ്തി സംഭാഷണത്തിലെ ശബ്‌ദ പാറ്റേണുകളുടെ പരിശോധന മുതൽ അതിലെ മുഴുവൻ വാക്കുകളുടെയും വാചകങ്ങളുടെയും അർത്ഥം വരെയാണ്. ഭാഷാശാസ്ത്രം പലപ്പോഴും ഭാഷാ സംസ്കരണത്തെ ഓർത്തോഗ്രഫി, ഫൊണറ്റിക്സ്, ഫൊണോളജി, മോർഫോളജി, സിന്റാക്സ്, സെമാന്റിക്‌സ്, പ്രാഗ്‍മാറ്റിക്സ് എന്നിങ്ങനെ വിഭജിക്കുന്നു. ഈ ഓരോ ഘടകങ്ങളിൽ നിന്നും അവയുടെ ഇടപെടലിൽ നിന്നും ഭാഷയുടെ വിവിധ വശങ്ങളെ കുറിച്ച് പഠിക്കാൻ കഴിയും. [ മികച്ചത്   ഉറവിടം   ആവശ്യമാണ് ] വൈജ്ഞാനികശാസ്ത്രത്തിലെ ഭാഷാ സംസ്കരണത്തെക്കുറിച്ചുള്ള പഠനം ഭാഷാശാസ്ത്ര മേഖലയുമായി ബന്ധപ്പെട്ടിരിക്കുന്നു. ചരിത്രം, കല, സാഹിത്യം എന്നിവയുമായി ബന്ധപ്പെട്ടാണ് ഭാഷാശാസ്ത്രം പരമ്പരാഗതമായി പഠിച്ചുവന്നത്. കഴിഞ്ഞ അമ്പത് വർഷത്തിനിടയിൽ കൂടുതൽ ഗവേഷകരും ഭാഷാപരിജ്ഞാനത്തെയും ഉപയോഗത്തെയും ഒരു വൈജ്ഞാനിക പ്രതിഭാസമായി കണ്ടാണ് പഠിച്ചു കൊണ്ടിരിക്കുന്നത്. ഭാഷയെക്കുറിച്ചുള്ള അറിവ് എങ്ങനെ നേടാം, എങ്ങനെ ഉപയോഗിക്കാം, അതിൽ കൃത്യമായി എന്താണ് അടങ്ങിയിരിക്കുന്നത് എന്നിവയാണ് പ്രധാന പ്രശ്നങ്ങൾ.[10] മനുഷ്യർ വളരെ സങ്കീർണ്ണമായ വാക്യങ്ങൾ ഉപയോഗിക്കുമ്പോഴും സ്വന്തം സംസാരത്തെ നിയന്ത്രിക്കുന്ന നിയമങ്ങളെക്കുറിച്ച് അവർക്ക് കാര്യമായ അറിവില്ലെന്ന് ഭാഷാശാസ്ത്രജ്ഞർ കണ്ടെത്തി. അതിനാൽ നിയമങ്ങൾ നിലവിലുണ്ടെങ്കിൽ അവ എന്തായിരിക്കുമെന്ന് നിർണ്ണയിക്കാൻ ഭാഷാശാസ്ത്രജ്ഞർ പരോക്ഷ രീതികൾ അവലംബിക്കണം. സംസാരം യഥാർത്ഥത്തിൽ നിയമങ്ങളാൽ നിയന്ത്രിക്കപ്പെടുന്നുവെങ്കിലും അവ ബോധപൂർവമായ പരിഗണനയ്ക്ക് വിധേയമാകുന്നില്ല.

പഠനവും വികസനവും[തിരുത്തുക]

കാലങ്ങളിലൂടെ അറിവും വിവരവും നേടുന്ന പ്രക്രിയയാണ് പഠനവും വികാസവും. കുഞ്ഞുങ്ങൾ ജനിക്കുന്നത് വളരെക്കുറച്ച് അറിവോടു കൂടിയോ ഒട്ടും അറിവില്ലാതെയോ ആണ് (അറിവ് എന്ത് എന്ന് നിർവചിക്കപ്പെടുന്നതിനെ ആശ്രയിച്ച്). എന്നിട്ടും അവർ ഭാഷ, നടക്കാനുള്ള കഴിവ്, ആളുകളെയും വസ്തുക്കളെയും തിരിച്ചറിയാനുള്ള കഴിവ് എന്നിവ വേഗത്തിൽ നേടുന്നു. പഠനത്തിലും വികാസത്തിലും നടക്കുന്ന ഗവേഷണങ്ങൾ ഈ കഴിവുകൾ എങ്ങനെ നേടിയെടുക്കുന്നു എന്നു വിശദീകരിക്കാൻ ശ്രമിക്കുന്നു.

