АссистентНовый вопросИсторияОбласти знаний
Партнёрские проектыСпецпроектыСтать автором
Сменить язык
О РУВИКИ

Теория перцептивного контроля

Теория перцептивного контроля (англ. perceptual control theory, PCT) — модель поведения, основанная на свойствах контуров отрицательной обратной связи. Контур управления поддерживает контролируемую (измеряемую) переменную на уровне или вблизи заданного значения за счёт воздействия своих выходов на эту переменную, опосредованного физическими свойствами окружающей среды. В инженерной теории управления заданное значение устанавливается пользователем вне системы (пример — термостат). В живых организмах значения, к которым стремятся контролируемые перцептивные переменные, поддерживаются эндогенно. Биологические гомеостаз и рефлексы являются простыми, низкоуровневыми примерами таких систем. Открытие математических принципов управления позволило моделировать замкнутый по среде контур обратной связи (круговая причинность), что и дало начало теории перцептивного контроля. Она принципиально отличается от некоторых моделей в поведенческой и когнитивной психологии, которые описывают раздражители как причины поведения по линейной схеме причинности. Исследования по теории перцептивного контроля публикуются в областях экспериментальная психология, нейронаука, этология, антропология, лингвистика, социология, робототехника, психология развития, организационная психология, менеджменте и других дисциплинах. Теория нашла применение в проектировании и управлении образовательными системами, а также легла в основу психотерапевтического подхода, названного метод уровней.

Принципы и отличия от других теорий

Теория перцептивного контроля глубоко связана с биологической кибернетикой, системной биологией, теорией управления и концепцией обратных связей. В отличие от ряда моделей в поведенческой и когнитивной психологии, теория исходит из идеи круговой причинности. Тем самым она теоретически тождественна понятию управления растением, но отличается акцентом именно на контроле внутренней репрезентации физического мира[1].

Теория управления растением сосредотачивается на нейрокомпьютерных процессах генерации движений, когда решение о движении уже принято. Теория перцептивного контроля, напротив, подчеркивает включенность агента в окружающую среду. Следовательно, с точки зрения теории перцептивного контроля центральная задача моторного управления состоит в нахождении сенсорного входа, соответствующего желаемому восприятию[1].

История

Теория перцептивного контроля восходит к физиологическим идеям XIX века Клода Бернара, а также исследованиям Питера Путнэма[2][3] и Уолтера Кэннона в XX веке, а также областям инженерии систем управления и кибернетики. Классическая отрицательная обратная связь была разработана инженерами в 1930–1940-х годах[4][5] и развита далее Винером[6], Эшби[7] и другими в ранней истории кибернетики. Начиная с 1950-х, Уильям Т. Пауэрс применил концепции инженерных систем управления к биологическим системам и разработал экспериментальную методологию PCT[8].[9]

Ключевое положение теории — контролируется не выход системы (действия), а её вход, то есть воспринимаемое и преобразованное состояние некоторого признака среды, на который система может влиять. Такие входы могут восприниматься как осознаваемые свойства среды, и Пауэрс называл контролируемую переменную «перцепцией». Теория получила название «Теория перцептивного контроля» (PCT), а не «Теория управления в психологии», поскольку в стандартных теориях управления часто ошибочно предполагают, что управляется выход[10]. В PCT именно внутренняя репрезентация состояния переменной в среде («перцепция» в обыденном смысле) находится под контролем[11]. Основные положения теории впервые опубликованы Пауэрсом, Кларком и Макфарландом в 1960 году как общая теория обратной связи поведения человека[12], с отсылкой к работам Винера и Эшби. Теория систематически развивается научным сообществом, сформированным вокруг неё[13]. Изначально теория оставалась в тени когнитивной революции, но к настоящему времени стала более известной.[14][15][16][17]

Пауэрс и другие отмечают, что проблема цели, причинности и телеологии в психологии разрешается посредством применения теории управления[18]. С времён Аристотеля, Джеймса и Дьюи поведение рассматривалось как целенаправленное, а не просто реактивное, однако объяснить этот факт было сложно из-за субъективности намерений. Поведенческие психологи после Вундта, Торндайка, Уотсона и других исключали интроспекцию как источник данных и допускали только наблюдаемое поведение[19], моделируя причинность от стимула к реакции. Подобная линейная схема причинности сохраняется и в ряде когнитивных моделей, где между стимулом и реакцией вводятся когнитивные карты, но генеральная идея остаётся прежней. Маркен именовал эти модели «открытыми» в противоположность замкнутой петле в PCT[20].

