Приглашаем посетить сайт
КОННЕКЦИОНИЗМ
КОННЕКЦИОНИЗМ (от англ. connection - соединение, согласованность, связь) - разработанный в когнитивной науке вычислительный (компьютерный) подход к моделированию мозга, использующий искусственные нейронные сети для имитации процессов познания живых существ (включая человека) и их интеллектуальных способностей.
Истоки К. можно обнаружить в работах представителей ассоционистской школы в психологии кон. 19 - нач. 20 в., которые исходили из предположения, что биологическим коррелятом психологического процесса ассоциации выступает формирование или усиление соединений между синапсами нейронной сети (Г. Спенсер, Т. Мейнерт, У. Джеймс и др.). В 1943 У. Мак-Каллоку и У. Питсу удалось показать, что в нейронных сетях могут выполняться операции первопорядковой логики. В 1949 Д. Хеббом (студентом известного психолога К. Лешли) была впервые разработана когнитивная теория, основанная на модели нейронных сетей. Новый этап в эволюции К. наступил в кон. 1970-х - нач. 1980-х гг., когда вопрос о создании когнитивных теорий, использующих модели нейронных сетей, оказался в поле зрения членов «Исследовательской группы по изучению параллельной распределенной обработки информации» (PDP Research Group). В 1986 членами этой группы (Д. Мак Клеланд, Д. Румелхарт, Д. Хинтон, П. Смоленский и др.) была сформулирована новая концепция К. в качестве альтернативы классической «символической парадигме», согласно которой высшие формы человеческого познания аналогичны символическому вычислению, производимому цифровым компьютером.
Согласно взглядам современных коннекционистов, нейронные сети - это упрощенные модели мозга, состоящие из большого числа модулей (аналогов нейронов), которым приписываются веса, измеряющие силу соединений между модулями. Эти веса моделируют действия синапсов, обеспечивающих информационный обмен между нейронами. Модули нейронной сети, соединенные вместе в паттерне подключений, обычно делят на три класса: входные модули, которые получают необходимую для обработки информацию; выходные модули, где содержатся результаты обработки информации; модули, находящиеся между входными и выходными, получившие название скрытых модулей. Если нейронную сеть рассматривать как модель человеческого мозга, то входные модули аналогичны сенсорным нейронам, выходные - моторным нейронам, а скрытые модули - всем др. нейронам. Каждый входной модуль имеет величину возбуждения, репрезентирующую некоторое свойство, внешнее к сети. Сигнал от входных модулей распространяется всеми путями через сеть и определяет величины возбуждения во всех скрытых и выходных модулях. Установленный сетью паттерн возбуждения определяется весами или силой соединений между модулями. Величина возбуждения для каждого получающего сигнал модуля рассчитывается согласно функции возбуждения. Поскольку допускается, что все модули вычисляют в значительной мере ту же самую простую функцию возбуждения, то успешное моделирование человеческих интеллектуальных действий зависит прежде всего от параметров настройки весов между модулями. Поэтому нахождение правильного набора значений, необходимых для выполнения данной задачи, - главная цель в исследованиях коннекционистов. Для этого были изобретены соответствующие алгоритмы, которые могут вычислять правильные значения, необходимые для решения многих задач. Успешное применение коннекционистских методов зависит от весьма тонкой корректировки таких алгоритмов и используемых для обучения значений. Обучение обычно включает сотни тысяч попыток корректировки значений и может занимать дни или даже недели.
Уже первые попытки применения нейронных сетей для решения когнитивных задач - для чтения англ. текста, для предсказания форм прошедшего времени англ. глаголов, для оценки грамматических структур - показали их эффективность в качестве моделей человеческого интеллекта. Они особенно хорошо адаптированы к обработке информации, касающейся ассоциаций, к когнитивным проблемам, возникающим в случае параллельно действующих противоречивых команд - напр., распознавания объектов, планирования, координирования движений, оценки тонких статистических паттернов, оперирования нечеткими понятиями и т.д.
Из коннекционистских моделей и методов обучения сетей, в частности, следует, что репрезентация когнитивной информации в мозге скорее не локализована в отдельных нейронах или нейронных узлах, а распределена. Человеческая мысль предполагает образование сложных паттернов, действие которых распределено по относительно большим зонам кортекса. Обучение нейронных сетей показало, что каждая распределенная репрезентация является паттерном, действующим через все модули, т.к. граница между простыми и сложными репрезентациями отсутствует. С позиции К. оказывается, что высшие ментальные процессы представляют собой эмерджентные свойства, систематическим образом зависящие от феноменов низшего уровня. Поскольку мозг представляет собой векторный процессор, то проблемы психологии сводятся тогда к вопросу, какие операции с векторами объясняют различные аспекты человеческого познания.
Как направление в когнитивной науке К. неоднороден. Т.н. инструментальные коннекционисты пытаются найти точки соприкосновения с классицизмом, считая, что нейронная сеть - это также и символический процессор, но только на более высоком и более абстрактном уровне. Напротив, радикальные коннекционисты утверждают, что классическое программирование не соответствует гибкости и эффективности человеческого познания. В литературе по философии сознания основные положения К. подвергаются серьезной критике, оставаясь до сих пор предметом систематических дискуссий. Нейробиологи и нейропсихологи считают слабой стороной К. его принципиальный отказ от попыток эксплицитно моделировать различные виды нейронов головного мозга, действия нейромедиаторов и гормонов. Классицисты, со своей стороны, убеждены, что коннекционистские модели вряд ли соответствуют эффективности классических моделей при объяснении человеческих когнитивных способностей более высокого уровня, связанных с функционированием левополушарного, знаково-символического (логико-вербального) мышления - систематичности, языка, рассуждения, доказательств, обучения и т.д. Кроме того, коннекционистские нейронные сети, по-видимому, не содержат никаких структур, которые соответствовали бы убеждениям, желаниям и планам людей. Однако, как считают многие философы, эти когнитивные состояния обладают для человека глубоким символическим значением и вероятнее всего влияют на обработку информации. Поэтому до сих пор остаются открытыми вопросы, в состоянии ли коннекционистская парадигма заменить классицизм и способны ли коннекционистские модели имитировать различные сложные аспекты человеческих интеллектуальных способностей и познания.