വൈജ്ഞാനിക വികാസത്തെക്കുറിച്ചുള്ള പഠനത്തിലെ ഒരു പ്രധാന ചോദ്യം കഴിവുകളിൽ എത്രത്തോളം സ്വതസിദ്ധമാണ് എന്നും എത്രത്തോളം പഠിച്ചെടുത്തതാണ് എന്നുമാണ്. ചില സവിശേഷതകൾ ഒരു ജീവിയ്ക്ക് സ്വതസിദ്ധമാണെന്നും അവ നിർണ്ണയിക്കുന്നത് അതിന്റെ ജനിതകശേഷികൾക്ക് അനുസരിച്ചാണെന്നും നേറ്റിവിസ്റ്റുകൾ അഭിപ്രായപ്പെടുന്നു. അറിവുകൾ ചുറ്റുപാടു നിന്നും പഠിച്ചെടുക്കുന്നതാണെന്ന് അനുഭവവാദത്തിന്റെ വക്താക്കൾ പറയുന്നു. ഒരു കുട്ടിയുടെ അറിവ് വികസിപ്പിക്കുന്നതിന് ജനിതകമായും ചുറ്റുപാടു നിന്നുമുള്ള ഇൻപുട്ട് ആവശ്യമാണ്. എങ്കിലും ജനിതക വിവരങ്ങൾ വൈജ്ഞാനിക വികാസത്തെ എങ്ങനെ സ്വാധീനിക്കുമെന്നതിനെ കുറിച്ച് കാര്യമായ ചർച്ചകൾ അവശേഷിക്കുന്നു. ഭാഷാ ആർജ്ജിക്കുന്നതിന് സാർവത്രിക വ്യാകരണ നിയമങ്ങൾ അടങ്ങിയ നിർദ്ദിഷ്ട വിവരങ്ങൾ ജീനുകളിൽ അടങ്ങിയിരിക്കണമെന്ന് വാദിക്കുന്നു സ്റ്റീവൻ പിങ്കറിനെ പോലുള്ളവർ വാദിക്കുന്നു.[11] ജെഫ്രി എൽമാനും സഹപ്രവർത്തകരും പിങ്കറിന്റെ അവകാശവാദങ്ങൾ ജൈവശാസ്ത്രപരമായി യാഥാർഥ്യത്തിന് നിരക്കാത്തതാണെന്ന് വാദിച്ചു. ഒരു പഠന സമ്പ്രദായത്തിന്റെ രൂപകൽപനയാണ് ജീനുകൾ നിർണ്ണയിക്കുന്നത് എന്നും വ്യാകരണം എങ്ങനെ പ്രവർത്തിക്കുന്നു എന്നതിനെക്കുറിച്ചുള്ള "വസ്തുതകൾ" അനുഭവത്തിന്റെ ഫലമായി മാത്രമേ പഠിക്കാൻ കഴിയൂ എന്നും അവർ വാദിക്കുന്നു. എന്നാൽ .

ഓർമ്മ[തിരുത്തുക]

പിന്നീടുള്ള വീണ്ടെടുക്കലിനായി വിവരങ്ങൾ സംഭരിക്കാൻ ഓർമ്മ നമ്മളെ അനുവദിക്കുന്നു. ഇതിൽദീർഘകാല, ഹ്രസ്വകാല ഓർമ്മകൾ ഉള്ളതായി കരുതപ്പെടുന്നു. ദീർഘകാല ഓർമ്മ ദീർഘകാലത്തേക്ക് (ദിവസങ്ങൾ, ആഴ്ചകൾ, വർഷങ്ങൾ) വിവരങ്ങൾ സംഭരിച്ചു വെക്കുന്നു. ദീർഘകാല ഓർമ്മയുടെ പരിധി നമുക്ക് ഇപ്പോഴും കൃത്യമായി അറിയില്ല. ഹ്രസ്വകാല ഓർമ്മ കുറഞ്ഞ സമയത്തേക്കു മാത്രമേ വിവരങ്ങൾ സംഭരിക്കുകയുള്ളു.

ഓർമ്മകളെ ഡിക്ലറേറ്റീവ്, പ്രൊസീജറൽ ഗ്രൂപ്പുകളായി തരംതിരിച്ചിരിക്കുന്നു. വ്യക്തവും വസ്തുനിഷ്ടവുമായ അറിവുകളുടെ കൂട്ടമാണ് ഡിക്ലറേറ്റീവ് മെമ്മറി. (ഉദാ. "ആപ്പിൾ ഭക്ഷണമാണോ?", അല്ലെങ്കിൽ "നാല് ദിവസം മുമ്പ് ഞാൻ പ്രഭാതഭക്ഷണത്തിന് എന്താണ് കഴിച്ചത്?" ). നടപടിക്രമങ്ങളും ചലനാത്മകവുമായ കാര്യങ്ങളെ (ഉദാ. സൈക്കിൾ ഓടിക്കുന്നതെങ്ങനെ) കുറിച്ചുള്ള അറിവുകളുടെ കൂട്ടമാണ് പ്രൊസീഡ്യൂറൽ മെമ്മറി.