PCT объясняет и философские парадоксы телеологии, показывая, как цель функционирует объективно (без интроспекции) за счёт круговой причинности по петле обратной связи[21].

Пример системы отрицательной обратной связи — круиз-контроль автомобиля. Сенсор системы воспринимает скорость (частота вращения приводного вала), есть регулируемая пользователем цель — заданная скорость. Сенсируемое значение постоянно сравнивается с целевым с помощью компаратора, вычисляющего разницу (сигнал ошибки). Это определяет, на сколько открывать дроссель, чтобы поддерживать заданную скорость вне зависимости от изменений рельефа или ветра: при уменьшении скорости отдача газа увеличивается, при избытке — уменьшается. Таким образом, круиз-контроль удерживает скорость очень близко к цели, не реагируя на внешние возмущения напрямую, а используя только сенсируемую переменную (скорость), и не контролирует мощность двигателя саму по себе — она лишь средство контроля скорости.

Те же принципы применяются и к биологическим системам[6]. Они подробно изучаются в биологической и медицинской кибернетике, а также в системной биологии.

Тезис PCT: животные и люди управляют не поведением как таковым — они изменяют его для контроля за собственным восприятием, несмотря на внешние возмущения. Это в целом согласуется с идеей, что поведение — конечный результат воздействия стимула и когнитивных планов[20][22].

Моделирование и PCT как модель

Теория перцептивного контроля по сравнению с бихевиоризмом и когнитивной психологией

Основным фактическим объектом PCT является контролируемая переменная. Типовой эксперимент включает пошаговое внесение аккуратного возмущения в состояние переменной, которую, как полагает исследователь, организм уже контролирует. Если поведение организма таково, что оно противодействует воздействию возмущения на переменную, — с большой вероятностью эксперимент затрагивает контролируемое восприятие. Крайне важно различать внешнюю точку зрения наблюдателя и «внутренний» сенсорный опыт самого организма. Часто требуется серия тестов для выделения того, какой именно аспект среды контролируется как восприятие[23].[24]

PCT применяет методологию «черного ящика». Контролируемая переменная со стороны наблюдателя количественно отражает уровень перцепции, который контролирует организм. Таким образом, контролируемая переменная выступает объективным индикатором цели и намерения действий организма, проявляющихся в стремлении поддерживать её несмотря на возмущения. Прямое наблюдение внутренних нейронных параметров, соответствующих этим уровням, в современной нейронауке затруднено; но если компьютерная модель с замкнутой отрицательной обратной связью имитирует поведение субъекта с высокой точностью, это свидетельствует в пользу наличия аналогичной структуры (пути «чёрный — белый ящик»)[8]. Данные по индивидуумам не агрегируются для статистического анализа, а строится генеративная модель, точно воспроизводящая индивидуальные траектории поведения (с точностью ~0,95). Для построения такой модели требуется измерять три переменные:

qi Входная величина — тот аспект стимула, который, как выявлено, воспринимается и контролируется субъектом.
qo Выходная величина — аспект поведения, влияющий на состояние qi.
d Возмущение — суммарное воздействие прочих влияний на qi.

Четвёртая переменная — внутренне поддерживаемая задаваемая точка r — выводится из наблюдаемого устойчивого значения qi.

Управляющая система, смоделированная на компьютере с теми же qi и r, даёт qo, практически полностью компенсирующее случайные возмущения d. Отклонения от идеального управления соответствуют наблюдаемым у живых организмов[25]. Полное описание и программные коды приводятся в работах Пауэрса и других[21].[12][26] Сообщение о высокой (более 95%) точности воспроизведения траекторий поведения в экспериментах доказывает идентичность моделируемой структуры и структуры реального организма.

