Wyjaśnić umysł. Struktura teorii neurokognitywnych ebook

Szczególne podziękowania należą się trzem osobom. Michałowi Hellerowi, założycielowi i dyrektorowi Centrum Kopernika Badań Interdyscyplinarnych, za pokazanie piękna „filozofii w nauce” oraz okazaną mi serdeczność. Januszowi Mączce za stworzenie bardzo dobrych warunków do pracy naukowej wewnątrz kierowanej przez niego Katedry Filozofii Przyrody na Wydziale Filozoficznym Uniwersytetu Papieskiego Jana Pawła II w Krakowie. Bartoszowi Brożkowi za bezcenną pomoc na różnych etapach tworzenia tej pracy: od samej idei podjęcia tematu, przez liczne rozmowy na temat poruszanych problemów, końcowe uwagi oraz, co nie mniej ważne, wiele okazanej mi przyjaźni.

Ponadto dziękuję Jerzemu Stelmachowi za wsparcie, jakie uzyskałem ze strony grupy badawczej Umysł i normatywność, a także za nauczenie krytycznego spojrzenia na rzeczywistość akademicką i pracę naukową. Wojciechowi Grygielowi dziękuję za setki godzin dyskusji, wspólne artykuły oraz projekty naukowe, dydaktyczne i organizacyjne.

Dziękuję członkom kierowanego przez Bartosza Brożka zespołu badawczego Biologiczne Podstawy Etyki i Prawa (BioLAWgy), działającego w ramach Centrum Kopernika Badań Interdyscyplinarnych, z którymi nieraz miałem okazję dyskutować nad ideami prezentowanymi w tym studium – w szczególności dziękuję: Marcinowi Gorazdzie, Bartoszowi Janikowi, Bartłomiejowi Kucharzykowi, Łukaszowi Kurkowi, Łukaszowi Kwiatkowi, Łukaszowi Łazarzowi, Aeddanowi Shaw, Piotrowi Urbańczykowi, Wojciechowi Załuskiemu oraz Radosławowi Zyzikowi.

Ważny wpływ na niniejszą pracę miały także dyskusje z członkami innych grup badawczych Centrum Kopernika Badań Interdyscyplinarnych – dziękuję Dominice Dudek, Jerzemu Dadaczyńskiemu, Jackowi Rodzeniowi, Andrzejowi Koleżyńskiemu, Łukaszowi Mścisławskiemu, Robertowi Piechowiczowi, Pawłowi Polakowi oraz Jerzemu Vetulaniemu.

Natalii Marek, Aleksandrze Sadowskiej, Paulinie Borkiewicz, Beacie i Piotrowi Kocom oraz Michałowi Furmanowi dziękuję za cenne dyskusje i różnego rodzaju inspiracje, które skłoniły mnie do przemyślenia rozmaitych idei, a następnie zostały „ucieleśnione” w niniejszej pracy. Szczególne podziękowania kieruję również w stronę mojej siostry Moniki Hohol. Dziękuję ponadto Marcinowi Szwagrzykowi za przygotowanie obecnych w pracy rycin oraz Aleksandrze Kopeć za sporządzenie indeksów. Dziękuję im również za wiele lat przyjaźni.

Napisanie tej książki nie byłoby możliwe, gdyby nie wsparcie instytucjonalne i finansowe, które uzyskałem w formie stypendium badawczego w ramach kierowanego przez Michała Hellera grantu The Limits of Scientific Explanation (Granice wyjaśniania naukowego), przyznanego Centrum Kopernika Badań Interdyscyplinarnych przez Fundację Johna Templetona. Studium wpisuje się w jeden z celów działającej w ramach tego projektu grupy badawczej Umysł i normatywność. Celem tym jest rekonstrukcja struktury teorii biologicznych. Podziękowania winien jestem również recenzentom tej pracy: Annie Brożek oraz Adamowi Olszewskiemu. Dzięki ich cennym uwagom w książce udało się uniknąć wielu błędów i nieścisłości.

