Connectionism, model funkcjonowania neuronów

Connectionism, model funkcjonowania neuronów

Zrozumienie funkcji mózgu jest jednym z największych wyzwań w psychologii. Stąd istnienie różnych podejść i perspektyw. W rzeczywistości, po pojawieniu się psychologii poznawczej i maszyny Turinga, nastąpiła rewolucja w tym obszarze. Od tego momentu mózg był uważany za procesor informacji.

Pierwsza teoria, która została stworzona w celu wyjaśnienia funkcjonowania mózgu, była metaforą obliczeniową, ale szybko zaczęła zawodzić, Biorąc pod uwagę tę sytuację, psychologowie kognitywni, z zamiarem poszukiwania nowych wyjaśnień, stworzyli teorię zwaną połączeniem.

Zanim jednak wyjaśnisz, czym jest połączenie, ważne jest zrozumienie punktu widzenia psychologii poznawczej w mózgu. W ten sposób zrozumiemy konsekwencje i awarie metafory obliczeniowej. Z tego powodu omówimy główne aspekty tej dziedziny psychologii w dalszej części tego artykułu.

Psychologia poznawcza i metafora obliczeniowa

Psychologia poznawcza obejmuje ludzki mózg jako procesor informacji, Oznacza to, że jest to system, który może kodować dane ze swojego środowiska, modyfikować je i pobierać nowe informacje. Ponadto, te nowe dane są zintegrowane z systemem wzdłuż kontinuum wejść i wyjść.

Metafora obliczeniowa wyjaśnia, że ​​mózg jest jak komputer, Poprzez serię zaprogramowanych algorytmów przekształca wejścia informacyjne w serię wyjść. Może się to wydawać logiczne od pierwszego wejrzenia, ponieważ możemy badać niektóre ludzkie zachowania dostosowane do tego modelu. Teraz, jeśli zbadamy trochę więcej, zaczynamy wykrywać błędy w tej perspektywie.

Najważniejsze błędy to szybkość, z jaką przetwarzamy informacje, elastyczność, z jaką postępujemy i niejasność naszych odpowiedzi. Gdyby nasz mózg zaprogramował algorytmy, otrzymalibyśmy inne typy odpowiedzi: wolniejsze ze względu na wszystkie etapy przetwarzania, które mają być wykonane, bardziej sztywne i znacznie bardziej precyzyjne niż one. Krótko mówiąc, bylibyśmy jak komputery i na pierwszy rzut oka widzimy, że tak nie jest.

Chociaż możemy próbować dostosować tę teorię do nowych dowodów, zmieniając sztywność zaprogramowanych algorytmów na inne, które są bardziej elastyczne i zdolne do uczenia się, nadal moglibyśmy zidentyfikować błędy w metaforze obliczeniowej. I właśnie to connectism, strumień prostszy niż poprzedni, i który wyjaśnia przetwarzanie informacji o mózgu w najbardziej satysfakcjonujący sposób.

Czym jest połączenie?

Connectionism pozostawia za sobą algorytmy obliczeniowe i wyjaśnia, że ​​informacje są przetwarzane przez modele propagacji aktywacji, Ale jakie są te modele? W prostszym języku oznacza to, że kiedy informacja wejdzie do mózgu, neurony zaczynają się aktywować, tworząc określony wzór, który da dane wyjście. W ten sposób powstają sieci między neuronami, które przetwarzają informacje szybko i bez potrzeby stosowania zaprogramowanych algorytmów.

Aby to zrozumieć, zróbmy prosty przykład. Wyobraź sobie, że ktoś ci mówi, żebyś zdefiniował, czym jest pies. Kiedy słowo dotrze do twojego ucha, automatycznie aktywuje wszystkie neurony powiązane z nim w twoim mózgu. Aktywacja tej grupy komórek rozprzestrzeni się na inne komórki, z którymi jest związana, takie jak te związane ze słowami: ssak, kora lub płaszcz. A to aktywuje wzór, w którym te cechy są zawarte, co spowoduje, że zdefiniujesz psa jako "szczekającego ssaka z włosami".

Właściwości systemów połączeniowych

Zgodnie z tą perspektywą, aby te systemy funkcjonowały tak, jak wydaje się zachowywać ludzki mózg, muszą spełniać określone warunki. Podstawowe właściwości do naśladowania to:

  • Propagacja aktywacji, Oznacza to, że neurony po aktywacji wpływają na te, z którymi są połączone. Może to nastąpić poprzez ułatwienie jego aktywacji lub zahamowanie. W powyższym przykładzie, neurony psie ułatwiają neuronom ssaków, ale hamują neurony reptiliane.
  • Uczenie neuronowe, Uczenie się i doświadczenie wpływa na połączenia między neuronami. Tak więc, jeśli zobaczymy wiele psów, które mają włosy, połączenia pomiędzy neuronami związanymi z tymi dwoma koncepcjami zostaną wzmocnione. W ten sposób powstałyby sieci neuronowe, które pomagają nam przetwarzać informacje.
  • Przetwarzanie równoległe, Oczywiście nie jest to proces seryjny, neurony nie są aktywowane jeden po drugim.Aktywacja rozchodzi się równolegle pomiędzy wszystkimi neuronami. I nie ma potrzeby traktowania jednego wzorca aktywacji po drugim – w tym samym czasie może wystąpić kilka wzorców aktywacji. Z tego powodu jesteśmy w stanie zinterpretować dużą ilość danych naraz, mimo że mamy ograniczoną pojemność.
  • Sieci neuronowe, System byłby rozległą siecią neuronów pogrupowanych według mechanizmów inhibicji i aktywacji. Dane wejściowe i wyniki behawioralne można również znaleźć w tych sieciach. Gromady te reprezentowałyby uporządkowaną informację, którą mózg posiada, a wzorce aktywacji byłyby sposobem przetwarzania tych informacji.

wnioski

Ten sposób interpretacji funkcjonowania neuronów wydaje się nie tylko bardzo interesujący, ale badania, które go otaczają, wydają się owocne, Dzisiaj stworzyliśmy komputerowe symulacje systemów łączności na pamięć i język, które są bardzo podobne do ludzkich zachowań. Jednak nie możemy jeszcze powiedzieć, że tak właśnie działa mózg.

Co więcej, ten model nie tylko przyczynił się do badania psychologii we wszystkich dziedzinach. Znaleźliśmy także wiele zastosowań tych systemów łączenia w informatyce. Przede wszystkim teoria była przełomem w badaniach nad sztuczną inteligencją.

Podsumowując, ważne jest, aby zrozumieć, że Złożoność powiązań jest znacznie większa niż ta poruszona w tym artykule. Tutaj możemy znaleźć uproszczoną wersję tego, co naprawdę jest, przydatne tylko jako przybliżenie. Jeśli twoja ciekawość została pobudzona, nie wahaj się kontynuować badań nad tą teorią i jej implikacjami.

Neuronauka, sposób na zrozumienie zachowania umysłu

Dowiedz się więcej
Like this post? Please share to your friends:

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