Тем самым PCT разворачивается в общую модель познавательных процессов и поведения. Каждый построенный и эмпирически верифицированный частный симулятор верифицирует или корректирует общую теорию.

Математическая формализация

Рассмотрим задачу слежения, в которой участник должен удерживать курсор мыши совмещённым с движущейся целью на экране. Модель предполагает, что перцептивный сигнал отражает величину входа qi (например, расстояние между целью T и курсором C): p = C – T. В реальных организмах существует задержка восприятия τ миллисекунд, так что в каждый момент сигнал p относится к более раннему состоянию:

1. p(t) = C(t–τ) – T(t–τ)

Сигналы p и задаваемое значение r поступают в компаратор; выход — сигнал ошибки e = r – p. Управляющее воздействие (скорость движения курсора) пропорционально ошибке с коэффициентом усиления G: V = G*e. Новая позиция курсора:

2. Cnew = Cold + G*e*dt

Модель уточняется с учётом демпфирования d, чтобы более точно соответствовать реальному поведению.

3'. Cnew = Cold + [(G*e) – (d*Cold)]*dt

Подробное обсуждение включает исходные тексты программ и экспериментальные данные[25].

Отличия от инженерной теории управления

В инженерных системах точка отсчёта (задание) задаётся внешне и публично[10]. В PCT же она выводится из теста на контролируемую переменную, поскольку у живых систем задаваемый уровень создаётся внутренними процессами. В иерархической модели ошибка высшего уровня вызывает формирование сигнала r на основе локальной памяти[27]. Архитектура инвариантна к числу уровней — каждый локальный цикл стабилен по тем же принципам, что и простая модель.

В классических инженерных решениях для сложных объектов требуется вычисление сложных управляющих воздействий (например, для инвертированного маятника[28]), тогда как PCT реализует это в виде иерархии независимых регуляторов[29].

Иерархия управления

Иерархическая организация обратных связей

В PCT восприятия конструируются и контролируются на многоуровневой иерархии. Например, визуальное восприятие объекта складывается из различий интенсивности или цвета на его краях; контроль формы или положения требует изменения сенсорных восприятий, управляемых нижележащими системами. Этот принцип прослеживается на всех уровнях — вплоть до самых абстрактных концепций.

Николай Бернштейн независимо показал необходимость иерархического (многоординального) строения поведения[30]. Проблема взаимодействия рефлексов и высших центров (например, как головной мозг использует спинальные рефлексы для целенаправленных действий) решается тем, что референтное значение на каждом уровне динамически задаётся и изменяется через иерархию.

Наследуемые или сформированные в ходе развития цели задаются самым верхним уровнем, иерархически нисходя к исполнительным механизмам.

Реорганизация: эволюция, развитие и обучение

Выживание зависит от того, насколько организм контролирует релевантные переменные к жизненно важным значениям. PCT называет их «интринзивными» переменными (по терминологии Эшби — «существенными»). Механизм перестройки (реорганизации) регулирует, какие структуры контроля формируются и развиваются — это адаптация и на уровне вида (естественный отбор), и на уровне индивидуального развития (обучение)[31].

Реорганизация описывается как случайное изменение параметров и связей в иерархии контроля, скорость которого определяется суммой ошибок по всем критическим переменным. Принцип заимствован из гомеостатической модели Эшби, с дальнейшей адаптацией концепции хемотаксиса у E. coli согласно Кошланду (1980)[32].

Этот процесс лежит в основе обучения методом проб и ошибок, последовательно приводящем к формированию более сложных видов обучения[33].

Психотерапия: метод уровней

Основная статья: Метод уровней

Концепция реорганизации послужила основой для психотерапии, известной как метод уровней. Цель терапии — помочь пациенту сместить фокус внимания на более высокие уровни восприятия, чтобы разрешить внутренние конфликты и дать возможность организму перестроиться[34].

