Connectionism, model delovanja nevronov

Razumevanje delovanja možganov je eden največjih izzivov, s katerimi se sooča psihologija. Od tod tudi obstoj različnih pristopov in perspektiv. Pravzaprav je po nastanku kognitivne psihologije in Turingovega stroja prišlo do revolucije na tem področju. Od tega trenutka je začel razmišljati o možganih kot informacijskem procesorju.

Prva teorija, ki je nastala, da bi razložila delovanje možganov, je bila računalniška metafora, vendar so kmalu začeli z napakami. Upoštevajoč to stanje, so kognitivni psihologi z namenom iskanja novih razlag ustvarili teorijo, znano kot povezljivost.

Preden pa pojasnimo, kaj je povezljivost, je pomembno razumeti vizijo kognitivne psihologije o možganih. Na ta način bomo razumeli posledice in napake računalniške metafore. Zato bomo v naslednjem poglavju pregledali glavne vidike te veje psihologije.

Kognitivna psihologija in računalniška metafora

Kognitivna psihologija razume človeške možgane kot informacijski procesor. To pomeni, da je to sistem, ki je sposoben kodirati podatke, ki prihajajo iz njegove okolice, jih spreminjati in iz njih pridobivati ​​nove informacije. Poleg tega so ti novi podatki vključeni v sistem v kontinuumu vhodi in rezultatov.

Računalniška metafora pojasnjuje, da so možgani kot računalnik. Skozi vrsto programiranih algoritmov preoblikuje vhodi informacij v nizu rezultatov. To se na prvi pogled zdi smiselno, saj lahko preučimo nekaj človeških vedenj, ki se prilagodijo temu modelu. Zdaj, če bomo raziskali malo več, bomo začeli odkrivati ​​napake v tej perspektivi.

Najpomembnejše napake so hitrost, s katero obdelujemo informacije, prožnost, s katero ukrepamo, in nenatančnost naših odgovorov. Če bi naši možgani imeli programirane algoritme, bi imeli druge vrste odgovorov: počasnejši zaradi vseh procesnih korakov, ki jih je treba izvesti, bolj tog in bolj natančen kot so. Na kratko, bili bi kot računalniki in Na prvi pogled opažamo, da to ni tako.

Čeprav lahko poskusimo prilagoditi to teorijo novim dokazom, spreminjamo togost algoritmov, ki so jih programirale druge, bolj prilagodljive in se lahko naučimo, pa bi še vedno prepoznali napake v računalniški metafore. In tukaj je, kjer prihaja Connectionism, tok, ki je enostavnejši od prejšnjega, in ki pojasnjuje obdelavo informacij o možganih na bolj zadovoljiv način.

Kaj je povezljivost?

Connectionism pusti za seboj računske algoritme in to razloži informacije se obdelujejo preko vzorcev širjenja aktivacije. Toda, kaj so ti vzorci? V enostavnejšem jeziku to pomeni, da ko vnos informacij vstopi v možgane, se nevroni začnejo aktivirati in tvorijo določen vzorec, ki bo ustvaril določeno moč. To bo oblikovalo mreže med nevroni, ki bodo informacije obdelovale hitro in brez potrebe po preprogramiranih algoritmih.

Da bi to razumeli, dajmo preprost primer. Predstavljajte si, da vam oseba pove, da določite, kaj je pes. Ko pride beseda na uho, samodejno V možganih boste aktivirali niz nevronov, povezanih z njim. Aktiviranje te skupine celic se bo razširilo na druge, s katerimi je povezana, kot so tiste, ki so povezane z besedami sesalcu, lubje o lase. In to bo aktiviralo vzorec, v katerega so vključene te lastnosti, kar vas bo pripeljalo do tega, da določite psa kot „sesalca z lasmi, ki laje“.

Lastnosti povezovalnih sistemov

V skladu s to perspektivo morajo ti sistemi delovati tako, kot se zdi, da se človeški možgani obnašajo, vendar morajo izpolnjevati določene pogoje. Osnovne lastnosti, ki jih je treba upoštevati, so naslednje:

• Širjenje aktivacije. To pomeni, da nevroni, ko so aktivirani, vplivajo na tiste, s katerimi so povezani. To se lahko zgodi z olajšanjem njegove aktivacije ali zaviranja. V prejšnjem primeru so bili nevroni psa olajšati sesalcu, vendar zavirajo tiste plazilec.
• Nevronsko učenje. Učenje in izkušnje vplivata na povezave med nevroni. Torej, če vidimo veliko psov, ki imajo lase, bodo povezave med nevroni, povezane z obema konceptoma, okrepljene. To bi bil način, s katerim nam nevronske mreže pomagajo pri obdelavi.
• Obdelava vzporedno. Očitno to ni serijski proces, nevroni se ne aktivirajo drug za drugim. Aktivacija se širi vzporedno med vsemi nevroni. Prav tako ne potrebuje obdelave enega aktivacijskega vzorca za drugim, v istem času lahko podate večkratnik. Zahvaljujoč temu lahko hkrati interpretiramo veliko količino podatkov, čeprav je naša zmogljivost omejena.
• Nevronske mreže. Sistem bi bil velika mreža nevronov, združenih skupaj, prek mehanizmov inhibicije in aktivacije. V okviru teh omrežij bi bilo mogoče najti tudi vhodi informacij in rezultatov vedenjske Te skupine bi predstavljale strukturirane informacije, ki jih imajo možgani, in aktivacijski vzorci bi bili način, na katerega pride do obdelave omenjenih informacij..

Sklepi

Ta način interpretacije delovanja nevronov se ne zdi le zelo zanimiv, ampak tudi študije okoli njega se zdijo plodne. Danes so bile ustvarjene računalniške simulacije veznih sistemov na spominu in jeziku, ki so zelo podobne človeškemu vedenju. Vendar še vedno ne moremo reči, da je to točno način delovanja možganov.

Poleg tega ta model ni le prispeval k študiju psihologije na vseh področjih. Tudi najdemo več aplikacij teh povezovalnih sistemov v računalništvu. Predvsem je bila teorija preboj v študijah o umetni inteligenci.

Za zaključek je pomembno, da to razumemo kompleksnost vezave je veliko večja od tiste, ki jo predstavlja ta članek. Tu lahko najdemo poenostavljeno različico tega, kar je v resnici, uporabno le kot približek. Če je vaša radovednost vzburjena, ne oklevajte in še naprej raziskujte to teorijo in njene posledice.

Konstruktivizem: kako zgraditi našo realnost? Konstruktivizem je epistemološki postulat, ki potrjuje, da smo aktivni povzročitelji našega zaznavanja in da ne dobimo dobesedne kopije sveta. Preberite več "