On Explaining Cognitive Phenomena : The Limits of Mechanistic Explanation

Abstract

One task of cognitive science is to explain the information processing capacities of cognitive systems, and to provide a scientific account of how cognitive systems produce the adaptive and systematic intelligent behavior that they do. However, there are several disputes and controversies among cognitive scientists about almost every aspect of the question of how to fulfill this task. Some of these disputes originate from the fundamental issue of how to explain cognitive phenomena.

In recent years, a growing number of philosophers have proposed that explanations of cognitive phenomena could be seen as instances of mechanistic explanation. In this dissertation, my aim is to examine to what extent the mechanistic account of explanation can be applied to explanations of complex cognitive phenomena, such as conceptual change.

The dissertation is composed of five related research articles, which explore different aspects of mechanistic explanations. The first two articles explore the question, whether explanations of cognitive phenomena are mechanistic in the standard sense. The third and fourth articles focus on two widely shared assumptions concerning the mechanistic account of explanatory models: that (i) explanatory models represent, describe, correspond to or are similar to mechanisms in the world and that (ii) in order to be explanatory a model must represent the relevant causal or constitutive organization of a mechanism in the world. Finally, in the fifth article a sketch of a mechanistic explanation of conceptual change is outlined.

The main conclusions of this dissertation can be summarized as four distinct, but related claims: (i) I argue that the standard mechanistic account of explanation can be applied to such cognitive explanations which track dependencies at the performance level. Those explanations refer to mechanisms which sustain or perform cognitive activity. However, (ii) if mechanistic explanations are extended to cover so-called computational or competence level explanations as well, a more liberal interpretation of the term mechanism may be needed (Rusanen and Lappi 2007; Lappi abd Rusanen 2011). Moreover (iii) it is also argued that computational or competence level explanations are genuinely explanatory, and that they are more than mere descriptions of computational tasks. Rather than describing the causal basis of certain performances of the target system, or how that system can have certain capacities or competences, they explain why and how certain principles govern the possible behavior or processes of the target system. Finally, (iv) I propose that the information semantic account of representational character of scientific models can offer a naturalist account of how models depict can depict their targets, and offer also an objective account of how explanatory models can depict the relevant properties of their target systems (Rusanen and Lappi 2012; Rusanen under review).

Väitöskirjassa tarkastellaan sitä, missä määrin mekanistinen selitysmalli soveltuu monimutkaisten kognitiivisten ilmiöiden, kuten esimerkiksi käsitteellisen muutoksen, selittämiseen.

Väitöskirja koostuu viidestä artikkelista, joissa tarkastellaan mekanistista selittämisnäkemystä eri näkökulmista. Väitöskirjan kahdessa ensimmäisessä artikkelissa tarkastellaan kysymystä siitä, missä määrin kognitiivisten ilmiöiden selitykset ovat mekanistisia. Kolmannessa ja neljännessä artikkelissa painopiste on mekanistiseen selitysnäkemykseen usein liitetyssä lisäolettamuksessa. Sen mukaan selitykset annetaan kuvaamalla selitettävän ilmiön kannalta oleelliset tekijät ja rakenteet riittävällä tarkkuudella. Väitöskirjan viidennessä artikkelissa sovelletaan mekanistista selitysmallia käsitteellisen muutoksen selittämiseen.

Väitöskirjan keskeiset johtopäätökset voidaan tiivistää kolmeen väitteeseen. Näistä ensimmäinen käsittelee mekanistisen selitysmallin soveltuvuutta kognitiivisten ilmiöiden selittämiseen. Toinen väite tarkastelee sitä, kuinka selittävien mekanismimallien kannalta keskeinen käsite, relevanssi, tulisi ymmärtää ja kolmas selittävien mallien ja maailman välistä suhdetta. Yksityiskohtaisemmin, väitöskirjassa esitetään, että: (1) ns. perinteinen mekanistinen selitysnäkemys soveltuu lähinnä sellaisiin kognitiivisiin selityksiin, jotka jäljittävät rakenteellisia tai kausaalisia riippuvuuksia ns. performanssitasolla. Jos mekanistista selitysnäkemystä sovelletaan myös ns. kompetenssitason selityksiin, edellyttää se mekanismin käsitteen muokkaamista. (2) Selittävien mekanismimallien tulisi kuvata selitettävien ilmiöiden kannalta oleelliset eli relevantit tekijät riittävällä tarkkuudella. Selitysten tapauksessa jonkin tekijän relevanssi eli oleellisuus määräytyy pääasiallisesti maailmassa vallitsevien riippuvuussuhteiden, ei mallin laatijoiden, rakentajien tai käyttäjien intentioiden perusteella. (3) Selittävä malli voi aidosti esittää eli representoida kohdejärjestelmäänsä, jos ja vain jos malli kantaa informaatiota kohdejärjestelmästä tai sen osista.