Connectionism, en model af neuronal funktion

Connectionism, en model af neuronal funktion

Forståelse hjernens funktion er en af ​​de største udfordringer i psykologi. Derfor eksisterer der forskellige tilgange og perspektiver. Faktisk, efter fremkomsten af ​​kognitiv psykologi og Turing-maskine, har der været en revolution på dette område. Fra det øjeblik blev hjernen betragtet som en informationsprocessor.

Den første teori, der blev oprettet for at forklare hjernens funktion, var den beregningsmæssige metafor, men det begyndte hurtigt at mislykkes. Med kendskab til denne situation skabte kognitive psykologer med henblik på at finde nye forklaringer en teori kendt som connectionism.

Men før du forklarer, hvad connectionism er, er det vigtigt at forstå synspunktet om kognitiv psykologi på hjernen. På denne måde vil vi forstå implikationerne og fejlene i den beregningsmæssige metafor. Af denne grund vil vi gennemgå de vigtigste aspekter af denne gren af ​​psykologi senere i denne artikel.

Kognitiv psykologi og beregningsmetik

Kognitiv psykologi indbefatter den menneskelige hjerne som informationsprocessor. Det betyder, at det er et system, som kan kode data fra sit miljø, ændre det og hente nye oplysninger. Derudover integreres disse nye data i systemet langs et kontinuum af input og output.

Den beregningsmæssige metafor forklarer, at hjernen er som en computer. Gennem en række programmerede algoritmer transformerer det informationsindgange til en række udgange. Dette kan forekomme logisk ved første øjekast, fordi vi kan studere nogle menneskelige adfærd tilpasset denne model. Nu, hvis vi undersøger lidt mere, begynder vi at opdage fejl i dette perspektiv.

De vigtigste fejl er den hastighed, hvormed vi behandler oplysninger, fleksibiliteten med hvilken vi handler og vagtheden af ​​vores svar. Hvis vores hjerne havde programmerede algoritmer, ville vi have andre typer svar: langsommere på grund af alle de behandlingstrin, der skal udføres, mere stive og meget mere præcise, end de er. Kort sagt, vi ville være som computere og ved første øjekast ser vi, at dette ikke er tilfældet.

Selvom vi kan forsøge at tilpasse denne teori til nye beviser, ved at ændre stivheden af ​​de programmerede algoritmer til andre, der er mere fleksible og i stand til at lære, vil vi stadig være i stand til at identificere fejlene i computationsmetaforen. Og det er der connectionism, en strøm enklere end den foregående, og som forklarer behandlingen af ​​hjerneinformationer på den mest tilfredsstillende måde.

Hvad er connectionism?

Connectionism efterlader beregningsalgoritmer og forklarer, at oplysningerne behandles af aktiveringsformidlingsmodeller. Men hvad er disse modeller? På et enklere sprog betyder dette, at når en informationsindtastning kommer ind i din hjerne, begynder neuronerne at aktivere ved at danne et specifikt mønster, som vil producere en given produktion. Dette vil danne netværk mellem neuroner, der vil behandle information hurtigt og uden behov for forudprogrammerede algoritmer.

For at forstå dette, lad os tage et simpelt eksempel. Forestil dig nogen, der fortæller dig at definere, hvad en hund er. Når ordet når øret, aktiverer det automatisk alle de neuroner, der er forbundet med det i din hjerne. Aktivering af denne gruppe af celler vil spredes til andre celler, hvortil den er forbundet, såsom dem, der er relateret til ordene pattedyr, bark eller frakke. Og dette vil aktivere et mønster, hvor disse funktioner er inkluderet, hvilket vil få dig til at definere en hund som "et barkende pattedyr med hår".

Egenskaberne af forbindelsessystemer

Ifølge disse perspektiver synes disse systemer for at fungere som den menneskelige hjerne virker, at de skal opfylde visse betingelser. De grundlæggende egenskaber, der skal følges, er:

  • Forplantning af aktivering. Dette betyder, at neuroner, når de aktiveres, påvirker de til hvilke de er forbundet. Dette kan ske ved at lette dets aktivering eller ved at hæmme det. I eksemplet ovenfor letter hunne neuroner pattedyrsneuroner, men hæmmer reptilianneuroner.
  • Neural learning. Læring og erfaring påvirker forbindelserne mellem neuroner. Således, hvis vi ser mange hunde der har hår, vil forbindelserne mellem neuronerne relateret til de to begreber blive styrket. Det ville være den måde, hvorpå de neurale netværk, der hjælper os med at behandle oplysningerne, ville blive oprettet.
  • Parallel forarbejdning. Det er naturligvis ikke en seriel proces, neuroner aktiveres ikke efter hinanden.Aktivering forplantes parallelt mellem alle neuroner. Og der er ikke behov for at behandle et aktiveringsmønster efter det andet – flere aktiveringsmønstre kan forekomme på samme tid. På grund af dette kan vi fortolke en stor mængde data på én gang, selv om der er en grænse for vores kapacitet.
  • Neurale netværk. Systemet ville være et stort netværk af neuroner grupperet ved inhiberingsmekanismer og aktivering. Information inputs og adfærdsmæssige output vil også blive fundet i disse netværk. Disse klynger repræsenterer de strukturerede oplysninger, som hjernen besidder, og aktiveringsmønstre ville være den måde, behandlingen af ​​disse oplysninger opstår.

konklusioner

Denne måde at fortolke neuronal funktion på virker ikke kun meget interessant, men de undersøgelser, der omgiver det, synes frugtbare. I dag har vi skabt computersimuleringer af connectionist-systemer på hukommelse og sprog, som meget ligner menneskelig adfærd. Men vi kan ikke endnu sige, at dette er præcis, hvordan hjernen virker.

Desuden har denne model ikke kun bidraget til studiet af psykologi på alle dens områder. Vi finder også mange anvendelser af disse forbindelsessystemer i datalogi. Frem for alt har teorien været et stort gennembrud i undersøgelsen af ​​kunstig intelligens.

Afslutningsvis er det vigtigt at forstå, at Forbindelsens kompleksitet er meget større end den, der rejses i denne artikel. Her kan vi finde en forenklet version af, hvad det egentlig er, kun nyttigt som en tilnærmelse. Hvis din nysgerrighed er blevet vækket, tøv ikke med at fortsætte din forskning om denne teori og dens konsekvenser.

Neurovidenskab, en måde at forstå sindets opførsel på

Lær mere
Like this post? Please share to your friends:
Skriv et svar

;-) :| :x :twisted: :smile: :shock: :sad: :roll: :razz: :oops: :o :mrgreen: :lol: :idea: :grin: :evil: :cry: :cool: :arrow: :???: :?: :!: