14 cognitieve revolutie Flashcards
Cognitieve revolutie
De psychologie, zoals de behaviorist haar zag, was geworteld in het optimistische idee dat psychologisch onderzoek verricht kan worden op een objectieve, natuurwetenschappelijke wijze, zonder verwijzing naar onzichtbare interne processen. Een fenomenologisch vocabulaire dat nodig is om zaken te beschrijven die zich afspelen in de ‘black box’ van de menselijke geest - zoals gevoelens, belevingen en gewaarwordingen - was irrelevant en onwetenschappelijk volgens de behaviorist. Je zou kunnen zeggen dat de behavioristen de moeilijk onderzoekbare mentale processen, waar grondleggers als Wilhelm Wundt en William James nog mee worstelden en over filosofeerden, omzeilden door ze simpelweg buitenspel te zetten. Wat overbleef was niet veel meer dan een machine, een robot waar prikkels ingingen en gedrag uitkwam.
Halverwege de twintigste eeuw kreeg deze robot echter nieuw leven ingeblazen, en dat kwam mede door de opkomst van de computer. Die computer begon door de technologische vooruitgang steeds meer op een denkende machine te lijken, en leverde daarmee een prima analogie. Als in machines sprake was van interne processen die op voorspelbare wijze input verwerkten tot output, dan mochten we die processen bij de mens ook veronderstellen. Sterker nog: waarom zouden die processen bij de mens niet op diezelfde, regelgebaseerde manier verlopen als bij computers?
Beginnend bij Pascal’s Pascaline verloopt de ontwikkeling van kunstmatige intelligentie in een steeds hoger tempo. Leibniz, Babbage en Lovelace, Turing en Shannon, Newell en Simon, enkele van de grote namen die bijdroegen aan de evolutie van de eenvoudige rekenmachine tot volwaardig ‘denkende’ machines. De invloed van deze kopstukken was enorm, want de niet observeerbare, mentale processen werden door hun uitvindingen een stuk minder ongrijpbaar. Men slaagde er immers in om die processen redelijk goed na te bootsen in een computer. Hierdoor leverde de kunstmatige intelligentie een model van menselijke cognitie dat een serieus alternatief leek voor het behaviorisme, en daarmee was de cognitieve revolutie een feit.
Als vannacht alle computers uit zouden vallen, zouden onze industrie, economie en politiek stagneren, en zou de samenleving in hoog tempo vervallen tot een chaotische toestand.
De ontwikkeling van kunstmatige intelligentie begint in 1642 met Blaise Pascal. Welk apparaat vond hij uit en wat kon dat apparaat? Welke verbetering aan dat apparaat werd ongeveer dertig jaar later door Gottfried Leibniz aangebracht?
De rekenmachine van Blaise Pascal wordt ook wel de Pascaline genoemd. Het was een puur mechanisch apparaat, dat op basis van een systeem met tandwieltjes kon optellen en aftrekken. Hiermee was dit het eerste apparaat dat een typisch menselijk, cognitief vermogen kon imiteren. Ongeveer dertig jaar later werd de Pascaline door Leibniz verbeterd. Hij ontwikkelde een vergelijkbare machine die niet alleen kon optellen en aftrekken, maar ook kon vermenigvuldigen en delen.
Deze verbetering van de Pascaline valt echter in het niet bij een veel belangwekkender idee van Gottfried Leibniz, dat de basis zou vormen voor de rekenmethode van alle moderne computers.
Welke geniale uitvinding van Leibniz bedoelen we hier?
De rekenmethode van Leibniz, die uiteindelijk in al onze hedendaagse computers verwerkt zou worden, is het binaire systeem. Dit systeem waarbij uitsluitend eentjes en nulletjes gebruikt worden, en elke positie in een cijferreeks dus alleen maar ‘aan’ of ‘uit’ kan staan, zoals ook een lamp alleen maar ‘aan’ of ‘uit’ staat, werd door Leibniz waarschijnlijk min of meer bij toeval uitgewerkt. Hij zag er de verstrekkende gevolgen niet van, of werkte die in elk geval niet uit.
