conexionismo
El conexionismo es un enfoque en el campo de la ciencia cognitiva que espera explicar los fenómenos mentales utilizando redes neuronales artificiales (ANN). [1] El conexionismo presenta una teoría cognitiva basada en la actividad de señales distribuidas que ocurren simultáneamente a través de conexiones que se pueden representar numéricamente, donde el aprendizaje se produce mediante la modificación de las intensidades de conexión en función de la experiencia. [2]
Algunas ventajas del enfoque conexionista incluyen su aplicabilidad a una amplia gama de funciones, la aproximación estructural a las neuronas biológicas, los bajos requisitos de estructura innata y la capacidad de degradación elegante . [3] Algunas desventajas incluyen la dificultad para descifrar cómo las ANN procesan la información o dan cuenta de la composición de las representaciones mentales y la dificultad resultante para explicar los fenómenos a un nivel superior. [2]
El éxito de las redes de aprendizaje profundo en la última década aumentó en gran medida la popularidad de este enfoque, pero la complejidad y la escala de tales redes trajo consigo mayores problemas de interpretación . [1] Muchos consideran que el conexionismo ofrece una alternativa a las teorías clásicas de la mente basadas en la computación simbólica, pero la medida en que los dos enfoques son compatibles ha sido objeto de mucho debate desde sus inicios. [1]
El principio conexionista central es que los fenómenos mentales pueden describirse mediante redes interconectadas de unidades simples y, a menudo, uniformes. La forma de las conexiones y de las unidades puede variar de un modelo a otro. Por ejemplo, las unidades en la red podrían representar neuronas y las conexiones podrían representar sinapsis , como en el cerebro humano .
En la mayoría de los modelos conexionistas, las redes cambian con el tiempo. Un aspecto estrechamente relacionado y muy común de los modelos conexionistas es la activación . En cualquier momento, una unidad en la red tiene una activación, que es un valor numérico destinado a representar algún aspecto de la unidad. Por ejemplo, si las unidades del modelo son neuronas, la activación podría representar la probabilidad de que la neurona genere un pico de potencial de acción . La activación normalmente se extiende a todas las demás unidades conectadas a ella. La difusión de la activación siempre es una característica de los modelos de redes neuronales, y es muy común en los modelos conexionistas utilizados por los psicólogos cognitivos .
Las redes neuronales son, con mucho, el modelo conexionista más utilizado en la actualidad. Aunque existe una gran variedad de modelos de redes neuronales, casi siempre siguen dos principios básicos relacionados con la mente:
