Connessionismo

Da Wikipedia, l'enciclopedia libera.

Il connessionismo è un movimento nelle scienze cognitive che si ispira alla struttura del cervello in quanto costituito da reti neurali per spiegare il funzionamento della mente.

Il connessionismo nell'intelligenza artificiale propone un nuovo modello per la costruzione e programmazione di hardware e software ispirati al cervello umano che elabora le informazioni dei vari sensi in maniera parallela, evitando il cosiddetto "Von Neumann - Bottleneck" dei modelli contemporanei, dove tutte le informazioni devono passare per il 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 Distribuita Parallela delle informazioni.

Indice 1 Reti Neurali 2 Simbolismo e Connessionismo 3 Voci correlate 4 Collegamenti esterni 5 Riferimenti

[modifica] Reti Neurali

In una rete neurale artificiale ogni "nodo" funziona secondo un principio simile ad un neurone biologico. In un neurone biologico ogni connessione sinaptica di un neurone ha un certo "peso" che influenza la forza del segnale ricevuto. Nel neurone si sommano tutti i segnali ricevuti dalle varie sinapsi e se questa somma è più grande di un certo 'valore di soglia', allora il neurone "spara", trasmettendo un segnale ad altri neuroni nella rete. Ogni nodo in una rete neurale artificiale simula questo comportamento tramite delle connessioni analoghe alle sinapsi di un neurone biologico e trmite una funzione di attivazione, che stabilisce quando il neurone spara. 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. La funzione di attivazione, tuttavia, può essere anche alquanto più complessa.

[modifica] Simbolismo e Connessionismo

Molti 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 funzione 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 Fodor), mentre i connessionisti credono che la manipolazione di simboli sia un modello dell'attività mentale molto povero e semplificato.

[modifica] Voci correlate

• John Broadus Watson
• Frank Rosenblatt
• Neurone McCulloch-Pitts
• Perceptron
• Rete neurale artificiale (PDP = "parallel distributed processing")

[modifica] Collegamenti esterni

• Introduzione al connessionismo
• Connessionismo nella Stanford Encyclopedia of Philosophy (Inglese)
• Il connessionismo (PDF)

[modifica] Riferimenti

• 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
• 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.