Investigação sobre a Dualidade de Processamento na Cognição e as Implicações para os Sistemas de IA Modernos

Esta dissertação consiste em uma investigação de uma divisão pervasiva na cognição entre dois tipos de processamento de informação e a aplicação dos conceitos investigados na análise de sistemas modernos de Inteligência Artificial (IA), especificamente Large Language Models (LLMs). A dissertação explora dois tipos de processos cognitivos, comumente contrastados como associativo versus analítico, ou preditivo versus reflexivo - uma divisão que se estende da cognição natural à artificial. Começamos no contexto histórico e nas observações filosóficas de William James, levando à Dual-process Theory na psicologia, que caracteriza ainda mais esses processos cognitivos. Em seguida, conectamos essa compreensão à IA, discutindo a divisão histórica entre as abordagens Conexionista e Simbólica, cada uma correspondendo a um tipo diferente de processamento de informação. Essas ideias são organizadas sob os níveis de análise de Marr e aplicadas aos LLMs. O primeiro tipo de processamento, enraizado na otimização de aprendizagem, generaliza para situações familiares com base na similaridade, enquanto o segundo tipo, caracterizado pela manipulação simbólica, generaliza para situações não familiares com base na composicionalidade. Sob esse framework, postula-se que os LLMs aproximam o processamento Tipo 1 (T1), mas carecem do processamento Tipo 2 (T2).