Conexionismo

El conexionismo és un conjunt d'enfocaments en els àmbits de l'inteligència artificial, psicologia cognitiva, ciència cognitiva, neurociencia i filosofia de la ment, que presenta els fenomens de la ment i del comportament com a processos que emergixen de rets formades per unitats senzilles interconectadas. Hi ha múltiples formes de conexionismo, pero les més comunes són els models de rets neuronals.

Principis bàsics

El principi central del conexionisme és que els fenomens mentals poden ser descrits per rets d'unitats senzilles i freqüentment iguals que es interconectan. La forma de les conexions i de les unitats varia d'un model a un atre. Per eixemple, les unitats de la ret podrien representar neurones i les conexions podrien representar sinapsis. Un atre model podria fer cada unitat de la ret una paraula, i cada conexió una indicació de similitut semàntica.

Propagació d'activació

En la majoria dels models conexionistas les rets canvien en el temps. Un aspecte estretament relacionat i molt comú dels models conexionistas és la activació. En qualsevol moment, una unitat de la ret s'activa per mig d'un valor numèric que pretén representar algun aspecte de l'unitat. Per eixemple, si les unitats del model són neurones, l'activació pot representar a la provabilitat de que la neurona genere un pic en el seu potencial d'acció. Si es tracta d'un model de propagació d'activació, llavors en el temps l'activació d'una unitat s'estendrà a totes les demés unitats conectades a ella. La propagació d'activació és sempre una característica dels models de rets neuronals, i és molt comuna en els models conexionistas utilisats en psicologia cognitiva.

Rets neuronals artificials

Artícul principal → ret neuronal artificial.

Les rets neuronals són els models conexionistas més utilisats hui en dia. Moltes investigacions en les que s'utilisen rets neuronals són denominades en el nom més genèric de "conexionistas". Encara que hi ha gran varietat de models de rets neuronals, casi sempre seguixen dos principis bàsics relatius a la ment:

1. Qualsevol estat mental pot ser descrit com un vector (N)-dimensional dels valors numèrics d'activació en les unitats neurales d'una ret.
2. La memòria es crea quan es modifiquen els valors que representen la força de les conexions entre les unitats neurales. La força de les conexions, o "pesos", són generalment representats com una matriu de (N × N) dimensions.

La majoria dels distints models de rets neuronals apareixen per:

• La Interpretació de les seues unitats: Es poden interpretar com a neurones individuals o com a grups d'estes.
• La Definició de l'activació: Hi ha multitut de formes de definir l'activació. Per eixemple, en una màquina de Boltzmann l'activació s'interpreta com la provabilitat de generar un pic de potencial d'acció, i es determina a través d'una funció llogística sobre la base de la suma de les entrades de cada unitat.
• El algoritme d'aprenentage: Cada tipo de ret modifica les seues conexions de distinta forma. Per lo general, qualsevol canvi matemàticament definit que es done en els pesos de les conexions a lo llarc del temps serà definit com un "algoritme d'aprenentage".

Els conexionistas estan d'acort en que les rets neuronals recurrents (en les quals les conexions de la ret poden formar un cicle dirigit) són un model del cervell millor que les rets neuronals feedforward (rets sense cicles dirigits). Molts models recurrents conexionistas també incorporen la teoria dels sistemes dinàmics. Molts investigadors, com Paul Smolensky, han argumentat que els models conexionistas evolucionaran cap a sistemes dinàmics no llineals en un enfocament plenament continu i de múltiples dimensions.

Realisme biològic

La branca de les rets neuronals del conexionisme sugerix que l'estudi de l'activitat mental és en realitat l'estudi dels sistemes neurales. Açò enllaça el conexionisme en la neurociencia, en models que impliquen diferents graus de realisme biològic. Els treballs conexionistas per lo general no necessiten ser biològicament realistes, pero alguns investigadors de rets neuronals, els neurocientífico computacionals, intenten modelar els aspectes biològics dels sistemes naturals neuronals molt prop de les denominades "rets neuromórficas". A molts autors els atrau del conexionisme la clara relació que es pot trobar entre l'activitat neuronal i la cognició. Açò ha segut criticat per ser excessivament reduccionista.

