Connecisionism, ένα μοντέλο νευρωνικής λειτουργίας

Η κατανόηση της λειτουργίας του εγκεφάλου είναι μια από τις μεγαλύτερες προκλήσεις που αντιμετωπίζει η ψυχολογία. Εξ ου και η ύπαρξη διαφορετικών προσεγγίσεων και προοπτικών. Στην πραγματικότητα, μετά την εμφάνιση της γνωστικής ψυχολογίας και της μηχανής Turing υπήρξε μια επανάσταση στον τομέα αυτό. Από αυτή τη στιγμή άρχισε να σκέφτεται τον εγκέφαλο ως επεξεργαστή πληροφοριών.

Η πρώτη θεωρία που δημιουργήθηκε για να εξηγήσει τη λειτουργία του εγκεφάλου ήταν η υπολογιστική μεταφορά, αλλά σύντομα άρχισαν να έχουν αποτυχίες. Λαμβάνοντας υπόψη αυτή την κατάσταση, οι γνωστικοί ψυχολόγοι, με την πρόθεση να αναζητήσουν νέες εξηγήσεις, δημιούργησαν μια θεωρία γνωστή ως συνδετικότητα.

Ωστόσο, πριν εξηγήσουμε ποιος είναι ο συνεταιρισμός, είναι σημαντικό να κατανοήσουμε το όραμα της γνωσιακής ψυχολογίας για τον εγκέφαλο. Με αυτόν τον τρόπο, θα κατανοήσουμε τις συνέπειες και τις αποτυχίες της υπολογιστικής μεταφοράς. Για το λόγο αυτό, θα αναθεωρήσουμε τις κύριες πτυχές αυτού του κλάδου της ψυχολογίας στο επόμενο τμήμα.

Γνωστική ψυχολογία και υπολογιστική μεταφορά

Η γνωστική ψυχολογία κατανοεί τον ανθρώπινο εγκέφαλο ως επεξεργαστή πληροφοριών. Αυτό σημαίνει ότι είναι ένα σύστημα που είναι ικανό να κωδικοποιεί τα δεδομένα που προέρχονται από το περιβάλλον του, τροποποιώντας τα και εξάγοντας νέες πληροφορίες από αυτά. Επιπλέον, αυτά τα νέα δεδομένα ενσωματώνονται στο σύστημα σε μια συνέχεια του εισροές και εξόδους.

Η υπολογιστική μεταφορά εξηγεί ότι ο εγκέφαλος είναι σαν ένας υπολογιστής. Μέσω μιας σειράς προγραμματισμένων αλγορίθμων μετατρέπει το εισροές των πληροφοριών σε μια σειρά από εξόδους. Αυτό μπορεί αρχικά να φαίνεται λογικό, αφού μπορούμε να μελετήσουμε κάποιες ανθρώπινες συμπεριφορές που προσαρμόζονται σε αυτό το μοντέλο. Τώρα, εάν ερευνήσουμε λίγο περισσότερο, αρχίζουμε να εντοπίζουμε αποτυχίες από αυτή την οπτική γωνία.

Τα σημαντικότερα σφάλματα είναι η ταχύτητα με την οποία επεξεργαζόμαστε τις πληροφορίες, την ευελιξία με την οποία ενεργεί και την ασάφεια των απαντήσεων μας. Αν το μυαλό μας έχει προγραμματιστεί αλγόριθμοι θα έχουν και άλλες απαντήσεις: πιο αργή, επειδή όλα τα στάδια επεξεργασίας που πρέπει να εκτελεστούν, πιο σκληρή και πιο ακριβή από ό, τι είναι. Εν ολίγοις, θα είμαστε σαν ηλεκτρονικοί υπολογιστές και Με την πρώτη ματιά παρατηρούμε ότι αυτό δεν συμβαίνει.

Παρά το γεγονός ότι μπορούμε να κάνουμε προσπάθειες για να προσαρμοστούν αυτή τη θεωρία με νέα στοιχεία, αλλάζοντας την ακαμψία των αλγορίθμων προγραμματιστεί από πιο ευέλικτη και ικανή να μάθουν, αλλά θα ήταν ακόμα εντοπισμό βλαβών στην μεταφορά του υπολογιστή. Και εδώ είναι όπου έρχεται Connecisionism, ένα ρεύμα που είναι απλούστερο από το προηγούμενο, και αυτό εξηγεί την επεξεργασία των πληροφοριών του εγκεφάλου με έναν πιο ικανοποιητικό τρόπο.

Τι είναι ο σύνδεσμος?

Ο συνδέσμος αφήνει πίσω τους υπολογιστικούς αλγορίθμους και εξηγεί αυτό οι πληροφορίες επεξεργάζονται μέσω προτύπων διάδοσης της ενεργοποίησης. Αλλά, ποια είναι αυτά τα σχέδια; Σε απλή γλώσσα, αυτό σημαίνει ότι, όταν μια είσοδος πληροφορίες εισέρχεται το μυαλό σας, οι νευρώνες αρχίζουν ψήσιμο για να σχηματίσουν ένα συγκεκριμένο σχέδιο, το οποίο θα παράγει ένα συγκεκριμένο προϊόν. Αυτό θα δημιουργήσει δίκτυα μεταξύ νευρώνων που θα επεξεργάζονται πληροφορίες γρήγορα και χωρίς την ανάγκη προγραμματισμένων αλγορίθμων.