വൈജ്ഞാനികശാസ്ത്രജ്ഞർ മനശാസ്ത്രജ്ഞരെപ്പോലെ തന്നെ ഓർമ്മകളെയും പഠിക്കുന്നു. പക്ഷേ വൈജ്ഞാനിക പ്രക്രിയകളിൽ ഓർമ്മകൾ എങ്ങനെ പ്രവർത്തിക്കുന്നു, അറിവും ഓർമ്മയും തമ്മിലുള്ള പരസ്പരബന്ധം എന്നിവയിലായിരിക്കും വൈജ്ഞാനികശാസ്ത്രജ്ഞർ കൂടുതൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നത്. ഉദാഹരണത്തിന്, വളരെ പഴകിയ ഓർമ്മകൾ വീണ്ടെടുക്കുന്നതിന് ഒരു വ്യക്തി എന്തെല്ലാം മാനസിക പ്രക്രിയകളിലൂടെ കടന്നുപോകുന്നു, തിരിച്ചറിയലിന്റെയും ഓർമ്മിച്ചെടുക്കലിന്റെയും വൈജ്ഞാനിക പ്രവർത്തനങ്ങൾ തമ്മിൽ എങ്ങനെയാണ് വ്യത്യാസപ്പെട്ടിരിക്കുന്നത് തുടങ്ങിയ പ്രശ്നങ്ങൾ.

ഗ്രഹണശേഷിയും പ്രവർത്തനവും[തിരുത്തുക]

അയഥാർത്ഥ കാഴ്ചയുടെ ഉദാഹരണമായ നെക്കർ ക്യൂബ്
ഒരു അയഥാർത്ഥ കാഴ്ച, എ സ്ക്വയർ ചതുര ബി യുടെ അതേ ചാരനിറത്തിലുള്ള ഷേഡാണ്. ചെക്കർ ഷാഡോ മിഥ്യ കാണുക.

ഇന്ദ്രിയങ്ങളിലൂടെ വിവരങ്ങൾ സ്വീകരിക്കാനും അത് ഏതെങ്കിലും വിധത്തിൽ പ്രോസസ്സ് ചെയ്യാനുമുള്ള കഴിവാണ് ഗ്രഹണശേഷി. കാഴ്ച, കേൾവി എന്നിവയിലൂടെയാണ് നമ്മൾ ചുറ്റുപാടുകളെ പ്രധാനമായും മനസ്സിലാക്കുന്നത്. കാഴ്ചയെ കുറിച്ചുള്ള പഠനത്തിൽ ഉന്നയിക്കപ്പെടുന്ന ചില ചോദ്യങ്ങൾ ഇവയാണ്: (1) നമുക്ക് എങ്ങനെയാണ് വസ്തുക്കളെ തിരിച്ചറിയാൻ കഴിയുന്നത്?, (2) യഥാർത്ഥത്തിൽ സംഭവങ്ങളെ ഒറ്റയൊറ്റ ഘടകങ്ങളായാണ് നമ്മൾ കാണുന്നതെങ്കിലും തുടർച്ചയായ ഒരു കാഴ്ചാനുഭവം നമുക്ക് എങ്ങനെയാണ് ലഭിക്കുന്നത്? ആളുകളിൽ അയഥാർത്ഥ കാഴ്ചകൾ എങ്ങനെയാണ് പ്രവർത്തിക്കുന്നത് എന്നു മനസ്സിലാക്കുകയാണ് കാഴ്ചയെ കുറിച്ചു പഠിക്കുന്നതിനുള്ള ഒരു മാർഗ്ഗം. ഭ്രമക്കാഴ്ചക്കുള്ള ഒരു നല്ല ഉദാഹരണമാണ് നെക്കർ ക്യൂബ്. ഇത് എല്ലാ ദിശയിലും സമാനമാണെങ്കിലും വ്യത്യസ്തമായ കാഴ്ചാനുഭവം ഉണ്ടാക്കുന്നുണ്ട്.

സ്പർശനം, ഘ്രാണശക്തി, രുചി എന്നിവയുടെ പഠനവും ഗ്രഹണശേഷിയെ കുറിച്ചു മനസ്സിലാക്കുന്നതിന് സഹായിക്കുന്നു.

ഒരു സിസ്റ്റം മറ്റെന്തെങ്കലുമായി ഇടപെടുമ്പോൾ ചില പ്രതികരണങ്ങൾ ഉണ്ടാവുന്നുണ്ട്. മനുഷ്യരിൽ, ഇത് മുഖഭാവങ്ങളിലൂടെയും സംഭാഷണങ്ങളിലൂടെയും പുറത്തു വരുന്നു. മോട്ടോർ പ്രതികരണങ്ങളിലൂടെ സാധ്യമാക്കുന്നു. സ്പേഷ്യൽ ആസൂത്രണവും ചലനവും, സംഭാഷണ ഉൽ‌പാദനം, സങ്കീർണ്ണമായ മോട്ടോർ ചലനങ്ങൾ എന്നിവയെല്ലാം പ്രവർത്തനത്തിന്റെ വശങ്ങളാണ്.

ബോധം[തിരുത്തുക]

എന്തെങ്കിലും ഒരു വസ്തു പുറമേയുള്ളതാണോ അവനവനിൽ തന്നെ ഉള്ളതാണോ എന്ന തിരിച്ചറിവാണ് ബോധം. ഇത് ആത്മബോധത്തെ അനുഭവിച്ചറിയുന്നതിന് സഹായിക്കുന്നു.

