Розуміння Людського Мислення: Обчислювальний Підхід (Understanding Human Thought: A Computational Approach)

Моделювання уваги

Вибірка уваги — це фундаментальний процес, коли люди зосереджуються на певних стимулах, одночасно фільтруючи інші. У нашому симуляторі ми можемо маніпулювати ресурсами уваги, змінюючи привабливість стимулів і вводячи конкуруючі вимоги.

Спрощена модель уваги передбачає застосування «коефіцієнту виграшу» до кожного сенсорного входу. Вищі значення коефіцієнту виграшу надають пріоритет сильнішим сигналам, що відповідає здатності мозку посилювати релевантну інформацію.

Gain = Stimulus Strength / Noise Level

Симуляція систем пам'яті

Лю umana memoria sistema è spesso divisa into sensori memoria, короткий термін пам’яті (STM), і довготривала пам’ять (LTM). Ми можемо симулювати ці етапи для спостереження того, як інформація кодується, зберігається та витягується.

STM capacity is limited; our simulation demonstrates this by tracking the number of items a subject can hold in working memory before decay sets in. This highlights the role of rehearsal.

STM Capacity ≈ 7 ± 2 Items

Процеси прийняття рішень

Когнітивні моделі прийняття рішень часто включають у себе упередження та евристики, тобто ментальні шорсткісні, які спрощують складні вибори. Ми можемо змоделювати ці упередження всередині симулятора.

Основна модель теорії очікувань використовує схильність до втрат для визначення відповіді окремої особи на ризик. Чим більший потенційний збиток, тим більш чутливим буде суб’єкт до певного результату.

Utility = -w * (Loss or Gain)

Мережева динаміка та навантаження когнітивних функцій

Когнітивні процеси часто представляються у вигляді мереж взаємопов’язаних вузлів. Зміни в їх з’єднанні та закономірностях активності можуть бути змодельовані для розуміння того, як інформація циркулює в мозку.

Впровадження високого когнітивного навантаження – наприклад, збільшення складності завдання – порушить мережеву динаміку і потенційно призведе до помилок. Це демонструє обмеження робочої пам’яті.

Cognitive Load = Number of Concurrent Processes * Difficulty Level

Часті запитання

Спробуйте наживо

Усе, що вище, працює прямо у вашому браузері — відкрийте SPH Fluid і змінюйте параметри під час роботи. Нічого не встановлюється, нічого не завантажується на сервер, уся модель живе в одній вкладці.