Mateusz Hohol

3E

– neurokognitywna teoria matematyki, uwzględniająca trzy poziomy: matematykę „zapisaną w mózgu” (embrained), matematykę ucieleśnioną (embodied) oraz matematykę osadzoną w kulturze i praktykach społecznych (embedded)

ACT*

– architektura poznawcza stworzona przez Johna Andersona (adaptive character of thought)

AGI

– ogólna sztuczna inteligencja (artificial general intelligence)

AGM

– formalna teoria zmiany przekonań, skonstruowana przez Carlosa E. Alchourróna, Petera Gärdenforsa i Davida Makinsona

AI

– sztuczna inteligencja (artificial intelligence)

ANS

– system liczb przybliżonych (approximate number system)

BOLD

– sygnał zależny od poziomu utlenowania krwi (blood-oxygen-level-dependent)

CNS

– ośrodkowy układ nerwowy (central nervous system)

D-N

– dedukcyjno-nomologiczna strategia wyjaśniania naukowego

D-S

– dedukcyjno-statystyczna strategia wyjaśniania naukowego

EEA

– środowisko ewolucyjnej adaptatywności (environment of evolutionary adaptedness)

EEG

– elektroencefalografia

EEM

– paradygmat umysłu ucieleśnionego oraz osadzonego w kulturze i praktykach społecznych (embodied-embedded mind)

F1, F4, F5

– kora mózgowa płatów czołowych

F4-VIP

– korowa sieć ciemieniowo-przedruchowa

fMRI

– obrazowanie mózgu za pomocą funkcjonalnego rezonansu magnetycznego (functional magnetic resonance imaging)

GPS

– uniwersalny program do rozwiązywania problemów (general problem solver), nad którym pracowali Allen Newell i Herbert A. Simon

IBE

– wnioskowanie do najlepszego wyjaśnienia (inference to the best explanation)

IPL

– płacik ciemieniowy dolny (inferior parietal lobule)

I-S

– indukcyjno-statystyczna strategia wyjaśniania naukowego

LAD

– moduł przyswajania języka (language acquisition device) postulowany przez Noama Chomsky’ego

LTP

– długotrwałe wzmocnienie synaptyczne (long-term potentiation)

MDC

– definicja mechanizmu stworzona przez Petera Machamera, Lindley Darden oraz Carla F. Cravera

MEG

– magnetoencefalografia

MIH

– Hipoteza Makiawelicznej Inteligencji (Machiavellian intelligence hypothesis)

MPFC

– przyśrodkowa część kory przedczołowej (medial prefrontal cortex)

MRI

– obrazowanie mózgu za pomocą rezonansu magnetycznego (magnetic resonance imaging)

NEF

– koncepcja Neural Engineering Framework sformułowana przez Chrisa Eliasmitha oraz jego współpracowników

NHP

– prymaty inne niż człowiek (non-human primates)

OFC

– kora oczodołowo-czołowa (orbitofrontal cortex)

OTS

– system śledzenia obiektów (object tracking system)

PDP

– równoległe przetwarzanie informacji (parallel distributed processing)

PET

– emisyjna tomografia pozytronowa (positron emission tomography)

PFC

– kora przedczołowa (prefrontal cortex)

REM

– faza snu charakteryzująca się szybkimi ruchami gałek ocznych (rapid eye movement)

SCR

– rejestrowanie aktywności pojedynczych neuronów (single-cell recording)

SNR

– stosunek sygnału do szumu (signal-to-noise ratio)

SSSM

– Standardowy Model Nauk Społecznych (standard social science model)

TMS

– przyczaszkowa stymulacja magnetyczna (transcranial magnetic stimulation)

ToM

– teoria umysłu (theory of mind)

V1, V2V3/VPV4, V4VV5/MT V8

– oznaczenia obszarów kory wzrokowej

VIP

– obszar brzuszny śródciemieniowy kory mózgowej

W literaturze filozoficznej skupionej wokół szeroko rozumianej neuronauki (neuroscience) wyłoniły się dotychczas dwa zasadnicze nurty analiz: filozofia neuronauk oraz neurofilozofia[1]. Pierwszy z tych nurtów – ogólnie rzecz biorąc – to zrelatywizowana do neuroscience metodologia i filozofia nauki. Przykładowe zagadnienia, które są badane w filozofii neuronauk, to wyjaśnianie naukowe, jedność wiedzy naukowej, źródła danych czy też uteoretyzowanie badań. Z kolei drugi nurt, neurofilozofia, bada przydatność wyników i pojęć neuronaukowych w analizie zagadnień filozoficznych, takich jak np. wolna wola, tożsamość osobowa (podmiotowość) czy też (samo)świadomość. W ramach obydwu nurtów powstało wiele wartościowych prac, a także wykształciło się środowisko, czy wręcz „ruch” filozoficzny, skupiony wokół różnych dyscyplin opierających się na wiedzy dotyczącej funkcjonowania mózgu. Niniejsza praca dotyczy przede wszystkim zagadnień filozofii neuronauki, a dokładniej – filozofii i metodologii neuronauki poznawczej. Pokazuję jednak, że szczególnie na gruncie filozofii w neuronauce, która jest metodą, czy też stylem uprawiania filozofii, jaką przyjmuję, ścisłe rozdzielenie filozofii neuronauki i neurofilozofii nie jest możliwe.