Hij combineerde dit idee van binaire getallen in elk geval niet met zijn mechanische calculator. Toch had hij met deze twee vondsten precies de basisprincipes in handen die het fundament werden van de moderne computer: een mechanisch apparaat dat menselijke, cognitieve processen kon nabootsen en een rekenmethode die het mogelijk zou maken om, na de uitvinding van de elektriciteit, de werking van dat mechaniek om te zetten naar een elektrisch apparaat waarin het ‘aan’ of ‘uit’ staan van stroom de taak van het mechaniek zou kunnen overnemen.
Een volgende stap in de ontwikkeling van de huidige computer vinden we in de ‘difference machine’ en de ‘analytical machine’ van Charles Babbage
Beschrijf beide machines en leg uit wat zij toevoegden aan de ontwikkeling van de moderne computer
De eerste machine die Babbage bedacht was de ‘difference machine’. Dit apparaat was feitelijk een veel complexere variant van de eerdere mechanische rekenmachine die een veelvoud van logische bewerkingen kon uitvoeren op cijfers. De overheid investeerde een hoop geld om het apparaat daadwerkelijk te laten bouwen, maar het ontwikkeltraject werd een totale mislukking. Behalve een aantal kleine prototypen werd de ‘difference machine’ dus nooit gebouwd.
Na deze teleurstelling bedacht Babbage gelukkig een nog veel beter apparaat dat hij de ‘analytical machine’ noemde. Deze machine zou een soort universele probleemoplosser moeten worden die op basis van verschillende ponskaarten een rekenmechaniek kon instrueren over welke berekeningen uitgevoerd moest worden. Deze ‘analytical machine’ was daarmee op papier het eerste programmeerbare rekenapparaat. Belangrijker is echter dat Babbage voor deze machine een ontwerp bedacht dat een blauwdruk was voor de toekomst. Het apparaat bevatte vijf basiscomponenten, te weten: een inputsysteem waarlangs het apparaat informatie kon ontvangen, de ‘mill’ waardoor de berekeningen werden uitgevoerd, een controlesysteem dat programmeerde welke berekeningen uitgevoerd moesten worden, een geheugenbank voor de opslag van tussentijdse resultaten, en een outputsysteem waarlangs de resultaten van de berekening werden uitgegeven. Zonder het te weten legde Babbage halverwege de negentiende eeuw met dit idee de centrale architectuur van onze computer vast: input, processor, programmatuur, geheugen en output
De apparaten van Pascal, Leibniz en Babbage konden rekensommen verwerken, maar waren nog niet in staat om andere dan rekenkundige problemen op te lossen. Dit zou veranderen met een uitvinding die halverwege de negentiende eeuw werd gedaan in Engeland.
Welke uitvinding bedoelen we hier en hoe bracht deze uitvinding het ontstaan van de moderne computer weer een stukje dichterbij?
We bedoelen hier de ontwikkeling van de booleaanse algebra door de Engelsman George Boole. Hij liet zien dat de traditionele rekenkunde een van de vele mogelijkheden was om symbolen systematisch te manipuleren. Hij introduceerde het concept van symbolische logica en liet zien dat de rekenkunde daar een afgeleide van was. Zo liet hij zien dat niet alleen rekensommen maar ook allerlei andere problemen logisch opgelost konden worden door het strikt systematisch gebruik van een formeel symbolisch systeem. Hiermee verwezenlijkte hij een project waar ook Leibniz en Babbage hadden geworsteld: het integreren van de wiskunde met de logica, zodat rekenmachines ook problemen buiten de wiskunde zouden kunnen oplossen.