Нейронаука

Обучение

В настоящее время нет единой теории, объясняющей нейронные основы обучения. С 1973 года доминирует идея долговременной потенциации (LTP), приводящей к обучению за счёт перестройки синапсов[35].[36] LTP — разновидность правила Хебба («кто вместе возбуждаются — связываются»)[37].

Есть альтернативные механизмы LTP, например, гипотеза о градуируемой, двунаправленной пластичности на уровне отдельных синапсов[38],, а также роль пресинаптических изменений. Обе версии сходятся в том, что обучение сопровождается физической перестройкой синаптических мембран.

Теория перцептивного контроля интегрирует эти идеи, предлагая механизм «реорганизации» как биологическую основу обучения. Этот процесс аналогичен нейрональной пластичности; он сначала реализует обучение методом проб и ошибок у младенцев, переходит к ассоциативному и, в итоге, к системному обучению у взрослых[39].[40][41][42][43]

Пауэрс в 2008 году представил численную симуляцию координации движений руки[25]. Она показала: для достижения движения координируется 14 регуляторов (по числу суставов), причём их выходные функции организуются так, чтобы каждое выходное воздействие влияло только на ту переменную среды, которую оно воспринимает. Такой механизм обеспечивает сходимость поведения к референсным параметрам и объясняет, как мозг формирует согласованные движения.

Иерархическая организация

Работы последних десятилетий в области когнитивной и нейронауки подтвердили наличие иерархической организации в лобных долях мозга[44]. Анализ моделей выявил общий принцип: иерархия в организации действия зеркально отражается во внутренних нейронных представлениях. Но до сих пор неясно, как взаимодействуют низшие и высшие уровни.

PCT описывает поведение как контроль иерархически организованных перцепций; контрольные петли мозга поддерживают перцептивные сигналы в рамках выживаемых границ. Теория не предполагает внутреннего симуляционного «модели мира»: поведение — это не «выигранная программа», а процесс минимизации расхождения между текущим восприятием и референсной целью[45]. Конфликты, по теории, возникают не между разными ответами, а между разнонаправленными референсами для одной и той же перцепции[15][27]. Обучение — это перестройка контрольных систем методом проб и ошибок.

Компьютерные модели иерархий перцептивного контроля в ряде экспериментов показали близкое совпадение с поведением испытуемых (корреляция ~0,99)[46].

Робототехника

PCT имеет важные последствия для робототехники и искусственного интеллекта. Ещё в 1978 году У. Т. Пауэрс предложил применять архитектуру PCT к управлению роботами[47][48][49][50]. Иерархия контроллеров перцепций не требует сложных моделей среды и обратных вычислений, в отличие от традиционных схем. Роботы, построенные по PCT-архитектуре, лучше компенсируют неожиданные возмущения в динамической среде. Эта архитектура реализована, напр., в мобильных платформах и манипуляторах[51][52][53][54]. Другие системы, например у Boston Dynamics, используют более затратные вычислительно архитектуры управления (например, model predictive control)[55].

Современное состояние и перспективы

Согласно PCT, в человеческом мозге контролируется иерархия по меньшей мере из 11 уровней восприятия: интенсивность, ощущение, конфигурация, переход, событие, отношение, категория, последовательность, программа, принцип, системная концепция. Каждый уровень агрегирует сигналы нижележащих, управляя ими путём задания целевых значений. Детальные математические модели имеются для низших уровней, для высших — пока лишь концептуальные схемы[26][33].

Теория мало распространена в массовой психологии, но эффективно применяется в ряде направлений: факторный анализ, клиническая психология, психотерапия (метод уровней), исследования в социологии[56] и даже рекомендации для НАТО[57]. Использование принципов PCT для построения алгоритмов искусственного интеллекта и машинного обучения активно развивается.

