100% satisfaction guarantee Immediately available after payment Both online and in PDF No strings attached
logo-home
Previously searched by you
Previously searched by you
logo
Samenvatting Het lastigste vak van de bachelor psychologie, op zijn makkelijkst uitgelegd $8.95
Add to cart
Quickly navigate to
Preview
  2.  
  3. Maastricht University (UM)
  4.  
  5. Mens en Machine (PSY2026)

Summary

Samenvatting Het lastigste vak van de bachelor psychologie, op zijn makkelijkst uitgelegd

1 review
 3 purchases
  • Course
  • Mens en Machine (PSY2026)
  • Institution
  • Maastricht University (UM)

Kijk je op om aan de eindeloze literatuur van het gevreesde vak te beginnen? En zou je willen dat je je alleen maar kan focussen op de essenties van het vak? Maar dat je toch geen belangrijke details mist? Dan is deze samenvatting voor jou bedoeld. Hierin heb ik alle casussen uitgewerkt, waarin mij...

[Show more]

Preview 3 out of 24  pages

Document information

  • June 12, 2024
  • 24
  • 2023/2024
  • Summary

Subjects

  • men
  • man
  • machine
  • man and machine
  • mens en machine
  • psychologie
  • psychology
  • connections

Written for

  • Maastricht University (UM)
  • Bachelor Psychology
  • Mens en Machine (PSY2026)
All documents for this subject (10)

1  review

review-writer-avatar

By: van-leeuwen • 4 weeks ago

Seller

avatar-seller
isabellaquaedvlieg03

Reviews received

Content preview

Man & Machine Glasperlenspiel

Taak 1
 AI —>
 LLM —> LLM's zijn massieve statistische modellen die het volgende woord, zin of
alinea, voorspellen gegeven een invoer. Ze voorspellen het gedrag van mensen ipv
verklaren. Zoals chatGTP.
 Cognitive science —>

 Machine learning  programmeren computers door ze via voorbeelddata of
ervaringen te laten leren.

 Deep learning  Deep Learning is een methode van informatieverwerking die neurale
netwerken gebruikt met talrijke verborgen lagen tussen de invoerlaag en de
uitvoerlaag om een uitgebreide interne structuur te vormen. Normaal gesproken is het
een vorm van supervisie-leer (=Je geeft trainingsvoorbeelden die de 'juiste'
uitkomsten bevatten aan een systeem).

 Algoritme  een instructie die de machine verteld wat hij moet doen
Machine learning - Hidden Markov-model Hebben verborgen lagen en dezelfde
algoritmen. Hidden Markov-modellen
worden gebruikt in machine learning
AI- connectionisme De connectionistische benadering bekijkt de
microstructuur van systemen veel
nauwkeuriger. Daardoor zou het een beter,
en hopelijk realistischer,
modelleringsysteem kunnen bieden van hoe
kunstmatige intelligentie werkt.
Connectionistische modellen worden
daarom gebruikt om uit te leggen hoe AI in
staat is tot generalisaties en toegang heeft tot
gegevens op basis van inhoud.
Neurale netwerken- auto-associator Door onderling verbonden knooppunten
vertoont een auto-associator, dat een neuraal
netwerk is, een soepele degradatie, wat
betekent dat ze robuust zijn, zelfs wanneer
sommige delen verloren gaan (Een
voorbeeld hiervan zou het Hopfield-netwerk
kunnen zijn).




Taak 2

 Computational creativity —> hoe de computer ervoor kan zorgen dat mensen
creatiever worden en dit automatischer en onbewuster gaan doen. Door bijvoorbeeld
conceptuele en technische taken over te nemen.

, Systems view —> Creativiteit hangt af van een geaccepteerd en overeengekomen
domein van huidige kennis, een individu dat een component van het domein verandert
om iets nieuws te produceren en een groep experts die uiteindelijk beslist of de
nieuwigheid wordt geaccepteerd in het bestaande domein. Met het toegevoegde
element van Kunstmatige Intelligentie, programmeren individuen of groepen van
individuen op regels gebaseerde algoritmen die computationele modellering,
patroonherkenning en voorspellende weergavemogelijkheden vergemakkelijken. De
AI ontvangt geen inputs rechtstreeks vanuit het veld, maar het is geprogrammeerd om
zich aan te passen aan informatie die het tegenkomt uit het domein, waardoor het
mogelijkheden voor nieuwe permutaties toevoegt en wijzigt.

 Executive control networks  De default en executive control networks werken
samen tijdens creatieve cognitie en artistieke prestaties. Doelgericht, zelf gegenereerd
denken lijkt dus zowel de generatieve functies van het default network als de
strategische functies van het controle netwerk te omvatten. Ze werken alleen samen als
er een duidelijk taakdoel is waarover creatief moet worden nagedacht. Ideeënevaluatie
gaat gepaard met een verhoogde functionele koppeling van de default- en controle
netwerken.

 Default network —> is actief in rust, en zorgt voor spontaan en zelf gegenereerd
denken, ook wel generatieve functies (interne stimuli). DFN genereert kandidaat-
ideeën, ookwel potentieel bruikbare informatie afgeleid van het langetermijngeheugen
(episodisch geheugen), want dit is zelf gegenereerd denken.

