1. Konnektionism – grunderna
Enkla beräkningsenheter
Sammankopplade
Enkla signaler
Olika lager: indata, gömda, utdata
Nettovärde = viktad summa + “bias”
Aktiveringsfunktion
2. Nätverk och vektorer
Gömda lager
Linjär separation
Nätverk beskriver vektoraritmetik...
3. Inlärning
Funktionen bestäms av:
hur
enheterna kopplas samman;
vad/hur in- och utdata representerar;
vikter och “bias”
Inlärning genom justering av vikter
Back-propagation jämför aktuellt och
önskat resultat
4. Konnektionismens fördelar I
Länk mellan kognitiv psykologi och
neurologi
Neural plausibilitet
uppbyggnad
(neuroner)
parallellism (100-regeln...)
inlärning via viktförändring (synapser)
“Graceful degradation”
5. Konnektionismens fördelar II
Litet antal enkla mekanismer
Lätt att simulera/testa
Enhetlig modell för inlärning/erfarenhet
Möjliggör mönsterigenkänning
“Mjuka” begrepp...
Alltid en bästa lösning
6. Modell för kognitiv arkitektur
Lägre beskrivningsnivå
“Implementationsperspektivet”, eller...
En ny teori...
7. “Implementation”
Klassisk arkitektur = programspråk
Konnektionism = logiska kretsar
Konnektionism konkurrent bara om
klassiska modeller inte går att
implementera... (annars komplement)
Skillnad: implementation lämnas (mer)
öppen i klassiska modeller
8.Alternativ teori
Klassisism:
strukturerade
representationer
struktur-känslighet (formalism)
kompositionalitet
Konnektionism
ingen
explicit symbolism/kodning
möjliggör “graceful degradation”, “mjuka”
begrepp, anpassning m.m.
9. Alternativ teori II
Men vissa mentala processer (tänkande)
verkar bestämt vara symboliska?
Symbolism kanske är ett epi-fenomen!
Men resonerande?
Svårt att förklara utan
strukturer/symbolism...
10. Koncept & kategorier
Scheman:
filtrerar
bort oväsentlig information
fokuserar på väsentlig information
underlättar behandling av information
ger upphov till slutsatser och förutsägelser
kan leda till fel
11. Konkreta objekt
Definitioner
Nödvändiga
villkor
Tillräckliga villkor
Men vi verkar inte alltid veta detta...
Probabilistiska förklaringsmodeller
familjelikhet
prototyper
12.Semantiska nätverk
“Priming” och kontext
aktivationsspridning
Hur byggs de upp?
Exempel
lagras inte – schemat förändras
Allt lagras och jämförs vid behov
