Connessionismo

Da Wikipedia, l'enciclopedia libera.
Vai alla navigazione Vai alla ricerca
Schema di una rete neurale artificiale

Il connessionismo è un approccio delle scienze cognitive che tenta di spiegare il funzionamento della mente usando reti neurali artificiali.[1]

La diffusione del connessionismo si deve soprattutto al lavoro degli psicologi americani David Rumelhart e James McClelland.

Il connessionismo nell'intelligenza artificiale propone un nuovo modello per la costruzione e programmazione di hardware e software ispirati ad ipersemplificazioni del cervello umano, evitando il cosiddetto "Von Neumann bottleneck" dei modelli contemporanei, dove tutte le informazioni devono passare per la CPU serialmente.

Oltre a questo suggerisce un modello distribuito per la rappresentazione delle informazioni nella memoria. Le informazioni all'interno di una rete neurale (biologica o artificiale che sia) sono distribuite per tutti i vari nodi della rete e non in un "posto" singolo. Non si può più quindi puntare ad una parte determinata del sistema e dire che questa unità contiene una determinata informazione o svolge un determinato compito specifico.

Il connessionismo suggerisce quindi un modello di "Parallel Distributed Processing" (PDP): Elaborazione a parallelismo distribuito delle informazioni.

Dal punto di vista della filosofia della mente, il connessionismo si pone come alternativa al cognitivismo, mettendone in discussione il postulato fondamentale, ovvero l'analogia tra mente e computer. Nell'ottica connessionista, il computer diviene mero strumento di calcolo del ricercatore, mentre l'analogia funzionale si sposta sul cervello umano e sulle reti neurali biologiche. L'attività della mente è distribuita tra le connessioni delle unità di calcolo (i "neuroni"), perciò non scomponibile nei singoli processi cognitivi. In questo, il connessionismo si avvicina al comportamentismo, che postula una connessione diretta tra stimolo e risposta.[2][3]

Reti Neurali Artificiali[modifica | modifica wikitesto]

Struttura di una rete neurale artificiale

In una rete neurale artificiale ogni "nodo" rappresenta l'ipersemplificazione di un neurone biologico. Esso tenta di simulare il comportamento dei neuroni con connessioni analoghe alle sinapsi di un neurone biologico e tramite una funzione di attivazione, che stabilisce quando il neurone invia un segnale. Nella forma più semplice, questa funzione di attivazione può essere di generare un "1" se l'input sommato è più grande di un certo valore, o al contrario uno "0" se il segnale ricevuto rimane sotto la soglia della funzione di attivazione.

Simbolismo e Connessionismo[modifica | modifica wikitesto]

Molti[non chiaro] vedono il connessionismo in opposizione al simbolismo. Il simbolismo è una forma specifica del cognitivismo che sostiene che l'attività mentale sia solo calcolo, cioè che la mente funziona essenzialmente come una macchina di Turing. Le differenze di fondo sono le seguenti:

  • I simbolisti presuppongono modelli di simboli che non assomigliano per niente alla struttura del cervello, mentre i connessionisti esigono che i loro modelli assomiglino alle strutture neurologiche.
  • I simbolisti generalmente si interessano solo alla struttura dei simboli e delle regole sintattiche per la loro manipolazione, mentre i connessionisti guardano all'apprendimento da stimoli ambientali e alla memorizzazione di queste informazioni nei collegamenti fra neuroni.
  • I simbolisti credono che l'attività mentale interna consista nella manipolazione dei simboli (come nella teoria del linguaggio del pensiero di Jerry Fodor), mentre i connessionisti credono che la manipolazione di simboli sia un modello dell'attività mentale molto povero e semplificato.

Note[modifica | modifica wikitesto]

  1. ^ Garson, James, Connectionism, su plato.stanford.edu. URL consultato il 27 novembre 2018.
  2. ^ connessionismo, su sapere.it. URL consultato il 3 novembre 2018.
  3. ^ Paul Smolensky, On the Proper Treatment of Connectionism, in Behavioral and Brain Sciences, vol. 11, n. 1, marzo 1988, pp. 1-23, DOI:10.1017/S0140525X00052432.

Bibliografia[modifica | modifica wikitesto]

  • Rosenblatt, Frank (1958), The Perceptron: A Probabilistic Model for Information Storage and Organization in the Brain, Cornell Aeronautical Laboratory, Psychological Review, v65, No. 6, pp. 386–408.
  • Rumelhart, D.E., J.L. McClelland and the PDP Research Group (1986), Parallel Distributed Processing: Explorations in the Microstructure of Cognition. Volume 1: Foundations, 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, Cambridge, MA: MIT Press
in italiano

Voci correlate[modifica | modifica wikitesto]

Collegamenti esterni[modifica | modifica wikitesto]

Controllo di autoritàLCCN (ENsh88001138 · GND (DE4265446-4 · BNF (FRcb12109918b (data) · J9U (ENHE987007531894405171