Powiązanie, model funkcjonowania neuronów

Zrozumienie funkcjonowania mózgu jest jednym z największych wyzwań stojących przed psychologią. Stąd istnienie różnych podejść i perspektyw. W rzeczywistości po pojawieniu się psychologii poznawczej i maszyny Turinga nastąpiła rewolucja w tej dziedzinie. Od tego momentu zaczęto kontemplować mózg jako procesor informacji.

Pierwszą teorią, która powstała w celu wyjaśnienia funkcjonowania mózgu, była metafora obliczeniowa, ale wkrótce zaczął mieć awarie. Biorąc pod uwagę tę sytuację, psychologowie kognitywni, z zamiarem poszukiwania nowych wyjaśnień, stworzyli teorię znaną jako łączność.

Jednak przed wyjaśnieniem, czym jest koneksjonizm, ważne jest zrozumienie wizji psychologii poznawczej na temat mózgu. W ten sposób zrozumiemy implikacje i niepowodzenia metafory obliczeniowej. Z tego powodu omówimy główne aspekty tej gałęzi psychologii w następnej sekcji.

Psychologia poznawcza i metafora obliczeniowa

Psychologia poznawcza rozumie ludzki mózg jako procesor informacji. Oznacza to, że jest to system, który jest w stanie kodować dane pochodzące z jego otoczenia, modyfikując je i wydobywając z nich nowe informacje. Ponadto te nowe dane są włączone do systemu w kontinuum wejścia i wyjścia.

Metafora obliczeniowa wyjaśnia, że ​​mózg jest jak komputer. Poprzez szereg zaprogramowanych algorytmów przekształca wejścia informacji w serii wyjścia. Z początku może się to wydawać sensowne, ponieważ możemy badać pewne ludzkie zachowania, które dostosowują się do tego modelu. Teraz, jeśli zbadamy trochę więcej, zaczniemy wykrywać awarie w tej perspektywie.

Najbardziej istotne błędy to szybkość, z jaką przetwarzamy informacje, elastyczność, z jaką działamy i niedokładność naszych odpowiedzi. Gdyby nasz mózg zaprogramował algorytmy, otrzymalibyśmy inne rodzaje odpowiedzi: wolniej ze względu na wszystkie etapy przetwarzania, które byłyby przeprowadzane, bardziej sztywne i znacznie bardziej precyzyjne niż są. Krótko mówiąc, bylibyśmy jak komputery i Na pierwszy rzut oka zauważamy, że tak nie jest.

Chociaż możemy próbować dostosować tę teorię do nowych dowodów, zmieniając sztywność algorytmów zaprogramowanych przez innych, bardziej elastycznych i zdolnych do uczenia się, nadal identyfikowalibyśmy błędy w metaforze obliczeniowej. A oto, skąd pochodzi Łączność, strumień, który jest prostszy niż poprzedni, i który wyjaśnia przetwarzanie informacji o mózgu w bardziej zadowalający sposób.

Czym jest łączność?

Powiązanie pozostawia algorytmy obliczeniowe i wyjaśnia to informacja jest przetwarzana poprzez wzorce propagacji aktywacji. Ale jakie są te wzory? W prostszym języku oznacza to, że kiedy dane wejściowe docierają do twojego mózgu, neurony zaczynają aktywować się tworząc określony wzór, który wytworzy określone wyjście. Utworzy to sieci między neuronami, które będą przetwarzać informacje szybko i bez potrzeby wstępnie zaprogramowanych algorytmów.

Aby to zrozumieć, podajmy prosty przykład. Wyobraź sobie, że osoba mówi ci, aby określić, czym jest pies. Kiedy słowo dotrze do twojego ucha, automatycznie uaktywni w twoim mózgu zestaw powiązanych z nim neuronów. Aktywacja tej grupy komórek rozprzestrzeni się na inne, z którymi jest połączona, na przykład te związane ze słowami ssak, kora o włosy. A to uaktywni wzór, w którym te funkcje są uwzględnione, co doprowadzi do zdefiniowania psa jako „ssaka z włosami, który szczeka”.

Właściwości systemów łącznikowych

Zgodnie z tą perspektywą, aby systemy te działały tak, jak wydaje się ludzki mózg, muszą spełniać pewne warunki. Podstawowe właściwości, których należy przestrzegać, są następujące:

• Propagacja aktywacji. Oznacza to, że po aktywacji neurony wpływają na te, z którymi są połączone. Może to nastąpić poprzez ułatwienie jego aktywacji lub zahamowania. W poprzednim przykładzie neurony z pies ułatwić ssak, ale hamują je gad.
• Nauka neuronalna. Uczenie się i doświadczenie wpływają na połączenia między neuronami. Tak więc, jeśli zobaczymy wiele psów, które mają włosy, połączenia między neuronami związane z obiema koncepcjami zostaną wzmocnione. W ten sposób sieci neuronowe pomagają nam przetwarzać.
• Przetwarzanie równoległe. Oczywiście nie jest to proces szeregowy, neurony nie są aktywowane jeden po drugim. Aktywacja jest propagowana równolegle między wszystkimi neuronami. Nie musi też przetwarzać jednego wzorca aktywacji za drugim, można jednocześnie podać wielokrotność. Dzięki temu jesteśmy w stanie zinterpretować dużą ilość danych w tym samym czasie, chociaż nasze możliwości są ograniczone.
• Sieci neuronowe. System byłby dużą siecią neuronów zgrupowanych razem, poprzez mechanizmy hamowania i aktywacji. W tych sieciach można również znaleźć wejścia informacji i wyjścia behawioralny Zgrupowania te reprezentowałyby ustrukturyzowane informacje, które posiada mózg, a wzory aktywacji byłyby sposobem przetwarzania wspomnianych informacji..

Wnioski

Ten sposób interpretacji funkcjonowania neuronów wydaje się nie tylko bardzo interesujący, ale także badania wokół niego wydają się owocne. W dzisiejszych czasach stworzono komputerowe symulacje systemów łącznikowych w pamięci i języku, które są bardzo podobne do ludzkich zachowań. Jednak wciąż nie możemy powiedzieć, że dokładnie tak działa mózg.

Ponadto model ten nie tylko przyczynił się do badania psychologii we wszystkich dziedzinach. Również znajdujemy wiele zastosowań tych systemów łącznikowych w komputerach. Przede wszystkim teoria była przełomem w badaniach nad sztuczną inteligencją.

Podsumowując, ważne jest, aby to zrozumieć złożoność powiązania jest znacznie większa niż ta przedstawiona w tym artykule. Tutaj możemy znaleźć uproszczoną wersję tego, co naprawdę jest, przydatne tylko jako przybliżenie. Jeśli twoja ciekawość została pobudzona, nie wahaj się kontynuować badań tej teorii i jej implikacji.

Konstruktywizm: jak budujemy naszą rzeczywistość? Konstruktywizm jest postulatem epistemologicznym, który potwierdza, że ​​jesteśmy aktywnymi agentami naszej percepcji i że nie otrzymujemy dosłownej kopii świata. Czytaj więcej ”