Choć na przestrzeni ostatnich lat pojawiło się wiele książek i artykułów poświęconych zagadnieniom filozoficznym i metodologicznym neuroscience, a nawet wyłonił się wyraźny nurt badawczy, określany mianem mechanicyzmu, z pewnością nie można mówić o tym samym stopniu dojrzałości filozofii i metodologii neuronauki, jak w przypadku filozofii i metodologii fizyki. O ile partykularne problemy metodologiczne, takie jak np. wyjaśnianie neuronaukowe, doczekały się licznych opracowań (głównie na gruncie wspomnianego mechanicyzmu), o tyle wciąż brakuje pozycji scalających dotychczasowe analizy, a także skupionych wokół zagadnienia ogólnej struktury teorii neuronaukowych. Krótko mówiąc: neuronauka czeka dopiero na swoje Koło Wiedeńskie i jego bezkompromisową krytykę. Oczywiście brak tak dojrzałych analiz nie jest w żadnym wypadku zarzutem wobec filozofów i metodologów, gdyż neuronauka, a szczególnie neuronauka poznawcza, jest bardzo młodą dyscypliną, znajdującą się w fazie rewolucyjnej (zgodnie z terminologią Thomasa Kuhna), czy też na etapie przejścia fazowego (według terminologii Michała Hellera). Od początków nowożytnej fizyki (Newton, Galileusz, Kopernik) do analiz Karla Poppera, przedstawicieli Koła Wiedeńskiego oraz W.V.O. Quine’a upłynęło przecież kilkaset lat.

To wszystko nie znaczy jednak, że dotychczasowe narzędzia filozoficzno-naukowe i metodologiczne nie mogą być wykorzystane w odniesieniu do neuroscience. Uważam jednak, że zarówno kurczowe trzymanie się sprawdzonych narzędzi, jak i próby stworzenia za wszelką cenę unikatowego dla neuroscience aparatu filozoficzno-metodologicznego są strategiami chybionymi. Lepiej jest rozwijać systematycznie strategię kompromisu, testując i adaptując znane narzędzia, a gdy zajdzie taka potrzeba, wypracowując nowe. Trzeba mieć na uwadze, że neuronauka w ogólności i neuronauka poznawcza w szczególności w pewnych aspektach są dalekie od „modelowej” nauki analizowanej przez filozofów – fizyki. Z drugiej strony nie sądzę jednak, żebyśmy mieli do czynienia z fundamentalnymi różnicami, powodującymi konieczność rewizji naszych poglądów na „naukę w ogóle”. Po tej krótkiej refleksji nad dotychczasowym stanem analiz przejdę do przedstawienia celów niniejszego studium oraz moich tez na temat specyfiki neuronauki poznawczej.

Podstawowym celem niniejszej pracy jest rekonstrukcja struktury teorii neurokognitywnych, które pozwalają wyjaśnić umysł. Wypełnienie tego zadania – przynajmniej częściowe – wymaga zmierzenia się między innymi z problemem uteoretyzowania badań prowadzonych pod szyldem neuronauki poznawczej, a także znalezienia optymalnej strategii wyjaśniania neuronaukowego. Niezwykle istotne jest również przedstawienie kryteriów wyboru i uzasadniania hipotez neurokognitywnych.