Met het idee van een rekenmachine, een binaire taal waarin die machine kon rekenen, een globale architectuur van een denkend apparaat en boleaanse algebra om logische problemen systematisch op te lossen, lijkt een computer slechts nog een kwestie van technische realisatie. De eerste stappen van die technische realisatie werden gezet door Alan Turing en Claude Shannon voorafgaand aan en tijdens de Tweede Wereldoorlog.
Op welke manier brachten Turing en Shannon de realisatie van de moderne computer een stapje dichterbij?
Om te beginnen bedacht Turing in concept een machine die booleaanse logica stap voor stap kon inlezen en verwerken. Zo’n machine zou bestaan uit een ‘head’ - een optisch apparaat - dat één voor één de logische symbolen van een ‘tape’ kon lezen. Na het lezen kon de ‘head’ de ‘tape’ bewerken of ongemoeid laten, naar het volgende of vorige logische symbool op de ‘tape’ gaan, en de interne staat van de ‘head’ wijzigen of ongemoeid laten. Met dit betrekkelijke eenvoudig ontwerp bedacht Turing een machine die in essentie hetzelfde kon als de enorme ‘analytical machine’ die Babbage had bedacht.
Daarnaast werkte Shannon een binair systeem uit met elektrische schakelaars die alleen maar ‘aan’ of ‘uit’ konden staan. De staat van deze schakelaars kon zo een 1 of 0 representeren. Wanneer zulke schakelaars met elkaar verbonden waren in een netwerk, konden alle logisch problemen die gebaseerd waren op enkelvoudige keuzes - zoals ‘waar’ of ‘niet waar’ en ‘A’ of ‘B’ - automatisch verwerkt worden. Gedurende de Tweede Wereldoorlog waren Turing en Shannon gezamenlijk betrokken bij de ontwikkeling van complexe apparatuur die gebaseerd was op deze principes en die gebruikt werd om gecodeerde berichten van het naziregime te decoderen.
Met de ontwikkeling van deze apparatuur door Turing en Shannon werden de concepten van Pascal, Leibniz, Babbage en Boole werkelijkheid en was de hedendaagse computer een feit. Daarmee ontstond ook de vraag of het mogelijk was om met zo’n machine daadwerkelijk de menselijke cognitie na te bootsen.
kunstmatige intelligentie
Descartes had er een duidelijke theorie over: dieren moeten gezien worden als rondlopende machientjes, en kunnen derhalve volledig natuurwetenschappelijk verklaard worden. De mens is echter de grote uitzondering. De mens bezit een unieke geest die kwalitatief anders is dan het lichamelijke brein. De wereld van de ervaringen en het subjectieve is niet te vangen met mechanica, of toch wel? Deze opdracht gaat over de vraag of de menselijke geest in principe ooit volledig te simuleren is met computers, ofwel over de vraag of kunstmatige intelligentie (artificial intelligence, afgekort AI) de menselijke intelligentie kan evenaren.
Centraal in deze discussie staat het verschil tussen Weak AI en Strong AI. Leg dit verschil uit.
Het verschil tussen Weak AI en Strong AI wijst op een fundamenteel onderscheid in de discussie over de vraag of kunstmatige intelligentie de menselijke geest ooit volledig kan benaderen. Weak AI verwijst naar het standpunt dat computers als model voor menselijke denkprocessen kunnen dienen, maar dat computers allerlei andere aspecten van de menselijke geest, zoals bewustzijn - het bewust gewaarworden van het bestaan - en intentionaliteit - beseffen dat gedachten en gevoelens betrekking hebben op de wereld en de mensen daarin - niet kunnen nabootsen.
Aanhangers van Strong AI daarentegen veronderstellen dat er geen categorisch verschil is tussen de menselijke psyche en kunstmatige intelligentie. Dit verschil is in hun ogen slechts kwantitatief, en dus is het een kwestie van tijd voordat een computer of robot wordt ontwikkeld waarvan de kunstmatige intelligentie complex genoeg is om de menselijke geest volledig te kunnen benaderen; en dus ook om bewust te zijn, om gevoelens en bedoelingen te hebben.
