Quantum-like Cognition in Process Theories: An Analysis

Die Arbeit untersucht kognitive Phänomene im Rahmen allgemeiner probabilistischer Prozesstheorien und zeigt, dass zwar sequenzielle Entscheidungsdaten durch verallgemeinerte klassische Instrumente erklärbar sind, jedoch erst die Analyse paralleler Zusammensetzungen und Verletzungen von Bell-Ungleichungen in realen Daten eine strikte Unterscheidung von klassischen Modellen ermöglicht.

Das Wesentliche

Stellen Sie sich vor, Ihr Gehirn ist wie ein riesiges, komplexes Labor, in dem Entscheidungen getroffen werden. Seit Jahren streiten sich Wissenschaftler darüber, welche Art von „Bauplan" oder „Mathematik" diesen Prozess am besten beschreibt.

Die traditionelle Sichtweise ist die klassische Logik: Wie ein Schalter, der entweder an oder aus ist. Wenn Sie eine Frage beantworten, ist Ihre Meinung feststehend, wie ein Buch, das auf einem Regal steht. Die neue, aufregende Sichtweise ist die quantenähnliche Logik: Wie eine Welle im Ozean, die sich überlagern, verändern und von der Reihenfolge beeinflussen kann, in der Sie sie beobachten.

Dieser Artikel von Sean Tull und Masanao Ozawa untersucht genau diese Debatte, aber mit einem neuen Werkzeug: einer Art „universeller Baulehre" für Prozesse, die sie Prozess-Theorien nennen. Man kann sich das wie eine universelle Sprache vorstellen, mit der man sowohl klassische Schalter als auch quantenmechanische Wellen beschreiben kann.

Hier ist die einfache Zusammenfassung ihrer Entdeckungen:

1. Das Problem: Warum wir manchmal „irren"

Menschen sind seltsam. Wenn wir Fragen in einer bestimmten Reihenfolge stellen, ändern sich unsere Antworten.

• Der Effekt: Stellen Sie jemanden die Frage „Ist Clinton ehrlich?" und dann „Ist Gore ehrlich?", erhalten Sie andere Antworten als bei der umgekehrten Reihenfolge.
• Die klassische Erklärung: Das ist unmöglich, wenn die Meinungen feststehen. Ein Buch ändert seinen Inhalt nicht, nur weil man es anders liest.
• Die quantenähnliche Erklärung: Die Frage selbst verändert die Meinung (wie das Öffnen einer Kiste, die den Inhalt verändert). Das nennt man „Interferenz" oder „Reihenfolge-Effekt".

2. Die große Überraschung: Der „klassische Trick"

Die Autoren fragen sich: Müssen wir wirklich die ganze komplexe Quantenphysik verwenden, um das zu erklären?

Ihre Antwort ist ein lautes „Nein!" (zumindest für die meisten Fälle).

Sie haben bewiesen, dass man fast jede menschliche Entscheidung – auch die, die sich wie Quantenwellen verhalten – mit einem einfachen, klassischen Modell erklären kann.

• Die Analogie: Stellen Sie sich vor, Sie haben einen Schalter, der nicht nur an/aus ist, sondern auch eine kleine Notiz mit sich herumträgt. Wenn Sie den Schalter umlegen, ändert er nicht nur den Zustand, sondern schreibt auch eine neue Notiz auf.
• Das Ergebnis: Selbst ein sehr einfaches, deterministisches (vorherbestimmtes) klassisches System kann alle diese „quantenartigen" Fehler und Effekte nachahmen. Es braucht keine mysteriösen Quantenwellen, nur ein System, das sich durch die Fragen selbst verändert (man nennt das „Instrumente" oder „Markov-Modelle").

Kurz gesagt: Wenn man nur auf die Reihenfolge der Fragen schaut, reicht ein cleverer klassischer Computer aus, um das menschliche Gehirn zu simulieren. Man braucht keine Quantenphysik.

3. Der Haken: Wann wird es wirklich „quanten"?

Wenn klassische Modelle alles erklären können, warum reden wir dann über Quanten? Die Autoren sagen: Wir müssen einen Schritt weitergehen.

Bisher haben wir nur über sequenzielle Entscheidungen gesprochen (Frage A, dann Frage B). Aber was ist mit parallelen Entscheidungen?