 Problem space search  Een problem space vertegenwoordigt een conceptuele ruimte
van verschillende mogelijkheden als doeltoestanden, eerder genomen paden en
mogelijke oplossingen. Een agent kan in deze probleemruimte zoeken naar
onconventionele manieren en verbindingen, nieuwe gebieden en oplossingen. Echter,
voor creativiteit om op te komen, is het vaak nodig dat de ruimte wordt
getransformeerd om hoogwaardige (verrassende) doelen/ideeën buiten de
oorspronkelijke probleemruimte te identificeren (transformationele creativiteit).
Kleine c (alledaagse creativiteit) vs. Grote C (paradigmaverschuiving; experts die
ertoe deden in hun vakgebied).

 Neural netwerk  artifical neural network bestaat uit kunstmatige neuronen.

 Primary process thinking  Vrije associatief; maakt de ontdekking van nieuwe
combinaties waarschijnlijker, creatieve inspiratie (komt overeen met een toestand
waarin grote aantallen knooppunten zwak worden geactiveerd, losgekoppeld van
externe stimuli).

 Secundary process thinking  Logisch en doelgericht; geen creatief inzicht mogelijk
omdat de conclusie impliciet is in de premissen, deductieve logica. Creatieve mensen
kunnen veel makkelijker tussen primair en secundair denken wisselen.

 Simulated annealing  methode om uit het lokale minimum te raken. Stel je voor dat
je een doolhof moet oplossen, maar je weet niet welke weg de beste is. In het begin
laat je jezelf vrij rondlopen en kijk je naar verschillende paden in het doolhof (zoals
wanneer het 'heet' is). Dit helpt je om het hele doolhof te verkennen en je opties te
begrijpen.Na verloop van tijd begin je een beetje slimmer te worden en kies je alleen

, de betere paden. Je begint langzaam de beste weg te volgen terwijl je minder goede
paden negeert (zoals wanneer het 'afkoelt'). Uiteindelijk, als je genoeg tijd hebt
genomen en slimme beslissingen hebt genomen, vind je de beste weg door het doolhof
(de optimale oplossing). Dit is hoe simulated annealing werkt: het helpt computers om
de beste oplossingen te vinden voor ingewikkelde problemen, zelfs als ze niet weten
welke stappen ze moeten zetten.




 Associatieve hiërarchieën  activiteit, actie en operatie. Naarmate het individu
deskundig wordt, worden meer handelingen geautomatiseerd als operaties, wat wordt
weergegeven door de toename van de omvang van het operationele deel van de
driehoek. Als hij vlak is, reageren ze langzamer en meer stereotypisch.




Systems view-Collective intelligence Big-C kan worden bereikt door
samenwerking tussen individuen
Creativity-Automation Sommige delen van het creatieve proces
kunnen niet alleen door AI worden
uitgevoerd, maar moeten in samenwerking
met mensen plaatsvinden.
Simulated annealing – Swarm intelligence Zwermen zoals mieren kunnen bijvoorbeeld
in een suboptimale staat (lokaal maximum)
zijn met een hoge temperatuur. Door
gesimuleerd annealen en het verlagen van de
temperatuur kunnen zwermen een optimale
oplossing bereiken (globaal maximum).
Systems view- AI Men zou kunnen aannemen dat simpelweg
het individu door de machine te vervangen
de cyclus zou voltooien. Echter, mensen
moeten eerst op regels gebaseerde
algoritmen in de machine invoeren voordat
de AI in staat is patronen te herkennen en
iets unieks, nieuws en origineels te
genereren (laat staan iets dat als zo'n

The benefits of buying summaries with Stuvia:

Guaranteed quality through customer reviews

Guaranteed quality through customer reviews

Stuvia customers have reviewed more than 700,000 summaries. This how you know that you are buying the best documents.

Quick and easy check-out

Quick and easy check-out

You can quickly pay through credit card or Stuvia-credit for the summaries. There is no membership needed.

Focus on what matters

Focus on what matters

Your fellow students write the study notes themselves, which is why the documents are always reliable and up-to-date. This ensures you quickly get to the core!

Frequently asked questions

What do I get when I buy this document?

You get a PDF, available immediately after your purchase. The purchased document is accessible anytime, anywhere and indefinitely through your profile.

Satisfaction guarantee: how does it work?

Our satisfaction guarantee ensures that you always find a study document that suits you well. You fill out a form, and our customer service team takes care of the rest.

Who am I buying these notes from?

Stuvia is a marketplace, so you are not buying this document from us, but from seller isabellaquaedvlieg03. Stuvia facilitates payment to the seller.

Will I be stuck with a subscription?

No, you only buy these notes for $8.95. You're not tied to anything after your purchase.

Can Stuvia be trusted?

4.6 stars on Google & Trustpilot (+1000 reviews)

66184 documents were sold in the last 30 days

Founded in 2010, the go-to place to buy study notes for 15 years now

Start selling
$8.95  3x  sold
  • (1)
Add to cart
Added