Connectionism, en modell for neuronal funksjonalitet

Forståelse av hjernens funksjon er en av de største utfordringene som psykologien står overfor. Derfor eksisterer ulike tilnærminger og perspektiver. Faktisk, etter fremveksten av kognitiv psykologi og Turing-maskinen var det en revolusjon på dette feltet. Fra dette øyeblikket begynte hjernen å bli sett på som en informasjonsprosessor.

Den første teorien som ble opprettet for å forklare hjernens funksjon, var beregningsmetapet, men begynte snart å ha feil. Med tanke på denne situasjonen, skapte kognitive psykologer, med sikte på å søke nye forklaringer, en teori som kalles connectionism.

Men før du forklarer hva connectism er, er det viktig å forstå visjonen om kognitiv psykologi om 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 i følgende avsnitt.

Kognitiv psykologi og beregningsmessig metafor

Kognitiv psykologi forstår den menneskelige hjerne som en informasjonsprosessor. Dette betyr at det er et system som er i stand til å kode dataene som kommer fra omgivelsene, modifisere dem og trekke ut ny informasjon fra dem. I tillegg er disse nye dataene innlemmet i systemet i en kontinuum av innganger og utganger.

Beregningsmetaforen forklarer at hjernen er som en datamaskin. Gjennom en serie programmerte algoritmer, forvandler den innganger av informasjon i en serie av utganger. Dette kan i første omgang virke fornuftig, siden vi kan studere noen menneskelige atferd som tilpasser seg denne modellen. Nå, hvis vi undersøker litt mer, begynner vi å oppdage feil i dette perspektivet.

De mest relevante feilene er den hastigheten som vi behandler informasjon, fleksibiliteten som vi oppfører oss på, og usannsynligheten i våre svar. Hvis hjernen vår er programmert algoritmer ville ha andre svar: tregere fordi alle behandlingstrinn som skal utføres, stivere og mer nøyaktig 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 gjøre forsøk på å tilpasse denne teorien til nye bevis, endre stivhet algoritmer programmert av mer fleksible og i stand til å lære, men ville likevel identifisere feil i data metafor. Og her er hvor den kommer Connectionism, en strøm som er enklere enn den forrige, og som forklarer behandling av hjernedata på en mer tilfredsstillende måte.

Hva er connectionism?

Connectionism etterlater beregningsalgoritmer og forklarer det Informasjonen behandles gjennom utbredelsesmønstre av aktiveringen. Men hva er disse mønstrene? I enklere språk betyr dette at når en inngangs informasjon kommer hjernen din, begynner nevroner skyte for å danne et bestemt mønster, som vil produsere en gitt effekt. 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 at en person forteller deg å definere hva en hund er. Når ordet kommer til øret ditt, automatisk vil aktivere i hjernen settet av nevroner knyttet til det. Aktivering av denne gruppen av celler vil spre seg til andre som den er koblet til, for eksempel de som er relatert til ord pattedyret, bark eller hår. Og dette vil aktivere et mønster der disse funksjonene er inkludert, som vil ta deg til å definere en hund som 'et pattedyr hår barking'.

Egenskaper for forbindelsessystemer

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

• Forplantning av aktivering. Dette betyr at nevroner, når de er aktivert, påvirker de som de er forbundet med. Dette kan oppstå ved å lette aktiveringen eller hemmeringen av den. I det forrige eksempelet ble nevronene av hund forenkle de av pattedyret, men de hemmer de av krypdyr.
• Neural læring. Læring og erfaring påvirker forbindelsene mellom nevroner. Således, hvis vi ser mange hunder som har hår, blir forbindelsene mellom nevronene knyttet til begge konseptene styrket. Dette ville være måten som nevrale nettverk som hjelper oss med å behandle.
• Behandling parallelt. Tydeligvis er dette ikke en serieprosess, er nevroner ikke aktivert etter hverandre. Aktiveringen forplanteres parallelt mellom alle nevronene. Og det er ikke nødvendig å behandle ett aktiveringsmønster etter hverandre, du kan gi flere på samme tid. Takket være dette er vi i stand til å 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 sammen, gjennom mekanismer for inhibering og aktivering. Innenfor disse nettene vil også bli funnet innganger av informasjon og utganger atferds. Disse gruppene representerer strukturert informasjon besatt av hjernen, og aktiveringsmønster ville være den måten som behandling av slik informasjon forekommer.

konklusjoner

Denne måten å tolke neuronal funksjon ikke bare virker veldig interessant, men også Studiene rundt ham virker fruktbare. I dag er det blitt opprettet datasimuleringer av forbindelsessystemer på minne og språk, som ligner menneskelig atferd. Men vi kan fortsatt ikke si at dette er den nøyaktige måten hjernen jobber på.

I tillegg har denne modellen ikke bare bidratt til å bidra til studiet av psykologi på alle områder. også Vi finner flere applikasjoner av disse forbindelsessystemene i databehandling. Fremfor alt har teorien vært et gjennombrudd i studier om kunstig intelligens.

Til slutt er det viktig å forstå det kompleksiteten til forbindelseisme er mye større enn den som fremgår av denne artikkelen. Her kan vi finne en forenklet versjon av hva det egentlig er, bare nyttig som en tilnærming. Hvis nysgjerrigheten din har blitt vekket, ikke nøl med å fortsette å forske på denne teorien og dens implikasjoner.

Konstruktivisme: hvordan konstruerer vi vår virkelighet? Konstruktivisme er et epistemologisk postulat som bekrefter at vi er aktive agenter for vår oppfatning, og at vi ikke mottar en bokstavelig kopi av verden. Les mer "