Connectionismi, neuronien toiminnan malli

Aivojen toiminnan ymmärtäminen on yksi psykologian suurimmista haasteista. Tästä syystä on olemassa erilaisia ​​lähestymistapoja ja näkökulmia. Itse asiassa kognitiivisen psykologian ja Turingin koneen syntymisen jälkeen vallitsi vallankumous tällä alalla. Tästä lähtien alkoi miettiä aivoja informaatioprosessorina.

Ensimmäinen teoria, joka luotiin aivojen toiminnan selittämiseksi, oli laskennallinen metafora, mutta pian alkoi epäonnistua. Tätä tilannetta silmällä pitäen kognitiiviset psykologit loivat uusia selityksiä varten teorian, joka tunnetaan nimellä yhteys.

Kuitenkin ennen kuin selität, mitä yhteys on, on tärkeää ymmärtää aivojen kognitiivisen psykologian visio. Näin ymmärrämme laskennallisen metaforan vaikutukset ja epäonnistumiset. Tästä syystä tarkastelemme tämän psykologian alan tärkeimpiä näkökohtia seuraavassa osassa.

Kognitiivinen psykologia ja laskennallinen metafora

Kognitiivinen psykologia ymmärtää ihmisen aivot informaatioprosessorina. Tämä tarkoittaa, että kyseessä on järjestelmä, joka kykenee koodaamaan ympäristöstään tulevia tietoja, muuttamalla niitä ja hankkimalla niistä uutta tietoa. Lisäksi nämä uudet tiedot sisällytetään järjestelmään jatkumossa tulot ja lähdöt.

Laskennallinen metafora selittää, että aivot ovat kuin tietokone. Ohjelmoidun algoritmin avulla se muuntaa tulot - tiedot. \ t lähdöt. Tämä voi aluksi tuntua järkevältä, koska voimme tutkia joitakin ihmisen käyttäytymismalleja, jotka mukautuvat tähän malliin. Nyt, jos tutkimme hieman enemmän, alamme havaita epäonnistumisia tässä näkökulmasta.

Merkittävimmät virheet ovat tiedon käsittelyn nopeus, toimintamme joustavuus ja vastausten epätarkkuus. Jos aivomme olisivat ohjelmoineet algoritmeja, meillä olisi muita vastaustyyppejä: hitaampi kaikkien suoritettavien käsittelyvaiheiden vuoksi, jäykempi ja paljon tarkempi kuin ne ovat. Lyhyesti sanottuna olisimme kuin tietokoneet ja Ensi silmäyksellä huomaamme, että näin ei ole.

Vaikka voimme yrittää mukauttaa tätä teoriaa uusiin todisteisiin, muuttamalla muiden ohjelmoimien algoritmien jäykkyyttä joustavammaksi ja oppimiskelpoisemmaksi, tunnistaisimme edelleen laskennallisen metaforan viat. Ja tässä on se, missä se tulee Connectionism, stream, joka on yksinkertaisempi kuin edellinen, ja joka selittää aivotietojen käsittelyn tyydyttävämmällä tavalla.

Mikä on yhteys?

Connectionismi jättää laskennallisten algoritmien taakse ja selittää sen tiedot käsitellään aktivoinnin etenemissuunnitelmien avulla. Mutta mitä nämä mallit ovat? Yksinkertaisemmalla kielellä tämä tarkoittaa sitä, että kun informaation syöttö tulee aivoihin, neuronit alkavat aktivoida muodostaen tietyn mallin, joka tuottaa tietyn tuotoksen. Tämä muodostaa verkostoja neuronien välille, jotka käsittelevät tietoa nopeasti ja ilman esiohjelmoitujen algoritmien tarvetta.

