Когнитивная психология полностью

Коннекционизм можно определить как «теорию психики, предполагающую наличие большого количества простых единиц, связанных в параллельную распределенную сеть». Умственные операции, такие как память, восприятие, мышление и т. д., распределены по очень сложной нейронной сети, работающей параллельным образом. Эта теория основана на допущении, что единицы одновременно, или параллельно, возбуждают или тормозят друг друга по всей системе. Это отличает ее от теорий последовательной обработки, предполагающих, что обработка единиц осуществляется лишь в последовательности. Число участвующих в процессе пар единиц, даже в такой простой задаче, как печатание слова, может быть значительным. Знания распределены всюду по системе именно в связях между парами единиц. Как могут знания — наиболее сложная из изучаемых в настоящее время тем -быть выражены в терминах простых возбуждающих и тормозящих связей между единицами? В этом разделе мы пробуем ответить на этот вопрос.

Во многих из предыдущих моделей репрезентации информации знания хранились как статическая копия паттерна. Эта позиция подобна концепции изоморфизма, описанной в главе 1. Объект, образ или мысль хранится в памяти с атрибутами и связями с другими объектами, образами и мыслями. Когда требуется опознать единицу (например: «Вы знаете слона по имени Клайд?»), производится сравнение между элементами вопроса и информацией, хранящейся в памяти. Кроме того, активизируются связанные с этими элементами ассоциации (например, что слоны серые), хотя уровень активации, очевидно, гораздо меньше, чем активация центральных единиц Клайд и слон. Однако способ, которым представлено знание, более или менее статичен, и средством доступа к знанию является сравнение хранящейся в памяти информации с признаком.

Репрезентация знаний в коннекционистских моделях познания весьма отличается от принятой в моделях, которые хранят объекты, образы и т. д. Во-первых, в коннекционистских моделях сами паттерны не хранятся; хранится сила связи между единицами, которая позволяет восстановить эти паттерны:

Во-вторых, сторонники коннекционистской модели иначе рассматривают научение. В традиционных репрезентативных моделях цель научения — формирование эксплицитных правил, предусматривающих извлечение информации и обобщение признаков. Мы знаем, что Клайд — это слон и что подобно большинству других слонов он серый и не может легко поместиться в ваш «Фольксваген». Мы знаем это, потому что нам известны правила. Модели PDP лишь предполагают, что научение состоит из установления силы связей, которые позволяют сети простых единиц действовать, как будто они знают правила. Происходит научение не правилам, а связям между простыми единицами. Даже при том, что нашим поведением, по-видимому, управляют правила, мы делаем эти выводы именно на основе сети связей в мозге.

В-третьих, важно вновь заявить, что модель PDP основана на представлениях о нервных процессах; однако она не сводится к выявлению определенных нервных путей. Такая модель была бы непрактична, так как она была бы такой же сложной, как сам мозг. «Основана на представлениях о нервных процессах» просто означает, что в отличие от некоторых предыдущих моделей (см. особенно Коллинз и Квиллиан) метафора, на которой основана эта модель, — мозг, а не компьютер. Тот факт, что модели PDP основаны на представлениях о нервных процессах, прямо влияет на репрезентацию знаний. Все знания хранятся в виде связей, что может иметь место в случае нервных связей. В компьютерной метафоре знание, как полагают, хранится в некоторых единицах. Когда мы думаем о знании в обычном смысле, мы, вероятно, представляем его как собранное и хранящееся в определенном месте. Различие между этими точками зрения значительно. Например, модель PDP предполагает, что «все знания имплицитны в структуре устройства, которое выполняет задачу, а не эксплицитны в состояниях самих единиц» (Rumelhart, Hinton & McClelland, 1986).