• Die Analogie: Stellen Sie sich vor, Sie halten in der linken Hand eine rote Karte und in der rechten eine blaue Karte. Sie müssen entscheiden, ob die linke Karte „schön" ist und gleichzeitig, ob die rechte Karte „schön" ist.
• Das Bell-Experiment: In der echten Welt (und in der Quantenphysik) gibt es Situationen, in denen zwei Dinge so stark miteinander verbunden sind, dass man sie nicht als zwei getrennte, klassische Schalter beschreiben kann. Man nennt das Verschränkung.

Die Autoren sagen: Um wirklich zu beweisen, dass das Gehirn „quantenartig" ist, müssten wir Experimente finden, bei denen:

1. Zwei Entscheidungen gleichzeitig (parallel) getroffen werden.
2. Die Ergebnisse so stark korrelieren, dass sie die klassischen Gesetze der Wahrscheinlichkeit brechen (eine sogenannte Bell-Ungleichung verletzen).

Bisher gibt es keine solchen Daten aus der Psychologie. Solange wir nur Fragen nacheinander stellen, bleibt das Gehirn im klassischen Bereich versteckt.

4. Das Fazit: Was bedeutet das für uns?

• Die gute Nachricht: Wir müssen nicht annehmen, dass unser Gehirn aus „Quanten-Materie" besteht, um zu verstehen, warum wir manchmal widersprüchlich denken. Einfache, aber dynamische klassische Modelle reichen dafür völlig aus.
• Die Herausforderung: Um wirklich zu sagen, dass das Gehirn wirklich Quantenphysik nutzt, müssten wir Experimente erfinden, bei denen zwei Teile des Gehirns so stark „verschränkt" sind, dass sie sich wie ein einziges, nicht-teilbares Ganzes verhalten – und das muss gegen die klassischen Regeln verstoßen.
• Die Metapher: Bisher haben wir versucht, das Gehirn mit einem klassischen Computer zu erklären, der sehr gut darin ist, sich anzupassen. Die Autoren sagen: „Okay, das funktioniert fast überall." Aber um zu beweisen, dass das Gehirn ein Quantencomputer ist, müssten wir einen Test finden, den ein klassischer Computer niemals bestehen könnte. Solange wir diesen Test nicht haben, sollten wir vorsichtig sein, zu behaupten, das Gehirn sei ein Quantenobjekt.

Zusammenfassend: Das Gehirn ist komplex und verändert sich durch Fragen, aber das macht es noch nicht zu einem Quantencomputer. Es ist eher wie ein sehr cleverer, sich selbst schreibender Roman, der sich je nach Reihenfolge der Kapitel anders liest – und das kann man auch mit klassischer Mathematik beschreiben.

Technische Zusammenfassung

1. Problemstellung und Motivation

Das Paper adressiert die kontroverse Debatte in der Kognitionswissenschaft, ob menschliches Entscheiden und Schlussfolgern besser durch klassische probabilistische Modelle oder durch „quantenähnliche" (quantum-like) Modelle beschrieben werden sollten.

• Hintergrund: Viele kognitive Phänomene, wie Reihenfolgeeffekte (Order Effects), Interferenzeffekte oder Konjunktionsfehler (Conjunction Fallacies), verletzen die Regeln der klassischen Logik und Wahrscheinlichkeitstheorie. Dies hat dazu geführt, dass Forscher Quantenmechanik als formale Sprache für diese Prozesse nutzen.
• Kritik: Es ist unklar, ob die volle Komplexität der Quantentheorie notwendig ist, oder ob diese Effekte auch durch verallgemeinerte klassische Modelle erklärt werden können. Bisherige Vergleiche beschränken sich oft auf spezifische Subklassen (z. B. klassische Bayes'sche Modelle vs. quantenmechanische projektive Messungen).
• Ziel: Die Autoren wollen den Status der Argumente für quantenähnliche Modelle rigoros bewerten, indem sie diese im Rahmen der allgemeinen probabilistischen Prozesstheorien (General Probabilistic Theories, GPTs) analysieren. Sie untersuchen, ob kognitive Daten zwingend nicht-klassische Modelle erfordern oder ob verallgemeinerte klassische Instrumente ausreichen.