Aprenentage

Diversos estudis han estat enfocats en dissenyar métodos d'ensenyança-aprenentage a partir del conexionismo. Els conexionistas per lo general subrallen l'importància de l'aprenentage en els seus models. Aixina han creat molts procediments sofisticats d'aprenentage per a rets neuronals. L'aprenentage sempre implica la modificació dels pesos de conexió. Açò generalment comporta l'us de fòrmules matemàtiques per a determinar el canvi dels pesos quan es tenen un conjunt de senyes consistent en vectores d'activació per a un subconjunt d'unitats neuronals.

Per a formalisar l'aprenentage d'esta manera els conexionistas tenen moltes ferramentes. Una estratègia molt comuna dels métodos conexionistas d'aprenentage és l'incorporació del descens de gradient sobre una superfície d'error en un espai definit per la matriu de pesos. Tot l'aprenentage per descens de gradient en els models conexionistas implica el canvi de cada pes per mig de la derivada parcial de la superfície d'error sobre el pes. L'algoritme de retropropagación es va fer popular en la década de 1980 i és provablement l'algoritme conexionista de descens de gradient més conegut en l'actualitat.

Història

Les bases de les idees conexionistas es poden remontar a finals de el XIX, quan Santiago Ramón i Cajal va establir les bases per als estudis de rets neuronals, quan va descriure l'estructura de les neurones i la seua forma d'interconexió. Més tart, en 1949, Donald Hebb va propondre la seua postulat d'aprenentage segons el qual la conexió entre dos neurones es farà més forta si es disparen al mateix temps. Pero no va ser fins a la década de 1980 quan el conexionisme es va convertir en un punt de vista popular entre els científics.

Processament distribuït en paralel

L'enfocament conexionista que preval hui en dia va anar originalment conegut com a processament distribuït en paralel (PDP). Era un enfocament de ret neuronal que va destacar el caràcter paralel del processament neuronal, i la naturalea distribuïda de les representacions neuronals. Dit enfocament proporciona als investigadors un marc matemàtic general en el que operar. Dit marc implica huit aspectes principals:

• Un conjunt de unitats de processament, representades per un conjunt de número entero.

• Una activació per a cada unitat, representada per un vector de funcions depenents del temps.
• Una funció d'activació per a cada unitat, representada per un vector de funcions d'activació.
• Un patró de conectivitat entre les unitats, representada per una matriu de número real que indiquen la força de conexió.
• Una regla de propagació que estenga les activacions a través de les conexions, representada per una funció d'eixida de les unitats.
• Una regla d'activació per a combinar les entrades a una unitat i determinar la seua nova activació, representada per una funció d'activació actual i de propagació.
• Una regla d'aprenentage per a modificar les conexions, basada en l'experiència, representada per un canvi en els pesos sobre la base de qualsevol número de variables.
• Un entorn que proveïx al sistema de l'experiència, representada per conjunts de vectores d'activació per a alguns subconjunts d'unitats.

Estos aspectes són ara la base per a casi tots els models conexionistas. Una llimitació de el PDP és que és reduccionista. És dir, tots els processos cognitius poden ser explicats en térmens d'activació neuronal i comunicació.

Molta de l'investigació que va conduir al desenroll de el PDP es va fer en la década de 1970, pero el PDP es va fer popular en la década de 1980 en el llançament dels llibres Parallel Distributed Processing: Explorations in the Microstructure of Cognition - Volume 1 (foundations) i Volume 2 (Psychological and Biological Models), per James L. McClelland, David E. Rumelhart i el Grup d'Investigació dels PDP. Estos llibres són considerats obres bàsiques per al conexionismo, i actualment és comú equiparar plenament PDP i conexionismo, encara que el terme "conexionismo" no s'utilisa en ells.

Primers treballs

Raïls directes de el PDP varen ser les teories del perceptrón d'investigadors com Frank Rosenblatt en la década de 1950 i 1960. Pero els models perceptrón es varen fer molt impopulars a raïl del llibre Perceptrons: An Introduction to Computational Geometry de Marvin Minsky i Seymour Papert, publicat en 1969. Este llibre mostrava els llímits de la classe de funcions que els perceptrones poden calcular, demostrant que inclús les funcions simples, com l'O exclusiu no poden ser manejades correctament. Els llibres sobre PDP varen superar esta llimitació, en mostrar que les rets neuronals multi-capa i no llineals són molt més robustes i poden utilisar-se per a una àmplia gama de funcions.

