The Chinese room argument (CRA) was first stated in 1980. Since then computer technologies have improved and today spiking neural networks (SNNs) are “arguably the only viable option if one wants to understand how the brain computes.” (Tavanei et.al. 2019: 47) SNNs differ in various important respects from the digital computers the CRA was directed against. The objective of the present work is to explore whether the CRA applies to SNNs. In the first chapter I am going to discuss computationalism, the Chinese room argument and give a brief overview over spiking neural networks. The second chapter is going to be considered with five important differences between SNNs and digital computers: (1) Massive parallelism, (2) subsymbolic computation, (3) machine learning, (4) analogue representation and (5) temporal encoding. I am going to finish by concluding that, besides minor limitations, the Chinese room argument can be applied to spiking neural networks.:1 Introduction
2 Theoretical background
2.I Strong AI: Computationalism
2.II The Chinese room argument
2.III Spiking neural networks
3 Applicability to spiking neural networks
3.I Massive parallelism
3.II Subsymbolic computation
3.III Machine learning
3.IV Analogue representation
3.V Temporal encoding
3.VI The Morse code room and its replies
3.VII Some more general considerations regarding hardware
and software
4 Conclusion / Das Argument vom chinesischen Zimmer wurde erstmals 1980 veröffentlicht. Seit dieser Zeit hat sich die Computertechnologie stark weiterentwickelt und die heute viel beachteten gepulsten neuronalen Netze ähneln stark dem Aufbau und der Arbeitsweise biologischer Gehirne. Gepulste neuronale Netze unterscheiden sich in verschiedenen wichtigen Aspekten von den digitalen Computern, gegen die die CRA gerichtet war. Das Ziel der vorliegenden Arbeit ist es, zu untersuchen, ob das Argument vom chinesischen Zimmer auf gepulste neuronale Netze anwendbar ist. Im ersten Kapitel werde ich den Computer-Funktionalismus und das Argument des chinesischen Zimmers erörtern und einen kurzen Überblick über gepulste neuronale Netze geben. Das zweite Kapitel befasst sich mit fünf wichtigen Unterschieden zwischen gepulsten neuronalen Netzen und digitalen Computern: (1) Massive Parallelität, (2) subsymbolische Berechnung, (3) maschinelles Lernen, (4) analoge Darstellung und (5) zeitliche Kodierung. Ich werde schlussfolgern, dass das Argument des chinesischen Zimmers, abgesehen von geringfügigen Einschränkungen, auf gepulste neuronale Netze angewendet werden kann.:1 Introduction
2 Theoretical background
2.I Strong AI: Computationalism
2.II The Chinese room argument
2.III Spiking neural networks
3 Applicability to spiking neural networks
3.I Massive parallelism
3.II Subsymbolic computation
3.III Machine learning
3.IV Analogue representation
3.V Temporal encoding
3.VI The Morse code room and its replies
3.VII Some more general considerations regarding hardware
and software
4 Conclusion
| Identifer | oai:union.ndltd.org:DRESDEN/oai:qucosa:de:qucosa:83729 |
| Date | 24 February 2023 |
| Creators | Brinz, Johannes |
| Contributors | Schulz, Moritz, Hauswald, Rico, Technische Universität Dresden, Universität Osnabrück |
| Source Sets | Hochschulschriftenserver (HSSS) der SLUB Dresden |
| Language | English |
| Detected Language | English |
| Type | info:eu-repo/semantics/acceptedVersion, doc-type:masterThesis, info:eu-repo/semantics/masterThesis, doc-type:Text |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0024 seconds