Примечания

  1. ↑ 1 2 Floegel, Марайке; Kasper, Йоханнес; Perrier, Паскаль; Kell, Кристиан А. (30 марта 2023). “How the conception of control influences our understanding of actions”. Nature Reviews Neuroscience [англ.]. 24 (5): 313—329. DOI:10.1038/s41583-023-00691-z. PMID 36997716. S2CID 257857085.
  2. ↑ Gefter, Amanda Finding Peter Putnam (англ.). Nautilus (17 июня 2025). Дата обращения: 18 июня 2025.
  3. ↑ Putnam, Peter; Fuller, Robert Outline of a Functional Model of the Nervous System, Putnam/Fuller 1964 (англ.). The Peter Putnam Papers (30 октября 1970). Дата обращения: 18 июня 2025.
  4. ↑ Harold Black and the Negative-Feedback Amplifier, Ronald Kline, IEEE Control Systems Magazine, август 1993, том 13, №4, стр. 82–85
  5. ↑ Bennett, Stuart (июнь 1996). “A brief history of automatic control” (PDF). IEEE Control Systems Magazine [англ.]. 16 (3): 17—25. DOI:10.1109/37.506394. Архивировано из оригинала (PDF) 2016-08-09. Дата обращения 2016-07-18. Используется устаревший параметр |url-status= (справка); Проверьте дату в |date= (справка на английском)
  6. ↑ 1 2 Cybernetics: Or Control and Communication in the Animal and the Machine. — Париж : Hermann & Cie, 1948.
  7. ↑ Ashby, William Ross. Design for a Brain : [англ.]. — Лондон : Chapman & Hall, 1952.
  8. ↑ 1 2 Runkel, Philip J. Casting nets and testing specimens: Two grand methods of psychology. — Нью-Йорк : Praeger, 1990. — P. 103. — ISBN 978-0-275-93533-7.
  9. ↑ Cziko, Gary. The things we do: Using the lessons of Bernard and Darwin to understand the what, how, and why of our behavior : [англ.]. — MIT Press, 2000. — P. 9. — ISBN 978-0-262-03277-3.
  10. ↑ 1 2 Astrom, Karl J. Feedback Systems: An Introduction for Scientists and Engineers : [англ.] / Karl J. Astrom, Richard M. Murray. — Princeton University Press, 2008. — ISBN 978-0-691-13576-2.
  11. ↑ Подробнее об истории: интервью с У. Т. Пауэрсом, часть 1, часть 2
  12. ↑ 1 2 Powers, William T.; Clark, R.K.; McFarland, R.L. (1960). “A general feedback theory of human behavior (Part I)”. Perceptual and Motor Skills [англ.]. 11 (1): 71—88. DOI:10.2466/pms.1960.11.1.71. S2CID 145256548.Powers, William T.; Clark, R.K.; McFarland, R.L. (1960). “A general feedback theory of human behavior (Part II)”. Perceptual and Motor Skills [англ.]. 11 (3): 309—323. DOI:10.2466/pms.1960.11.3.309. S2CID 220712715.
  13. ↑ Архив Control Systems Group (CSG); форум IAPCT.
  14. ↑ Marken, Richard S. (июнь 2009). “You say you had a revolution: Methodological foundations of closed-loop psychology”. Review of General Psychology [англ.]. 13 (2): 137—145. DOI:10.1037/a0015106. S2CID 145458091. Проверьте дату в |date= (справка на английском)
  15. ↑ 1 2 Mansell, Warren (2011). “Control of perception should be operationalized as a fundamental property of the nervous system”. Topics in Cognitive Science [англ.]. 3 (2): 257—261. DOI:10.1111/j.1756-8765.2011.01140.x. PMID 25164294.
  16. ↑ Mansell, Warren; Carey, Timothy A. (28 ноября 2015). “A perceptual control revolution?”. The Psychologist [англ.]. The British Psychological Society. Дата обращения 2016-07-17.
  17. ↑ The Interdisciplinary Handbook of Perceptual Control Theory: Living Control Systems IV. — Кембридж : Academic Press, 2020. — ISBN 978-0128189481.
