Метамышление. Как нейронауки помогают нам понять себя. Стивен М. Флеминг. Читать онлайн. Newlib. NEWLIB.NET

Автор: Стивен М. Флеминг
Издательство: Individuum / Popcorn books
Серия:
Жанр произведения:
Год издания: 2021
isbn: 978-5-6048294-1-7
Скачать книгу
теории, которые не требуют измерений неопределенности, могут объяснить поведение животных в этих экспериментах. Например, когда третий уровень представлен Натуа, мы наблюдаем три возможных ответа: низкая тональность, высокая тональность и «не знаю» (отказ как ответ). Через некоторое время Натуа может понять, что нажимание низких и высоких нот, когда тональность находится посередине, приводит к наказанию и отсутствию рыбы. Отказ отвечать – менее рискованный вариант, который позволяет ему перейти быстро на следующий уровень, во время которого он сможет получить рыбу. Возможно, он просто следует простому правилу, что-то в духе, «когда я слышу средний звуковой сигнал, я нажимаю рычаг отказа», так что он не ощущает неуверенности, ответил ли он правильно или нет. Carruthers С. Meta-Cognition in Animals: A Skeptical Look // Mind & Language. 2008. № 1. С. 58–89.

      27

      Kornell N. и др. Transfer of Metacognitive Skills and Hint Seeking in Monkeys // Psychological Science 18. 2007. № 1. С. 64–71; Shields W. E. и др. Uncertain Responses by Humans and Rhesus Monkeys (Macaca mulatta) in a PsychophysicalSame-Different Task // Journal of Experimental Psychology: General 126. 1997. № 2. С. 147; Kepecs A. и др. Neural Correlates, Computation and Behavioural Impact of Decision Confidence // Nature 455. 2008. № 7210. С. 227–231; Fujita K. и др. Are Birds Metacognitive? // Foundations of Metacognition. Oxford: Oxford University Press, 2012. С. 50–61. Шесть голубей и две из трех бентамок были более склоны к рисковому варианту, когда правильно выполняли задание на визуальный поиск. Два голубя также продемонстрировали стабильное обобщение этой метакогнитивной способности на другие цветовые наборы.

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