Een van de eersten die zich over het thema kunstmatige inteligentie uitsprak was een leerling van Charles Babbage, Ada Lovelace. Haar opvatting is de geschiedenis in gegaan als de Lovelace objection.
Hoe luidt deze Lovelace objection, en bevindt deze zich in het kamp van de Weak AI of de Strong AI?
Ada Lovelace stelde in wat bekend staat als de Lovelace objection, dat machines nooit voorbij hun voorgeprogrammeerde beperkingen zullen komen. Een computer kan alles wat de mens hem laat doen, maar zal daar nooit bovenuit groeien. Een computer volgt namelijk de regels die de mens aan de computer oplegt. Buiten die regels opereren kan een computer niet. Echte creativiteit, waarvoor het nodig is om die regels te doorbreken, kan een computer dus niet vertonen.
In welk kamp Ada Lovelace zich hiermee bevindt, is niet heel evident. Zij is duidelijk behoudend, door te stellen dat een computer nooit de menselijke creativiteit kan bezitten. Dat plaatst haar duidelijk in het kamp van de Weak AI. Tegelijkertijd sluit zij met deze Lovelace objection niet uit dat computers ooit zullen beschikken over bewustzijn of gevoelens of bedoelingen. Mochten wij ooit uitvinden hoe we zulke zaken moeten programmeren, dan behoren zij tot de mogelijkheden; maar creativiteit is uitgesloten, volgens Ada Lovelace.
Ook Alan Turing had hierover een uitgesproken opvatting, en dan met name over de vraag in hoeverre we mogen veronderstellen dat een machine daadwerkelijk ‘denkt’. Hij formuleerde hiervoor een gedachte-experiment dat we nu de turingtest noemen.
Wat is de turingtest, en is deze test een argument voor Weak AI of Strong AI?
De oorspronkelijke vorm van deze turingtest is in wezen een spel waarbij observatoren vragen mogen stellen aan een responsieve entiteit in een afgescheiden kamer. Met behulp van deze vragen moeten zij proberen te achterhalen of die entiteit een intelligente machine is, of een echt mens. Zie het als een whatsapp-gesprek waarbij de antwoorden niet worden gegeven door een persoon, maar door een computer. De vraag is nu of er een computer denkbaar is die in deze situatie antwoorden geeft waardoor diens intelligentie niet van die van een mens te onderscheiden is. Geheel in lijn met de behavioristische traditie, herformuleerde Turing de vraag of machines kunnen denken dus in termen van observeergedrag. Als het gedrag van een machine niet te onderscheiden is van het gedrag van een intelligent mens, mogen we stellen dat de machine denkt.
Of Turing hiermee kiest voor Weak AI of Strong AI is moeilijk te beantwoorden. Hij lijkt behoorlijk ver te gaan, en te stellen dat, volgens de behavioristische uitgangspunten, een machine die gelijk is aan de mens tot de denkbare mogelijkheden behoort. Dat lijkt hem in het Strong AI-kamp te plaatsen. Tegelijkertijd is zijn behavioristische uitgangspunt het knelpunt, want kenmerkend voor Strong AI zijn zaken als bewustzijn, gevoelens en bedoelingen, en die worden door het behaviorisme nu juist buitenspel gezet. Eigenlijk is in het behaviorisme zelfs bij de mens geen sprake van Strong AI. Of Turing dat ook echt zelf vond, is de vraag, want hij was vanuit filosofisch oogpunt zeer geïnteresseerd in de interne staat van machines, maar de turingtest zelf past toch het beste in het Weak AI-kamp.
Bij Turing leek de keuze voor Weak AI dus het gevolg van het behavioristische uitgangspunt van zijn tijd. In een modernere variant van dit gedachte-experiment - de Chinese kamer - laat de filosoof John Searle zien dat die keuze voor Weak AI ook in de logica van de situatie lijkt te zitten.
