работах Повинелли и Вонка 2004 года и Пенна и Повинелли 2007 года; выборку критических обсуждений см. в Lurz 2009, Andrews 2005, Halina 2015, Clatterbuck 2016 и в главах 21 и 22 данного тома, написанных Лурцем и Халиной, соответственно). Повинелли и Вонк (2004) описывают логическую проблему следующим образом:

Общая трудность заключается в том, что дизайн этих тестов обязательно предполагает, что испытуемые замечают, обращают внимание и/или представляют именно те наблюдаемые аспекты другого агента, которые подвергаются экспериментальному манипулированию. Однако, как только это будет правильно понято, следует признать, что предсказания испытуемого относительно будущего поведения другого агента могут быть сделаны либо на основе одного шага от знания о контингентных отношениях между соответствующими инвариантными характеристиками агента и его последующим поведением, либо на основе нескольких шагов от инвариантных характеристик, психического состояния и предсказанного поведения.

Мы можем представить эту проблему в терминах каузальных моделей, которые генерируют MRH и BRH. MRH-модель предсказания А будет предполагать, что некоторое наблюдаемое состояние O окружающей среды вызвало у А убеждение, что O имеет место. Из этого убеждения А сделал вывод, что Б находится в ментальном состоянии M, что, в свою очередь, заставило А предсказать, что Б совершит некоторое поведение P. Наконец, это вызвало некоторую наблюдаемую реакцию А (см. Рисунок 23.1 ).

Однако существует и BRH-модель поведения А, согласно которой убежденность А в том, что О получает, непосредственно привела его к предсказанию того, что В будет Р (см. Рисунок 23.2 ).

В этих каузальных моделях убеждения субъекта представлены в виде переменных, которые могут принимать альтернативные состояния (например, A верит или не верит, что O существует), а стрелки между ними обозначают причинно-следственные связи. Мы можем добавить к каждой стрелке параметр, обозначающий направление и силу причинно-следственной связи через условную вероятность следствия с учетом его причины (например, Pr[A верит, что O | O присутствует]).

Можно назначить параметры для двух моделей таким образом, чтобы гарантировать, что они одинаково хорошо соответствуют нашим данным; то есть они могут делать одинаковые предсказания о вероятности того, что А выполнит свой адаптивный ответ, учитывая наблюдаемое состояние среды.5 Если это так, то наблюдения за поведением А будут доказательно нейтральными между MRH и BRH. Как же тогда мы можем сказать, какая из этих моделей верна для А?6 Далее, если вера А в O сама по себе достаточна для P, то какую функцию играет дополнительная атрибуция психического состояния?

Эти проблемы возникают, когда мы сравниваем модели MRH и BRH с одной каузальной цепочкой. Однако ключевой вывод Уитена в отношении этой проблемы заключается в том, что атрибуции ментальных состояний не обязательно должны просто служить промежуточными звеньями между одной наблюдаемой подсказкой и одним поведенческим предсказанием. Напротив, субъект может представить ментальные состояния для объяснения того, что общего между многими различными видами поведения в различных наблюдаемых обстоятельствах, тем самым объединяя различные известные связи между подсказкой и поведением как случаи одного ментального состояния.

Рассмотрим следующий пример из Whiten (1996) о том, как мы можем атрибутировать психическое состояние "жажда". Субъект, занимающийся исключительно чтением поведения, может представить отдельные зависимости между различными наблюдаемыми сигналами (например, Б кормят сухим кормом) и поведенческими последствиями (например, Б выпивает большой объем воды). Читатель мыслей, с другой стороны, может заметить закономерность в данных, учитывая, что различные входы ведут к одним и тем же выходам, и таким образом представить жажду как промежуточную переменную, "на значение которой может повлиять любая или все входные переменные, а изменившись, она сама может повлиять на каждый из выходов" (Whiten 1996, 284). Устройство для чтения поведения и устройство для чтения мыслей можно изобразить с помощью причинно-следственных моделей, показанных на Рисунок 23.3 .

Если стрелки на каждом графике имеют положительные значения параметров, то, согласно любой из них, испытуемый предскажет, что ответы справа последуют за входами слева (и опять же, учитывая назначенные нами параметры, они могут предсказывать одни и те же условные вероятности). Что же позволит нам провести различие между этими двумя моделями? И есть ли какое-либо преимущество в том, чтобы быть описанным одной из них, а не другой?

Рисунок 23.1 Модель MRH социального умозаключения А.

Рисунок 23.2. BHR-модель социального умозаключения А

Рисунок 23.3. Модели поведения жажды без вмешивающейся переменной (вверху) и с вмешивающейся переменной психического состояния (внизу)

Источник: Перепечатано из Whiten (1996, 286).

 

Вмешивающиеся переменные как упрощающие модели

Уитен (1996, 2013) выделяет два ключевых различия между этими двумя моделями. Первое связано с предсказаниями, которые может делать читатель мыслей в новых наблюдаемых контекстах. Устройство для чтения мыслей

Кодирует другого индивида как находящегося в определенном состоянии, например "боящегося", "желающего" или "знающего", на основе множества альтернативных переменных-индикаторов и использует эту информацию более эффективно, чтобы предпринять действия, направленные на достижение различных адаптивных результатов в различных обстоятельствах, чем это было бы возможно, если бы пришлось изучать огромное количество альтернативных парных связей.

(Whiten 2013, 217)

Например, рассмотрим устройство для чтения поведения, которое знает связи между первыми двумя входными сигналами в левой части модели (часы лишения и сухой корм) и каждым из трех поведенческих последствий в правой части, и замечает, что инъекция соли также приводит к высокой частоте нажатий на барную стойку. Если рассматривать эти стимулы как отличные от двух других, испытуемому все равно придется узнать, приведет ли инъекция соли также, скажем, к большому количеству выпитой воды. С другой стороны, этой наблюдаемой случайности может быть достаточно, чтобы считыватель мыслей связал инъекции соли с известной переменной "жажда", в свою очередь связав ее с известными последствиями жажды без необходимости наблюдать эти случайности.7

Помимо того, что введение вмешивающейся переменной делает прошлые наблюдаемые ситуации релевантными новым случаям, оно также оказывает более синтаксический эффект на каузальную модель, сокращая количество содержащихся в ней каузальных стрелок (на рис. 23.3 - с девяти до шести). Для каждой новой подсказки, добавляемой в модель чтения поведения, должны быть созданы отдельные стрелки, связывающие ее с каждой выходной переменной. Однако промежуточная переменная служит "информационным узким местом", которое требует добавления всего одной дополнительной стрелки.

Уитен утверждает, что модели чтения мыслей, таким образом, проще и "более экономны в отношении репрезентативных ресурсов" (Whiten 1996, 284). Однако если функция чтения мыслей заключается в простоте создаваемых моделей, то возникает кажущийся парадокс. Лучшими кандидатами на чтение мыслей являются крупномозговые приматы и хищники, а это говорит о том, что процесс создания переменных