Visita Encydia-Wikilingue.com

Conexionismo

conexionismo - Wikilingue - Encydia

O Conexionismo é um conjunto de enfoques nos âmbitos da inteligência artificial, psicologia cognitiva, ciência cognitiva, neurociencia e filosofia da mente, que apresenta os fenómenos da mente e do comportamento como processos que emergem de redes formadas por unidades singelas interconectadas. Há muitas formas de conexionismo, mas as formas mais comuns são os modelos de redes neuronales.

Conteúdo

Princípios básicos

O princípio central do conexionismo é que os fenómenos mentais podem ser descritos por redes de unidades singelas e frequentemente iguais que se interconectan. A forma das conexões e das unidades varia de um modelo a outro. Por exemplo, as unidades da rede poderiam representar neurónios e as conexões poderiam representar sinapsis. Outro modelo poderia fazer a cada unidade da rede uma palavra, e a cada conexão uma indicação de similitud semántica.

Propagación de activação

Na maioria dos modelos conexionistas as redes mudam com o tempo. Um aspecto estreitamente relacionado e muito comum dos modelos conexionistas é a activação. Em qualquer momento, uma unidade da rede activa-se mediante um valor numérico que pretende representar algum aspecto da unidade. Por exemplo, se as unidades do modelo são neurónios, a activação pode representar à probabilidade de que o neurónio gere um bico em seu potencial de acção. Se trata-se de um modelo de propagación de activação, então com o tempo a activação de uma unidade estender-se-á a todas as demais unidades conectadas a ela. A propagación de activação é sempre uma característica dos modelos de redes neuronales, e é muito comum nos modelos conexionistas utilizados em psicologia cognitiva.

Redes neuronales

Artigo principal: Redes neuronales

As redes neuronales são os modelos conexionistas mais utilizados hoje em dia. Muitas investigações nas que se utilizam redes neuronales são denominadas com o nome mais genérico de "conexionistas". Ainda que há grande variedade de modelos de redes neuronales, quase sempre seguem dois princípios básicos relativos à mente:

  1. Qualquer estado mental pode ser descrito como um vetor (N)-dimensional dos valores numéricos de activação nas unidades neurales de uma rede.
  2. A memória cria-se quando se modificam os valores que representam a força das conexões entre as unidades neurales. A força das conexões, ou "pesos", são geralmente representados como uma matriz de (N × N) dimensões.

A maioria dos diferentes modelos de redes neuronales aparecem por:

Os conexionistas estão de acordo em que as redes neuronales recorrentes (nas quais as conexões da rede podem formar um ciclo dirigido) são um modelo do cérebro melhor que as redes neuronales feedforward (redes sem ciclos dirigidos). Muitos modelos recorrentes conexionistas também incorporam a teoria dos sistemas dinâmicos. Muitos pesquisadores, como Paul Smolensky, têm argumentado que os modelos conexionistas evoluíssem para sistemas dinâmicos não lineares com um enfoque plenamente contínuo e de múltiplas dimensões.

Realismo biológico

O ramo das redes neuronales do conexionismo sugere que o estudo da actividade mental é em realidade o estudo dos sistemas neurales. Isto enlaça o conexionismo com a neurociencia, com modelos que implicam diferentes graus de realismo biológico. Os trabalhos conexionistas pelo geral não precisam ser biologicamente realistas, mas alguns pesquisadores de redes neuronales, os neurocientíficos computacionales, tentam modelar os aspectos biológicos dos sistemas naturais neuronales bem perto das denominadas "redes neuromórficas". A muitos autores atrai-lhes do conexionismo a clara relação que se pode encontrar entre a actividade neuronal e a cognición. Isto tem sido criticado[1] por ser excessivamente reduccionista.

Aprendizagem

Os conexionistas pelo geral sublinham a importância da aprendizagem em seus modelos. Assim têm criado muitos procedimentos sofisticados de aprendizagem para redes neuronales. A aprendizagem sempre implica a modificação dos pesos de conexão. Isto geralmente implica o uso de fórmulas matemáticas para determinar a mudança dos pesos quando se têm um conjunto de dados consistente em vetores de activação para um subconjunto de unidades neuronales.

Para formalizar a aprendizagem desta maneira os conexionistas têm muitas ferramentas. Uma estratégia muito comum dos métodos conexionista de aprendizagem é a incorporação do descenso de gradiente sobre uma superfície de erro em um espaço definido pela matriz de pesos. Toda a aprendizagem por descenso de gradiente nos modelos conexionistas implica a mudança da cada peso mediante a derivada parcial da superfície de erro com respeito ao peso. O algorítmo de retropropagación fez-se popular na década de 1980 e é provavelmente o algorítmo conexionista de descenso de gradiente mais conhecido na actualidade.

