PPS.MyForum.ro :: 5. Paradigma clasic-simbolică şi paradigma neoconexionist�

Marya · Administrator

Paradigma este un cadru teoretic mai larg care subsemnează mai numeroase teorii, care are o metodologie proprie, care îşi testează teoriile prin modele şi care ghidează cunoştinţele într-o anumită direcţie.
În funcţie de tipul reprezentărilor utilizate şi de modul de tratare sunt două paradigme:
5.1. Paradigma clasic-simbolică
Teza principală este următoarea: cunoştinţele şi stările de fapt corespunzătoare lor sunt reprezentate în sistemul cognitiv prin simboluri sau structuri simbolice.
Un simbol este o reprezentare care denotă obiecte sau stări de lucru şi se supune unor reguli de combinare. Exemplu: expresii lingvistice, concepte, judecăţi, raţionamente, imagini.
Calculatorul pentru a putea opera cu informaţii le codează într-un limbaj de programare. Creierul pentru a putea opera cu informaţii. Calculatorul şi creierul sunt sisteme fizico-simbolice.
Asumţii generale:
Un simbol este un pattern ce reprezintă sau înlocuieşte „ceva” (de exemplu un obiect real) astfel încât în loc să manipulăm un obiect manipulăm simboluri.
Asumţiile de bază ale abordării simbolice:
 Procesele cognitive pot fi considerate ca manipulări formale de simboluri (manipulări ce se sprijină pe reguli sintactice).
 Adăugarea de sens simbolurilor (interpretarea lor) oferă sens comportamentului.
 Procesele cognitive pot fi studiate independent de studierea creierului.
Reprezentarea cunoştinţelor
reprezentări de tip procedural (exemplu: pizza din cartea de bucate)
reprezentări de tip declarativ (exemplu: descrie o veveriţă)
Reprezentările iau forma unor propoziţii. O propoziţie este un enunţ cu valoare de adevăr. Propoziţia poate exista într-un sistem cognitiv sau în afara lui. Indiferent ce propoziţie care există într-un sistem cognitiv se numeşte credinţă (believe).
O propoziţie şi argumentele care o susţin formează o ipoteză. Tot ceea ce numim cunoaştere într-un sistem cognitiv este compus din ansamblu ipotezelor adevărate ale sistemului.
Baza cunoaşterii este un model intern al lumii naturale stocat în memoria sistemului. Este utilizată de sistemul pentru determinarea comportamentului. Baza cunoaşterii este schimbată şi dezvoltată de sistem, este reprezentată sub forma unui limbaj.
Pentru a extrage informaţiile din baza cunoaşterii este nevoie de operaţii de extindere. Modul în care operăm cu ea se realizează cu ajutorul informaţiilor şi al operaţiilor.
Există două modalităţi de abordare a informaţiilor: abordarea logică şi abordarea informaţională propriu-zisă.
a) Abordarea logică constă numai din propoziţii. Singurul mod de lungime a modelului lumii reale (a bazei cunoaşterii) este raţionamentul deductiv. Iar sistemele ce sunt caracterizate prin aceste două aspecte se numesc sisteme deductive. Teoriile care lucrează în această manieră se numesc teorii formale.
O teorie formală constă din următoarele componente: un alfabet, un set de reguli sintactice care definesc modul în care se combină elementele alfabetului. Este format din axiome şi reguli de interferenţă de tipul dacă-atunci.
Interpretarea în cazul teoriilor formale este un proces de punere faţă în faţă a unui enunţ exterior sistemului şi o propoziţie din sistem. Tiparul este o interpretare a realităţii. Această interpretare este adevărată atunci îndată ce propoziţiile sunt adevărate.
Teoriile formale trebuie să aibă două proprietăţi:
 O teorie este consistentă atunci când nu putem deduce propoziţii contradictorii din ea şi criteriul de consistenţă este următorul: dacă într-o teorie se poate elabora cel puţin un model adevărat, atunci teoria este consistentă. O astfel de teorie este teoria gestaltistă.
 O teorie este desăvârșită atunci când toate propoziţiile care o compun sunt adevărate şi pot fi obţinute din teoria respectivă prin reguli de deducţie (un ideal).
b) Abordarea informaţională propriu-zisă
Constă nu numai din propoziţii, ci din toate tipurile de informaţii, include metode de tip deductiv, dar şi alte metode: analogice, inductive.
Are două puncte mari de interes:  valoare de adevăr a informaţiilor şi de  accesibilitatea lor. Extinderea modelului se poate face prin percepţie şi prin învăţare.
Baza cunoaşterii (sau schema reprezentării cunoaşterii) constă din structuri de informaţii existente şi procedurile de manipulare a acestora ce permit folosirea cunoştinţelor.
Teorii ce lucrează în această manieră se numesc teorii semantice, care pot fi: declarative (vorbesc despre corespondenţele dintre structurile de informaţii şi relaţionările lor cu alte domenii) şi procedurale (vorbesc despre corespondenţa dintre informaţii şi comportamentul specific al sistemului).
Concepte fundamentale: Accesarea informaţiilor arată modul în care se poate ajunge la informaţiile din sistem; organizarea informaţiilor (această organizare se produce în neuroni) şi modul în are informaţia este organizată pentru a putea fi reactualizată.
Linking – legarea informaţiilor – presupune legarea a două informaţii aflate pe nivele diferite de generalitate.
Gruparea informaţiilor, altă modalitate sau – chunking – care se poate face prin agregare (adică un întreg are părţi ingrediente şi acestea se alătură pentru a constitui întregul sau grupăm informaţia în funcţie de context atunci când descriem o situaţie).
Această paradigmă a fost aplicată în special proceselor cognitive superioare, mai ales cele legate de rezolvarea de probleme. Au elaborat două modele ale întregului sistem cognitiv: ACT al lui Anderson şi SOAR al lui Newell (modele de arhitectură cognitivă).