Beschrijf het Chinese kamer-experiment van Searle, en leg uit hoe dit gedachte-experiment een argument voor Weak AI is.
In de Chinese kamer van Searle bevindt zich iemand die geen Chinees spreekt, maar wel een alomvattend regelboek heeft dat precies voorschrijft met welke serie van Chinese tekens gereageerd moet worden op elke denkbare serie Chinese tekens. Deze persoon krijgt door sleuven in de muur boodschappen in Chinees schrift aangereikt, zoekt in het regelboek op hoe daarop gereageerd moet worden, schrijft de betreffende reactie op en geeft die terug door de sleuf in de muur. Voor Chinezen buiten de kamer lijkt het alsof degene die in de kamer zit, precies begrijpt waar ze het over hebben en daar intentioneel op reageert. Tegelijkertijd heeft de persoon in de kamer geen enkel benul van de betekenis van de interactie, en heeft daar dus ook geen gevoelens of bedoelingen bij.
Volgens Searle is dat precies wat er ook aan de hand is met een computer. Deze krijgt input in een symbolisch schrift dat voor de computer geen enkele betekenis heeft, weet dat volgens een uitgebreid regelsysteem exact te verwerken tot een output in datzelfde symbolische schrift dat voor de computer wederom geen enkele betekenis heeft. De Chinese kamer van Searle is dus duidelijk een argument voor ‘Weak AI’. Hoe geavanceerd wij kunstmatige intelligentie ook maken, deze zal nooit bewustzijn ontwikkelen over de symbolische input die ze te verwerken krijgt, en de symbolische output die ze vervolgens oplevert. Om dat te ontwikkelen, zou de processor van de computer, samen met de programmatuur uit de behuizing van de computer moeten breken, contact moet maken met de personen die de computer bedienen, en in interactie met hen moeten leren begrijpen wat de symbolen betekenen.
Merk op dat het experiment van de Chinese kamer niet uitsluit dat de computer enige vorm van bewustzijn heeft. Het is dus wel een argument tegen Strong AI omdat het uitsluit dat de computer menselijk bewustzijn, met menselijke gevoelens, en menselijke intenties heeft, maar enig bewustzijn kan in theorie aanwezig zijn. Dat is dan alleen wel het bewustzijn van iemand die nooit in contact heeft gestaan met andere individuen, en enkel weet hoe betekenisloze krabbels verwerkt moeten worden tot andere betekenisloze krabbels. Mocht die computer dus al bewustzijn hebben dan is dat een compleet geïsoleerde gewaarwording van het eigen bestaan, en de eigen interne programmatuur. Je zou het kunnen vergelijken met het bewustzijn van de Floating Man van Avicenna.
Strong AI is dus vooralsnog geen materie voor de wetenschap, maar eerder voor schrijvers en filmmakers. Daar wordt dan ook met enige regelmaat gespeculeerd over de mogelijkheid van Strong AI. Het klassieke voorbeeld is te vinden in de film Metropolis (1927) van Fritz Lang, maar er zijn meer recente voorbeelden die naar dit thema kijken. Denk bijvoorbeeld aan 2001: A Space Odyssey (1968) van Stanley Kubrick - een film die sowieso een bijzondere bespiegeling is op het menselijke bewustzijn en de menselijke conditie - de Robot serie (1950 e.v.) van schrijver Isaac Asimov, films als Blade Runner (1982) van Ridley Scott en The Matrix (1999) van de gebroeders Wachowski, en Ex Machina (2015) van Alex Garland als meest recente voorbeeld.
Een nieuwe discipline;
De komst van kunstmatige intelligentie was een belangrijk anker voor de cognitieve psychologie, die terrein aan het winnen was op het Amerikaans behaviorisme.
Een van de eerste ontwikkelingen die op dit gebied speelde was de ontwikkeling van de zogeheten TOTE-units door George Miller, Eugene Galanter en Karl Pribram, toen zij de consequenties probeerden uit te werken van het werk van Alan Newell en Herbert Simon voor de psychologie.