Molts dels primers investigadors varen advocar per models d'estil conexionista, per eixemple, en els les décades de 1940 i 1950, Warren McCulloch, Walter Pitts, Donald Olding Hebb, i Karl Lashley. McCulloch i Pitts varen mostrar cóm els sistemes neurales podrien implementar la llògica de primer orde en un artícul clàssic "A Logical Calculus of Idees Immanent in Nervous Activity" (1943). Els autors d'este artícul varen ser influenciats per l'important llabor de Nicolas Rashevsky en la década de 1930. Hebb va fer una gran contribució en les seues idees sobre el funcionament neural, i va propondre un principi d'aprenentage, cridat aprenentage hebbiano, que se seguix utilisant hui en dia. Lashley va argumentar que les representacions distribuïdes són conseqüència del seu fracàs en trobar alguna cosa semblat a un engrama en anys d'experiments en lesiones.

Conexionisme a banda de PDP

Encara que el PDP és la forma dominant de conexionismo, hi ha un atre tipo de treballs teòrics que també deuen ser englobats dins del conexionismo.

En 1888 Santiago Ramón i Cajal va descriure l'estructura de les neurones i la seua forma d'interconexió establint d'esta manera les bases per als estudis de rets neuronals. Pero molts principis conexionistas es remonten treballs primerencs en el camp de la psicologia, com els de William James. Les teories sicològiques basades en el coneiximent del cervell humà estaven de moda en el XIX. Ya en 1869, el neurólogo John Hughlings Jackson va advocar per sistemes distribuïts en varis nivells. Partint d'esta base les publicacions d'Herbert Spencer Principles of Psychology, 3^a edició (1872), i de Sigmund Freud Project for a Scientific Psychology (1895) proponien teories conexionistas o proto-conexionistas. Estes tendien a ser teories especulatives. Pero a principis de el XX, Edward Thorndike estava experimentant en formes d'aprenentage que postulaven les rets de tipo conexionista.

En la década de 1950, Friedrich Hayek va propondre que l'orde espontàneu en el cervell era conseqüència de rets descentralisades formades per unitats senzilles. El treball de Hayek era rarament citat en la lliteratura sobre PDP fins fa poc.

Una atra forma de model conexionista va ser la cridada Gramàtica estratificacional desenrollada pel llingüista Sydney Lamb en la década de 1960. La gramàtica estratificacional solament ha segut utilisada pels llingüistes, i mai va ser unificada baix l'enfocament dels PDP. Com a resultat pocs són els investigadors que ara l'utilisen.

Hi ha també models conexionistas híbrits, la majoria mescla de representacions simbòliques en models de rets neuronals. L'enfocament híbrit ha segut defés per alguns investigadors com Ron Sun.

Vore també

• Associacionisme
• Ret neuronal artificial
• Inteligència artificial
• Cibernètica
• Inteligència Computacional
• Neurociència computacional

Bibliografia

• Rumelhart, D.E., J.L. McClelland and the PDP Research Group (1986). Parallel Distributed Processing: Explorations in the Microstructure of Cognition. Volume 1: Foundations (en anglés), Cambridge, MA: MIT Press
• McClelland, J.L., D.E. Rumelhart and the PDP Research Group (1986). Parallel Distributed Processing: Explorations in the Microstructure of Cognition. Volume 2: Psychological and Biological Models (en anglés), Cambridge, MA: MIT Press
• Pinker, Steven and Mehler, Jacques (1988). Connections and Symbols (en anglés), Cambridge MA: MIT Press.
• Jeffrey L. Elman, Elizabeth A. Bats, Mark H. Johnson, Annette Karmiloff-Smith, Domenico Parisi, Kim Plunkett (1996). Rethinking Innateness: A connectionist perspective on development (en anglés), Cambridge MA: MIT Press.
• Marcus, Gary F. (2001). The Algebraic Mind: Integrating Connectionism and Cognitive Science (Learning, Development, and Conceptual Change) (en anglés), Cambridge, MA: MIT Press