ഗവേഷണ രീതികൾ[തിരുത്തുക]

കോഗ്നിറ്റീവ് സയൻസ് പഠിക്കന്നതിനു വേണ്ടി വ്യത്യസ്തമായ നിരവധി രീതിശാസ്ത്രങ്ങൾ ഉപയോഗിക്കുന്നുണ്ട്. ഇത് ഒരു ബഹുവിഷയാത്മക പഠനശാഖയായതു കൊണ്ട് മനശാസ്ത്രം, ന്യൂറോ സയൻസ്, കമ്പ്യൂട്ടർ സയൻസ്, സിസ്റ്റം സിദ്ധാന്തം എന്നിവയുടെ പഠനരീതികളിലേക്കും വൈജ്ഞാനികശാസ്ത്രം വ്യാപരിക്കാറുണ്ട്.

ബിഹേവിയറൽ പരീക്ഷണങ്ങൾ[തിരുത്തുക]

ബുദ്ധിപരമായ ചേഷ്ടകൾ രൂപീകരിക്കപ്പെടുന്നത് എങ്ങനെയാണെന്ന് മനസ്സിലാക്കുന്നതിന് ചേഷ്ടകളെ കുറിച്ചു തന്നെ ആദ്യം പഠിക്കേണ്ടതുണ്ട്. കോഗ്നിറ്റീവ് സൈക്കോളജി, സൈക്കോഫിസിക്സ് എന്നിവയുമായി ഇത്തരത്തിലുള്ള ഗവേഷണങ്ങൾ ബന്ധപ്പെട്ടിരിക്കുന്നു. വ്യത്യസ്ത ഉത്തേജകങ്ങളോടുള്ള പെരുമാറ്റ പ്രതികരണങ്ങൾ അളക്കുന്നതിലൂടെ, ആ ഉത്തേജകങ്ങൾ എങ്ങനെ രൂപപ്പെടുന്നു എന്നതിനെക്കുറിച്ച് മനസ്സിലാക്കാൻ കഴിയും. ലെവാൻഡോവ്സ്കിയും സ്ട്രോഹ്മെറ്റ്സും (2009) ചേർന്ന് ചേഷ്ടകളുടെ വ്യത്യസ്ത രീതികളെ കുറിച്ച് വിശദമായ പഠനം നടത്തി.[12]

  • പ്രതികരണ സമയം. ഉത്തേജനം ഉണ്ടാക്കുന്ന ഒരു അനുഭവത്തിനും അതിൽ നിന്നുളവാകുന്ന പ്രതികരണത്തിനും ഇടക്കുള്ള സമയം രണ്ട് വൈജ്ഞാനിക പ്രക്രിയകൾക്കിടയിലുള്ള വ്യത്യാസത്തെ സൂചിപ്പിക്കുന്നു. മാത്രമല്ല അവയുടെ സ്വഭാവത്തെക്കുറിച്ചുള്ള ചില സൂചനകളും ഇതിൽ നിന്നും ലഭിക്കും. ഉദാഹരണത്തിന്, ഒരു തിരയൽ പ്രകൃയയിൽ പ്രതികരണത്തിനെടുക്കുന്ന സമയം ഘടകങ്ങളുടെ എണ്ണത്തിന് ആനുപാതികമായി വ്യത്യാസപ്പെടുന്നുവെങ്കിൽ, ഈ പ്രവർത്തനം നടക്കുന്നത് സമാന്തരമായല്ല തുടർപ്രകൃയായാണ് എന്നു മനസ്സിലാക്കാം.
  • സൈക്കോഫിസിക്കൽ പ്രതികരണങ്ങൾ. കോഗ്നിറ്റീവ് സൈക്കോളജിയിലെ ഒരു പഴയ മനശാസ്ത്ര സാങ്കേതികതയാണ് സൈക്കോഫിസിക്കൽ പരീക്ഷണങ്ങൾ. അവ സാധാരണയായി ചില ഭൗതികമായ തീരുമാനങ്ങളിലേക്കാണ് എത്തുന്നത്. വ്യക്തികൾ തമ്മിലുള്ള ആത്മനിഷ്ഠമായ ഇടപെടലുകളിൽ വൈജ്ഞാനികമോ വൈകാരികമോ ആയ പക്ഷപാതങ്ങൾ കാണാൻ കഴിയും. ചില ഉദാഹരണങ്ങൾ:
    • വർ‌ണ്ണങ്ങൾ‌, ടോണുകൾ‌, ടെക്സ്ചറുകൾ‌ മുതലായവയ്‌ക്കുള്ള സമാനതകൾ‌.
    • നിറങ്ങൾ, ടോണുകൾ, ടെക്സ്ചറുകൾ മുതലായവയുടെ പരിധി വ്യത്യാസങ്ങൾ.
  • നേത്ര ട്രാക്കിംഗ് . വൈവിധ്യമാർന്ന വൈജ്ഞാനിക പ്രക്രിയകൾ പഠിക്കാൻ ഈ രീതി ഉപയോഗിക്കുന്നു, പ്രത്യേകിച്ച് വിഷ്വൽ പെർസെപ്ഷൻ, ലാംഗ്വേജ് പ്രോസസ്സിംഗ്. കണ്ണുകളുടെ ഫിക്സേഷൻ പോയിന്റ് ഒരു വ്യക്തിയുടെ ശ്രദ്ധാകേന്ദ്രവുമായി ബന്ധപ്പെട്ടിരിക്കുന്നു. അതിനാൽ, നേത്രചലനങ്ങൾ നിരീക്ഷിക്കുന്നതിലൂടെ, ഒരു നിശ്ചിത സമയത്ത് എന്ത് വിവരങ്ങളാണ് പ്രോസസ്സ് ചെയ്യുന്നതെന്ന് നമുക്ക് പഠിക്കാൻ കഴിയും. വളരെ ഹ്രസ്വ സമയ സ്കെയിലുകളിൽ വൈജ്ഞാനിക പ്രക്രിയകൾ പഠിക്കാൻ ഐ ട്രാക്കിംഗ് ഉപയോഗിക്കുന്നു. ജോലിക്കിടയിലുള്ള ചില തീരുമാനമെടുക്കലുകളെ നേത്രചലനങ്ങൾ പ്രതിഫലിപ്പിക്കുന്നുണ്ട്. മാത്രമല്ല ആ തീരുമാനങ്ങൾ പ്രോസസ്സ് ചെയ്യുന്ന രീതികളെക്കുറിച്ചും അവ ചില വിവരങ്ങൾ നൽകുന്നു. [13]