Główna teza niniejszego studium głosi, że kluczowym aspektem struktury teorii neurokognitywnych jest wnioskowanie do najlepszego wyjaśnienia (inference to the best explanation, w skrócie: IBE). W związku z tym proces konstrukcji teorii neurokognitywnych przebiega dwuetapowo. W pierwszym etapie formułowane są adekwatne empirycznie wyjaśnienia interesujących zjawisk, zaś w drugim etapie wybierane jest najlepsze wyjaśnienie. Kryteriami selekcji najlepszych wyjaśnień, a zarazem kryteriami uzasadniania hipotez neuronaukowych, prócz empirycznej adekwatności, są konwergencja i koherencja danych, hipotez oraz całych teorii. Sądzę, że dwa ostatnie kryteria są specyficzne dla neuronauki poznawczej. Oznacza to, że znaczenie innych kryteriów czy też wartości epistemicznych, takich jak prostota (istotna szczególnie w matematyce i fizyce), jest marginalne w neuronauce poznawczej. Sporo miejsca poświęcam również problemowi wyjaśniania w neuronauce poznawczej. Bronię stanowiska, zgodnie z którym wyjaśnianie problematycznych zjawisk jest operacją przeprowadzaną na zdaniach (czyli rozumowaniem) i polega na unifikacji. Pogląd ten nie wyklucza, moim zdaniem, semantycznych strategii wyjaśniania (wykorzystujących diagramy i wykresy). Specyfika neuronauki poznawczej powoduje, że wybór strategii wyjaśniania jest uwarunkowany poziomem teorii, na którym badane jest interesujące zjawisko. W niniejszej pracy staram się również pokazać, że wyjaśnianie umysłu jest komplikowane przez wielopoziomowość badań neurokognitywnych, istnienie schematów interpretacji danych i reguł heurystycznych, umożliwiających przeprowadzanie eksperymentów, oraz niemożliwą do pominięcia rolę pluralizmu paradygmatów badawczych. Jeśli chodzi o te ostatnie, łatwo zauważyć, że neuronauka poznawcza jest uprawiana w konkurencyjnych paradygmatach, takich jak: paradygmat komputerowy, psychologia ewolucyjna oraz umysł ucieleśniony-osadzony w kulturze (embodied-embedded mind). Wszystko to świadczy o dużym stopniu uteoretyzowania badań neurokognitywnych.

Przedstawię teraz krótko samą strukturę niniejszej książki. Rozdział pierwszy ma w dużej mierze charakter przygotowawczy. Precyzuję w nim, co rozumiem przez neuronaukę poznawczą, i przyglądam się cechom różniącym ją od „podstawowej” neuronauki oraz kognitywistyki. Następnie krótko rozważam problematykę związaną ze strukturą teorii naukowych. Prezentuję wstępną strukturę wiedzy neurokognitywnej, która w wyraźny sposób różni się od np. wiedzy fizycznej. Zadaję podstawowe pytanie: czym w ogóle jest teoria naukowa? Pomimo pewnych zastrzeżeń opowiadam się za „dość konserwatywnym” zdaniowym ujęciem teorii neurokognitywnych. Następnie podkreślam wagę istotnej cechy neuronauki poznawczej, jaką jest wielopoziomowość badań. Wyróżniam poziomy teorii, takie jak pojedyncze neurony, neuronalne struktury podkorowe, struktury korowe oraz procesy poznawcze. Pod koniec rozdziału szczegółowo omawiam źródła danych, na których opiera się neuronauka poznawcza. Należą do nich między innymi studia nad uszkodzeniami mózgu, czyli lezjami, rejestrowanie aktywności elektrycznej pojedynczych neuronów, pośrednie obrazowanie aktywności całego mózgu (co możliwe jest za pomocą różnych technik neuroobrazowania) oraz eksperymenty behawioralne. Wielopoziomowość badań oraz opieranie się na różnych źródłach danych świadczą o złożoności neuronauki poznawczej.

W rozdziale drugim analizuję kwestie, które jeszcze bardziej komplikują obraz metodologiczny tej dyscypliny, a także potwierdzają duży stopień uteoretyzowania badań neurokognitywnych. Omawiam rolę reguł heurystycznych, wykorzystywanych podczas przeprowadzania eksperymentów, oraz schematów, które są pomocne w interpretacji danych pozyskanych za pomocą neuroobrazowania. Moja uwaga skupia się szczególnie na heurystyce modularności, która nakazuje traktować mózg tak, jak gdyby był on strukturą złożoną z wyspecjalizowanych modułów. Założenie to jest problematyczne, gdyż liczne dowody świadczą o niemodularnej strukturze kory mózgowej. Z drugiej strony koncepcja modularności mózgu towarzyszy wielu spektakularnym sukcesom neuronauki poznawczej. Mamy więc do czynienia z bardzo interesującą sytuacją filozoficzno-naukową.

Poza wspomnianymi heurystykami i schematami, w neuronauce poznawczej istnieją całe paradygmaty skupiające odrębne rozstrzygnięcia metodologiczne, pojęciowe, a także stricte filozoficzne. Zagadnieniu temu poświęcam trzeci rozdział. Analizuję w nim trzy najbardziej wpływowe, moim zdaniem, współczesne nurty: paradygmat komputerowy, psychologię ewolucyjną oraz embodied-embedded mind. Różnice pomiędzy nimi ilustruję następnie za pomocą różnych modeli zjawiska samooszukiwania się (self-deception). Analizy z rozdziałów pierwszego, drugiego i trzeciego pokazują jasno, że w neuronaukę poznawczą są uwikłane różne problemy filozoficzne.

