Bağlantılığın bir nöronal işleyiş modeli

Beynin işleyişini anlamak psikolojiyle yüz yüze gelen en büyük zorluklardan biridir.. Dolayısıyla farklı yaklaşım ve bakış açılarının varlığı. Aslında, bilişsel psikolojinin ortaya çıkmasından ve Turing makinesinden sonra bu alanda bir devrim yaşandı. Bu andan itibaren beyni bir bilgi işlemcisi olarak düşünmeye başladı.

Beynin işleyişini açıklamak için oluşturulan ilk teori hesaplamalı metafordu., ama yakında başarısızlık yaşamaya başladı. Bu durumu göz önünde bulundurarak, bilişsel psikologlar, yeni açıklamalar aramak niyetiyle, bağlantı kuramı olarak bilinen bir teori oluşturdular..

Bununla birlikte, hangi bağlantı kurmanın ne olduğunu açıklamadan önce, bilişsel psikolojinin beyin hakkındaki vizyonunu anlamak önemlidir. Bu şekilde, hesaplama metaforunun etkilerini ve başarısızlıklarını anlayacağız. Bu sebeple, bu psikoloji branşının ana yönlerini aşağıdaki bölümde inceleyeceğiz..

Bilişsel psikoloji ve hesaplamalı metafor

Bilişsel psikoloji insan beynini bir bilgi işlemcisi olarak anlar. Bu, çevresinden gelen verileri kodlama, bunları değiştirme ve onlardan yeni bilgiler çıkarma yeteneğine sahip bir sistem olduğu anlamına gelir. Ek olarak, bu yeni veriler bir süreklilik içerisinde sisteme dahil edilir. girişler ve çıkışları.

Hesaplamalı metafor beynin bir bilgisayar gibi olduğunu açıklar. Bir dizi programlanmış algoritma sayesinde, girişler bir dizi bilgi çıkışları. Bu ilk bakışta mantıklı görünebilir, çünkü bu modele adapte olan bazı insan davranışlarını inceleyebiliriz. Şimdi, biraz daha fazla araştırırsak, bu açıdan başarısızlıkları tespit etmeye başlarız..

En alakalı hatalar bilgiyi işleme hızımız, hareket gösterme esnekliğimiz ve cevaplarımızın yanlışlığıdır. Eğer beynimiz algoritmaları programlamış olsaydı, başka türden tepkiler olurdu: gerçekleştirilecek tüm işlem adımlarından dolayı daha yavaş, onlardan daha katı ve olduğundan daha kesin. Kısacası, bilgisayar gibi oluruz ve İlk bakışta, bunun böyle olmadığını gözlemliyoruz.

Her ne kadar bu teoriyi yeni kanıtlara uyarlamaya çalışsak da, başkaları tarafından programlanan algoritmaların katılığını daha esnek ve öğrenebilecek şekilde değiştirebilsek de, hesaplama metaforundaki hataları tespit edeceğiz. Ve işte geldiği yer Bir öncekinden daha basit olan ve beyin bilgisinin daha tatmin edici bir şekilde işlenmesini açıklayan bir bağlantı olan bağlantıcılık.

Bağlantı nedir?

Bağlantıcılık, hesaplama algoritmalarının gerisinde kalıyor ve bunu açıklıyor bilgi aktivasyonun yayılım kalıpları aracılığıyla işlenir. Ancak, bu kalıplar nelerdir? Daha basit bir dilde, bu, bir bilgi girişi beyninize girdiğinde, nöronların belirli bir çıktı oluşturacak şekilde belirli bir kalıp oluşturarak aktive olmaya başladığı anlamına gelir. Bu, bilgileri hızlı bir şekilde ve önceden programlanmış algoritmalara ihtiyaç duymadan işleyebilecek nöronlar arasında ağlar oluşturacaktır..