ബ്രെയിൻ ഇമേജിംഗ്[തിരുത്തുക]

മനുഷ്യ മസ്തിഷ്കത്തിന്റെ ചിത്രം. അമ്പടയാളം ഹൈപ്പോതലാമസിന്റെ സ്ഥാനം സൂചിപ്പിക്കുന്നു.

വിവിധ ജോലികൾ ചെയ്യുമ്പോൾ മസ്തിഷ്കത്തിലെ പ്രവർത്തനം വിശകലനം ചെയ്യുന്നതാണ് ബ്രെയിൻ ഇമേജിംഗ്. ചേഷ്ടകളും മസ്തിഷ്കപ്രവർത്തനങ്ങളും എങ്ങനെയാണ് ബന്ധപ്പെട്ടിരിക്കുന്നത് എന്നും വിവരങ്ങൾ എങ്ങനെയാണ് പ്രോസസ്സ് ചെയ്യപ്പെടുന്നത് എന്നും മനസ്സിലാക്കാൻ ഇത് സഹായിക്കുന്നു. വ്യത്യസ്ത തരം ഇമേജിംഗ് ടെക്നിക്കുകൾ അവയുടെ കാലികവും (temporal), സ്ഥലപരവുമായ (spatial) അപഗ്രഥനങ്ങളിൽ വ്യത്യസ്തങ്ങളായിരിക്കും. കോഗ്നിറ്റീവ് ന്യൂറോ സയൻസിൽ ബ്രെയിൻ ഇമേജിംഗ് പലപ്പോഴും ഉപയോഗിക്കുന്നുണ്ട്.

