Connectionism, model funkcioniranja neurona

Razumijevanje funkcioniranja mozga je jedan od najvećih izazova s ​​kojima se suočava psihologija. Otuda postoje različiti pristupi i perspektive. Zapravo, nakon pojave kognitivne psihologije i Turingovog stroja došlo je do revolucije u tom području. Od tog trenutka počeo je promišljati mozak kao procesor informacija.

Prva teorija koja je stvorena da objasni funkcioniranje mozga bila je računalna metafora, ali ubrzo su počeli propadati. Uzimajući u obzir ovu situaciju, kognitivni psiholozi, s namjerom traženja novih objašnjenja, stvorili su teoriju poznatu kao povezivanje.

Međutim, prije objašnjavanja što je povezivanje važno je razumjeti viziju kognitivne psihologije o mozgu. Tako ćemo razumjeti implikacije i neuspjehe računalne metafore. Stoga ćemo u sljedećem poglavlju razmotriti glavne aspekte ove grane psihologije.

Kognitivna psihologija i računalna metafora

Kognitivna psihologija razumije ljudski mozak kao procesor informacija. To znači da je to sustav koji je sposoban kodirati podatke koji dolaze iz okoline, mijenjati ih i iz njih izvlačiti nove informacije. Osim toga, ti novi podaci su ugrađeni u sustav u kontinuumu od ulazi i izlazi.

Računalna metafora objašnjava da je mozak poput računala. Kroz niz programiranih algoritama, on transformira ulazi informacija u nizu izlazi. To se na prvi pogled čini smislenim, budući da možemo proučavati neka ljudska ponašanja koja se prilagođavaju tom modelu. Sada, ako istražimo malo više, počinjemo otkrivati ​​propuste u toj perspektivi.

Najrelevantnije pogreške su brzina kojom obrađujemo informacije, fleksibilnost s kojom djelujemo i nepreciznost naših odgovora. Da je naš mozak imao programirane algoritme imali bismo i druge vrste odgovora: sporije zbog svih koraka obrade koji se trebaju provesti, rigidniji i mnogo precizniji nego što jesu. Ukratko, mi bismo bili poput računala, i Na prvi pogled primjećujemo da to nije slučaj.

Iako možemo pokušati prilagoditi ovu teoriju novim dokazima, mijenjajući rigidnost algoritama koje su programirali drugi, fleksibilniji i sposobniji za učenje, ipak bismo identificirali greške u računskoj metafori. I evo gdje dolazi Connectionism, potok koji je jednostavniji od prethodnog, i koji objašnjava obradu informacija o mozgu na zadovoljavajući način.

Što je povezivanje?

Connectionism ostavlja iza računalnih algoritama i to objašnjava informacija se obrađuje kroz obrasce širenja aktivacije. Ali, koji su to obrasci? Na jednostavnijem jeziku, to znači da kada unos informacija ulazi u vaš mozak, neuroni počinju aktivirati formiranje specifičnog uzorka, koji će proizvesti određeni izlaz. To će oblikovati mreže između neurona koji će obrađivati ​​informacije brzo i bez potrebe za unaprijed programiranim algoritmima.

Da bismo to razumjeli, dajmo jednostavan primjer. Zamislite da vam osoba kaže da odredite što je pas. Kada vam riječ dođe na uho, automatski će u vašem mozgu aktivirati skup neurona povezanih s njim. Aktivacija ove skupine stanica proširit će se na druge s kojima je povezana, poput onih povezanih s riječima sisavac, kora ili kosa. A to će aktivirati obrazac u koji su uključene ove značajke, što će vas dovesti do toga da psa definirate kao 'sisavca s kosom koja laje'.

Svojstva veznih sustava

Prema toj perspektivi, da bi ti sustavi funkcionirali kao što se čini da se ljudski mozak ponaša, moraju ispuniti određene uvjete. Osnovna svojstva koja se moraju slijediti su sljedeća:

• Širenje aktivacije. To znači da neuroni, kada su aktivirani, utječu na one s kojima su povezani. To se može dogoditi olakšavanjem njegove aktivacije ili inhibicije. U prethodnom primjeru, neuroni od pas olakšati sisavac, ali oni inhibiraju one od reptil.
• Učenje neurona. Učenje i iskustvo utječu na veze između neurona. Dakle, ako vidimo mnogo pasa koji imaju kosu, veze između neurona povezane s oba koncepta će se ojačati. To bi bio način na koji nam neuronske mreže pomažu u procesuiranju.
• Obrada paralelno. Očito to nije serijski proces, neuroni se ne aktiviraju jedan za drugim. Aktivacija se propagira paralelno između svih neurona. Isto tako, nije potrebno niti jedan uzorak aktivacije za drugim, možete dati više puta u isto vrijeme. Zahvaljujući tome, u mogućnosti smo istovremeno interpretirati veliku količinu podataka, iako postoji ograničenje u našem kapacitetu.
• Neuronske mreže. Sustav bi bio velika mreža neurona grupiranih zajedno, kroz mehanizme inhibicije i aktivacije. Unutar tih mreža također će se naći ulazi informacija i izlazi ponašanja. Ove skupine bi predstavljale strukturirane informacije koje mozak posjeduje, a uzorci aktivacije bili bi način na koji se odvija obrada spomenutih informacija..

zaključci

Ovaj način tumačenja funkcioniranja neurona ne samo da se čini vrlo zanimljivim, nego i studije oko njega izgledaju plodne. Danas su stvorene računalne simulacije veznih sustava na memoriji i jeziku, koje su vrlo slične ljudskom ponašanju. Međutim, još uvijek ne možemo reći da je to točno način na koji mozak funkcionira.

Osim toga, ovaj model nije samo pridonio proučavanju psihologije u svim svojim područjima. također nalazimo višestruke primjene ovih veza u sustavima. Prije svega, teorija je bila proboj u studijama o umjetnoj inteligenciji.

Da zaključimo, važno je to shvatiti složenost povezivanja mnogo je veća od one postavljene u ovom članku. Ovdje možemo pronaći pojednostavljenu verziju onoga što ona uistinu jest, korisna samo kao aproksimaciju. Ako je vaša znatiželja pobudila, ne ustručavajte se dalje istraživati ​​ovu teoriju i njezine implikacije.

Konstruktivizam: kako konstruirati našu stvarnost? Konstruktivizam je epistemološki postulat koji potvrđuje da smo aktivni čimbenici naše percepcije i da ne dobivamo doslovnu kopiju svijeta. Pročitajte više "