2. Methodik: Prozesstheorien und Diagrammatische Kalküle

Die Autoren verwenden den formalen Rahmen der Prozesstheorien (symmetrische monoidale Kategorien), um Entscheidungsmodelle einheitlich zu beschreiben.

• Prozesstheorie ($\mathcal{C}$): Ein Rahmen, der Systeme (Objekte) und Prozesse (Morphismen) umfasst. Systeme werden als „Draht" dargestellt, Prozesse als „Boxen".
• Klassische vs. Quanten-Objekte:
  • Klassisch: Endliche Mengen (dünne Drähte), Prozesse sind stochastische Kanäle (Wahrscheinlichkeitsverteilungen).
  • Quanten: Hilbert-Räume (dicke Drähte), Prozesse sind vollständig positive, spurvermindernde Abbildungen (CP-Maps).
• Instrumente (Instruments): Ein Entscheidungsprozess wird als Instrument modelliert. Es nimmt einen mentalen Zustand $S$ (Input) entgegen, liefert ein klassisches Ergebnis $X$ (z. B. eine Antwort) und aktualisiert den mentalen Zustand auf einen neuen Zustand $S'$ (Output).
  • Formell: Ein Kanal $I: S \to X \otimes S$.
• Datenmodellierung: Experimentelle Daten werden als Wahrscheinlichkeitsverteilungen über Sequenzen von Entscheidungen betrachtet. Ein Modell besteht aus einem Zustandsraum $S$, einem Anfangszustand $\rho$ und einem Instrument für jede Entscheidung.

Die Analyse nutzt String-Diagramme, um kognitive Effekte visuell und algebraisch darzustellen und zu vergleichen, ob sie in klassischen oder quantenmechanischen Rahmenbedingungen erfüllt sind.

3. Schlüsselbeiträge und Ergebnisse

Die Autoren untersuchen verschiedene kognitive Effekte und testen, ob sie klassische Modelle ausschließen.

A. Analyse kognitiver Effekte

Die folgenden Effekte werden diagrammatisch analysiert:

1. Reihenfolgeeffekte (Order Effects): $P(A, B) \neq P(B, A)$.
   • Ergebnis: Klassische Bayes'sche Modelle (die den Zustand nicht stören) können dies nicht erklären. Quantenprojektive Modelle können es. Aber: Verallgemeinerte klassische Instrumente (die den Zustand stören/update) können Reihenfolgeeffekte ebenfalls erzeugen.
2. Interferenzeffekte: Die Wahrscheinlichkeit eines Ergebnisses ändert sich, wenn eine vorherige Entscheidung (auch wenn das Ergebnis ignoriert wird) getroffen wurde.
   • Ergebnis: Ähnlich wie bei Reihenfolgeeffekten können verallgemeinerte klassische Modelle (z. B. Markov-Ketten) Interferenzen abbilden. Nur reine Bayes'sche Modelle scheitern daran.
3. Konjunktionsfehler (Conjunction Fallacy): $P(A \land B) > P(B)$.
   • Ergebnis: Dies ist ein Spezialfall von Interferenz. Klassische Bayes'sche Modelle sind ausgeschlossen, aber verallgemeinerte klassische Instrumente sind in der Lage, dies zu modellieren.
4. QQ-Gleichheit (QQ-Equality): Eine numerische Bedingung, die in vielen Umfragedaten gilt und automatisch in projektiven Quantenmodellen erfüllt ist.
   • Ergebnis: Die Gleichheit gilt auch für kommutierende klassische Instrumente. Sie ist kein alleiniger Beweis für Quantennatur, sondern schränkt den Raum der Modelle ein.
5. Response Replicability Effect (RRE): Die Erwartung, dass bei wiederholter Abfrage derselben Frage dieselbe Antwort gegeben wird (z. B. $A \to B \to A$ ergibt bei $A$ dasselbe Ergebnis).
   • Ergebnis: Dies stellt ein Problem für Quantenprojektionsmodelle dar, da diese oft nicht sowohl Reihenfolgeeffekte als auch RRE gleichzeitig erfüllen können (Theorem 40).

