Högskolan i Skövde

This thesis examines Cognitively Inspired Design (CID), which is the process of transferring cognitive science frameworks and theories to intelligent systems in an application context. The thesis studies the relation between cognitive science and the traditional approach to developing systems. There are numerous differences and challenges between those two fields, making the transformation from cognitive science to designing a novel cognitive system a challenging process. To examine this process, the Guest and Martin (2021) multi-layer model has been utilized. The model proposes a sequence of six layers in which a researcher follows from a defined cognitive concept or framework to an empirical experiment of a computational model. This multi-layered model is a path function in which each layer is a function that takes the input from the previous layer and passes the output to the following layer.

The thesis takes the application of self-driving cars as the context of study. Self-driving cars are considered one of the most important applications requiring a high level of intelligence and cognitive ability because they encounter real world scenarios and the risk of failure may cost lives. This thesis analyzes the transformation of CID in three main studies.

The first study theoretically analyzes the applicability and compares the different cognitive paradigms and current AI techniques for self-driving cars. The thesis argues for exploring the emergent paradigm as a less explored paradigm in cognitive systems compared to its main opponent paradigm; the cognitivist. The emergent paradigm is claimed to describe the interactive nature of the human cognition. The analysis highlights the opportunities that the field of self-driving cars benefits from when considering the characteristics of the emergent paradigm.

The second study considers the path function for a selected emergent paradigm theory. The study focuses on the aspect of how humans learn from hypothetical scenarios before encountering them in the real world, in particular, learning how to handle rare scenarios that are difficult to learn in the real world. The study addresses the mechanism for automatically generating these scenarios without being designed and created manually by a developer. The study considers curriculum learning as the candidate theory subject of study. The process of transferring this theory is studied using the path function multilayer model. The study conducts an experiment to address the relation between the importance of the theory in human learning and its equivalence in artificial cognitive systems.

The third study focuses on more debatable theories in the emergent paradigm, in particular enactive and embodiment theories. These theories have gained much attention in research because of the high promise they may deliver for advancing the field of artificial cognitive systems. The applicability of the transition of these theories into artificial cognitive systems is examined in relation to the application of self-driving cars, using the path function multi-layer model. The study considers the aspects that support and hinder such transformation.

The thesis concludes by discussing the current state of CID and the aspects the researchers and developers need to consider in this process before, during, and after the transformation. Overall, the thesis attempts to study cognitive theories mainly from an engineering perspective. In short, the thesis focuses on the transformation of CID, not the promise of delivering a novel cognitive system solution.

Den här avhandlingen undersöker Kognitivt Inspirerad Design (eng. Cognitively Inspired Desig) vilket benämner processen att applicera kognitiva ramverk och teorier i en annan kontext. Avhandlingen studerar relationen mellan kognitionsvetenskap och den traditionella systemutvecklingsprocessen. Det finns flera olikheter och utmaningar som gör det svårt att designa ett nytt kognitivt system utifrån kognitionsvetenskap. För att undersöka denna process har flerlagersmodellen från Guest och Martin (2021) använts. Modellen består av en sekvens av sex lager som en forskare följer i steg från ett kognitivt ramverk till ett empiriskt experiment. Den här flerlagersmodellen är en banfunktion (eng. path function) där varje lager tar input från det tidigare lagret och ger output till nästföljande lager. Avhandlingens genomförs i kontexten av självkörande bilar. Självkörande bilar anses behöva en hög nivå av intelligens och kognitiva förmågor i och med att de måste agera i faktiska körsituationer där felbeslut kan kosta människoliv. Avhandlingen analyserar Kognitivt Inspirerad Design inom ramen för tre huvudsakliga studier.

Den första studien gör en jämförande teoretisk analys kring hur kognitiva paradigm och nuvarande AI-tekniker i självkörande bilar förhåller sig till varandra. Avhandlingen argumenterar för att det emergenta paradigmet är outforskat i denna kontext och bör studeras mer. Det emergenta paradigmet fokuserar på den interaktiva karaktären av mänsklig kognition. Analysen presenterar vilka möjligheter som öppnas för utvecklingen av självkörande bilar genom att applicera emergenta paradigmets olika egenskaper.

Den andra studien fokuserar på flerlagersmodellen i kontexten av en specifik teori inom det emergenta paradigmet. Studien fokuserar på hur människor lär sig från olika hypotetiska scenarier innan de faktiskt behöver träffa på dem i den verkliga världen, med särskilt fokus på ovanliga situationer som sällan inträffar. Studien undersöker hur mekanismer automatiskt kan skapa de här hypotetiska scenarierna, det vill säga utan att någon mänsklig utvecklar behöver manuellt designa situationerna. Studien använder sig av ”gradvis inlärning” (eng. curriculum learning) som en möjlig teoribas som med hjälp av flerlagersmodellen överförs till ett experiment som undersöker relationen mellan gradvis inlärning som teori för människor och för artificiella kognitiva system.

Den tredje studien fokuserar på mer omdebatterade teorier inom det emergenta paradigmet, nämligen så kallad enaktiv (eng. enactive) och förkroppslig (eng. embodied) kognition. De här teorierna har väckt uppmärksamhet på grund av deras möjliga förbättringspotential av artificiella kognitiva system. Flerlagersmodellen används i det här fallet för att undersöka hur dessa teorier kan appliceras på självkörande bilar. Studien beaktar hur de stödjer respektive hindrar appliceringen på självkörande bilar.

Avhandlingen avslutas med en diskussion om var Kognitivt Inspirerad Design står idag och vilka aspekter forskare och utvecklare behöver tänka på före, under och efter transformationen från teori till utvecklat system.

Generellt sett har denna avhandling studerat kognitiva teorier främst från ett ingenjörsperspektiv. Avhandlingens fokus har varit på att studera Kognitiv Inspirerad Design utifrån ett transformationsprocessperspektiv; målet har alltså inte varit att faktiskt skapa ett nytt kognitivt system.