  18. ↑ Powers, William T. (1978). “Quantitative analysis of purposive systems: Some spadework at the foundations of scientific psychology”. Psychological Review [англ.]. 85 (5): 417—435. DOI:10.1037/0033-295X.85.5.417.
  19. ↑ Уотсон, Дж. Б. (1924). Behaviorism. New York: People's Institute Publishing Company.
  20. ↑ 1 2 Marken, Richard S. (июнь 2009). “You say you had a revolution: Methodological foundations of closed-loop psychology”. Review of General Psychology [англ.]. 13 (2): 137—145. DOI:10.1037/a0015106. S2CID 145458091. Проверьте дату в |date= (справка на английском)
  21. ↑ 1 2 Runkel, Philip J. People as living things. — Hayward, CA : Living Control Systems Publishing, 2003. — ISBN 978-0-9740155-0-7.
  22. ↑ Miller, George. Plans and the structure of behavior / George Miller, Galanter, Eugene, Pribram, Karl. — Нью-Йорк : Holt, Rinehart and Winston, 1960. — ISBN 978-0-03-010075-8.
  23. ↑ Runkel, Philip J. People as living things. — Hayward, CA : Living Control Systems Publishing, 2003. — P. 77–79. — ISBN 978-0-9740155-0-7.
  24. ↑ Marken, Richard S. (2001). “Controlled variables: psychology as the center fielder views it”. American Journal of Psychology [англ.]. 114 (2): 259—281. DOI:10.2307/1423517. JSTOR 1423517. PMID 11430151.
  25. ↑ 1 2 3 Powers, William T. Living Control Systems III: The fact of control. — New Canaan, CT : Benchmark Publications, 2008. — ISBN 978-0-9647121-8-8.
  26. ↑ 1 2 Powers, William T. Behavior: The Control of Perception. — Wildwood House, 1973. — ISBN 978-0-7045-0092-1.
  27. ↑ 1 2 Marken, Richard S. Volitional Action : [англ.] / Richard S. Marken, William T. Powers. — Elsevier B.V., 1989. — Vol. 62. — P. 409–430. — ISBN 978-0-444-88318-6.
  28. ↑ См., например, Miranda, José Luis Corona. 2009. Application of Kalman Filtering and PID Control...
  29. ↑ W. T. Powers & R. Kennaway, 2004
  30. ↑ Бернштейн Н.А. Координация и регуляция движений. Нью-Йорк: Pergamon Press, 1967.
  31. ↑ Введение — статьи Byte о робототехнике и целеполагании: [1]
  32. ↑ Koshland, Daniel. Bacterial chemotaxis as a model behavioral system. New York: Raven Press, 1980.
  33. ↑ 1 2 Cziko, Gary. Without Miracles. — MIT Press, 1995. — ISBN 978-0-262-03232-2.
  34. ↑ Mansell, Warren. A transdiagnostic approach to CBT using method of levels therapy: distinctive features : [англ.] / Warren Mansell, Timothy A Carey, Sara Tai. — Milton Park, Abingdon, Oxon; New York : Routledge, 2012. — ISBN 9780415507639. — doi:10.4324/9780203081334.
  35. ↑ Bliss, T. V. P.; Lømo, T. (1 июля 1973). “Long-lasting potentiation of synaptic transmission in the dentate area...”. The Journal of Physiology [англ.]. 232 (2): 331—356. DOI:10.1113/jphysiol.1973.sp010273. PMC 1350458. PMID 4727084.
  36. ↑ Bliss, T. V.; Gardner-Medwin, A. R.; Lømo, T. (1973). “Synaptic plasticity in the hippocampal formation”. Macromolecules and Behaviour. 193.
  37. ↑ Hebb, Donald. The organization of behavior: A neuropsychological theory : [англ.]. — Нью-Йорк : Wiley & Sons, 1949.
  38. ↑ Enoki, Ryosuke; Hu, Yi-ling; Hamilton, David; Fine, Alan (2009). “Expression of Long-Term Plasticity at Individual Synapses...”. Neuron [англ.]. 62 (2): 242—253. DOI:10.1016/j.neuron.2009.02.026. PMID 19409269.
  39. ↑ Plooij, Frans X. The behavioral development of free-living chimpanzee babies and infants. — Norwood, N.J. : Ablex, 1984.
