A harmadik elméleti keret: Konnekcionizmus és PDP I.

1) Az érzék és idegsejtek aktivitásának mintázatában kódolónak a külvilágból érkező ingerek vagy belső állapotok.
2) Az idegsejtek a több irányból (érzéksejtek, előző idegsejtek) érkező jeleket (ingerületátvivő anyagok által kiváltott szinaptikus potenciálok) összegzik (az elektromos jelek végigterjednek a dendriteken és eljutnak a sejttestre), majd ha a serkentés erőssége elérte a sejt kisülési küszöbértékét, a sejtek jelet küldenek ki axonjukon (akciós potenciál), melyet átadnak az általuk beidegzett számos sejtnek (az axonvégtalpakból átvivőanyag szabadul fel). Két egymás után kapcsolt idegsejt képes egy egyszerű reflex kivitelezésére, ahol egy egyértelmű inger, egy egyértelmű választ vált ki.
3) Az idegsejtek közötti kapcsolatok nem csak merevek, genetikailag meghatározottak lehetnek, hanem az asszociatív Hebb-szabály szerint (mely azt mondja ki, hogyha egy sejt bemenete és a sejt egyszerre aktív, akkor a kapcsolat erősödik) a kapcsolatok (szinapszisok) erőssége tartósan megváltozhat. Ez, egy a környezethez jobban alkalmazkodó módosítható reflexet eredményez.
4) Ha sok idegsejt egy hálózatba kapcsolódik, a hálózatok, felépítésük, valamint az idegsejtek és kapcsolataik tulajdonsága alapján képesek arra, hogy a beérkező ingermintázatot egy válaszmintázattá alakítsák. A legegyszerűbb hálózat, egy két-rétegű, előrecsatolt hálózat (aminek van bemeneti rétege és kimeneti rétege) képes egy soktényezős esetben egyszerű hatékony döntést hozni. Kicsit elvontabban, mondjuk az érzékszervekből érkező bemeneti mintázatot egy az izmokat vezérlő kimeneti mintázattá alakítja. Ha a hálózat kapcsolatai genetikusan meghatározottak akkor egy ösztönös merev választ képest kiszámítani. Ez jól működik megbízható, evolúciósan hosszútávú esetekben, de nem elegendő változó környezetben.
5) Amennyiben a hálózat módosítható kapcsolatokat tartalmaz, akkor képes a tanulásra, azaz a megváltozó környezethez alkalmazkodva hatékonyabban tud dönteni, illetve a környezet ingereit felhasználva képes magát fejleszteni. Az egyszerű, tanulásra képes hálózatok mintázatokat képesek egymáshoz társítani, asszociálni. Egy vagy több bemenő mintázat hatására a hálózat elő tudja hívni a korábban megtanult válasz mintázatot. Egy hálózat, méretének függvényében akár igen sok mintázat társítást képes megtanulni.
6) Az idegsejthálózatok tartalmazhatnak visszacsatolt kapcsolatokat is, köröket, amikor az információ visszajut a sejtekre. Ezek a hálózatok képesek mintákat kiegészíteni vagy jelsorozatokat előállítani. A hálózatok megfelelő hangolásával (gátlósejtek) a hálózatok képesek lehetnek kategóriákat alkotni vagy pont szétválasztani hasonló eseteket.
7) Ilyen egyszerű, egymás után kötött hálózatok bonyolult többlépcsős feldolgozásra is képesek, a környezetből származó ingerekből különböző típusú információt tudnak kivonni és azt használni

Röviden, egy egyszerű elemekből, és egyszerű tanulásra képes kapcsolatokból álló egyszerű szerkezetű (kétrétegű, előrecsatolt vagy egyrétegű visszacsatolt) hálózat képes mintázat párokat vagy sorozatokat tanulni. A megfelelő bemenetekre a megfelelő kimeneteket előhívni, folytatni vagy akár ismétlődő sorozatokat előállítani. Képes hiányos mintázatok alapján is helyesen előhívni az asszociált mintát vagy ha a mintát magával társították azt képes kiegészíteni. Ha a rendszerben az elemek aktivitási szintjén gátló elemek segítségével hangoljuk, a rendszer a bemenő jeleket csoportokra tudja bontani (klasszifikál, osztályokat alkot) vagy egymástó eltérő mintázatokká alakítja a jeleket (ortogonalizál).
Persze sérülékeny pontjai is vannak. Ahhoz, hogy helyesen hívjon elő információt és ebből sokat tudjon tárolni a bejövő mintázatoknak ritkásnak (sparse) kell lennie, különben hibásan hívja elő, amit tanult. Azaz egyszerre csak kevés eleme (optimálisan <10%) lehet aktív. De ez könnyen megoldható egy jel előfeldolgozó, magas küszöbű elemeket tartalmazó hálózattal.
Nézzük meg kicsit matematikusabban, fizikusabban a dolgokat, úgy könnyebb általános alapelveket megfogalmazni és használni.

