認知科學：入門/分類
分類的概念被定義為將物體、想法和事件組織成具有相似屬性的組的過程，這些組被稱為類別。[1] 它是人類用來幫助他們互動和感知環境的最基本認知過程之一。[2] 多年來，人們已經開發了許多理論來闡明這個過程是如何在腦中建模的，以及它如何影響其他認知概念，例如感知處理、學習[3] 和決策。[4] 分類也是人工智慧和計算機視覺中的一個主要研究領域，透過使用軟體來建立認知模型。
認知分類的工作方式不是確定的，因為目前存在許多理論。這個概念的最古老理論被稱為經典分類。在這個模型中，為了使一個物體或想法被認為屬於一個類別，必須滿足一組特定的屬性。[5] 例如，為了使一個物體被認為是鳥類，它必須有羽毛、產卵並有喙。如果它不滿足類別的任何標準，那麼它就不屬於該類別。
心理學家埃莉諾·羅施在 1970 年代發展了更現代的分類理論。[6] 這個理論被稱為原型理論，被定義為一個物體或想法如果類似於某個表示或原型，那麼它就屬於某個類別。[6] 這與經典觀點不同，因為一個物體不需要滿足類別的所有規則，這些原型或模型可以隨著時間的推移而改變。該理論還指出，存在三個分類層次。最頂層，也稱為上位類別，包含高度的概括性和包容性。[5] 例如，狗的上位類別是哺乳動物。下一級是基本級分類，其中上位類別的實體是相似的，但仍然可以透過重要特徵輕鬆區分。[5] 這就是狗和貓屬於不同類別的層次。下位類別是最低階的類別，具有較低的概括性和包容性。[5] 犬種的區分就處於這個層次。
視覺分類從很小的時候就表現出來了。研究表明，嬰兒在理解語言之前就能對基本顏色進行分類。[7] 習慣化被用來研究嬰兒的感知，使用這種技術，Bornstein、Kessen 和 Weiskopf 發現，在四個月大的時候，人類就能區分藍色、紅色、黃色和綠色。[7]
除了顏色，嬰兒也能出色地對視覺物體進行分類。研究表明，分類過程在二維和三維刺激之間有所不同，十八個月大的嬰兒能夠比二維刺激更好地對三維物體進行分類。[8] Booth、Schuler 和 Zajicek[9] 表明，物體功能有助於十六個月大的嬰兒形成類別。當物體執行的動作與之前向他們展示的動作不同時，嬰兒無法對物體進行分類。據推測，母體氣味和多感官輸入會增強嬰兒的視覺分類能力。然而，在一項研究中，發現母體氣味並不能增強四個月大的嬰兒使用頭皮腦電圖 (EEG) 對汽車和其他物體進行分類的能力。[10]
衰老會影響認知能力，老年人會受到認知能力下降的影響。在 2016 年的一項研究中，十七名年輕受試者和十名老年受試者被要求將視覺影像分類成兩個抽象類別。[3] 老年受試者在對不符合所呈現類別的例外情況進行分類時遇到了困難，但由於對視覺特徵的注視率更高，對原型刺激進行分類的表現保持不變。[3] 這表明老年受試者具有更高的感知能力，可以彌補他們的認知能力下降。[3]
在孩子進入正規教育體系之前，他們已經發展出了隱性和顯性的社會偏好和分類。構成這些社會類別的因素包括性別、種族和語言。[11] 從小，人類就傾向於與社會中與自己屬於同一社會類別的人互動。孩子根據社會類別做出社會推斷，並期望群體成員共享信念、特徵和規範。[11] 在一項近期研究中，研究人員讓不同年齡段的孩子判斷哪些人可能違反社會習俗。研究表明，三到十一歲的孩子認為只有群體內部成員會遵循社會規範，而七到十一歲的孩子則使用社會群體成員身份來判斷誰會或不會遵循社會規範。因此，年幼的孩子對社會類別有一個基本的認知，這種認知在童年後期逐漸發展。[12]
孩子們對群體外成員的分類也比對群體內部成員更強。Woo、Quinn、Méary、Lee 和 Pascalis[13] 進行了一項研究，讓 59 名和 10 名年齡的馬來人和馬來華裔兒童以及 40 名馬來人和馬來華裔成年人（他們對白人接觸較少）對白人、馬來西亞人和中國人面孔進行分類。結果表明，孩子們能夠輕鬆地區分白人面孔，但在對中國人與馬來西亞人面孔進行分類時遇到了困難。另一方面，成年人能夠以不同的速度（從最快到最慢：白人、中國人、馬來西亞人）區分不同的面孔。[13] 這說明孩子們對種族有一個基本的認知，但也具有社會類別的概念，其中群體內部成員是其社會成員（馬來人和中國人）。另一方面，由於“異族分類優勢”，成年人能夠區分除自己以外的其他人種，即他們更容易區分自己種族的面孔和其他種族的面孔。[13]
人工智慧領域的分類技術
[edit | edit source]影片分類
[edit | edit source]軟體和計算機系統在分類工作中大量使用原型理論和概念聚類。在 2018 年的一項研究中，研究人員建立了一種新的方法，將影片分類到不同的型別中。[14] 這些型別包括：動畫、節目、體育、電子學習、醫療、天氣、國防、經濟、動物星球和科技。[14] 這種方法結合了一種新的模糊屬性集來研究影片輸入的形狀。特定型別可能在影片輸入幀中檢測到特定形狀的組合。然後從每個類別中提取相關特徵，並轉換為特徵矩陣。該特徵矩陣經過神經網路處理，以確定影片所屬的型別或類別。[14]
文字分類
[edit | edit source]除了影片分類之外，文字分類對於搜尋引擎、垃圾郵件過濾以及文件索引至關重要。[15] 文字分類被定義為將未標記的文字檔案組織到預定義的類別中的過程。[16] 許多機器學習演算法已經建立，使用了許多技術，例如樸素貝葉斯、k 最近鄰、神經網路和支援向量機。[17]
在訓練模型以預測哪些文件被組織到哪些類別之前，訓練資料通常會進行預處理。這個階段包括突出顯示文字中的關鍵詞或短語，以區分不同的文字類別。[18] 文字檔案首先進行分詞，即刪除單詞之間的空格並用斜槓替換它們的過程。所有攜帶無資訊量的常用詞都會被刪除（停用詞過濾），單詞的字首和字尾也會被剝離，留下單詞的詞根進行處理（詞幹提取）。[18]
如上所述，已經使用多種演算法對文字進行分類。然而，Bagging 和 Adaboost 演算法在多項研究中被證明在穩定性和準確性方面表現更好。[17] Bagging 是一種從不同的訓練資料集建立不同模型的技術。[17] 相反，Adaboost 根據每個模型對正確預測文件類別進行預測的準確性，對這些模型應用權重。[17]
- ↑ Yang, J., & Long, C. (2020). Common and distinctive cognitive processes between categorization and category-based induction: Evidence from event-related potentials. Brain Research, 1749, 147134.
- ↑ Győri, G. (2013). Basic level categorization and meaning in language. Argumentum 9, 149-161.