  40. ↑ van de Rijt-Plooij, Hetty; Plooij, Frans (1987). “Growing independence, conflict and learning in mother-infant relations...”. Behaviour. 101 (1—3): 1—86. DOI:10.1163/156853987x00378.
  41. ↑ Plooij, Frans X. The trilogy of mind. — Erlbaum, 2003. — Vol. Regression periods in human infancy. — P. 185–205.
  42. ↑ Plooij, Frans X.; van de Rijt-Plooij, Hetty (1990). “Developmental transitions as successive reorganizations of a control hierarchy”. American Behavioral Scientist. 34: 67—80. DOI:10.1177/0002764290034001007. S2CID 144183592.
  43. ↑ van de Rijt-Plooij, Hetty. The Wonder Weeks... / Hetty van de Rijt-Plooij, Frans Plooij. — Арнем : Kiddy World Publishing, 22 октября 2013. — P. 480. — ISBN 978-9491882005.
  44. ↑ Botvinick, Matthew M. (2008). “Hierarchical models of behavior and prefrontal function”. Trends in Cognitive Sciences. 12 (5): 201—208. DOI:10.1016/j.tics.2008.02.009. PMC 2957875. PMID 18420448.
  45. ↑ Cools, A. R. Brain and Behavior: Hierarchy of Feedback Systems... // Perspectives in Ethology. — Springer US, 1985. — P. 109–168. — ISBN 978-1-4757-0234-7. — doi:10.1007/978-1-4757-0232-3_5.
  46. ↑ Marken, Richard S. (август 1986). “Perceptual organization of behavior: A hierarchical control model of coordinated action”. Journal of Experimental Psychology: Human Perception and Performance [англ.]. 12 (3): 267—276. DOI:10.1037/0096-1523.12.3.267. PMID 2943855. Проверьте дату в |date= (справка на английском)
  47. ↑ Powers, William T. (1978). “The Nature of Robots...” (PDF). Byte: The Small Systems Journal [англ.]. McGraw-Hill (4): 132—144. Архивировано из оригинала (PDF) 2007-06-04.
  48. ↑ Powers, William T. (1978). “The Nature of Robots: Part II...” (PDF). Byte: The Small Systems Journal [англ.]. McGraw-Hill (4): 134—152. Архивировано из оригинала (PDF) 2007-06-04.
  49. ↑ Powers, William T. (1978). “The Nature of Robots: Part III...” (PDF). Byte: The Small Systems Journal [англ.]. McGraw-Hill (4): 94—116. Архивировано из оригинала (PDF) 2007-06-04.
  50. ↑ Powers, William T. (1978). “The Nature of Robots: Part IV...” (PDF). Byte: The Small Systems Journal [англ.]. McGraw-Hill (4): 96—112. Архивировано из оригинала (PDF) 2007-06-04.
  51. ↑ Young, Rupert (июнь 2017). “A General Architecture for Robotics Systems: A Perception-Based Approach to Artificial Life”. Artificial Life [англ.]. 23 (2): 236—286. DOI:10.1162/ARTL_a_00229. PMID 28513206. Проверьте дату в |date= (справка на английском)
  52. ↑ Young, Rupert. HPCT Autonomous Rover (short version) [YouTube]. Perceptual Robots.
  53. ↑ Young, Rupert. Robot on a train [YouTube]. Perceptual Robots.
  54. ↑ Young, Rupert. Dynamic Visual Robot Arm Control [YouTube]. Perceptual Robots.
  55. ↑ Starting on the Right Foot with Reinforcement Learning (англ.). bostondynamics.com. Boston Dynamics (19 марта 2024). Дата обращения: 1 ноября 2024.
  56. ↑ См.: McClelland, Kent A. и др., Purpose, Meaning and Action...; McClelland, Kent, Collective Control of Perception...; McPhail, Clark, The myth of the madding crowd. Нью-Йорк: Aldine de Gruyter, 1991.
  57. ↑ NATO Research & Technology Organisation Scientific Publications (англ.). Дата обращения: 15 мая 2010. Архивировано 23 июня 2010 года.