História

As bases das ideias conexionistas podem-se remontar no final do século XIX, quando Santiago Ramón e Cajal estabeleceu as bases para os estudos de redes neuronales, quando descreveu a estrutura dos neurónios e sua forma de interconexión[2] . Mais tarde, em 1949, Donald Hebb propôs seu postulado de aprendizagem segundo o qual a conexão entre dois neurónios fá-se-á mais forte se se disparam ao mesmo tempo. Mas não foi até a década de 1980 quando o conexionismo se converteu em um ponto de vista popular entre os cientistas.

Processamento distribuído em paralelo

O enfoque conexionista que prevalece hoje em dia foi originalmente conhecido como processamento distribuído em paralelo (PDP). Era um enfoque de rede neuronal que destacou o carácter paralelo do processamento neuronal, e a natureza distribuída das representações neuronales. Dito enfoque proporciona aos pesquisadores um marco matemático geral no que operar. Dito marco implica oito aspectos principais:

Estes aspectos são agora a base para quase todos os modelos conexionistas. Uma limitação do PDP é que é reduccionista. Isto é, todos os processos cognitivos podem ser explicados em termos de activação neuronal e comunicação.

Muita da investigação que conduziu ao desenvolvimento do PDP se fez na década de 1970, mas o PDP se fez popular na década de 1980 com o lançamento dos livros Parallel Distributed Processing: Explorations in the Microstructure of Cognition - Volume 1 (foundations) e Volume 2 (Psychological and Biological Models), por James L. McClelland, David E. Rumelhart e o Grupo de Investigação dos PDP. Estes livros são considerados obras básicas para o conexionismo, e actualmente é comum equiparar plenamente PDP e conexionismo, ainda que o termo "conexionismo" não se utiliza neles.

Primeiros trabalhos

Raízes directas do PDP foram as teorias do perceptrón de investigadores como Frank Rosenblatt na década de 1950 e 1960. Mas os modelos perceptrón fizeram-se muito impopulares a raiz do livro Perceptrons: An Introduction to Computational Geometry de Marvin Minsky e Seymour Papert, publicado em 1969. Este livro mostrava os limites da classe de funções que os perceptrones podem calcular, demonstrando que inclusive as funções simples, como o Ou exclusivo não podem ser manejadas correctamente. Os livros sobre PDP superaram esta limitação, ao mostrar que as redes neuronales multi-capa e não lineares são bem mais robustas e podem se utilizar para uma ampla faixa de funções.

Muitos dos primeiros investigadores abogaron por modelos de estilo conexionista, por exemplo, nos as décadas de 1940 e 1950, Warren McCulloch, Walter Pitts, Donald Olding Hebb, e Karl Lashley. McCulloch e Pitts mostraram como os sistemas neurales poderiam implementar a lógica de primeira ordem em um artigo clássico "A Logical Calculus of Ideias Immanent in Nervous Activity" (1943). Os autores deste artigo foram influenciados pelo importante labor de Nicolas Rashevsky na década de 1930. Hebb fez uma grande contribuição com suas ideias sobre o funcionamento neural, e propôs um princípio de aprendizagem, chamado aprendizagem hebbiano, que se segue utilizando hoje em dia. Lashley argumentou que as representações distribuídas são consequência de seu falhanço em encontrar algo parecido a um engrama em anos de experimentos com lesões.

Conexionismo aparte de PDP

Ainda que o PDP é a forma dominante de conexionismo, há outro tipo de trabalhos teóricos que também devem ser englobados dentro do conexionismo.

Em 1888 Santiago Ramón e Cajal descreveu a estrutura dos neurónios e sua forma de interconexión estabelecendo desta maneira as bases para os estudos de redes neuronales. Mas muitos princípios conexionistas remontam-se trabalhos temporões no campo da psicologia, como os de William James. As teorias psicológicas baseadas no conhecimento do cérebro humano estavam de moda no século XIX. Já em 1869, o neurólogo John Hughlings Jackson abogó por sistemas distribuídos em vários níveis. Partindo desta base as publicações de Herbert Spencer Principles of Psychology, 3a edição (1872), e de Sigmund Freud Project for a Scientific Psychology (1895) propunham teorias conexionistas ou proto-conexionistas. Estas tendiam a ser teorias especulativas. Mas a princípios do século XX, Edward Thorndike estava a experimentar com formas de aprendizagem que postulaban as redes de tipo conexionista.

Na década de 1950, Friedrich Hayek propôs que a ordem espontáneo no cérebro era consequência de redes descentralizadas formadas por unidades singelas. O trabalho de Hayek era raramente citado na literatura sobre PDP até faz pouco.

