WikiDer > Konnektionismus

Connectionisme

Konnektionismus ist ein Ansatz in Bereichen wie künstliche Intelligenz, kognitive Psychologie/Kognitionswissenschaft und Neurowissenschaften. Dieser Ansatz versucht, mentale oder Verhaltensphänomene als auftauchend Eigenschaften von Netzen elementarer Einheiten. Diese Einheiten können auf unterschiedliche Weise miteinander verbunden werden, um verschiedene Aufgaben zu erfüllen. Die Netzwerke weisen eine gewisse Aktivierung auf. Die Aktivierung kann in einem Teil eines Netzwerks erfolgen und sich beispielsweise über das gesamte Netzwerk verteilen. Konnektionismus ist eigentlich eine neue Form von Assoziation: Erklärung der Entstehung komplexer Strukturen durch Verbindungen zwischen elementareren Strukturen.

Vernetzung

Es gibt verschiedene Formen des Konnektionismus. Eine gängige Form geht davon aus neurales Netzwerk Modelle. Hier können beispielsweise die Elementareinheiten aus Neuronen bestehen und deren Verbindungen aus Synapsen bestehen (siehe auch Konnektom). Obwohl der Name vermuten lässt, dass diese Modelle auf Gehirneigenschaften basieren, ist dies nicht unbedingt der Fall. Dies wird jedoch manchmal berücksichtigt. Zum Beispiel in Netzwerksimulationen von Speicher, Eigenschaften von Strukturen wie der Hippocampus. Solche Modelle heißen dann neuronal plausibel. In anderen Modellen werden Einheiten innerhalb eines Netzwerks durch Wörter gebildet, und die Verbindungen zwischen ihnen repräsentieren semantische Beziehungen. Informationsverarbeitung in diesen Netzen läuft parallel. Aus diesem Grund werden diese Netzwerke manchmal als Parallel verteilte Verarbeitung (PDP)-Systeme.[1]

Netzwerk als Rechnungseinheit

Die meisten einfachen neuronalen Netze enthalten drei Schichten: eine sogenannte Eingabeschicht, eine Zwischenschicht und eine Ausgabeschicht (siehe auch neurales Netzwerk). Zwischen diesen Schichten gibt es Vor- und Rücklauf (oder Feedback) Verbindungen. Die Stärke der Verbindungen wird durch ihr Gewicht bestimmt: Diese können erregend oder hemmend wirken. Je größer die spannenden Gewichte, desto stärker die Aktivierung des Gesamtnetzwerks. Ein Netzwerk mit wiederkehrenden Verbindungen wird auch genannt wiederkehrendes Netzwerk erwähnt. Diese Verbindungen können beispielsweise von der Ausgabeschicht zur Zwischen- oder Eingabeschicht zurückgeführt werden. Wenn beispielsweise die Ausgabeschicht zu wenig Ausgabe produziert, kann Feedback die Werte der Eingabeschicht erhöhen. Ein solches Netzwerk bildet eine Art Recheneinheit (oder Recheneinheit). Einem solchen Netzwerk kann beigebracht werden, bestimmte Wahrnehmungsaufgaben auszuführen, wie das Erkennen von Gesichtern oder Handschriften.Eine Technik, die häufig in Netzwerksimulationen verwendet wird, heißt Rückwärtsausbreitung. Die Gewichte der unteren Ebenen werden durch eine Reihe von Iterationen (wiederholte Aktionen) kontinuierlich angepasst. Dadurch wird die Differenz zwischen gewünschter und erhaltener Lösung mit der Zeit immer kleiner, bis ein stabiler Endwert erreicht wird, der das vorgegebene Kriterium erfüllt.

Konnektionismus vs. Computerdiskussion

Als der Konnektionismus in den 1980er Jahren populärer wurde, haben einige Forscher (einschließlich Jerry Fodor und Steven Pinker) dagegen. Sie argumentierten, dass der Konnektionismus die Fortschritte in der Kognitionswissenschaft und Psychologie darstellt, die durch die klassischen Methoden der Informatik, annullieren würde. Laut Computationalism ist der menschliche Geist rechnerisch, d. h. der Geist funktioniert, indem er formale Operationen an Symbolen durchführt, wie z Turing Maschine. Konnektionismus und Computationalismus schließen sich nicht unbedingt gegenseitig aus. Es ist möglich, dass konnektionistische Netzwerke die Art sind, wie symbolische Modelle implementiert werden. Andere, einschließlich Neurowissenschaftler Patricia Churchland und Philosoph Paul Churchland, argumentieren, dass der Erfolg konnektionistischer Modelle ein Beweis für die Schwäche der Volkspsychologie. Ihnen zufolge ist die Volkspsychologie eine Theorie, die die interne Manipulation satzähnlicher Symbole postuliert. Die klassischen computergestützten Erklärungen der Kognition sind laut Churchlands eine Folge der Volkspsychologie, die Menschen verwenden, um mentale Zustände zu erklären. Daniel Dennett argumentiert, dass eine abstrakte Denkebene uns helfen kann, Muster im menschlichen Verhalten zu finden, die in konnektionistischen Modellen nicht klar sichtbar wären.[2] So wie die Züge eines Schachcomputers besser analysiert werden können, wenn man auf einer höheren Ebene argumentiert (z.B. beim Schach ist es wichtig, eine dominante Position in der Mitte des Brettes zu haben), als wenn man sich die elektronischen Schaltkreise ansieht, aus denen der Computer besteht, ist er Es kann sinnvoll sein, auf der Ebene der Symbolverarbeitung zu argumentieren, anstatt nur die einzelnen Elemente und Verbindungen eines neuronalen Netzes zu studieren.