Treść książki
Przejdź do opcji czytnikaPrzejdź do nawigacjiPrzejdź do informacjiPrzejdź do stopki
1.3.Ogólnaarchitekturaumysłu
1.3.4.Sieciowemodeleumysłu
Sieciowemodeleumysłupowstaływodpowiedzinakrytykęformułowanązarówno
podadresemtradycyjnejsztucznejinteligencji,jakimodeliblokowychwrazzleżą-
cąuichpodłożakomputerowąmetaforąumysłu.Podkreślano,żemodeleblokowe
itradycyjneprogramysztucznejinteligencjiopierająsięnafałszywej,niezgodnejze
współczesnąwiedzą,wizjidziałaniamózgu.Krytykowanoteżskłonnośćautorówmo-
deliblokowychdomyśleniawkategoriachhomunculusa:inteligentnegoludzikaod-
powiedzialnegozakontrolęprocesuprzetwarzaniainformacji.Podkreślano,żeumysł
ludzkimazdolnośćsamoorganizacjiisamokontroli,zatemkoncepcjejegoogólnej
architekturypowinnytenfaktbraćpoduwagę.
Narodzinynowegopodejściadomodelowaniaprocesówpoznawczych,zwanegoko-
neksjonizmem,przypisujesiędzieługrupyuczonychzMIT,pracującychpodkierun-
kiemMcClellandaiRumelharta(McClelland,Rumelhart,thePDPResearchGroup,1986;
Rumelhart,McClelland,thePDPResearchGroup,1986).Mimowielościiróżnorodności
stworzonychdotejporymodelipodejściekoneksjonistycznemaźródłowkilkupod-
stawowychzałożeniach(Elman,1998).Przyjmujesię,żeprzetwarzanieinformacjido-
konujesiędziękiaktywnościbardzolicznych,aleniezwykleprostychjednostek(units).
Tworząonesieć,którejwęzły–tożsamezjednostkami–aktywizująsięniejedenpo
drugim,leczwtymsamymczasie.Wobectegokoneksjoniścitwierdzą,żepoznanie
jestrównoległymirozproszonymprzetwarzanieminformacji(parallelanddistributed
processing,PDP).Uważają,żetakimodelpoznaniajestbardziejwiarygodnybiologicz-
nie,ponieważlepiejsymulujepracęmózgu.Organtenskładasięzwielkiejliczbyko-
móreknerwowych,którenicnieznacząpojedynczo,aletworzącskomplikowanąsieć
powiązań,sąwstanienietylkokontrolowaćfunkcjonowanieorganizmu,lecztakże
wykonywaćnajbardziejzłożoneoperacjeintelektualne.Dążeniedościsłegonaślado-
waniapracymózguprzejawiasięm.in.wnazewnictwie:modelekoneksjonistyczne
sąnazywanesieciamineuropodobnymi(lubneuronowymi,neuralnetworks).
Siećneuropodobnaskładasięzneuronówwarstwywejściowej,warstwywyjściowej
orazwarstwpośredniczących,zwanychukrytymi(hiddenlayers).Siećmożebyćpo-
nadtowyposażonawwarstwękontekstową,zawierającąjednostkikomunikującesię
wyłączniezwarstwamiukrytymiimodyfikująceichdziałanie.Liczbawarstwukry-
tych,jakteżobecnośćwarstwkontekstowychdecydująopoziomiezłożonościsieci.
Przetwarzanieinformacjipoleganaodbiorzedanychzotoczeniaprzezwarstwęwej-
ściowąiprzekazywaniuichdalejpoprzezwarstwyukryteażdoUefektorów”sterowa-
nychneuronamiwarstwywyjściowej.Wprostymprzykładzie,przedstawionymna
rycinie1.4,jednostkai,należącadowarstwypośredniej,możeodbieraćsygnałyod
pięciuneuronówwarstwywejściowej,wśródktórychznajdujesięjednostkaj.Opozio-
miewzbudzeniajednostkiidecydujejednaknietyleliczba,ilewagapołączeńzneu-
ronamiwarstwywejściowej.Wagajestjakgdybymnożnikiem,którymodyfikujesiłę
połączeńmiędzyjednostkamisieci.Otymwięc,czyjednostkajzwarstwywejściowej
zdołapobudzićdodziałaniajednostkęizwarstwyukrytej,decydujeto,czyjednostka
jsamajestaktywna,jaksilnejestjejwzbudzenie,aprzedewszystkim–jakajestwaga
połączeniaij.Oczywiściejednostkaipobierasygnałyodinnychjednostekwarstwy
wejściowej.Jeślizsumowanawartośćzważonychpobudzeńprzekroczywartośćpro-
gową,jednostkaisięuaktywni,aprzeztobędziemogłaprzekazywaćsygnałyinnym
neuronom,przedewszystkimjednostkomwarstwywyjściowej.Skutecznośćtakich
51
