Понимание функционирования мозга — одна из величайших проблем, с которыми сталкивается психология. Отсюда существование различных подходов и точек зрения. Фактически, после появления когнитивной психологии и машины Тьюринга в этой области произошла революция. С этого момента мозг стал рассматриваться как процессор информации.
Первой теорией, которая была создана для объяснения функционирования мозга, была вычислительная метафора, но вскоре начались сбои. Принимая во внимание эту ситуацию, когнитивные психологи с намерением искать новые объяснения создали теорию, известную как коннекционизм.
Однако, прежде чем объяснять, что такое коннекционизм, важно понять точку зрения когнитивной психологии на мозг. Таким образом, мы поймем последствия и недостатки вычислительной метафоры. По этой причине мы рассмотрим основные аспекты этого раздела психологии в следующем разделе.
Когнитивная психология и вычислительная метафора
Когнитивная психология понимает человеческий мозг как процессор информации.. Это означает, что это система, способная кодировать данные из своей среды, изменять их и извлекать из них новую информацию. Кроме того, эти новые данные включаются в систему в виде набора входов и выходов.
Вычислительная метафора объясняет, что мозг похож на компьютер. Посредством серии запрограммированных алгоритмов он преобразует входные данные в серию выходных данных. На первый взгляд может показаться, что это имеет смысл, поскольку мы можем изучать некоторые виды человеческого поведения, соответствующие этой модели. Теперь, если мы исследуем немного больше, мы начнем обнаруживать недостатки в этой перспективе.
Наиболее важные ошибки — это скорость, с которой мы обрабатываем информацию, гибкость наших действий и неточность наших ответов. Если бы наш мозг имел запрограммированные алгоритмы, у нас были бы ответы другого типа: более медленные из-за выполнения всех этапов обработки, более жесткие и гораздо более точные, чем они есть. Короче говоря, мы были бы как компьютеры, и с первого взгляда видно, что это не так.
Хотя мы можем предпринимать попытки адаптировать эту теорию к новым свидетельствам, изменяя жесткость запрограммированных алгоритмов на другие, более гибкие и способные к обучению, мы все же продолжаем выявлять недостатки вычислительной метафоры. И вот где это входит коннекционизм, тенденция, которая проще, чем предыдущая, и которая более удовлетворительно объясняет обработку информации мозгом.
Что такое коннекционизм?
Коннекционизм оставляет позади вычислительные алгоритмы и объясняет, что информация обрабатывается через шаблоны распространения активации. Но что это за шаблоны? Проще говоря, это означает, что, когда информация поступает в ваш мозг, нейроны начинают активироваться, формируя определенный паттерн, который будет производить определенный результат. Это сформирует сети между нейронами, которые будут обрабатывать информацию быстро и без необходимости в заранее запрограммированных алгоритмах.
Чтобы понять это, давайте рассмотрим простой пример. Представьте, что человек говорит вам определить, что такое собака. Когда слово достигает вашего уха, автоматически набор связанных с ним нейронов будет активирован в вашем мозгу. Активация этой группы клеток будет распространяться на другие, с которыми она связана, например, те, которые связаны со словами «млекопитающее», «кора» или «волосы». И это активирует шаблон, в который включены эти характеристики, что приведет вас к определению собаки как «млекопитающее с лающей шерстью».
Свойства коннекционистских систем
Согласно этой точке зрения, для того, чтобы эти системы функционировали так, как, кажется, ведет себя человеческий мозг, они должны соответствовать определенным условиям. Основные свойства, которые необходимо соблюдать, следующие:
- Распространение активации. Это означает, что нейроны при активации влияют на те, с которыми они связаны. Это может происходить, облегчая его активацию или подавляя ее. В приведенном выше примере нейроны собаки способствуют развитию нейронов млекопитающих, но подавляют нейроны рептилий.
- Нейронное обучение. Обучение и опыт влияют на связи между нейронами. Таким образом, если мы увидим много собак, у которых есть шерсть, связи между нейронами, относящиеся к обеим концепциям, будут усилены. Таким образом будут созданы нейронные сети, которые помогают нам в обработке.
- Параллельная обработка. Очевидно, что это не последовательный процесс, нейроны не активируются один за другим. Активация распространяется параллельно между всеми нейронами. И необязательно обрабатывать один шаблон активации за другим, одновременно может происходить несколько. Благодаря этому мы можем одновременно интерпретировать большой объем данных, хотя наши возможности ограничены.
- Нейронные сети. Система будет представлять собой большую сеть нейронов, сгруппированных вместе посредством механизмов торможения и активации. Информационные входы и поведенческие выходы также могут быть найдены в этих сетях. Эти группировки будут представлять структурированную информацию, имеющуюся в мозгу, а паттерны активации будут способом, которым происходит обработка указанной информации.
Выводы
Такой способ интерпретации нейронного функционирования не только кажется очень интересным, но и учеба вокруг него кажется плодотворной. Сегодня компьютерные симуляции коннекционистских систем созданы на основе памяти и языка, которые очень напоминают человеческое поведение. Однако мы все еще не можем сказать, что мозг работает именно так.
Кроме того, эта модель не только помогла внести свой вклад в изучение психологии во всех ее областях. Также мы находим множество применений этих коннекционистских систем в вычислениях. Прежде всего, теория сделала большой шаг вперед в исследованиях искусственного интеллекта.
В заключение важно понять, что сложность коннекционизма намного больше, чем поднятый в этой статье. Здесь мы можем найти упрощенную версию того, чем она является на самом деле, полезную только в качестве приблизительной. Если у вас возникло любопытство по поводу этого предмета, не бойтесь продолжить изучение этой теории и ее последствий.
