Hva er konneksjonisme?
Ettersom hjernens psykologi er så komplisert, finnes det ulike tilnærminger og perspektiver. Faktisk var det en revolusjon etter fremveksten av kognitiv psykologi og Turingmaskinen. Fra da av begynte forskerne å vurdere hjernen som en informasjonsprosessor. Datametaforen representerer den første teorien som er laget for å forklare hjernens funksjon. Siden forskerne snart skjønte hvor mye den ikke overveide, fikk de til hensikt å søke nye forklaringer, og kognitive psykologer opprettet en teori som kalles konneksjonisme.
Men før vi forklarer konneksjonisme er det viktig å forstå hvordan den beregnede teorien om sinnet betrakter hjernen. Derfor vurderer vi de viktigste aspektene i den neste delen.
Kognitiv psykologi og sinnets beregningsteori
Kognitiv psykologi vurderer den menneskelige hjerne som en informasjonsprosessor. Dette betyr at det er et system som er i stand til å kode dataene som kommer fra miljøet, modifisere dem og utvinne ny informasjon fra dem. I tillegg inneholder systemet disse nye dataene i et kontinuum av innganger og utganger.
Beregningsteori om sinnet vurderer hjernen som en datamaskin. Gjennom en rekke programmerte algoritmer forvandler den informasjonsinnganger til en rekke utganger.
De mest relevante feilene i denne teorien inkluderer hastigheten som vi behandler informasjon ved, fleksibiliteten i måten vi oppfører oss på, og usannsynligheten i våre svar. Hvis hjernen vår hadde programmerte algoritmer, ville vi ha andre typer svar. Svarene våre ville vært langsommere, mer stive, og faktisk mye mer presise, noe som skyldes alle behandlingsstrinnene som må utføres. Kort sagt, vi ville være som datamaskiner.
Selv om vi kan forsøke å tilpasse denne teorien til nye bevis, har beregningsteorien for sinnet fortsatt feil. Det er her forbindelsessammenhengen kommer inn. Det er en mye enklere teori enn den forrige og forklarer hjernens funksjon mye bedre.
Hva er konneksjonisme?
Konneksjonisme forklarer at informasjon behandles gjennom mønstre av aktiveringsspredning. Men hva er disse mønstrene? I enklere termer betyr det at nevronene aktiveres når informasjon kommer inn i hjernen, og danner et bestemt mønster som gir en bestemt utgang. Dette danner nettverk mellom nevroner som vil behandle informasjon raskt uten å trenge forhåndsprogrammerte algoritmer.
For å forstå dette, la oss se på et enkelt eksempel. Tenk deg at en person spør deg om å definere begrepet “en hund”. Når ordet når øret ditt aktiveres settet av nevroner som er knyttet automatisk til det i hjernen. Aktiveringen av denne gruppen av nevroner sprer seg til andre den er knyttet til. Dette kan inneholde nevrale mønstre relatert til ordene pattedyr, bjeffing eller pels. Og dette vil føre deg til å definere en hund som “et pattedyr med pels som bjeffer”.
Egenskaper for forbindelsessystemer
Ifølge dette perspektivet, for at disse systemene skal fungere som den menneskelige hjernen ser ut til å oppføre seg, må de oppfylle visse forhold. De grunnleggende egenskapene som må oppfylles inkluderer:
- Sprednings-aktivering. Dette betyr at når nevronene er aktivert, påvirker de det de er koblet til. Dette kan oppstå ved å lette aktiveringen eller ved å hemme den. I det forrige eksempelet forenkler hundens nevroner de som er relatert til pattedyr, men hemmer de som er relatert til reptiler.
- Nevral læring. Læring og erfaring påvirker forbindelsene mellom nevroner. Hvis vi for eksempel ser mange hunder som har pels, blir forbindelsene mellom nevronene knyttet til begge konseptene styrket. Slik oppretter vi neurale nettverk som hjelper oss med å behandle informasjon.
- Parallell behandling. Nevroner aktiveres ikke den ene etter den andre. Aktiveringen skjer parallelt mellom alle nervecellene. Og det er ikke nødvendig å behandle aktiveringsmønstrnene et og et etter hverandre. Du kan ha flere mønstre på gang samtidig. Takket være dette kan vi tolke mye data samtidig. Det er imidlertid en grense for vår kapasitet.
- Nevrale nettverk. Systemet består av et stort nettverk av nevroner gruppert sammen gjennom mekanismer for hemming og aktivering. Informasjonsnettverk og atferdsutganger finnes også i disse nettverkene. Disse grupperingene representerer den strukturerte informasjonen som hjernen har, og aktiveringsmønstrene representerer hvordan informasjonen behandles.
Konklusjon om konneksjonisme
Denne måten å tolke nervefunksjonen på virker ikke bare veldig interessant, men studier og forskning som utføres på det er fruktbare. Det er mange datasimuleringer av forbindelsessystemer mellom hukommelse og språk. Disse simuleringene ligner veldig menneskelig oppførsel. Imidlertid kan vi fortsatt ikke hevde at hjernen virker på denne eksakte måten.
I tillegg har denne modellen også bidratt til feltet for databehandling og kunstig intelligens.
For å konkludere er det viktig å forstå at forbindelsen er mye mer kompleks enn det vi forklarte i denne artikkelen. Hvis du er nysgjerrig på det, ikke nøl med å fortsette å undersøke det og dets implikasjoner.