  • സിംഗിൾ ഫോട്ടോൺ എമിഷൻ കമ്പ്യൂട്ട് ടോമോഗ്രഫി, പോസിട്രോൺ എമിഷൻ ടോമോഗ്രഫി . SPECT ഉം PET ഉം റേഡിയോ ആക്റ്റീവ് ഐസോടോപ്പുകളാണ് ഉപയോഗിക്കുന്നത്. അവ പഠനവിധേയമാകുന്ന വ്യക്തിയുടെ രക്തക്കുഴലിലേക്ക് കടത്തിവിടുകയും അതിലൂടെ മസ്തിഷ്കത്തിലെത്തുകയും ചെയ്യുന്നു. ഇത് നിരീക്ഷിക്കുന്നതിലൂടെ, തലച്ചോറിന്റെ ഏതെല്ലാം മേഖലകളാണ് മറ്റ് മേഖലകളേക്കാൾ കൂടുതൽ സജീവമായിരിക്കുന്നതെന്ന് നമുക്ക് മനസ്സിലാക്കാൻ കഴിയും. PETക്ക് FMRIക്ക് സമാനമായ സ്പേഷ്യൽ റെസലൂഷൻ ഉണ്ട്, പക്ഷേ ഇതിന്റെ ടെമ്പറൽ റെസലൂഷൻ ഗുണമേന്മ കുറഞ്ഞതാണ്.
  • ഇലക്ട്രോസെൻസ്ഫലോഗ്രഫി . തലയോട്ടിയിൽ ഇലക്ട്രോഡുകൾ സ്ഥാപിച്ച് കോർട്ടക്സിലെ ന്യൂറോണുകൾ സൃഷ്ടിക്കുന്ന വൈദ്യുത മണ്ഡലങ്ങളെ EEG ഉപയോഗിച്ച് അളക്കുന്നു. ഈ സാങ്കേതികതയ്ക്ക് വളരെ ഉയർന്ന ടെമ്പറൽ റസലൂഷൻ ഉണ്ട്. പക്ഷേ സ്പേഷ്യൽ റെസലൂഷൻ മോശമാണ്.
  • ഫംഗ്ഷണൽ മാഗ്നറ്റിക് റെസൊണൻസ് ഇമേജിംഗ് . മസ്തിഷ്കത്തിന്റെ വിവിധ ഭാഗങ്ങളിലേക്ക് ഒഴുകുന്ന ഓക്സിജൻ കലർന്ന രക്തത്തിന്റെ ആപേക്ഷിക അളവ് FMRI ഉപയോഗിച്ച് കണക്കാക്കുന്നു. ഒരു പ്രത്യേക ഭാഗത്ത് കാണപ്പെടുന്ന ഓക്സിജൻ കൂടുതൽ ഉള്ള രക്തം, മസ്തിഷ്കത്തിന്റെ ആ ഭാഗത്തെ ന്യൂറൽ പ്രവർത്തനങ്ങളുടെ വർദ്ധനവുമായി ബന്ധപ്പെട്ടിരിക്കുന്നു. മസ്തിഷ്കത്തിന്റെ വ്യത്യസ്ത ഭാഗങ്ങളിൽ നടക്കുന്ന പ്രവർത്തനങ്ങളെ വേർതിരിച്ചറിയാൻ ഇതു സഹായിക്കുന്നു. എഫ്എം‌ആർ‌ഐക്ക് മിതമായ സ്പേഷ്യൽ, ടെമ്പറൽ റെസലൂഷൻ ഉണ്ട്.
  • ഒപ്റ്റിക്കൽ ഇമേജിംഗ് . തലച്ചോറിന്റെ വിവിധ ഭാഗങ്ങളിലെ രക്തം പ്രതിഫലിപ്പിക്കുന്ന പ്രകാശത്തിന്റെ അളവ് കണക്കാക്കാൻ ഇൻഫ്രാറെഡ് ട്രാൻസ്മിറ്ററുകളും റിസീവറുകളും ഉപയോഗിക്കുന്നു. ഓക്സിജൻ ഉള്ളതും ഇല്ലാത്തതുമായ രക്തം വ്യത്യസ്ത അളവിലാണ് പ്രകാശത്തെ പ്രതിഫലിപ്പിക്കുന്നത് എന്നതിനാൽ, ഏതെല്ലാം മേഖലകളാണ് കൂടുതൽ സജീവമായിട്ടുള്ളതെന്ന് നമുക്ക് പഠിക്കാം. ഒപ്റ്റിക്കൽ ഇമേജിംഗിന് മിതമായ ടെമ്പറൽ റസലൂഷൻ ഉണ്ട്. പക്ഷേ സ്പേഷ്യൽ റെസലൂഷൻ മോശമാണ്. ഇത് അങ്ങേയറ്റം സുരക്ഷിതമായതിനാൽ ശിശുക്കളുടെ തലച്ചോറിനെക്കുറിച്ച് പഠിക്കാനും ഉപയോഗിക്കാം.
  • മാഗ്നെറ്റോസെൻസ്ഫലോഗ്രഫി . കോർട്ടിക്കൽ പ്രവർത്തനത്തിന്റെ ഫലമായുണ്ടാകുന്ന കാന്തികക്ഷേത്രങ്ങളെ MEG ഉപയോഗിച്ച് അളക്കുന്നു. ഇത് ഇ.ഇ.ജിയോട് സാമ്യമുള്ളതാണ്, കൂടാതെ ഇത് അളക്കുന്ന കാന്തികക്ഷേത്രങ്ങൾ തലയോട്ടി, മെനിഞ്ചുകൾ എന്നിവയാൽ മങ്ങുകയോ വ്യക്തത കുറയുകയോ ചെയ്യാത്തതിനാൽ കൂടുതൽ നല്ല സ്പേഷ്യൽ റെസലൂഷൻ കിട്ടും. ചെറിയ കാന്തികക്ഷേത്രങ്ങൾ കണ്ടെത്താൻ MEG SQUID സെൻസറുകൾ ഉപയോഗിക്കുന്നു.

കമ്പ്യൂട്ടേഷണൽ മോഡലിംഗ്[തിരുത്തുക]

രണ്ട് പാളികളുള്ള ഒരു കൃത്രിമ ന്യൂറൽ നെറ്റ്‌വർക്ക് .

കമ്പ്യൂട്ടേഷണൽ മോഡലുകൾക്ക് പ്രശ്നത്തിന്റെ ഗണിതശാസ്ത്രപരമായും യുക്തിപരമായും ഉള്ള ഔപചാരിക പ്രാതിനിധ്യം ആവശ്യമാണ്. ബുദ്ധിയുടെ വ്യത്യസ്തവും സവിശേഷവുമായ ഗുണങ്ങളുടെ അനുകരണം, പരിശോധന എന്നിവയിൽ കമ്പ്യൂട്ടർ മോഡലുകൾ ഉപയോഗിക്കുന്നു. ഒരു പ്രത്യേക വൈജ്ഞാനിക പ്രതിഭാസം എങ്ങനെ സംഘടിപ്പിക്കപ്പെടുന്നു എന്നു മനസിലാക്കാൻ കമ്പ്യൂട്ടേഷണൽ മോഡലിംഗ് സഹായിക്കും. കോഗ്നിറ്റീവ് മോഡലിംഗിലേക്കുള്ള സമീപനങ്ങളെ ഇങ്ങനെ തരംതിരിക്കാം: (1) പ്രതീകാത്മകമായി, മനസ്സിന്റെ ബുദ്ധിപരമായ അമൂർത്ത പ്രവർത്തനങ്ങളെ ചിഹ്നങ്ങൾ വഴി മനസ്സിലാക്കുന്നു. (2) സബ്സിംബോളിക്(symbolic), മനുഷ്യ മസ്തിഷ്കത്തിന്റെ നാഡീസംബന്ധവും സംഘടിതവുമായ ഗുണങ്ങളെക്കുറിച്ച് മനസ്സിലാക്കുന്നു. (3) സിംബോളിക്-സബ്സിംബോളിക് മാർഗ്ഗങ്ങൾ സംയോജിപ്പിച്ചു കൊണ്ട്.

