How Psychological Learning Paradigms Shaped and Constrained Artificial Intelligence

Titel: Hoe Psychologische Leerparadigma's Kunstmatige Intelligentie hebben Gevormd en Beperkt

1. Het Probleem

De kern van het artikel is de observatie dat huidige AI-systemen, ondanks hun succes op specifieke benchmarks, fundamenteel falen in adaptiviteit. Systemen kunnen niet adequaat reageren op echt nieuwe situaties zonder externe tussenkomst (zoals hertraining of fine-tuning).

De auteurs stellen dat dit geen puur technisch of engineering-probleem is, maar een structureel gevolg van de psychologische theorieën die de architectuur van AI hebben gevormd. Elke dominante AI-paradigma heeft de inherente beperkingen van de psychologische theorie die het inspireerde overgenomen:

• Behaviorisme (inspiratie voor Reinforcement Learning) sluit interne representatiestructuur uit.
• Cognitisme (inspiratie voor Deep Learning) leidt tot ondoorzichtige, niet-compositionele representaties.
• Constructivisme (inspiratie voor curriculum learning) mist een formele beschrijving van hoe kennis wordt geconstrueerd.
• Rote Learning (uit het westen) wordt verkeerd geïnterpreteerd als passieve opslag, terwijl de Oosterse visie (memoriseren als gestructureerde fase vóór begrip) wordt genegeerd.

De huidige architecturen verwarren (entangle) redeneren, doel en kennis in één gedeelde parameterruimte. Dit leidt tot problemen zoals catastrophic forgetting (vergeten van oude kennis bij nieuwe training) en het onvermogen tot systematische generalisatie (het toepassen van regels op nieuwe combinaties).

2. Methodologie

De paper gebruikt een genealogische en theoretische analyse in plaats van empirische experimenten met nieuwe datasets. De methode omvat:

• Historische Genealogie: Het traceren van de lijn van psychologische leertheorieën (Behaviorisme, Cognitisme, Constructivisme) naar hun tegenhangers in AI (RL, Deep Learning, Integratieve benaderingen).
• Kruis-culturele Analyse: Een herbeoordeling van het concept "rote learning" (uitwendig leren) door het contrast tussen de westerse interpretatie (passief memoriseren zonder begrip) en de Oosterse interpretatie (memoriseren als een gestructureerde, multi-fasige voorloper van begrip).
• Kritische Analyse van Systematiciteit: Het toepassen van de kritiek van Aizawa op zowel connectionisme als classicisme, die aantoont dat geen van beide architecturen systematisch gedwingen gedrag als een noodzakelijke architecturale consequentie garandeert.
• Conceptueel Ontwerp: Het introduceren van een nieuw theoretisch kader, ReSynth, als oplossing voor de geïdentificeerde structurele tekortkomingen.

3. Belangrijkste Bijdragen

De paper introduceert ReSynth (Reasoning Synthesis), een trimodulair raamwerk dat de cognitieve functies van AI architecturaal scheidt in drie onafhankelijke componenten:

1. De Intellect (Redenering):

   • Een domein-agnostische redeneermotor.
   • Voert twee fundamentele operatoren uit: decompositie (het blootleggen van beperkingen in een structuur) en recompositie (het assembleren van configuraties die aan die beperkingen voldoen).
   • Heeft geen vaste identiteit of doel; het is puur het "hoe" van redeneren.

2. De Identiteit (Doel/Purpose):

   • Biedt de richting en het doel van het redeneren.
   • Bevat "impulsen" die bepalen welke beperkingen de Intellect prioriteert en waar de aandacht naartoe gaat.
   • Werkt upstream: het bepaalt welke kennis wordt geconstrueerd, in plaats van outputs achteraf te filteren (zoals bij RLHF). Dit zorgt voor "alignment by design".

3. Het Geheugen (Knowledge):

   • Geen ruwe data-opslag of gecomprimeerde parameters, maar een gestructureerde kaart van constraint-to-operator signatures.
   • Onderverdeeld in:
     • Actief geheugen: Houdt de huidige staat van het redeneerproces vast.
     • Passief geheugen: Opslag van gestructureerde fragmenten die het redeneren versnellen.
   • Integratie van Oosterse Rote Learning: Het passieve geheugen correspondeert met de Oosterse fasen van herhaling en memorisatie, die gestructureerde fragmenten leveren die later door de Intellect worden omgezet in begrip.

De Kernaanspraak (Separation Thesis):
Systematisch gedrag is slechts een noodzakelijke consequentie van het ontwerp als redeneren, doel en kennis architecturaal gescheiden zijn. In huidige systemen zijn deze verward, wat leidt tot interferentie bij updates.

4. Resultaten en Bewijsvoering

Hoewel ReSynth nog niet empirisch is gevalideerd in de paper (dit is onderwerp van toekomstig werk), onderbouwen de auteurs hun theorie met bestaande empirische bevindingen uit de literatuur:

• Catastrophic Forgetting: Studies (bijv. Kirkpatrick et al.) tonen aan dat monolithische netwerken oude kennis verliezen omdat parameters gedeeld worden. Modulaire netwerken (Ellefsen et al.) verminderen dit door functionaliteit te scheiden.
• Compositional Reasoning Failures: Grote Taalmodellen (LLMs) falen bij compositional taken (bijv. wiskundige problemen die twee elementaire stappen combineren) omdat ze lokale coherentie leren in plaats van logische implicatie.
• Systematicity Debate: De analyse van Aizawa bevestigt dat huidige architecturen systematisch gedrag toelaten maar niet vereisen, waardoor het gedrag accidenteel is en niet robuust.
• Frequentie-afhankelijke fouten: LLMs presteren slecht op zeldzame entiteiten omdat ze statistische co-occurrence gebruiken in plaats van gestructureerde kennis.

5. Betekenis en Conclusie

De paper biedt een fundamentele verschuiving in hoe we naar de evolutie van AI kijken:

• Theoretische Inzicht: Het blootlegt dat de beperkingen van AI geen technische fouten zijn, maar inherente eigenschappen van de psychologische theorieën die als basis dienden.
• Culturele Correctie: Het benadrukt dat de westerse verwaarlozing van de Oosterse visie op memorisatie een cruciale architecturale stap (gestructureerde pre-learning) heeft gemist.
• Toekomstpad: De weg naar Artificial General Intelligence (AGI) en adaptieve systemen vereist geen betere engineering binnen de huidige paradigmen, maar een nieuwe architecturale commitment: de strikte scheiding van Intellect, Identiteit en Geheugen.

Samenvattend stelt de paper dat adaptiviteit niet kan worden toegevoegd als een "patch" aan bestaande systemen, maar moet worden ontworpen als een structureel gevolg van een modulaire architectuur die de oorspronkelijke beperkingen van de psychologische erfgoed overwint.