W czwartym rozdziale przedstawiam słynną analizę pojęciową neuronauki, którą przeprowadzili Maxwell Bennett i Peter Hacker. Ich zdaniem podstawy tej dyscypliny są obarczone poważnym błędem pojęciowym, określanym jako Błąd Mereologiczny. Pokazuję, przedstawiając różne polemiki, że zarzut Bennetta i Hackera nie wpływa w istotny sposób na wiarygodność badań prowadzonych w ramach neuronauki poznawczej. Co więcej, analizy Bennetta i Hackera same okazują się oparte na błędnych założeniach i przedzałożeniach, szczególnie dotyczących związków (a właściwie – ich zdaniem – braku związków) pomiędzy filozofią a naukami szczegółowymi. Po krytyce koncepcji Bennetta i Hackera dokonuję idealizacji, polegającej na zaniedbaniu problemu filozofii w neuronauce (wracam do niego w zakończeniu pracy). Dzięki takiej idealizacji możliwa staje się dalsza analiza metodologiczna.

Odparcie zarzutu Błędu Mereologicznego pozwala mi wrócić w rozdziale piątym do zagadnienia struktury teorii neurokognitywnych. Stawiam hipotezę, zgodnie z którą istotnym elementem konstrukcji teorii neurokognitywnych jest wnioskowanie do najlepszego wyjaśnienia, które jest formą rozumowania abdukcyjnego. Bronię tezy, że proces konstrukcji teorii przebiega dwuetapowo. W etapie pierwszym są generowane adekwatne empirycznie wyjaśnienia zagadkowego zjawiska. W drugim etapie jest wybierane wyjaśnienie najlepsze z dostępnych. W tym miejscu wstępnie opisuję kluczowe dla neuronauki poznawczej kryteria wyboru hipotez, jakimi są konwergencja oraz koherencja. Następnie przedstawiam nieliniową logikę uzasadniania hipotez opracowaną przez Bartosza Brożka i Adama Olszewskiego, która stanowi rozwinięcie idei Michała Hellera. Działanie tego mechanizmu ilustruję przykładem neurokognitywnej teorii matematyki 3E. Na koniec rozdziału analizuję problem jedności neuronauki. Oddalam podejście redukcjonistyczne i opowiadam się jednocześnie za ujęciem sieciowym, którego szczególnym przypadkiem są teorie międzyzakresowe Lindley Darden i Nancy Maull.

O ile w rozdziale piątym pokazuję, na czym polega wnioskowanie i jak selekcjonowane są najlepsze wyjaśnienia, o tyle w rozdziale szóstym wracam do pytania bardziej ogólnego: czym jest wyjaśnianie (w odniesieniu do neuronauki poznawczej)? Strategie wyjaśniania naukowego dzielę na syntaktyczne (np. koncepcja dedukcyjno-nomologiczna), semantyczne (np. wyjaśnianie mechanistyczne) oraz psychologiczne (wyjaśnianie jako rozumienie oraz wyjaśnianie jako aktywacja określonego wzorca sieci PDP). W trakcie analizy poszczególnych strategii przedstawiam argumenty świadczące za tym, że najbardziej fundamentalna strategia wyjaśniania naukowego polega na przeprowadzaniu operacji na zdaniach (rozumowaniu). Pozostaję tu w zgodzie z zasadniczymi ideami Koła Wiedeńskiego. Odrzucam przyjmowany w coraz szerszych kręgach pogląd, zgodnie z którym wyjaśnianie neuronaukowe i neurokognitywne polega wyłączenie na odkrywaniu mechanizmów powodujących zjawiska. Taki typ wyjaśniania jest przypadkiem szczególnym strategii semantycznych. Nie neguję bynajmniej użyteczności i owocności wyjaśnień mechanistycznych, pokazuję jednak, że semantyczne (a częściowo również psychologiczne) strategie wyjaśniania „kolapsują” do strategii zdaniowych. Klasyczne zarzuty wobec strategii zdaniowych (np. koncepcji dedukcyjno-nomologicznej) odpieram argumentem, zgodnie z którym wyjaśnianie nie opiera się na przeprowadzaniu izolowanych rozumowań (jak ma to miejsce w strategii dedukcyjno-nomologicznej), ale zawsze wpisuje się w szerszą strukturę argumentacyjną, co prowadzi do unifikacji. Pokazuję również, że w warstwie praktycznej wybór określonej strategii wyjaśniania jest ściśle związany z poziomem teoretycznym, do którego przynależy wyjaśniane zjawisko.