  • വിജ്ഞാനാധിഷ്ഠിത സാങ്കേതികവിദ്യകളുടെ സഹായത്തോടെയാണ് കമ്പ്യൂട്ടർ മാതൃകകളിൽ നിന്ന് സിംബോളിക് മോഡലിങ് രൂപപ്പെടുത്തിയെടുത്തത്. ഇതിന് ശക്തമായ ദാർശനിക പരിപ്രേക്ഷ്യത്തിന്റെ അടിത്തറയും ഉണ്ടായിരുന്നു. ഉദാഹരണത്തിന് "നല്ല പഴയ രീതിയിലുള്ള കൃത്രിമ ഇന്റലിജൻസ്" ( GOFAI ) കാണുക. ആദ്യത്തെ കോഗ്നിറ്റീവ് ഗവേഷകർ അവ വികസിപ്പിച്ചെടുക്കുകയും പിന്നീട് വിദഗ്ദ്ധ സംവിധാനങ്ങൾക്കായി ഇൻഫർമേഷൻ എഞ്ചിനീയറിംഗിൽ ഉപയോഗിക്കുകയും ചെയ്യുന്നു. 1990 കളുടെ തുടക്കം മുതൽ പേഴ്സണോയിഡുകൾ പോലുള്ള പ്രവർത്തനക്ഷമമായ മനുഷ്യസമാനമായ ഇന്റലിജൻസ് മോഡലുകളുടെ അന്വേഷണത്തിനായി ഇത് വ്യവസ്ഥാപിതമാക്കി സാമാന്യവൽക്കരിക്കപ്പെട്ടു, സമാന്തരമായി, SOAR പരിതസ്ഥിതിയായി വികസിപ്പിച്ചെടുത്തു. അടുത്തിടെ, പ്രത്യേകിച്ചും വൈജ്ഞാനിക തീരുമാനമെടുക്കലിന്റെ പശ്ചാത്തലത്തിൽ, പ്രതീകാത്മക കോഗ്നിറ്റീവ് മോഡലിംഗ് ഒരു സാമൂഹിക- ഓർഗനൈസേഷൻ കോഗ്നിഷൻ ഉൾപ്പെടെയുള്ള സാമൂഹിക-വൈജ്ഞാനിക സമീപനത്തിലേക്ക് വ്യാപിപ്പിച്ചു, ഒരു ഉപ-പ്രതീകാത്മക ബോധരഹിത പാളിയുമായി ബന്ധപ്പെട്ടിരിക്കുന്നു.
  • കണക്ഷനിസ്റ്റ് / ന്യൂറൽ നെറ്റ്‌വർക്ക് മോഡലുകൾ സബ്സിംബോളിക് മോഡലിംഗിൽ ഉൾപ്പെടുന്നു . മനസ്സ് / മസ്തിഷ്കം ലളിതമായ നോഡുകൾ ചേർന്നതാണെന്നും അതിന്റെ പ്രശ്‌നപരിഹാര ശേഷി അവ തമ്മിലുള്ള ബന്ധങ്ങളിൽ നിന്ന് ഉരുത്തിരിഞ്ഞതാണെന്ന ആശയത്തെ കണക്ഷനിസം ആശ്രയിച്ചിരിക്കുന്നു. ഈ സമീപനത്തിന്റെ പാഠപുസ്തക നടപ്പാക്കലാണ് ന്യൂറൽ നെറ്റുകൾ . ഈ മോഡലിന്റെ ചില വിമർശകർ കരുതുന്നത്, സിസ്റ്റം എങ്ങനെ പ്രവർത്തിക്കുന്നു എന്നതിന്റെ പ്രാതിനിധ്യമായി ഈ മോഡലുകൾ ബയോളജിക്കൽ റിയാലിറ്റിയെ സമീപിക്കുമ്പോൾ ഈ മോഡലുകൾക്ക് വിശദീകരണ ശേഷിയില്ല, കാരണം ലളിതമായ കണക്ഷൻ നിയമങ്ങളുള്ള സിസ്റ്റങ്ങളിൽ പോലും ഉയർന്നുവരുന്ന ഉയർന്ന സങ്കീർണ്ണത അവരെ കണക്ഷൻ തലത്തിൽ വ്യാഖ്യാനിക്കാൻ കഴിയാത്തതാക്കുന്നു അവ പ്രത്യക്ഷത്തിൽ മാക്രോസ്കോപ്പിക് തലത്തിലാണ്.
  • (1) ഡൈനാമിക്കൽ സിസ്റ്റം സിദ്ധാന്തം, (2) കണക്ഷനിസ്റ്റ് മോഡലുകളിലേക്ക് പ്രതീകാത്മക മോഡലുകൾ മാപ്പിംഗ് (ന്യൂറൽ-സിംബോളിക് ഇന്റഗ്രേഷൻ അല്ലെങ്കിൽ ഹൈബ്രിഡ് ഇന്റലിജന്റ് സിസ്റ്റങ്ങൾ ), (3) യന്ത്ര പഠനത്തിൽ നിന്ന് പലപ്പോഴും വരച്ച ബയേഷ്യൻ മോഡലുകൾ എന്നിവ ജനപ്രീതി നേടുന്ന മറ്റ് സമീപനങ്ങളാണ്.

