Connectionism, en modell for neuronal funksjonalitet

Connectionism, en modell for neuronal funksjonalitet

Forståelse av hjernefunksjon er en av de største utfordringene i psykologi. Derfor eksisterer ulike tilnærminger og perspektiver. Faktisk, etter fremveksten av kognitiv psykologi og Turing-maskinen, har det vært en revolusjon på dette området. Fra det øyeblikket ble hjernen ansett som en informasjonsprosessor.

Den første teorien som ble opprettet for å forklare hjernens funksjon, var beregningsmessig metafor, men det begynte raskt å mislykkes. Med kognisjon av denne situasjonen skapte kognitive psykologer, med sikte på å søke nye forklaringer, en teori kjent som forbindelseisme.

Men før du forklarer hva forbindelseisme er, er det viktig å forstå synspunktet om kognitiv psykologi på hjernen. På denne måten vil vi forstå implikasjonene og feilene i beregningsmetaforen. Av denne grunn vil vi gjennomgå de viktigste aspektene av denne grenen av psykologi senere i denne artikkelen.

Kognitiv psykologi og beregningsmessig metafor

Kognitiv psykologi omfatter den menneskelige hjerne som en prosessor av informasjon. Dette betyr at det er et system som kan kode data fra miljøet, endre det og hente ny informasjon. I tillegg er disse nye dataene integrert i systemet langs et kontinuum av innganger og utganger.

Beregningsmetaforen forklarer at hjernen er som en datamaskin. Gjennom en serie programmerte algoritmer, forvandler den informasjonsinnganger til en serie utganger. Dette kan virke logisk ved første blikk, fordi vi kan studere noen menneskelige atferd tilpasset denne modellen. Nå, hvis vi undersøker litt mer, begynner vi å oppdage feil i dette perspektivet.

De viktigste feilene er den hastigheten som vi behandler informasjon, fleksibiliteten som vi oppfører oss på og svakheten i våre svar. Hvis hjernen vår hadde programmerte algoritmer, ville vi ha andre typer svar: tregere på grunn av alle behandlingstrinnene som skal utføres, mer stive og mye mer presise enn de er. Kort sagt, vi ville være som datamaskiner og Ved første øyekast ser vi at dette ikke er tilfelle.

Selv om vi kan prøve å tilpasse seg denne teorien til nye bevis, endre stivhet algoritmer programmert til andre som er mer fleksibel og i stand til å lære, vil vi alltid være i stand til å identifisere feil i beregnings metafor. Og det er der connectism, en strøm enklere enn den forrige, og som forklarer behandlingen av hjernedata på den mest tilfredsstillende måte.

Hva er forbindelseisme?

Connectionism går etter beregningsalgoritmer og forklarer at informasjonen behandles av aktiveringsformeringsmodeller. Men hva er disse modellene? På et enklere språk betyr dette at når en informasjonsoppføring kommer inn i hjernen, begynner nevronene å aktivere ved å danne et bestemt mønster som vil gi en gitt utgang. Dette vil danne nettverk mellom nevroner som vil behandle informasjon raskt og uten behov for forhåndsprogrammerte algoritmer.

For å forstå dette, la oss ta et enkelt eksempel. Tenk deg noen som forteller deg å definere hva en hund er. Når ordet når øret ditt, vil det automatisk aktivere alle nevronene som er forbundet med det i hjernen din. Aktivering av denne gruppen av celler vil spre seg til andre celler som den er koblet til, for eksempel de som er relatert til ordene pattedyr, bark eller frakk. Og dette vil aktivere et mønster der disse funksjonene er inkludert, noe som vil føre til at du definerer en hund som "et bjeffende pattedyr med hår".

Egenskapene til forbindelsessystemer

I følge dette perspektivet, for at disse systemene skal fungere som den menneskelige hjerne ser ut til å oppføre seg, må de oppfylle visse forhold. De grunnleggende egenskapene å følge er:

  • Forplantning av aktivering. Dette betyr at nevroner, når de er aktivert, påvirker de de er forbundet med. Dette kan oppstå ved å lette aktiveringen eller ved å hemme den. I eksemplet ovenfor forenkler hundnekroner pattedyrneuroner, men hemmer reptilianneuroner.
  • Neural læring. Læring og erfaring påvirker forbindelsene mellom nevroner. Således, hvis vi ser mange hunder som har hår, blir forbindelsene mellom nevronene knyttet til de to konseptene styrket. Det ville være måten de nevrale nettverkene som hjelper oss med å behandle informasjonen bli opprettet.
  • Parallell behandling. Tydeligvis er dette ikke en serieprosess, er nevroner ikke aktivert etter hverandre.Aktivering forplantes parallelt mellom alle nevronene. Og det er ikke nødvendig å behandle ett aktiveringsmønster etter hvert – flere aktiveringsmønstre kan oppstå samtidig. På grunn av dette kan vi tolke en stor mengde data samtidig, selv om det er en grense for vår kapasitet.
  • Nevrale nettverk. Systemet ville være et stort nettverk av nevroner gruppert av inhiberingsmekanismer og aktivering. Informasjonsinnganger og atferdsmessige utganger vil også bli funnet i disse nettverkene. Disse klyngene representerer den strukturerte informasjonen som hjernen har, og aktiveringsmønstre vil være måten behandlingen av denne informasjonen skjer på.

konklusjoner

Denne måten å tolke den neuronale funksjonen virker ikke bare veldig interessant, men studiene som omgir den virker fruktbare. I dag har vi opprettet datasimuleringer av forbindelsessystemer på minne og språk, som ligner menneskelig atferd. Men vi kan ikke ennå si at dette er akkurat hvordan hjernen fungerer.

Dessuten har denne modellen ikke bare bidratt til studiet av psykologi i alle sine domener. Vi finner også mange applikasjoner av disse forbindelsessystemene i datavitenskap. Fremfor alt har teorien vært et stort gjennombrudd i studiet av kunstig intelligens.

Til slutt er det viktig å forstå at Kompleksiteten til forbindelseisme er mye større enn den som er oppvokst i denne artikkelen. Her kan vi finne en forenklet versjon av hva det egentlig er, bare nyttig som en tilnærming. Hvis din nysgjerrighet har blitt vekket, ikke nøl med å fortsette din forskning om denne teorien og dens implikasjoner.

Neurovitenskap, en måte å forstå sinnets oppførsel på

Lær mer
Like this post? Please share to your friends:
Legg att eit svar

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