B. Hauptresultat: Existenz klassischer Modelle

Das zentrale Ergebnis des Papers ist Theorem 46:

• Aussage: Jede sequenzielle Entscheidungsdatenreihe, die die „No-Signalling from the Future"-Bedingung erfüllt (d. h. zukünftige Entscheidungen beeinflussen nicht die marginalen Wahrscheinlichkeiten vergangener), kann durch ein einfaches klassisches Markov-Modell modelliert werden.
• Implikation: Selbst deterministische klassische Instrumente können alle in Abschnitt 4 diskutierten kognitiven Effekte (Reihenfolge, Interferenz, Konjunktionsfehler, QQ-Gleichheit) gleichzeitig reproduzieren.
• Fazit: Die bloße Existenz dieser Effekte in sequenziellen Daten reicht nicht aus, um klassische Modelle strikt auszuschließen. Die Argumente für Quantenmodelle basieren oft auf der irrtümlichen Annahme, dass klassische Modelle nur Bayes'sch (zustandsunverändernd) sein können.

C. Wege zur Unterscheidung: Messmodelle und Bell-Ungleichungen

Da sequenzielle Daten durch klassische Modelle erklärt werden können, schlagen die Autoren zwei Wege vor, um nicht-klassische Modelle zu rechtfertigen:

1. Einschränkung auf Messmodelle (Measurement Models):

   • Wenn man den Raum der erlaubten Instrumente einschränkt auf solche, die durch „Messungen" (z. B. Bayes'sche Kanäle oder POVMs) induziert werden, dann können klassische Modelle die Effekte nicht mehr erklären, während Quantenmodelle es können.
   • Problem: Selbst Quanten-Messmodelle (POVMs) können nicht gleichzeitig Reihenfolgeeffekte und RRE erfüllen.

2. Parallele Zusammensetzung und Bell-Argumente (Joint Decisions):

   • Um klassische Modelle strikt auszuschließen, muss man über sequenzielle Daten hinausgehen und parallele Entscheidungen (Joint Decisions) betrachten.
   • Hier werden zwei Entscheidungen $A$ und $B$ gleichzeitig (parallel) getroffen, modelliert durch einen Tensor-Produkt-Zustand $\rho$ auf $S_1 \otimes S_2$.
   • Bell-CHSH-Ungleichung: Wenn experimentelle Daten für parallele Entscheidungen die Bell-Ungleichung verletzen, existiert kein klassisches paralleles Modell (basierend auf separablen Zuständen und lokalen Kanälen).
   • Herausforderung: Es ist schwierig, kognitive Szenarien zu finden, die sowohl „No-Signalling" erfüllen (Unabhängigkeit der Teilsysteme) als auch Bell-Ungleichungen verletzen. Bisherige Anwendungen von Bell-Theoremen in der Kognitionswissenschaft (z. B. bei konzeptueller Verschränkung) erfüllen oft die No-Signalling-Bedingung nicht.

4. Signifikanz und Implikationen

• Klarstellung der „Klassizität": Das Paper zeigt, dass „Klassisch" nicht gleichbedeutend mit „Bayes'sch" oder „zustandsunverändernd" ist. Verallgemeinerte klassische Instrumente (die den Zustand stören) sind mächtig genug, um viele scheinbar „quantenartige" Phänomene zu erklären.
• Neue Richtung für die Forschung: Um echte nicht-klassische Natur der Kognition zu beweisen, reicht die Analyse sequenzieller Daten nicht aus. Die Forschung muss sich auf parallele Prozesse und Bell-Tests in kognitiven Experimenten konzentrieren.
• Rolle der Prozesstheorien: Der Ansatz demonstriert die Stärke von Prozesstheorien (String-Diagrammen), um Modelle verschiedener Ebenen (klassisch, quanten, GPT) einheitlich zu vergleichen und strukturelle Grenzen aufzuzeigen.
• Empirische Bewertung: Auch wenn klassische Modelle theoretisch möglich sind, könnten Quantenmodelle empirisch überlegen sein, wenn sie mit weniger Parametern auskommen oder eine bessere explanatory power bieten.

Zusammenfassend widerlegt das Paper die Notwendigkeit von Quantenmodellen allein basierend auf sequenziellen kognitiven Daten, da verallgemeinerte klassische Modelle diese vollständig abdecken können. Es fordert jedoch, dass zukünftige Beweise für nicht-klassische Kognition auf Experimenten mit parallelen Entscheidungen basieren müssen, die Bell-Ungleichungen verletzen, um klassische Erklärungen strikt auszuschließen.