Tema 2.

Paradigmele Psihologiei cognitive

Paradigmele psihologiei cognitive, in functie de

tipul reprezentarilor, sunt:
1. Paradigma classic
simbolica;

2. Paradigma
neoconexionista.

Paradigma clasic simbolica isi are originile in filosofie (rationalismul Leibnitz,

Descartes, si empirismul J.Locke, Th.Hobbes, D.Hume). Aceasta are la baza
afirmatia ca atat cunostintele cat si starile de lucruri corespunzatoare sunt
reprezentate in sfera sistemului cognitiv prin simboluri sau structuri simbolice.
Reprezentari simbolice sunt imaginile, conceptele, judecatile.

In primele decenii ale sec. al XX-lea apare ideea manipularii simbolurilor in

gandire, baza fiind reprezentata de formalizarea logicii (Russell, Carnap,
Wittgenstein), gramaticile generative (N.Chomsky) si lingvistica teoretica.

Operarea cu simboluri se realizeaza prin reguli abstracte (compunere, deductie,

inductie), rezultand teoreme bazate pe axiome. Sistemul cognitiv uman si
calculatorul sunt sisteme fizico simbolice (A.Newell, H.A.Simon).

Modelele simbolice sunt intr-o permanenta transformare, fapt demonstrat prin

aplicarea paradigmei clasic simbolice la procesele cognitive centrale (gandirea),
in cadrul rezolvarii de probleme.

 Paradigma neoconexionista (a procesarilor paralele sau modelarea

neuromimetica) are la baza ideea ca activitatea cognitiva poate fi
explicata prin modele neuronale . Acestia au modelat activitatea
neuronala cu ajutorul algebrei booleene, aratand ca retelele
neuromimetice pot desfasura calcule logice.
F.Rosenblatt construieste retea neuromimetica, pe doua niveluri, ce
poate discrimina doua impulsuri senzoriale diferite. M.Minsky&S.Papert
i-au infirmat teoria acestuia prin demonstrarea incapacitatii unor retele
neuromimetice de a calcula functii logice simple (1969).
La inceputul anilor 90, D.E.Rumelhart si J.L.McClelland reconsidera
ideea construirii de modele cognitive neuromimetice prin constituirea
grupului de cercetare PDP (cerceta procesarile paralele distribuite).
Reelele neuromimetice conin informaii sub forma unor valori i
patern-uri de activare ale unor uniti simple neuromimi care circul
ntre centrii de procesare sub form de scalari i nu simboluri. Regulile
de funcionare a acestor reele sunt de modificare i propagare a
valorilor i patern-urilor de activare, algoritmii nu opereaz cu simboluri
ci cu aceste valori i patern-uri.

 Retelele neuromimetice = informatii sub

forma unor valori si patternuri de activare ale
unor unitati simple (neuromimi), care circula
intre centri de procesare, sub forma de scalari,
nu de simboluri. De aceea aceste retele sunt
semantic opace. Regulile de functionare a
acestor retele sunt de modificare si propagare
a valorilor si patternurilor de activare.
Algoritmii nu opereaza cu simboluri, ci cu
aceste valori si patternuri.

a)
b)
c)
d)
e)
f)
g)

Partile componente ale retelelor

neuromimetice sunt:
ansamblul de unitati;
starea de activare;
regula de activare;
functia output;
un pattern de conexiuni intre unitati;
reguli de invatare;
mediul de operare a retelei.

 Unitatile (neuromimi, noduri, neuroni formali, unitati

cognitive) se caracterizeaza prin valori de activare si se
grupeaza in retele prin sinapse; nu sunt interpretabile
semantic. Li se atribuie o valoare numerica in intervalul [1,+1]. Exista unitati input (cu valoare de intrare) si unitati
output (care propaga outputul in retea); acestea sunt unitatile
vizibile.
Retelele binivelare (perceptronul) contin doar unitati vizibile.
Retelele multinivelare contin si unitati ascunse care
moduleaza valorile transmise intre unitatile vizibile.
Poate exista si o interpretare externa, d.p.d.v. al celui care
analizeaza proprietatile retelei. Astfel avem retele
localizationiste (in care unitatile sunt concepte sau ipoteze) si
retele distributive (in care informatia e distribuita pe
interactiuni de unitati).

 Starea de activare indica nivelul de activare a unitatilor, la un

moment dat. Acestea pot varia continuu sau discontinuu, in
functie de preferintele celui care studiaza reteaua. Valoarea
de activare scade in timp sau datorita modificarilor
conexiunilor (prin inhibitia laterala), constituind si restul de
activare de la nivelul fiecarei unitati (rata a degradarii ).
Regula de activare este functia de modificare a valorii de
activare a unitatilor din retea.
Netinput-ul (suma inputuri-lor receptionate de o unitate) este
masura modificarii starii de activare; rezulta ca este suma
ponderata a valorilor de activare receptionate. Input-ul este
ponderat cu taria legaturilor dintre unitatile input si unitatile
receptoare.
Restul de activare + netinput = modificarea valorii de
activare

 Functia output refelecta relatia dintre valoarea de

activare a unei unitati si output-ul transmis de aceasta
in retea. Output-ul poate fi 0 cand valoarea de
activare nu atinge un anumit prag, sau poate avea
valoarea starii de activare.
Conexiunile dintre unitati sunt elementele cele mai
importante in retea. Din acest punct de vedere avem
retele unidirectionale sau unidimensionale (informatia
se propaga numai de la unitatile input spre cele
output) si retele bidirectionale sau bidimensionale
(informatia se propaga in ambele sensuri,
interactiunile fiind reciproce => retea interactiva).
Conexiunile pot fi excitative (cu pondere pozitiva) si
inhibitive (cu pondere negativa).

 Regulile de invatare sunt algoritmi de modulare a ponderii

conexiunilor din retea. Principalele reguli de invatare sunt:
-regula lui Hebb(stipuleaz c ponderea conexiunii dintre 2 uniti se
modific n funcie de produsul valorilor de activare) regula delta
(utilizeaz discrepana dintre output-ul dezirabil (problematic) i
output-ul actual, adic regula Delta ajusteaz tria conexiunilor pe
baza calculului erorii)
si regula retropropagarii erorii (nvarea pe greeli proprii sau ale
altora, regula delta generalizata).
Mediul sau ambianta retelei desemneaza retele cu structuri mai generale si
complexe la care sunt conectate retelele conexioniste neuronale. Influenta acestor
retele generale se face simtita sub forma unor inputuri cu valori fixe (biasi, sg. bias),
care sunt independenti de activarile din retea.

Structurile cognitive sunt sisteme cu o arhitectura neomogena.

D.A.Norman (neoconexionist) arata in 1986 ca relatiile dintre
modelarile conexioniste (subsimbolice) sunt orientate pe verticala.
Micro- si macrostructura cognitiva au valoare predictiva, oferind
descriptii valide la un anumit nivel de analiza.

Mulumum pentru atenie !