Bunu anlamak için basit bir örnek verelim. Bir kişinin bir köpeğin ne olduğunu tanımladığını söylediğini hayal edin. Kelime kulağınıza geldiğinde, otomatik olarak beyninizde bununla ilişkili nöron dizisini aktive edecek. Bu hücre grubunun aktivasyonu, kelimelerle ilgili olanlar gibi, bağlandığı diğerlerine yayılacaktır. memeli, havlama veya saç. Ve bu, bu özelliklerin dahil edildiği bir paterni harekete geçirir, bu da bir köpeği “havlayan saçlı bir memeli” olarak tanımlamanıza yol açar..

Bağlayıcı sistemlerin özellikleri

Bu perspektife göre, bu sistemlerin insan beyni gibi çalışması için, belli koşulları yerine getirmek zorundalar.. İzlenmesi gereken temel özellikler şunlardır:

• Aktivasyonun yayılması. Bu, aktif hale getirildiğinde nöronların, bağlı olduklarını etkilediği anlamına gelir. Bu, aktivasyonunu kolaylaştırarak veya inhibe ederek ortaya çıkabilir. Önceki örnekte, nöronların köpek kolaylaştırmak memeli, ama onlar bunu engelliyor sürüngen.
• Nöronal öğrenme. Öğrenme ve deneyim, nöronlar arasındaki bağlantıları etkiler. Böylece, saçları olan birçok köpek görürsek, her iki kavramla ilgili nöronlar arasındaki bağlantılar güçlendirilecektir. Bu, işlem yapmamıza yardımcı olan sinir ağlarının nasıl olduğu.
• Paralel işleme. Açıkçası bu seri bir işlem değil, nöronlar birbiri ardına aktive edilmiyor. Aktivasyon tüm nöronlar arasında paralel olarak yayılır. Ve bir aktivasyon düzenini birbiri ardına işlemesi gerekmez, aynı anda birden fazla verebilirsiniz. Bu sayede kapasitemizde bir sınır olmasına rağmen, aynı anda büyük miktarda veriyi yorumlayabiliyoruz..
• Yapay sinir ağları. Sistem, inhibisyon ve aktivasyon mekanizmalarıyla birlikte gruplanmış büyük bir nöron ağı olacaktır. Bu ağların içinde de bulunurdu girişler bilgi ve çıkışları davranışsal. Bu gruplar, beynin sahip olduğu yapılandırılmış bilgiyi temsil eder ve aktivasyon paternleri, söz konusu bilginin işlenme şeklini oluşturur..

sonuçlar

Nöronların işleyişini yorumlamanın bu yolu sadece çok ilginç görünmekle kalmıyor Çevresindeki çalışmalar verimli görünüyor. Bugünlerde, insan davranışına çok benzeyen, bağlaç sistemlerinin hafıza ve dil üzerindeki bilgisayar simülasyonları yaratıldı. Ancak bunun hala beynin tam olarak çalıştığını söyleyemeyiz..

Ek olarak, bu model sadece tüm alanlarda psikoloji çalışmasına katkıda bulunmalarına yardımcı olmamıştır. ayrıca hesaplamada bu bağlantı sistemlerin birden fazla uygulamasını buluyoruz. Her şeyden önce, teori yapay zeka ile ilgili çalışmalarda bir atılım olmuştur.

Sonuç olarak, bunu anlamak önemlidir. Bağlantılığın karmaşıklığı bu makalede anlatılandan çok daha büyük.. Burada gerçekte ne olduğunun basitleştirilmiş bir versiyonunu bulabiliriz, sadece bir yaklaşım olarak faydalıdır. Merakınız uyandırıldıysa, bu teoriyi ve sonuçlarını araştırmaya devam etmekte tereddüt etmeyin.

Yapılandırmacılık: realitemizi nasıl inşa ederiz? Yapılandırmacılık, algımızın aktif ajanları olduğumuzu ve dünyanın gerçek bir kopyasını alamadığımızı teyit eden epistemolojik bir varsayımdır. Daha fazla oku "