КОННЕКЦИОНИЗМ. КОГНИТИВНАЯ НЕВРОЛОГИЯ

Дэвид Румелхарт, Джеймс Макклелланд, Джон Мак-Карти, Фрэнк Розенблат,
Марвин Минский, Пол Смоленский, Дэвид Марр, Дональд Хебб,
Дэниэл Деннетт, Стивен Пинкер, Гэри Маркус

В 1986 году вышел в свет двухтомник американского психолога, работавшего в области символического искусственного интеллекта и математической психологии Дэвида Эверетта Румелхарта (1942–2011) [1][2] «Параллельная Классифицирующая Обработка: Исследование Микроструктуры Познания». Считается, что именно эта публикация ознаменовала собой приход на смену последовательной переработке информации гораздо более мощной параллельной, ибо в своей книге Румелхарт описал созданные им совместно с Джеймсом Ллойдом Макклелландом (род. 1948) компьютерные модели персептронов (электронных устройств, функционирующих на биологических принципах), в которых обработка информации осуществляется нейронной сетью.

Таким образом, в психологии сформировалось новое направление - коннекционизм (англ. connection - соединение, согласованность, связь), которое ассимилировало вычислительный (компьютерный) подход к моделированию головного мозга с использованием искусственных нейронных сетей для имитации процессов познания живых существ (включая человека) и их интеллектуальных способностей. Моделирование мозга в коннекционизме осуществляется при одновременно/параллельно работающем «ансамбле процессоров» (их называют «нейронные цепи», которые могу объединяться в нейронные сети), и поэтому, в отличие от символической парадигмы вычислений когнитивизма, коннекционизм оперирует более свойственными головному мозгу субсимволическими вычислениями (мозг содержит миллионы взаимосвязанных нейронов, соединённых синапсами, и все они работают одновременно), что предполагает иное объяснение человеческого интеллекта, иную архитектуру познания и альтернативные пути проектирования разумных систем. Благодаря обратным информационным связям между множественными процессорами, когнитивистские системы обладают потенциальными способностями научения. А поскольку мозг уподобляется векторному процессору, в котором множественными операндами различных команд выступают упорядоченные массивы данных (векторы), то проблемы коннекционизма сводятся к вопросу: какие операции с векторами объясняют различные аспекты человеческого познания? Первым примером реализации коннекционистского моделирования («Connection Machine – Параллельная Машина») явилась сконструированная американским психологом в области искусственного интеллекта и нейронных сетей Фрэнком Розенблаттом (1928-1971) перцептивная машина «Mark I», представляющая собой персептрон, который, хотя и мог распознавать буквы и решать определённые задачи, но, как это чисто математически доказал сооснователь Лаборатории искусственного интеллекта в МТИ Марвин Ли Минский (1927-2016), этот персептрон пока ещё не был способен реально обучаться даже простейшим вещам... [3][4]

Надо сказать, что первые исследования в области искусственного интеллекта (ИИ) начал проводить один из авторов (наряду с Марвином Минским, Натаниэлем Рочестером и Клодом Шенноном) самого термина ИИ («Artificial intelligence», «AI») выдающийся американский информатик Джон Мак-Карти (1927-2011) [5][6][7], разработавший в 1958 году «первоязык» компьютерного программирования «Lisp», и придумавший для AI «логику здравого смысла». В то же время, канадский физиолог и нейропсихолог Дональд Олдинг Хебб (1904-1985), придя к пониманию важности той роли, которую играют нейроны в деле обеспечения процессов обучения, предложил первый работающий алгоритм обучения для искусственных нейронных сетей. Но отношения тесного сотрудничества между когнитивными психологами, которые ищут неврологические объяснения имеющихся у них данных, и нейрофизиологами (специалистами по мозгу), которые пытаются психологически объяснить результаты полученных ими лабораторных опытов, были установлены лишь в последние десятилетия. И таким образом, три очень важных области научного знания - вычислительное моделирование, нейробиология и когнитивная психология - сошлись, чтобы создать новую науку, названную нейрокогнитологией или когнитивной неврологией в рамках более общего понятия «когнитивная (нейро)наука».

Основная цель Когнитивной Неврологии состоит в том, чтобы составить представление о процессе познания с точки зрения функционирования различных долей коры головного мозга и его нейронной сети, а используемые в ней методы включают экспериментальные процедуры из области психофизики и когнитивной психологии, функциональную нейровизуализацию, электрофизиологию, когнитивную геномику и поведенческую генетику. Согласно британскому нейробиологу и психологу Дэвиду Кортни Марру (1945-1980), уровни вычисления и анализ интеллектуального действия должен происходить на трёх иерархических уровнях: когнитивный уровень детально специфицирует задание; алгоритмический уровень специфицирует программу, с помощью которой это задание выполняется, а уровень исполнения специфицирует то, каким образом комплектующие компьютера должны осуществлять инструкции программы. В то же время американский профессор когнитивных наук Пол Смоленский (р. 1955) [8] разработал архитектуру «ICS модели познания», которая направлена на объединение коннекционизма и символизма, где символические представления и операции проявляются в виде абстракций на основе коннекционистских или искусственных нейронных сетей. Эта архитектура основана на представлениях тензорного произведения и композиционных вложений символических структур в векторные пространства. Пол Смоленский проанализировал архитектуру познания с точки зрения того, как процессы мышления становятся интуитивными действиями. В модели Смоленского выделяются два уровня: сознательный процессор и интуитивный процессор, причём многие функции интуитивного процессора являются у людей врождёнными. Но то, что происходит во время перехода от сознательного мышления к интуиции, представляет собой сложную проблему, нуждающуюся в разрешении, ибо здесь, помимо всего прочего, для когнитивных неврологов возникает «проблема фрейма»: как научить формальную систему (компьютер) действовать неформально, без пересчёта каждый раз бесчисленного множества вариантов, исключений и т.д.

формате PDF (432Кб)