Outra forma de modelo conexionista foi o telefonema Gramática estratificacional desenvolvida pelo lingüista Sydney Lamb na década de 1960. A gramática estratificacional só tem sido utilizada pelos lingüistas, e nunca foi unificada baixo o enfoque dos PDP. Como resultado poucos são os pesquisadores que agora a utilizam.

Há também modelos conexionistas híbridos, a maioria mistura de representações simbólicas com modelos de redes neuronales. O enfoque híbrido tem sido defendido por alguns pesquisadores como Rum Sun.

Debate conexionismo vs. Inteligência artificial convencional

Enquanto o conexionismo fazia-se a cada vez mais popular na década de 1980, teve uma reacção contrária por parte de alguns pesquisadores, incluindo a Jerry Fodor, Steven Pinker e outros. Argumentavam que o conexionismo tal e como se estava a desenvolver corria o perigo de esquecer o eles viam como os progressos realizados pelo enfoque clássico da inteligência artificial nos campos da ciência cognitiva e a psicologia. A inteligência artificial convencional argumenta que a mente opera mediante a realização de operações simbólicas puramente formais, como uma máquina de Turing. Alguns pesquisadores assinalaram que a tendência para o conexionismo era um erro, já que significava uma reversión para o asociacionismo e o abandono da ideia de uma linguagem do pensamento. Pelo contrário estas tendências fizeram que outros pesquisadores fossem atraídos para o conexionismo.

O Conexionismo e a IA convencional não têm porqué ser excluyentes, mas o debate no final da década de 1980 e princípios da de 1990 conduziu à oposição entre os dois enfoques. Durante o debate, alguns pesquisadores têm argumentado que o conexionismo e a IA convencional são totalmente compatíveis, ainda que não se atingiu um consenso pleno sobre esta questão. As diferenças entre os dois enfoques mais citados são os seguintes:

Apesar destas diferenças, alguns teóricos têm proposto que a arquitectura conexionista é simplesmente a forma em que o sistema de manipulação de símbolos é implementado no cérebro orgânico. Isto é lógico já que se sabe que os modelos conexionistas podem implementar sistemas de manipulação de símbolos do tipo dos utilizados nos modelos de IA convencional. De facto, isto deve de ser assim ao ser um dos propósitos dos sistemas conexionistas o explicar a capacidade humana para realizar tarefas de manipulação de símbolos. A questão reside em se esta manipulação de símbolos é a base da cognición em general. No entanto, as descrições computacionales podem ser úteis descrições da cognición de alto nível, por exemplo da lógica.

O debate sobre se as redes conexionistas eram capazes de produzir a estrutura sintáctica observada em razonamientos de tipo lógico foi tardio e o facto de que os procedimentos utilizados eram muito improváveis no cérebro fez que a controvérsia persistisse. Hoje em dia os avanços da neurofisiología e do entendimento das redes neuronales têm levado à elaboração de modelos que têm tido sucesso na superação de grande número daqueles primeiros problemas. Para os neurocientíficos a questão fundamental sobre o conhecimento inclinou-se a favor do conexionismo. No entanto, este desenvolvimento relativamente recente ainda não têm atingido um consenso aceitável entre aqueles que trabalham em outros campos, tais como a psicologia ou a filosofia da mente.

Parte do atractivo das descrições da IA convencional deve-se a que são relativamente fáceis de interpretar, e portanto podem ser vistas como uma contribuição a nosso entendimento de determinados processos mentais, enquanto os modelos conexionistas são pelo geral mais escuros, na medida de que só se podem descrever em termos muito gerais (especificando algorítmo de aprendizagem, número de unidades, etc), ou em termos de baixo nível que dificultam o entendimento dos processos cognitivos. Neste sentido, os modelos conexionistas podem contribuir dados para uma teoria geral do conhecimento (isto é, o conexionismo), sem que isso represente uma teoria útil do processo particular que esteja a ser modelagem. O debate poderia considerar em certa medida um mero reflito das diferenças no nível de análise no que se enmarcan as teorias particulares.

A recente popularidade dos sistemas dinâmicos na filosofia da mente (devido às obras de autores como Tim vão Gelder) tem acrescentado uma nova perspectiva ao debate, alguns autores argumentam agora que qualquer divisão entre o conexionismo e a IA convencional fica melhor caracterizada como uma divisão entre a IA convencional e os sistemas dinâmicos.

Veja-se também

Referências

  1. Geake, John. Neuromythologies in Education. Education Research, Vol. 50, Não. 2, June 2008, 123-133.
  2. Freedman, David H. (1996). «Capítulo 3: A Arte do Pensamento», Hacedores de cérebros, (url com vista prévia restringida), Editorial Andres Belo, p. 86. ISBN 956-13-1324-3.

Bibliografía

Enlaces externos

Obtido de http://ks312095.kimsufi.com../../../../articles/a/n/d/Andorra.html"