മേൽപ്പറഞ്ഞ സമീപനങ്ങളെല്ലാം ഒരു കൃത്രിമ / അമൂർത്ത ബുദ്ധിയുടെ കമ്പ്യൂട്ടർ മാതൃകകളിലേക്ക് സാമാന്യവൽക്കരിക്കുന്നു. ഇത് വ്യക്തിഗതവും സാമൂഹികവും സംഘടനാപരവുമായ തീരുമാനമെടുക്കലിന്റെയും യുക്തിയുടെയും സ്പഷ്ടീകരണത്തിനും മെച്ചപ്പെടുത്തലിനും ഉപയോഗിക്കാവുന്നതാണ്. [14]

ന്യൂറോബയോളജിക്കൽ രീതികൾ[തിരുത്തുക]

ന്യൂറോ സയൻസിൽ നിന്നും ന്യൂറോ സൈക്കോളജിയിൽ നിന്നും നേരിട്ട് കടമെടുത്ത ഗവേഷണ രീതികളും ബുദ്ധിയുടെ വശങ്ങൾ മനസിലാക്കാൻ സഹായിക്കും. ഒരു ഭൗതിക വ്യവസ്ഥയിൽ നടക്കുന്ന ബുദ്ധിപരമായ പെരുമാറ്റങ്ങളെ കുറിച്ചു പഠിക്കാൻ ഈ രീതികൾ ഉപയോഗിക്കാം.

  • സിംഗിൾ-യൂണിറ്റ് റെക്കോർഡിംഗ്
  • നേരിട്ടുള്ള മസ്തിഷ്ക ഉത്തേജനം
  • മൃഗങ്ങളിൽ നടത്തുന്ന പഠനങ്ങൾ
  • പോസ്റ്റ്‌മോർട്ടം പഠനങ്ങൾ

അവലംബം

  1. Adapted from Miller, George A (2003). "The cognitive revolution: a historical perspective". Trends in Cognitive Sciences 7.
  2. "Ask the Cognitive Scientist". American Federation of Teachers. 8 August 2014. Cognitive science is an interdisciplinary field of researchers from Linguistics, psychology, neuroscience, philosophy, computer science, and anthropology that seek to understand the mind.
  3. Thagard, Paul, Cognitive Science, The Stanford Encyclopedia of Philosophy (Fall 2008 Edition), Edward N. Zalta (ed.).
  4. Miller, George A. (2003). "The cognitive revolution: A historical perspective". Trends in Cognitive Sciences. 7 (3): 141–144. doi:10.1016/S1364-6613(03)00029-9. PMID 12639696.
  5. Varela, F. J., Thompson, E., & Rosch, E. (1991). The embodied mind: cognitive science and human experience. Cambridge, Massachusetts: MIT Press.
  6. Marr, D. (1982). Vision: A Computational Investigation into the Human Representation and Processing of Visual Information. W. H. Freeman.
  7. Miller, G. A. (2003). "The cognitive revolution: a historical perspective". Trends in Cognitive Sciences. 7 (3): 141–144. doi:10.1016/S1364-6613(03)00029-9. PMID 12639696.
  8. Ferrés, Joan; Masanet, Maria-Jose (2017). "Communication Efficiency in Education: Increasing Emotions and Storytelling". Comunicar (ഭാഷ: സ്‌പാനിഷ്). 25 (52): 51–60. doi:10.3916/c52-2017-05. ISSN 1134-3478.
  9. Sun, Ron (ed.) (2008). The Cambridge Handbook of Computational Psychology. Cambridge University Press, New York.
  10. Isac, Daniela; Charles Reiss (2013). I-language: An Introduction to Linguistics as Cognitive Science, 2nd edition. Oxford University Press. p. 5. ISBN 978-0199660179.
  11. Pinker S., Bloom P. (1990). "Natural language and natural selection". Behavioral and Brain Sciences. 13 (4): 707–784. doi:10.1017/S0140525X00081061.
  12. Lewandowski, Gary; Strohmetz, David (2009). "Actions can speak as loud as words: Measuring behavior in psychological science". Social and Personality Psychology Compass. 3 (6): 992–1002. doi:10.1111/j.1751-9004.2009.00229.x.
  13. König, P., Wilming, N., Kietzmann, T.C., Ossandon, J.P., Onat, S., Ehinger, B.V., Gameiro, R.R. & Kaspar, K. (2016). "Eye movements as a window to cognitive processes". Journal of Eye Movement Research. 9(5):3: 1–16. DOI: 10.16910/jemr.9.5.3.CS1 maint: multiple names: authors list (link)
  14. Sun, Ron (ed.), Grounding Social Sciences in Cognitive Sciences. MIT Press, Cambridge, Massachusetts. 2012.
"https://ml.wikipedia.org/w/index.php?title=കോഗ്നിറ്റീവ്_സയൻസ്&oldid=3546118" എന്ന താളിൽനിന്ന് ശേഖരിച്ചത്