- ↑ a b c d Schenk, S., Minda, J. P., Lech, R. K., & Suchan, B. (2016). Out of sight, out of mind: Categorization learning and normal aging. Neuropsychologia, 91, 222-233.
- ↑ He, Z., & Jiang, W. (2018). An evidential dynamical model to predict the interference effect of categorization on decision making results. Knowledge-Based Systems, 150, 139-149.
- ↑ a b c d Molina, A. (2017). DEFINING THE MAP: UTILIZING CLASSICAL CATEGORIZATION AND PROTOTYPE THEORY. Greensboro, NC: University of North Carolina.
- ↑ a b Taylor, J. R. (2015). Prototype Theory in Linguistics. International Encyclopedia of the Social & Behavioral Sciences, 286-289.
- ↑ a b Maule, J., & Franklin, A. (2019). Color categorization in infants. Current Opinion in Behavioral Sciences, 30, 163-168.
- ↑ Arterberry, M. E., Bornstein, M. H., & Blumenstyka, J. B. (2013). Categorization of two-dimensional and three-dimensional stimuli by 18-month-old infants. Infant Behavior and Development, 36(4), 786-795.
- ↑ Booth, A. E., Schuler, K., &; Zajicek, R. (2010). Specifying the role of function in infant categorization. Infant Behavior and Development, 33(4), 672-684.
- ↑ Rekow, D., Leleu, A., Poncet, F., Damon, F., Rossion, B., Durand, K., Baudouin, J. (2020). Categorization of objects and faces in the infant brain and its sensitivity to maternal odor: Further evidence for the role of intersensory congruency in perceptual development. Cognitive Development, 55, 100930.
- ↑ a b Liberman, Z., Woodward, A. L., & Kinzler, K. D. (2017). The Origins of Social Categorization. Trends in cognitive sciences, 21(7), 556–568.
- ↑ Liberman, Z., Howard, L. H., Vasquez, N. M., & Woodward, A. L. (2018). Children’s expectations about conventional and moral behaviors of in-group and out-group members. Journal of Experimental Child Psychology, 165, 7-18.
- ↑ a b c Woo, P. J., Quinn, P. C., Méary, D., Lee, K., & Pascalis, O. (2020). A developmental investigation of the other-race categorization advantage in a multiracial population: Contrasting social categorization and perceptual expertise accounts. Journal of Experimental Child Psychology, 197, 104870.
- ↑ a b c Roy, S., Shivakumara, P., Jain, N., Khare, V., Dutta, A., Pal, U., & Lu, T. (2018). Rough-fuzzy based scene categorization for text detection and recognition in video. Pattern Recognition, 80, 64-82.
- ↑ Revanasiddappa, M. B., Harish, B. S., & Kumar, S. V. (2018). Meta-cognitive Neural Network based Sequential Learning Framework for Text Categorization. Procedia Computer Science, 132, 1503-1511.
- ↑ Adeleke, S. (2017). Comparative Analysis of Text Classification Algorithms for Automated Labelling of Quranic Verses. International Journal on Advanced Science, Engineering and Information Technology, 7(4), 1419.
- ↑ a b c d Rostam, N. A. & Malim, N. H. (2019).《古蘭經與聖訓中的文字分類：使用機器學習和詞語權重克服相互關聯挑戰》。《沙特國王大學學報 - 計算機與資訊科學》。
- ↑ a b Eler, D., Grosa, D., Pola, I., Garcia, R., Correia, R. & Teixeira, J. (2018).《文字和觀點挖掘中文件預處理效果分析》。《資訊》，9(4), 100。