Литература

  • Cziko, Gary (1995). Without miracles: Universal selection theory and the second Darwinian revolution. Cambridge, MA: MIT Press (A Bradford Book).
  • Cziko, Gary (2000). The things we do: Using the lessons of Bernard and Darwin to understand the what, how, and why of our behavior. Cambridge, MA: MIT Press (A Bradford Book).
  • Forssell, Dag (ред.), 2016. Perceptual Control Theory, An Overview of the Third Grand Theory in Psychology.... Hayward, CA: Living Control Systems Publishing.
  • Mansell, Warren (ред.), (2020). The Interdisciplinary Handbook of Perceptual Control Theory.... Cambridge: Academic Press.
  • Marken, Richard S. (1992) Mind readings: Experimental studies of purpose. Benchmark Publications: New Canaan, CT.
  • Marken, Richard S. (2002) More mind readings: Methods and models in the study of purpose. Chapel Hill, NC: New View.
  • Pfau, Richard H. (2017). Your Behavior: Understanding and Changing the Things You Do. St. Paul, MN: Paragon House.
  • Plooij, F. X. (1984). The behavioral development of free-living chimpanzee babies and infants. Norwood, N.J.: Ablex.
  • Plooij, F. X. (2003). "The trilogy of mind". В: M. Heimann (ред.), Regression periods in human infancy. Mahwah, NJ: Erlbaum.
  • Powers, William T. (1973). Behavior: The control of perception. Chicago: Aldine de Gruyter.
  • Powers, William T. (1989). Living control systems. New Canaan, CT: Benchmark Publications.
  • Powers, William T. (1992). Living control systems II. New Canaan, CT: Benchmark Publications.
  • Powers, William T. (1998). Making sense of behavior: The meaning of control. New Canaan, CT: Benchmark Publications.
  • Powers, William T. (2005). Behavior: The control of perception. New Canaan: Benchmark Publications.
  • Powers, William T. (2008). Living Control Systems III: The fact of control. New Canaan, CT: Benchmark Publications.
  • Powers, William. T., Clark, R. K., and McFarland, R. L. (1960). "A general feedback theory of human behavior [Part 1; Part 2]". Perceptual and Motor Skills 11, 71–88; 309–323.
  • Powers, William T. and Runkel, Philip J. 2011. Dialogue concerning the two chief approaches to a science of life.... Hayward, CA: Living Control Systems Publishing.
  • Robertson, R. J. & Powers, W.T. (1990). Introduction to modern psychology: the control-theory view. Gravel Switch, KY: Control Systems Group.
  • Robertson, R. J., Goldstein, D.M., Mermel, M., & Musgrave, M. (1999). Testing the self as a control system... Int. J. Human-Computer Studies, 50, 571–580.
  • Runkel, Philip J. 1990. Casting Nets and Testing Specimens: Two Grand Methods of Psychology. New York: Praeger.
  • Runkel, Philip J[ulian]. (2003). People as living things. Hayward, CA: Living Control Systems Publishing.
  • Taylor, Martin M. (1999). "Editorial: Perceptual Control Theory and its Application," International Journal of Human-Computer Studies, Vol 50, No. 6, June 1999, pp. 433–444.
  • McClelland, Kent A. (1994). "Perceptual Control and Social Power". Sociological Perspectives, 37(4), 461–496.
  • McClelland, Kent (2004). "The Collective Control of Perceptions: Constructing Order from Conflict". International Journal of Human-Computer Studies, 60, 65–99.
  • McClelland, Kent and Thomas J. Fararo, ред. (2006). Purpose, Meaning, and Action: Control Systems Theories in Sociology. Нью-Йорк: Palgrave Macmillan.
  • McPhail, Clark. 1991. The Myth of the Madding Crowd. Нью-Йорк: Aldine de Gruyter.

Ссылки

Категории