Ocena:

Obecnie brak opinii czytelników. Ocena opiera się na 2 głosach.
Experienced Wholeness: Integrating Insights from Gestalt Theory, Cognitive Neuroscience, and Predictive Processing
Interdyscyplinarny opis fenomenalnej jedności, badający, w jaki sposób można scharakteryzować doświadczalne całości i jak takie charakterystyki można analizować obliczeniowo.
Jak możemy wyjaśnić fenomenalną jedność? To znaczy, w jaki sposób możemy scharakteryzować i wyjaśnić nasze doświadczenie obiektów i grup obiektów, doświadczeń cielesnych, sekwencji zdarzeń i struktury uwagi świadomości jako całości? W tej książce Wanja Wiese rozwija interdyscyplinarne ujęcie fenomenalnej jedności, badając, w jaki sposób można scharakteryzować całości doświadczeniowe i jak taka charakterystyka może być analizowana zarówno konceptualnie, jak i obliczeniowo.
Wiese najpierw zajmuje się tym, w jaki sposób jedność świadomości można scharakteryzować fenomenologicznie, omawiając, jak to jest doświadczać całości i jaki jest empiryczny wkład fenomenalnej jedności. Rozważając związane z tym kwestie pojęciowe i empiryczne, nawiązuje do relacji fenomenologicznych i badań nad teorią Gestalt. Wyniki pokazują, w jaki sposób uważna struktura doświadczenia, doświadczenie przepływu czasowego i różne rodzaje całości doświadczeniowych przyczyniają się do naszego poczucia fenomenalnej jedności. Co więcej, scharakteryzowanie jedności fenomenalnej w kategoriach istnienia pojedynczego globalnego stanu fenomenalnego nie jest ani konieczne, ani wystarczające do odpowiedniego rozwiązania problemu jedności fenomenalnej. Wiese sugeruje następnie, że koncepcje i idee przetwarzania predykcyjnego mogą być wykorzystane do obliczeniowej analizy fenomenalnej jedności. Rezultatem są zarówno ramy pojęciowe, jak i interdyscyplinarne ujęcie: ujęcie regularności jedności fenomenalnej. Zgodnie z tym ujęciem, doświadczane całości odpowiadają hierarchii łączących je regularności. Mózg śledzi te regularności poprzez hierarchiczną minimalizację błędu przewidywania, która w przybliżeniu przypomina hierarchiczne wnioskowanie bayesowskie.