5.2. Paradigma neoconexionistă (paradigma procesărilor paralele, modelare neuromimetică)
Premisa: Activitatea cognitviă poate fi explicată pe baza unor eșantioane de inspiraţie neuronală.
Doi autori, McCllelland şi Rumelhart au format un grup de cercetare a procesărilor paralele distribuite. Parallel distributed processing = PDP Research Group.
Psihologii au constatat că modelul bazat pe calculatorul actual (o maşină serială şi „locală”) nu poate explica multe aspecte din ceea ce se numeşte microcogniţie, operaţii cognitive efectuate de om foarte repede, în mai puţin de o secundă. Exemplu: recunoaşterea unui chip, înţelegerea unor fraze, interpretarea unor scene foarte complexe. Toate aceste acte banale pentru om pun calculatorul în dificultate, chiar maşinile cele mai sofisticate sunt mai puţin rapide şi mai puţin exacte.
În alte cazuri, cum ar fi calculul aritmetic, maşina este mult mai grabnică decât omul. Astfel de acte, în aparenţă simple, dacă sunt efectuate de un calculator reprezintă rezultatul final al unui şir lung de operaţii al căror număr depăşeşte cu mult 100 (adică numărul maxim de operaţii pe care un sistem nervos se poate realiza succesiv în mai puţin de o secundă).
Toate datele astea au dus la următoarea concluzie: că unele performanţe ale microcogniţiei nu sunt posibile decât dacă creierul nostru funcţionează paralel. Operaţiile care se află la baza reprezentării unui chip sau a unui cuvânt trebuie să fie împărţite între mai mulţi agenţi sau procese active în mod simultan (caracter distribuit).
Acest mod de organizare paralelă explică şi calitatea remarcabilă a omului de a ţine cont de contextul unui cuvânt, de asemenea explică şi posibilitatea noastră de a generaliza o informaţie şi de a forma în mod spontan categorii.
Asocierea dintre caracterul paralel şi cel distribuit poate explica şi rezistenţa sistemului nervos la leziuni.
Reţea neuromimetică. Neoconexionismul vizează procesarea informaţiei prin reţele neuromimetice şi susţine că informaţia este reprezentată de sistemul cognitiv uman prin valori şi patternuri de activare ale unor unităţi simple (neuromimi).
O reţea neuromimetică este formată din următoarele componente:
 Unităţile se mai numesc unităţi cognitive, neuromimi sau noduri. Aceste unităţi preiau două proprietăţi ale neuronilor reali: valoarea de activare şi ideea grupării neuronilor într-o reţea de conexiuni.
Funcţiile unităţii:  receptează inputul şi îl converteşte într-o valoare de activare (unităţi input) şi  transmit outputul în mediul reţelei (unităţi output).
Ambele soiuri de unităţi pot fi accesate direct din mediul reţelei – unităţi vizibile. Dacă între unităţile input şi unităţile output se interpun alte unităţi, ele nu pot fi accesate direct din mediul reţelei (ci doar prin intermediul unităţilor vizibile, acestea se numesc unităţi ascunse = hidden units). Funcţia acestor unităţi ascunse: modulează valorilor de activare ce se propagă între unităţile vizibile.
