|
Connessionismo
- 2 (di Silvia Coletti)
In Filosofia della biologia
Un tipo di conoscenza
non preposizionale, basata su reti neurali è il connessionismo che
propone un modello alternativo del cervello e della mente, di tipo non
computazionale, cioè non basato sull’esistenza di una macchina
universale di Turing. Nei cervelli reali esistono circuiti o reti nervose
costituite da neuroni che si eccitano e che comunicano la loro eccitazione
ad altri neuroni attraverso le sinapsi che pongono in contatto neurone con
neurone: l’eccitazione di uno o più neuroni può comportare
l’attivazione di un intero circuito o rete cosicché un insieme di
neuroni si trova in uno stato di attivazione rispetto ai neuroni
circostanti. Il connessionismo implica quindi che esistano reti neurali e che le caratteristiche della loro
attivazione coincidano con una descrizione di ciò che porta a
un’attivazione dei loro neuroni: ad esempio, in una classica rete di
tipo connessionista un neurone si eccita se la somma ponderata dei suoi
input supera la soglia. Il connessionismo si propone però di provare
l’esistenza di più complesse relazioni globali tra neuroni. Ad esempio:
un neurone x si attiva se tutte le relazioni di un particolare tipo
intrattenute dai neuroni di una popolazione cui appartiene pure x sono
anche intrattenute dai neuroni di una popolazione associata alla prima.
Secondo il connessionismo, la conoscenza non è quindi localizzabile in
specifiche strutture simboliche o in proposizioni del programma, ma è
distribuita nella rete, dipende da pattern, cioè insiemi, configurazioni
di attivazione diffusi. Il connessionismo guarda ad una mente di tipo
solistico basata su configurazioni di attivazione delle reti.
In Filosofia della mente (con particolare riferimento a Searle)
 Ecco come funziona una
tipica rete connessionista.
Abbiamo dei nodi al
livello di ingresso che ricevono i segnali in ingresso o input. Questi
possono essere rappresentati da valori numerici come 1,-1,1/2, ecc. Tali
valori sono trasmessi ai nodi in linea del livello successivo, attraverso
tutte le connessioni. Ogni connessione possiede una certa forza, e anche
tali forze di connessione possono essere rappresentate da valori numerici,
come 1,-1,1/2, ecc. Il segnale in ingresso viene moltiplicato dalla forza
di connessione per raggiungere il valore che viene ricevuto dal nodo
successivo da quella connessione. Così ,ad esempio, un input di 1,
moltiplicato per la forza di connessione 1/2, darà un valore di 1/2 da
quella connessione al nodo successivo. I nodi che ricevono questi segnali
sommano tutti i valori numerici che hanno ricevuto e li trasmettono ai
nodi dello strato successivo. Per cui abbiamo un livello in ingresso, un
livello in uscita o output, e una serie di uno o più livelli interni
chiamati livelli nascosti. Tale processo seriale continua fino a che non
viene raggiunto il livello in uscita.
Si dice a volte che tali
sistemi siano ispirati neuronalmente. L’idea è che dobbiamo pensare
alle connessioni come a degli assoni e a dei dendriti, e ai nodi come a
dei corpi cellulari che fanno la somma dei valori in ingresso e poi
decidono quanto di un segnale spedire ai prossimi neuroni, ad esempio, le
successive connessioni e i nodi allineati.
|