Wat is een TOTE-unit, en hoe legde dit vanuit de computerwetenschappen de bijl aan de wortel van het behaviorisme?
Alan Newell en Herbert Simon hadden in hun pogingen om menselijke redeneringen met een computer te modelleren, geconcludeerd dat mensen meestal niet uitputtend logisch redeneren, maar eerder gebruik maken van een beperkt aantal eenvoudige heuristieken of vuistregels. Daarbij wordt een vergelijking gemaakt tussen het doel en de huidige situatie, en worden verschillende strategieën geprobeerd om te zien of die het verschil tussen het doel en de huidige situatie kleiner maken. Wanneer een effectieve strategie geïdentificeerd is, wordt deze incrementeel toegepast, totdat het doel bereikt is en het gedrag wordt gestaakt.
Nadat Newell en Simon deze strategie succesvol hadden gemodelleerd in een computer, en daarmee verschillende menselijke redeneerprocessen konden nabootsen, vroegen Miller, Galanter en Pribram zich af wat dit betekende voor de psychologie. Zij constateerden dat tussen de stimulus en respons van het gangbare behavioristische model kennelijk een serie verwerkingsstappen lag die zij omschreven als ‘test’, ‘operate’, ‘test’, ‘exit’ (TOTE), waarin eerst de afstand tussen huidige staat en doel wordt getest, vervolgens actie wordt ondernomen, vervolgens weer wordt getest, en tot slot de procedure wordt afgebroken als het doel bereikt is.
Miller, Galanter en Pribram zagen zich genoodzaakt om zo’n TOTE-activiteit te veronderstellen, die zich intern in het individu afspeelde, om probleemoplossend gedrag van mensen te verklaren. TOTE-activiteit kon niet objectief geobserveerd worden, maar deze kon wel objectief beschreven worden voordat deze in een computer werd geprogrammeerd, en de effecten van die programmering waren direct waarneembaar in de output van de computer. Door deze computermodellering van menselijke redeneerstrategieën werd het voor behavioristen dus mogelijk om toch min of meer objectief naar interne processen te gaan kijken, en daarmee was de afbraak van het behaviorisme, met zijn rigide focus op observeerbaar gedrag, begonnen.
De conclusie dat een beschrijving van interne informatieverwerking nuttig, zo niet noodzakelijk was bij de verklaring van het menselijk probleemoplossend vermogen, was niet de enige oorzaak van de omverwerping van het behaviorisme. Een tweede argument dat George Miller opdeed, kwam voort uit zijn vriendschap met linguïst en filosoof Noam Chomsky, die erg kritisch was over de manier waarop behavioristen als B.F. Skinner het leren van taal probeerden te verklaren.
Wat was volgens Chomsky het probleem van de behavioristische theorie over de manier waarop kinderen hun moedertaal leren?
Volgens Noam Chomsky is de kindertijd veel te kort om de complexe structuur van grammaticale regels te leren door middel van operante conditionering, zoals de behavioristen meenden. Kinderen leren bijvoorbeeld in zeer korte tijd welke woordvolgordes correct zijn in hun moedertaal en welke niet. Hetzelfde geldt voor zaken als de verbuigingen van werkwoorden en woorduiteinden bij meervoud. Dit snelle leerproces kon hij alleen verklaren door aan te nemen dat kinderen ter wereld komen met een soort universele grammatica die hen op weg helpt bij het onder de knie krijgen van de taal die om heen gesproken wordt .
Dit idee van een aangeboren regelsysteem dat kinderen voorbereidt op de taal die zij gaan tegenkomen, sloot goed aan bij het idee van TOTE-eenheden, en de daarvan afgeleide opvatting dat menselijke cognitie berust op interne informatieverwerkingsprocessen. De opvattingen van Chomsky waren voor Miller dus een tweede argument om afstand te nemen van het strikte behaviorisme en over te gaan tot een psychologie waarin interne cognitieve processen serieus genomen werden.