Az idegsejthálózatok idegsejtekből és kapcsolatokból állnak. Egy hálózatot a matematikusok GRÁF-nak neveznek. A gráfok pontokból és a pontokat összekötő élekből állnak, ezek felelnek meg az idegsejteknek és a közöttük levő kapcsolatoknak.

Az idegsejthálózatokat és gondolkodási folyamatokat leíró, matematikai modelleken nyugvó elmélet neve Connectionism (Konnekcionizmus). Edward Thorndike nevezte el így az 1930-as években azt a megközelítést, amelyik a gondolkodás alapjául szolgáló fogalmakat csomópontokként a köztük levő összefüggéseket élekként ragadja meg. A kép a pszichológusok és nyelvészek azon próbálkozásából fakadt, hogy az elme tartalmát és a szavakat fogalmak és közöttük levő kapcsolatok hálójával (tudás gráf) határozzák meg. Egy dolog jelentését és tulajdonságait az határozza meg, milyen más dolgokkal van kapcsolatban.

Connection = Kapcsolat, azaz a Konnekcionizmust fordíthatnánk Kapcsolat-elméletnek. Ez az elképzelés aztán két hullámban az 50-es (McCulloch, Pitts) és a 80-as években (McClelland, Rumelhart) továbbfejlődött és beolvasztotta az idegsejtek hálózatáról megismert elemeket is, hiszen azok a hálózatok is leírhatók csomópontokkal és élekkel.

A fenti visszatekintésünk újrafogalmazásával megkapjuk a Konnekcionizmus alap állításait:

1. a reprezentáció, a külvilág hálózatban való megjelenése = hálózatok csomópontjainak aktivitás mintázata
2. memória, tudás = az élek erősségének értéke
3. az információ feldolgozása, gondolkodás = a csomópontok aktivitásmintázatának fejlődése az élek erősségének megfelelően
4. tanulás = az élsúlyok megváltozása (mondjuk a Hebb szabály alapján)

Mindebből az látszik, hogy a konnekcionista hálózatokban:

•    a JELENT (az érzékelteket), a rendszer aktuális állapotát, a csomópontok aktivitása,
•    a MÚLTAT (az emlékeket, a tanultakat) a korábban beállt élek (kapcsolatok) erőssége,
•    a JÖVŐT (a döntést, gondolkodást) pedig a csomópontok aktivitása és a kapcsolati súlyok összjátéka szerinti aktivitás fejlődése jelenti.

Vegyük észre, hogy a konnekcionista megközelítést az agy megértését kutatók mindkét csoportja, a viselkedést és gondolkodást vizsgáló, a szerveződési szinteken felülről lefelé ásó (lásd első kötet) pszichológusok és megismeréskutatók, de az idegsejteket és a hálózatok működését alulról felfelé vizsgáló idegtudósok is használják. A kettő azonban nem ugyanaz, az első a Konnekcionizmus szimbólikus (jelentés) változata, ahol a csomópontok fogalmak, mindenkori tudattartalmunk a csomópontok aktivitásmintázata, tudásunk a fogalmak közötti élek erőssége, gondolkodásunk az aktivitásmintázat változása, a tanulás pedig az élek változása. Ezt a leírást „relational network”, azaz összefüggés hálónak is hívják, hiszen a fogalmak viszonyát írja le. Az asztal csomópontja össze van kötve, a többnyire 4 lába van, mellé lehet ülni, eszünk róla, dolgozunk rajta, bútor, asztalos csinálja, lapos a teteje fogalom csomópontokkal. A mintázatok fejlődése során egy aktív gondolathalmazból (aktivált csomópontok) egy másik gondolathalmazhoz (aktivált csomópontok) jutunk el.

A másik változatban, a Konnekcionizmus neuronális formájában, egy-egy fogalmat idegsejtek egy-egy mintázata jelent (asztal esetében az 1, 13, 67, és 100. sejt aktív, szék esetében a 45, 67, 83 és 92 sejt), mely mintázatok a kapcsolatok súlya alapján egymásba alakulnak. Ugye az hogy egy neuronális megközelítésben az egyes lehetséges mintázatok hogyan alakulhatnak egymásba a szimbolikus reprezentációval is leírhatjuk (az asztal vagy a széknek megfelelő sejtcsoportok aktívak-e és melyikből melyik lesz), de az ezek közötti megfeleltetést nem tudom vizsgálta-e már matematikus…

A következő bejegyzésben azt is megtudjátok mi a PDP.

Szerző: Gulyás Attila