Embodied & Enactive Cognition

Цели урока

• Понять Symbol Grounding Problem и почему словарь не решает его
• Освоить 4E Cognition: Embodied, Embedded, Enacted, Extended
• Разобраться в сенсомоторных континженциях и affordances по Гибсону
• Применить embodied cognition к анализу LLM и современных AI-систем

Предварительные знания

• Predictive Processing (урок 12)
• Self-Models (урок 09)
• Higher-Order Consciousness (урок 14)

GPT-4 правильно использует слово 'горячее' в тысячах контекстов. Но никогда не обжигался. Означает ли это, что он понимает 'горячее'? Ответ меняет то, как строятся следующие 10 лет AI.

• LLM-агенты для роботов (RT-2, Google, 2023) - первые попытки дать языковым моделям реальное тело
• CLIP (OpenAI) - визуальное заземление текста через 400M пар изображение-подпись
• Soft robotics - мягкие роботы используют морфологическое вычисление вместо точного управления
• Слепые пользователи тростей - классический пример SMC: трость становится прозрачным сенсором
• IsaacGym (NVIDIA) - 4096 параллельных симуляций для обучения embodied политик

От Chinese Room к Embodiment

В 1980 году Сёрль опубликовал 'Minds, Brains, and Programs' - мысленный эксперимент 'Китайская комната', показывающий что синтаксис не равен семантике. В 1990 году Харнад формализовал Symbol Grounding Problem. Параллельно Варела, Томпсон и Рош в 'The Embodied Mind' (1991) развили enactivism: познание неотделимо от тела и действия. Три независимых потока мысли сошлись к одному выводу: классический символьный AI фундаментально неполон.

Проблема заземления символов

**В 1980 году философ Джон Сёрль провёл мысленный эксперимент, который разделил когнитивную науку на два лагеря.** Представим человека в комнате: он получает китайские иероглифы, смотрит в таблицу правил и выдаёт правильные ответы. Снаружи - носитель языка. Внутри - ни слова не понимает. Система ведёт себя правильно, но понимания нет. В 1990 году Стеван Харнад формализовал это как Symbol Grounding Problem: как символы вообще получают значение, если словарь определяет слова через другие слова?

**Symbol Grounding Problem (Харнад, 1990):** словарь определяет 'яблоко' как 'круглый съедобный фрукт'. Но что значит 'круглый'? 'Съедобный'? Чтобы вырваться из этого круга, символы должны быть 'заземлены' в несимволическом опыте - в телесном взаимодействии с миром.

LLM не 'понимает' слово 'горячее' в том смысле, в каком понимает человек. LLM знает статистические паттерны использования слова. Настоящее понимание 'горячего' включает опыт обжигания, сенсомоторную реакцию отдёргивания, интероцепцию. Это не значит, что LLM бесполезен - это значит, что природа его 'понимания' принципиально иная.

4E Cognition: тело как часть разума

**Варела, Томпсон и Рош в книге 'The Embodied Mind' (1991) предложили радикальный тезис: разум не в голове.** Познание - Embodied (воплощено в теле), Embedded (встроено в среду), Enacted (реализуется через действие), Extended (выходит за границы тела). Это не метафора. Держа тёплый стакан кофе, люди дают более 'тёплые' оценки незнакомцам - измеримо, воспроизводимо, удивительно.

Сенсомоторные континженции и affordances

**O'Regan и Noe в 2001 году предложили: видеть красное - это не иметь 'красный квалиа' на экране сознания.** Видеть красное - это знать, как красный меняется при движении глаз, при смене освещения, при приближении. Восприятие = паттерн сенсомоторных континженций (SMC): правил 'если сделать X, сенсоры покажут Y'. Это объясняет, почему слепой с тростью 'видит' пространство - он знает SMC для трости.

**Affordance (Гибсон, 1979)** - возможность для действия, которую объект предоставляет агенту. Это не свойство объекта и не свойство агента, а отношение между ними. Стул 'sittable' для человека, но не для мыши. Дверная ручка 'graspable' для руки, но не для клешни краба. Восприятие = обнаружение affordances, а не построение внутренней модели объектов.

Морфологическое вычисление (Pfeifer & Bongard): тело не просто исполняет команды мозга - тело само вычисляет. Пассивный ходок (passive walker) идёт вниз по склону без моторов и без управляющего мозга - динамика тела вычисляет следующий шаг. Мягкие пальцы робота автоматически адаптируются к форме объекта без точного управления каждым суставом. Правильная форма тела сокращает нагрузку на 'мозг'.

Embodied AI и заземление языка

**Матурана и Варела ввели понятие автопоэзиса (1972): живая система сама себя производит и поддерживает свою идентичность.** Из этого следует enactivism: познание - это не обработка информации о мире, а sense-making - активное создание смысла через взаимодействие. Даже бактерия 'понимает' градиент сахара, двигаясь вверх по нему. Это минимальная форма cognition - без нейронов, без символов, только через действие.

Связь с предыдущим

HOT и Predictive Processing оставляют открытыми вопросы о происхождении значения и физическом субстрате модели. Embodied Cognition закрывает оба пробела через сенсомоторные контингенции и автопоэз.

• Higher-Order Theories — объясняют сознание через мета-репрезентацию, но не отвечают откуда у репрезентаций значение
• Predictive Processing — трактует мозг как generative model, но молчит о физическом субстрате
• Sensorimotor contingencies — источник значения - взаимодействие тела со средой, а не чистое вычисление

Итоги

• Symbol Grounding Problem (Харнад, 1990): любое определение через другие слова - замкнутый круг; значение возникает только через несимволическое взаимодействие со средой
• 4E Cognition: Embodied (тело влияет на мышление), Embedded (среда как внешняя память), Enacted (понимание через действие), Extended (разум за границами тела)
• SMC (O'Regan, Noe): восприятие = набор правил если-сделаю-X-сенсоры-покажут-Y; affordances Гибсона - отношения агент-объект, а не свойства объектов
• CLIP даёт визуальное заземление через 400M пар, но не моторное и интероцептивное; LLM-агенты с роботизированным телом получают часть SMC, но не автопоэзис
• Морфологическое вычисление: правильная форма тела (passive walker, soft hands) сокращает нагрузку на контроллер - часть когниции выгружена в физику тела

Вопросы для размышления

• Если LLM правильно использует слово 'боль' в тысячах контекстов - достаточно ли это для того, чтобы считать, что он понимает боль? Где граница между корректным использованием символа и его пониманием?

Связанные уроки

• aut-14-higher-order — HOT - конкурирующий подход без тела
• aut-12-predictive-processing — Predictive processing + body = embodied prediction
• aut-16-causal — Embodied causality - агент влияет на среду
• st-07-adaptation — Адаптация через тело-среда взаимодействие
• ml-48-rl-intro — RL агент - дискретная модель embodied cognition
• rob-01