Ook de samenwerking met Jerome Bruner zou George Miller helpen in het achterlaten van zijn behavioristische achtergrond. Daarbij was een aantal experimentele resultaten die Bruner eerder in zijn carrière had bereikt, van fundamenteel belang.
Welke experimentele resultaten van Bruner bedoelen we hier?
Het eerste inzicht van Bruner was de conclusie dat dieren in experimentele situaties veel sneller leerden als zij in staat werden gesteld om de mogelijke oplossing van een probleem waar te nemen. In het klassieke experiment van Thorndike werden katten opgesloten in een box, waarvan de deur openging als zij aan een touwtje trokken. Zij konden daarbij echter niet de connectie tussen het touwtje en de deur zien. In een vergelijkbaar experiment waar ze wel konden zien dat het touwtje met de deur van de kooi verbonden was, vertoonden katten meer gericht gedrag en was hun leerproces minder willekeurig. Kennelijk was het zien van de probleemsituatie, en daarmee het doorzien van de oplossing een belangrijk onderdeel van hun leerproces.
Een ander belangrijk inzicht kwam uit een serie experimenten die aantoonden dat de menselijke perceptie beïnvloed kan worden door interne toestanden zoals verlangens. Kinderen kregen bijvoorbeeld muntstukken te zien van verschillende waarden en houten schijfjes van dezelfde grootte. Naderhand moesten ze de grootte van deze objecten inschatten. Daarbij bleek dat de inschattingen voor de houten schijfjes betrekkelijk accuraat waren, maar dat de muntstukken relatief groter werden ingeschat. Dit effect bleek bovendien groter bij muntstukken met een hogere waarde; en deze effecten waren sterker bij arme kinderen dan bij rijke kinderen.
Vergelijkbaar bleken in een ander experiment de verwachtingen over objecten medebepalend te zijn voor de snelheid waarmee objecten werden herkend. Afbeeldingen van gewone speelkaarten werden bijvoorbeeld sneller herkend, dan wanneer de kleur van de kaarten verwisseld was. Kennelijk, zo beredeneerde Bruner, wordt de perceptie van objecten beïnvloedt door interne, mentale toestanden, zoals de mate waarin we verlangen naar die objecten, of de mate waarin ze voldoen aan onze verwachtingen over die objecten.
George Miller en Jerome Bruner maakten in de jaren vijftig kennis met elkaar. Al snel bleek daarbij de grote overlap tussen hun projecten. Beiden waren bezig om, in weerwil van het overheersende behaviorisme, door te dringen in interne, cognitieve processen die bijzonder relevant bleken bij de verklaring van gedrag. Daarmee was de cognitieve revolutie in de psychologie begonnen. Maar een nieuwe discipline is pas een feit als er een bepaalde mate van institutionalisering heeft plaatsgevonden.
Beschrijf twee belangrijke stappen in dit institutionaliseringsproces dat van de cognitieve psychologie een nieuwe, afgebakende discipline maakte.
De eerste stap in de institutionalisering van de cognitieve psychologie, was de oprichting van het Harvard Center for Cognitive Studies in 1961 door Miller en Bruner. Hiermee claimde zij niet alleen formele, maar ook fysieke ruimte voor hun project aan een zeer gerenommeerd wetenschappelijk instituut. Het centrum trok daardoor al snel de aandacht van wetenschappers uit de hele wereld
Tekstboeken markeren vaak het begin van een nieuwe discipline, en zijn erg invloedrijk omdat zij aan universiteiten gebruikt worden om nieuwe studenten op te leiden. Voor het project van Miller en Bruner, zou dit boek geschreven worden door de door Miller opgeleide Ulric Neisser. De publicatie van zijn tekstboek getiteld Cognitive Psychology in 1967, was een tweede belangrijke stap in het institutionaliseringsproces.