W rozdziale siódmym omawiam bardziej szczegółowo wspomniane już w rozdziale piątym kryteria wyboru hipotez neurokognitywnych. Kryteria te ilustruję przykładem neurokognitywnej teorii podstaw moralności, która została opracowana przez Williama D. Casebeera i Patricię S. Churchland. Argumentują oni za pewną wizją poznania moralnego, przedstawiając zarówno różnego rodzaju wspierające się wzajemnie dane (pochodzące z neuroobrazowania, badań pojedynczych neuronów, obserwacji zachowań), jak i „zazębiające się” teorie i hipotezy niższego rzędu. Teorie i hipotezy niższego rzędu dotyczą wydawania sądów i podejmowania decyzji w kontekście moralnym. Co więcej, teoria moralności Casebeera i Churchland okazuje się spójna z teoriami poznania społecznego i ewolucji kulturowej, odwołującymi się do niespotykanej u innych naczelnych zdolności Homo sapiens do imitacji (szczególną uwagę poświęcam teorii Michaela Tomasella). Teorie te są z kolei koherentne z imitacyjnymi teoriami akwizycji języka. Rozdział ten pokazuje, że pomimo nieistnienia w neuronauce poznawczej experimentum crucis wzajemne związki, w jakie wchodzą teorie, mogą sprzyjać ich akceptacji.

W zakończeniu pracy wracam do celowo ominiętego pod koniec rozdziału czwartego zagadnienia filozofii w neuronauce poznawczej. Pokazuję podobieństwa i różnice pomiędzy Hellerowską filozofią w nauce (która de facto okazuje się filozofią w fizyce i kosmologii) oraz klarującą się dopiero koncepcją filozofii w neuronauce. Jeśli chodzi o podobieństwa, przedstawiam zagadnienia, którymi można „wypełniać” trzy obszary wskazane przez Michała Hellera, takie jak: wpływ idei filozoficznych na powstanie i ewolucję teorii naukowych, tradycyjne filozoficzne problemy uwikłane w teorie empiryczne, a także filozoficzną refleksję nad niektórymi założeniami nauk empirycznych. Wskazuję również dodatkowy obszar rozwijający Hellerowski roboczy katalog zagadnień. Jeśli zaś chodzi o różnice, staram się pokazać, że w przeciwieństwie do oryginalnego ujęcia Hellera filozofii w neuronauce nie da się odseparować od filozofii neuronauki.

W niniejszym studium poruszam ponadto wiele istotnych kwestii filozoficznych i metateoretycznych, których nie wymieniłem dotychczas explicite. W pierwszym rzędzie praca ta wskazuje na owocność propagowanej przez Michała Hellera filozofii w nauce, która może być przeniesiona (z pewnymi zmianami oraz z zachowaniem ostrożności) na grunt neuronaukowy. Wówczas otrzymujemy filozofię w neuronauce. W moim przekonaniu jest ona najlepszym dostępnym narzędziem czy też typem uprawiania analiz filozoficznych, pokazującym wzajemne „nieliniowe” związki, w jakie wchodzą filozofia i nauki szczegółowe. Po drugie, lecz zarazem ściśle związane z pierwszym, analiza neuronauki poznawczej może być owocna również w kwestii „testowania” przydatności tradycyjnych narzędzi metodologicznych na gruncie nowych dyscyplin nauki. Last but not least, analizy całych paradygmatów neuronauki poznawczej oraz pojedynczych teorii i hipotez wskazują, że mamy do czynienia z bardzo bogatą dyscypliną naukową o ogromnym potencjale eksplanacyjnym, z którą można wiązać spore nadzieje na odkrycie zasad działania ludzkiego umysłu oraz na pomoc w rozwiązywaniu tradycyjnych problemów filozoficznych. Mówiąc swobodniej, to właśnie neuronauka poznawcza jest dyscypliną, która może „wyjaśnić umysł”. Dyscyplina ta domaga się jednak solidnej refleksji metodologicznej, która uchroni ją od „anarchizmu metodologicznego”.

[1] Zob. J. Bickle, P. Mandik, The Philosophy of Neuroscience, [w:] Stanford Encyclopedia of Philosophy, red. E.N. Zalta, Stanford University, Stanford 2010, http://plato.stanford.edu/​entries/​neuroscience.