Tämän ymmärtäminen antaa meille yksinkertaisen esimerkin. Kuvittele, että henkilö kertoo määrittelemään, mitä koira on. Kun sana tulee korvaan, automaattisesti aktivoi aivoissa siihen liittyvät neuronit. Tämän soluryhmän aktivointi leviää muille, joiden kanssa se on liitetty, kuten sanoihin liittyvät nisäkäs, kaarna tai hiukset. Ja tämä aktivoi mallin, jossa nämä ominaisuudet sisältyvät, minkä ansiosta voit määritellä koiran ”nisäkkään, jolla on hiukset, jotka haukkuvat”.

Connectionist-järjestelmien ominaisuudet

Tämän näkökulman mukaan, jotta nämä järjestelmät toimisivat ihmisen aivojen käyttäessä, niiden on täytettävä tietyt ehdot. Perusominaisuudet, joita on noudatettava, ovat seuraavat:

• Aktivoitumisen lisääntyminen. Tämä tarkoittaa, että neuronit vaikuttavat aktivoituna niihin, joihin ne on liitetty. Tämä voi tapahtua helpottamalla sen aktivointia tai estämällä sitä. Edellisessä esimerkissä koira helpottaa nisäkäs, mutta ne estävät niitä matelija.
• Neuronaalinen oppiminen. Oppiminen ja kokemus vaikuttavat neuronien välisiin yhteyksiin. Jos siis näemme monia koiria, joilla on hiukset, molempiin käsitteisiin liittyvät neuronien väliset yhteydet vahvistuvat. Tämä olisi tapa, jolla neuraaliverkot auttavat meitä prosessoimaan.
• Käsittely rinnakkain. Tämä ei tietenkään ole sarjaprosessi, hermosoluja ei aktivoida toisensa jälkeen. Aktivointi etenee rinnakkain kaikkien neuronien välillä. Ja ei myöskään tarvitse käsitellä yhtä aktivointikuviota toisensa jälkeen, voit antaa useita samanaikaisesti. Tämän ansiosta pystymme samanaikaisesti tulkitsemaan suuren määrän tietoja, vaikka kapasiteettimme on rajallinen.
• Neuraaliset verkot. Järjestelmä olisi suuri neuronien verkosto, joka on ryhmitelty yhteen inhibitio- ja aktivointimekanismien kautta. Näissä verkoissa löydettäisiin myös tulot tietoja ja lähdöt käyttäytymiseen. Nämä ryhmittymät edustaisivat aivojen hallussa olevaa strukturoitua informaatiota ja aktivointikuviot olisivat tapa, jolla mainitun informaation käsittely tapahtuu..

päätelmät

Tämä tapa tulkita neuronaalista toimintaa ei näytä pelkästään hyvin mielenkiintoiselta, vaan myös hänen ympärillään olevat tutkimukset näyttävät hedelmällisiltä. Nykyään on luotu muistikortin ja kielen yhteystietojärjestelmien tietokonemalli, joka on hyvin samanlainen kuin ihmisen käyttäytyminen. Emme kuitenkaan voi vielä sanoa, että tämä on aivojen tarkka tapa.

Lisäksi tämä malli ei ole auttanut ainoastaan ​​psykologian tutkimuksessa kaikilla sen aloilla. myös löydämme useita liitännäisjärjestelmien sovelluksia tietojenkäsittelyssä. Ennen kaikkea teoria on ollut läpimurto tekoälyä koskevissa tutkimuksissa.

Lopuksi, on tärkeää ymmärtää se Connectionismin monimutkaisuus on paljon suurempi kuin tässä artikkelissa esitetty. Täältä löytyy yksinkertaistettu versio siitä, mitä se todella on, hyödyllinen vain likiarvona. Jos uteliaisuutesi on herättänyt, älä epäröi jatkaa tämän teorian ja sen vaikutusten tutkimista.

Konstruktivismi: miten rakennamme todellisuutemme? Konstruktivismi on epistemologinen postulaatti, joka vahvistaa, että olemme aktiivisia tekijöitä käsityksessämme ja että emme saa kirjaimellista kopiota maailmasta. Lue lisää "