Για να κατανοήσουμε αυτό, ας δώσουμε ένα απλό παράδειγμα. Φανταστείτε ότι ένα άτομο σας λέει να καθορίσετε τι είναι ένα σκυλί. Όταν η λέξη έρχεται στο αυτί σας, αυτόματα θα ενεργοποιήσει στον εγκέφαλό σας το σύνολο των νευρώνων που σχετίζονται με αυτό. Η ενεργοποίηση αυτής της ομάδας κυττάρων θα εξαπλωθεί σε άλλους με τους οποίους συνδέεται, όπως αυτές που σχετίζονται με τις λέξεις θηλαστικό, φλοιός o μαλλιά. Και αυτό θα ενεργοποιήσει ένα μοτίβο στο οποίο περιλαμβάνονται αυτά τα χαρακτηριστικά, που θα σας πάρει να ορίσετε ένα σκυλί ως «ένα γαύγισμα θηλαστικό μαλλιά».

Ιδιότητες των συστημάτων σύνδεσης

Σύμφωνα με αυτή την προοπτική, για να λειτουργήσουν αυτά τα συστήματα ως ανθρώπινο μυαλό φαίνεται να συμπεριφέρονται, πρέπει να πληρούν ορισμένες προϋποθέσεις. Οι βασικές ιδιότητες που πρέπει να ακολουθηθούν είναι οι εξής:

• Πολλαπλασιασμός της ενεργοποίησης. Αυτό σημαίνει ότι οι νευρώνες, όταν ενεργοποιούνται, επηρεάζουν εκείνους με τους οποίους συνδέονται. Αυτό μπορεί να συμβεί διευκολύνοντας την ενεργοποίησή του ή την αναχαίτιση του. Στο προηγούμενο παράδειγμα, οι νευρώνες του σκύλος διευκολύνει το θηλαστικό, αλλά παρεμποδίζουν αυτά του ερπετό.
• Νευρωνική μάθηση. Η εκμάθηση και η εμπειρία επηρεάζουν τις συνδέσεις μεταξύ των νευρώνων. Έτσι, εάν δούμε πολλά σκυλιά που έχουν τρίχα, οι συνδέσεις μεταξύ των νευρώνων που σχετίζονται με τις δύο έννοιες θα ενισχυθούν. Αυτός θα είναι ο τρόπος με τον οποίο τα νευρωνικά δίκτυα θα μας βοηθήσουν να επεξεργαστούμε.
• Επεξεργασία παράλληλα. Προφανώς αυτό δεν είναι μια σειριακή διαδικασία, οι νευρώνες δεν ενεργοποιούνται το ένα μετά το άλλο. Η ενεργοποίηση διαδίδεται παράλληλα μεταξύ όλων των νευρώνων. Και ούτε χρειάζεται να επεξεργαστεί ένα πρότυπο ενεργοποίησης μετά το άλλο, μπορείτε να δώσετε πολλαπλάσια ταυτόχρονα. Χάρη σε αυτό μπορούμε να ερμηνεύσουμε ταυτόχρονα ένα μεγάλο αριθμό δεδομένων, αν και υπάρχει ένα όριο στην ικανότητά μας.
• Νευρωνικά δίκτυα. Το σύστημα θα είναι ένα μεγάλο δίκτυο νευρώνων που ομαδοποιούνται, μέσω μηχανισμών αναστολής και ενεργοποίησης. Εντός αυτών των δικτύων θα βρεθούν επίσης εισροές των πληροφοριών και εξόδους συμπεριφορικά Αυτές οι ομάδες αντιπροσωπεύουν δομημένες πληροφορίες που κατέχονται από τον εγκέφαλο, και πρότυπα ενεργοποίησης θα είναι ο τρόπος με τον οποίο λάβει χώρα η επεξεργασία των πληροφοριών αυτών.

Συμπεράσματα

Αυτός ο τρόπος ερμηνείας της νευρωνικής λειτουργίας όχι μόνο φαίνεται πολύ ενδιαφέρουσα, αλλά και οι μελέτες γύρω του φαίνονται γόνιμες. Σήμερα έχουν δημιουργηθεί υπολογιστικές προσομοιώσεις των συστημάτων σύνδεσης με τη μνήμη και τη γλώσσα, τα οποία είναι πολύ παρόμοια με την ανθρώπινη συμπεριφορά. Ωστόσο, δεν μπορούμε να πούμε ότι αυτός είναι ο ακριβής τρόπος με τον οποίο λειτουργεί ο εγκέφαλος.

Επιπλέον, το μοντέλο αυτό όχι μόνο συνέβαλε στη συμβολή στη μελέτη της ψυχολογίας σε όλους τους τομείς. Επίσης βρίσκουμε πολλαπλές εφαρμογές αυτών των συστημάτων σύνδεσης σε υπολογιστές. Πάνω απ 'όλα, η θεωρία υπήρξε μια σημαντική ανακάλυψη σε μελέτες σχετικά με την τεχνητή νοημοσύνη.

Εν κατακλείδι, είναι σημαντικό να το καταλάβετε η πολυπλοκότητα του συνδέσμου είναι πολύ μεγαλύτερη από αυτή που παρουσιάζεται σε αυτό το άρθρο. Εδώ μπορούμε να βρούμε μια απλοποιημένη εκδοχή του τι είναι πραγματικά, χρήσιμο μόνο ως προσέγγιση. Αν η περιέργειά σας έχει προκληθεί, μην διστάσετε να συνεχίσετε να ερευνούντε αυτή τη θεωρία και τις επιπτώσεις της.

Constructivism: πώς κατασκευάζουμε την πραγματικότητά μας; Ο κονστρουκτιβισμός είναι ένας επιστημολογικός ισχυρισμός που επιβεβαιώνει ότι είμαστε ενεργοί παράγοντες της αντίληψής μας και ότι δεν λαμβάνουμε ένα κυριολεκτικό αντίγραφο του κόσμου. Διαβάστε περισσότερα "