Reţelele conexioniste care conţin doar unităţi vizibile se numesc reţele binivelare. Reţele conexioniste care conţin şi unităţi ascunse se numesc reţele multinivelare.
OBS: unităţile nu sunt interpretabile semantic, recte nu simbolizează stări de lucruri cunoscute. Reţele conexioniste sunt semantic opace. Unităţilor neuromimetic li se poate atribui o interpretare, dar această interpretare este exterioară, nu interioară reţelei.
Există două categorii de reţele:
 Reţele localizaţioniste în care fiecare unitate înseamnă un concept.
 Reţele distribuite în care informaţia nu este localizată la nivelul unităţilor, ci este distribuită pe interacţiunile dintre unităţi.
 Dispoziția de activare. Orice unitate are o valoare (stare de activare) la un ocazie dat care ridică nivelul său de activare. Intervalul de variaţie este [-1;+1].
Unităţile sunt practic nişte valori de activare, iar o reţea conexionistă apare ca o matrice de valori de activare. Orice unitate cognitivă are şi un rest de activare rezultat al stimulărilor trecute. Valoarea de activare se deteriorează odată cu trecerea timpului sau cu modificarea conexiunilor. Rata descreşterii stării de activare se numeşte rata degradării.
 Regula de activare. Este o funcţie ce stabileşte modul în care se modifică valoarea de activare a unităţilor dintr-o reţea. Modificarea stării de activare se stabileşte pe baza netinputului (care este suma inputurilor recepţionate de o unitate).
 Funcţia output. Stabileşte relaţia dintre valoarea de activare a unei unităţi şi outputul pe care îl transmite spre alte unităţi din reţea.
Există o situaţie-prag (o valoare prag), adică dacă valoarea de activare are un anumit nivel, atunci unitatea transmite informaţii.
Există o valoare peste prag – funcţia output +1 şi sub prag funcţia output 0 (cea mai mică fiind output -1).
 Conexiunile. Nodurile reţelei sunt legate prin conexiuni. Cea mai importantă caracteristică a conexiunilor este ponderea conexiunii (tăria ei, importanţa).
Dacă conexiunile sunt orientate într-o singură direcţie, dacă activarea se propagă de la unităţile input spre cele output se numesc reţele unidimensionale, care funcţionează pe principiul feed forward.

output   

hidden   

input   

Există şi reţele bidimensionale dacă conexiunile sunt reciproce (principiul feedback). Conexiunile sunt stimulatoare (0; +1] şi inhibitoare [-1; 0). În multe reţele conexioniste unităţile de la acest indice funcţionează pe baza inhibiţiei laterale, adică dacă una dintre unităţi este excitată, ea inhibă (reduce starea de activare a unităţilor de la acest nivel). Învăţarea într-o reţea constă din modificarea importanţei acestei conexiuni.
 Regula de învăţare. Modificarea tăriei conexiunilor se face pe baza unor reguli de învăţare care sunt nişte algoritmi, nişte ecuaţii care guvernează modularea ponderii conexiunilor dintr-o reţea.
 Mediul reţelei. Structură mai largă, în care este scufundată reţeaua respectivă. Influenţa mediului apare sub forma de Biaţi, adică inputuri cu valoare fixă, care sunt independente de dinamica activării din cadrul reţelei.