Connectionizam, model funkcioniranja neurona

Connectionizam, model funkcioniranja neurona

Razumijevanje funkcije mozga jedan je od najvećih izazova u psihologiji. Stoga postojanje različitih pristupa i perspektiva. Zapravo, nakon pojave kognitivne psihologije i Turingovog stroja, došlo je do revolucije na ovom području. Od tog trenutka, mozak se smatrao informacijskim procesorom.

Prva teorija koja je stvorena da bi objasnila funkcioniranje mozga bila je računska metafora, ali je brzo počela propadati, Uzimajući u obzir ovu situaciju, kognitivni psiholozi, s namjerom da traže nova objašnjenja, stvorili su teoriju poznatu kao povezanost.

Međutim, prije objašnjavanja povezanosti, važno je razumjeti stajalište kognitivne psihologije na mozgu. Na taj ćemo način razumjeti implikacije i neuspjesi računalne metafore. Iz tog ćemo razloga pregledati glavne aspekte ove grane psihologije kasnije u ovom članku.

Kognitivna psihologija i računska metafora

Kognitivna psihologija uključuje ljudski mozak kao procesor informacija, To znači da je sustav koji može kodirati podatke iz svog okruženja, mijenjati ih i dohvatiti nove informacije. Osim toga, ti se novi podaci integriraju u sustav uz kontinuum ulaza i izlaza.

Računalna metafora objašnjava da je mozak poput računala, Kroz niz programiranih algoritama, ona mijenja ulazne informacije u niz izlaza. Ovo se na prvi pogled čini logičnim, jer možemo proučiti neka ljudska ponašanja koja su prilagođena ovom modelu. Sada, ako istražimo malo više, počinjemo otkrivati ​​nedostatke u ovoj perspektivi.

Najvažnije pogreške su brzina kojom obrađujemo informacije, fleksibilnost s kojom postupamo i neodređenost naših odgovora. Ako je naš mozak imao programirane algoritme, imali bismo druge vrste odgovora: sporije zbog svih koraka obrade, koji su stroži i precizniji nego što jesu. Ukratko, mi bi bili poput računala i na prvi pogled vidimo da to nije slučaj.

Iako možemo pokušati prilagoditi ovu teoriju na nove dokaze, promjenom krutosti programiranih algoritama za druge koji su fleksibilniji i sposobni za učenje, još uvijek bismo mogli prepoznati nedostatke računalne metafora. I to je mjesto gdje povezanost, struja jednostavnija od prethodne, koja objašnjava tretman informacija mozga na najprikladniji način.

Što je povezanost?

Povezivanje ostavlja algoritme za izračun i objašnjava da se podaci obrađuju pomoću modela širenja aktivacije, Ali što su ti modeli? Na jednostavnijem jeziku, to znači da kada unos podataka ulazi u vaš mozak, neuroni počinju aktivirati formiranjem određenog uzorka koji će proizvesti određeni izlaz. To će stvoriti mreže između neurona koji će brzo i bez potrebe za unaprijed programiranim algoritmima obrađivati ​​informacije.

Da bismo to shvatili, uzmimo jednostavan primjer. Zamislite da vam netko kaže da odredite što je pas. Kada riječ dođe do uha, ona će automatski aktivirati sve neurone povezane s njim u mozgu. Aktivacija ove skupine stanica će se proširiti na druge stanice kojima je povezana, poput onih povezanih s riječima sisavaca, kora ili kaputa. A to će uključiti uzorak u kojem su te značajke uključene, što će vam uzrokovati da definirate psa kao "sisavca koji laje s dlačicama".

Svojstva spojnih sustava

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

  • Razmnožavanje aktivacije, To znači da neuroni, kada su aktivirani, utječu na one na koje su povezani. To se može dogoditi olakšavanjem njegove aktivacije ili inhibicijom. U gornjem primjeru, pseći neuroni omogućuju neurone sisavaca, ali inhibiraju reptilske neurone.
  • Neuronsko učenje, Učenje i iskustvo utječu na veze između neurona. Dakle, ako vidimo puno pasa koji imaju kosu, veze između neurona povezanih s tim dvama konceptima bit će ojačane. To bi bio način na koji će se stvarati neuronske mreže koje će nam pomoći u obradi informacija.
  • Paralelna obrada, Očito, ovo nije serijski proces, neuroni se ne aktiviraju jedan za drugim.Aktivacija se paralelno širi između svih neurona. I nema potrebe za tretiranjem jednog obrasca aktivacije za drugim – može se pojaviti nekoliko uzoraka aktivacije istodobno. Zbog toga možemo istodobno protumačiti veliku količinu podataka, iako postoji ograničenje našeg kapaciteta.
  • Neuronske mreže, Sustav bi bio ogromna mreža neurona grupiranih mehanizmima inhibicije i aktivacije. U takvim se mrežama nalaze i informacije i rezultati ponašanja. Ti klasteri predstavljali bi strukturirane informacije koje mozak posjeduje, a obrasci aktivacije bi bili način na koji se obradi ta informacija.

zaključci

Ovakav način tumačenja funkcioniranja neurona ne samo da je vrlo zanimljiv, ali studije koje ga okružuju izgledaju plodonosne, Danas smo stvorili računalne simulacije spojnih sustava na pameti i jeziku koji su vrlo slični ljudskom ponašanju. Međutim, još ne možemo reći da je to točno kako mozak funkcionira.

Štoviše, ovaj model nije samo doprinio proučavanju psihologije u svim njegovim područjima. Također imamo mnogo primjena ovih spojnih sustava u računalnoj znanosti. Iznad svega, teorija je bila veliki proboj u proučavanju umjetne inteligencije.

Zaključno, važno je shvatiti da Složenost povezanosti mnogo je veća od onoga što se podigla u ovom članku. Ovdje možemo pronaći pojednostavljenu verziju onoga što je stvarno, korisno samo kao aproksimaciju. Ako se vaša znatiželja probudi, nemojte se ustručavati nastaviti svoje istraživanje o ovoj teoriji i njezinim implikacijama.

Neuroznanost, način razumijevanja ponašanja uma

Saznajte više
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: :???: :?: :!: