Вы находитесь на странице: 1из 10

5945851-1 Psicologia Conexionista Antonio Roque Aula 1

Conexionismo e Redes Neurais A psicologia conexionista um campo que se apia nas chamadas redes neurais artificiais como veculo para a expresso matemtica dos seus conceitos e teorias. Ela no o nico campo do conhecimento que faz isso, o que gera certa confuso entre estudantes iniciantes e leigos em geral que tm dificuldade em entender que o termo redes neurais artificiais pode significar diferentes coisas em contextos diferentes. Isso j fez com que, em ocasies passadas, alunos se matriculassem nesta disciplina achando que teriam um curso sobre aplicaes em engenharia e computao de redes neurais artificiais e que alunos se matriculassem na disciplina de Redes Neurais Artificiais dada pelo professor para a Ps-Graduao em Fsica Aplicada Medicina e Biologia achando que teriam um curso sobre modelagem de fenmenos cognitivos. Por esse motivo, a primeira coisa que ser feita neste curso ser uma tentativa de mostrar os diferentes significados do termo redes neurais artificiais. Desta forma, caso um aluno ache que este curso no est voltado para os seus interesses, ainda h tempo de trancar a matrcula. O termo redes neurais se sobrepe a alguns campos distintos: Redes Neurais Biolgicas (Neurocincia Computacional): nfase na biologia: neurocincia;

5945851-1 Psicologia Conexionista Antonio Roque Aula 1

Objetivo: modelar o processamento de informao nos sistemas neurais biolgicos, com base nas evidncias anatmicas, fisiolgicas e comportamentais; Principais ferramentas: modelos biofsicos para a membrana neuronal, canais inicos e contatos sinpticos, implementados por equaes diferenciais resolvidas numericamente com o auxlio de neuro-simuladores programas; (e.g., GENESIS, NEURON) tratveis ou outros ou modelos reduzidos, analtica

numericamente com o uso de tcnicas de sistemas dinmicos e mecnica estatstica. Redes Neurais Artificiais (Subdomnio da Estatstica e da Inteligncia Artificial): nfase nas aplicaes: aprendizado de mquina, engenharia, processamento de dados e imagens, medicina, finanas, etc; Objetivo: Resolver problemas de reconhecimento, classificao e agrupamento de padres, controle adaptativo e previso de sries temporais; Principais ferramentas: modelos compostos por elementos (ns ou unidades) inspirados nos neurnios biolgicos e interligados em rede cujos pesos das conexes so modificados por algoritmos de aprendizado supervisionado ou no-supervisionado (backpropagation, aprendizado hebbiano, etc), implementados via pacotes comerciais ou outros programas; tcnicas estatsticas de processamento e tratamento de dados.
2

5945851-1 Psicologia Conexionista Antonio Roque Aula 1

Modelos Conexionistas (Psicologia e Cincia Cognitiva) nfase nos processos mentais: psicologia, cincia cognitiva, neurocincia cognitiva; Objetivo: modelar os processos cognitivos e psicolgicos usando modelos inspirados pela arquitetura do crebro, representando a informao e os estados mentais por padres de atividade distribudos por uma rede de unidades simples ao invs de por estruturas simblicas discretas; Principais ferramentas: modelos similares aos dos dois tpicos anteriores; simulaes computacionais desses modelos.

Definio de Modelo Conexionista Segundo McClelland, Rumelhart e Hinton (1986), no captulo 1 do clssico livro PDP (ver Bibliografia no fim desta aula): Esses modelos (conexionistas) assumem que o processamento de informao ocorre pela interao de um grande nmero de elementos processadores simples chamados de unidades, cada um enviando sinais excitatrios e inibitrios para os outros. Um modelo conexionista , portanto, um sistema que possui uma forte inspirao na estrutura do crebro, formado por redes de unidades interconectadas entre si por sinapses excitatrias e inibitrias.

5945851-1 Psicologia Conexionista Antonio Roque Aula 1

Em geral, as propriedades do crebro so apresentadas como o grande argumento para o estudo de redes neurais artificiais e modelos conexionistas. O crebro superior a um computador digital em uma enorme variedade de tarefas. Aquelas tarefas que para ns so realizadas da maneira mais simples e direta, sem nem nos darmos conta de que as realizamos, so as mais difceis de ser implementadas em um computador digital. Por exemplo, mesmo um beb de um ano de idade muito melhor e mais rpido para reconhecer objetos e faces do que o mais avanado dos sistemas de inteligncia artificial rodando no mais poderoso dos supercomputadores. Algumas das caractersticas do crebro que motivam o estudo de redes neurais artificiais so: O crebro robusto e tolerante a falhas: neurnios podem morrer sem que isso afete significativamente o desempenho do crebro; O crebro flexvel, adaptvel e plstico. Ele pode se ajustar a uma nova situao ou condio aprendendo a partir dos novos exemplos; O crebro pode lidar com informaes corrompidas ou perturbadas por rudo; O crebro processa informao de forma altamente paralela; O crebro pequeno, compacto e dissipa muito pouca potncia.

5945851-1 Psicologia Conexionista Antonio Roque Aula 1

Para os cientistas cognitivos, porm, o apelo dos modelos de redes neurais artificiais ou conexionistas no se deve exclusivamente sua similaridade com o crebro. Ainda no captulo 1 do livro PDP, McClelland, Rumelhart e Hinton (1986) escrevem: Apesar de que o apelo dos modelos conexionistas definitivamente fortalecido pela sua plausibilidade fisiolgica e inspirao neural, essas no so as bases primrias do seu apelo para ns. Ns somos, acima de tudo, cientistas cognitivos, e os modelos conexionistas nos chamam a ateno por razes psicolgicas e computacionais. Eles contm a esperana de que se possam oferecer descries mecanicistas computacionalmente suficientes e psicologicamente acuradas dos fenmenos da cognio humana que tm escapado a uma explicao satisfatria via formalismos computacionais convencionais. Notem que, para os autores, o interesse pelo conexionismo no vem do seu apelo biolgico, mas do seu apelo computacional. O formalismo computacional convencional ao qual eles se referem o que pode ser chamado de paradigma simblico para a cognio. Segundo o paradigma simblico, a cognio envolve a manipulao de smbolos. No caso dos fenmenos cognitivos, os smbolos possuem um significado semntico. Eles so considerados como entidades duradouras que podem ser armazenadas e retiradas da memria e manipuladas ou

5945851-1 Psicologia Conexionista Antonio Roque Aula 1

transformadas de acordo com regras. As regras de manipulao de smbolos definem a sintaxe da cognio; elas determinam como os smbolos podem ser compostos e transformados gerando algum desempenho cognitivo. Por outro lado, segundo o paradigma conexionista, a cognio resulta do processamento coletivo feito pelas vrias unidades simples que compem uma rede neural. Dado algum padro de atividade inicial cobrindo todas ou algumas das unidades da rede, esse padro vai se propagando pela rede via as conexes excitatrias e inibitrias interligando as unidades at que um estado estvel seja atingido (o estado estvel no precisa ser esttico; ele pode ser dinmico, como um padro que se repete ciclicamente, por exemplo). Esse estado final interpretado como a resposta dada pelo sistema ao padro inicial, determinando o seu desempenho cognitivo. Apesar de colocar nfase mais no aspecto computacional do que no biolgico das redes neurais, os modelos conexionistas no tm como escapar de serem chamados de reducionistas. O reducionismo pode ser considerado como a estratgia padro utilizada pelas cincias (pelo menos no Ocidente) para entender o mundo. Por exemplo, a fsica e a qumica procuram reduzir o comportamento da matria ao dos seus componentes moleculares e atmicos. Um programa similar existe em biologia, em que a vida e as propriedades dos organismos vivos seriam redutveis ao de genes e protenas.

5945851-1 Psicologia Conexionista Antonio Roque Aula 1

Da mesma forma, os modelos conexionistas procuram reduzir os complexos fenmenos cognitivos e mentais a redes neurais compostas por unidades mais simples interconectadas por sinapses. Pode-se argumentar que toda forma de explicao implica em um tipo de reducionismo, por tentar explicar algo inicialmente inexplicvel em termos de conceitos ou componentes mais conhecidos e familiares. Por exemplo, quando se procura pelo significado de uma palavra desconhecida num dicionrio o que se obtm uma definio dela em termos de palavras mais simples cujo significado conhecido. De fato, ao longo da histria, vrias tm sido as tentativas de explicar a mente humana em termos de construtos e conceitos (muitas vezes metafricos) tomados como de natureza mais fundamental, ou seja, de smbolos. Pode-se concluir, portanto, que tanto o paradigma simblico como o paradigma conexionista so reducionistas. O que caracteriza a essncia do conexionismo no apenas o reducionismo, mas a exigncia de que a reduo seja feita em termos de componentes baseados no substrato fsico da cognio humana, o crebro. Segundo OReilly e Munakata (2000), no livro que pode ser considerado como a verso do clssico PDP para o incio do Sculo XXI, isso chamado de reducionismo fsico. A adoo do reducionismo fsico coloca em cena o assim chamado problema do reconstrucionismo (ver OReilly e Munakata, 2000): para explicar a cognio, no basta apenas reduzi-la a componentes mais

5945851-1 Psicologia Conexionista Antonio Roque Aula 1

simples e fundamentais (os neurnios e suas interconexes), mas explicar como a combinao desses componentes produz (reconstri) a cognio. Na rea conhecida como sistemas complexos, que vem se desenvolvendo rapidamente nas ltimas dcadas, um tipo de explicao que se costuma dar para o aparecimento de padres complexos a partir da combinao de elementos constitutivos mais simples que esses padres complexos so fenmenos emergentes, isto , em que o todo maior do que a soma das partes. Segundo essa explicao, embora cada neurnio individual no tenha capacidades cognitivas ou seja capaz de pensar, os bilhes de neurnios do crebro com suas trilhes de conexes sinpticas produzem a mente humana e todos os fenmenos associados a ela. A figura abaixo, retirada do livro de OReilly e Munakata (2000), ilustra a importncia do reconstrucionismo para se entender um sistema. No basta apenas dizer que o sistema composto por duas componentes (as duas engrenagens mostradas em a), mas deve-se especificar como elas interagem para produzir um fenmeno novo (mostrado em b). Por exemplo, se for a engrenagem menor que move a engrenagem maior, teremos uma baixa velocidade angular e um maior torque; mas se for a engrenagem maior que move a menor, teremos alta velocidade angular e baixo torque.

5945851-1 Psicologia Conexionista Antonio Roque Aula 1

Como cada engrenagem sozinha no pode alterar seu padro de movimento rotacional, necessitando da interao com a outra engrenagem para tal, podemos dizer que os comportamentos novos surgem da unio das duas engrenagens e do tipo de interao entre elas. O problema do reconstrucionismo torna ainda mais evidente a importncia do uso de modelos computacionais para o conexionismo, pois a pretendida reconstruo da cognio humana a partir de neurnios e sinapses no tem como ser feita por meios puramente verbais.

Bibliografia: 1. Ellis, R. and Humphreys, G., Connectionist Psychology: a text with readings., Psychology Press, Publishers, Hove, UK, 1999. 2. Rumelhart, D. E. and McClelland, J. L., Parallel Distributed Processing: explorations in the microstructure of cognition, vols. 1 e 2, The MIT Press, Cambridge, MA, EUA, 1986. 3. OReilly, R.C. and Munakata, Y., Computational Explorations in Cognitive Neuroscience: Understanding the Mind by Simulating the Brain. MIT Press, 2000. Disponvel eletronicamente no site: http://psych.colorado.edu/~oreilly/cecn/cecn.html. 4. Anderson, J. A., An Introduction to Neural Networks, The MIT Press, Cambridge, MA, EUA, 1995. 5. Schmajuk, N. A., Animal Learning and Cognition: a neural network approach, Cambridge University Press, Cambridge, UK, 1997.

5945851-1 Psicologia Conexionista Antonio Roque Aula 1

6. Bechtel, W. and Abrahamsen, A., Connectionism and the Mind, Second Edition, Blackwell, Oxford, UK, 2002. 7. Levine, D. S., Introduction to Neural and Cognitive Modeling, Second Edition, Lawrence Erlbaum Associates, Mahwah, NJ, USA. 8. Anderson, J. A. and Rosenfeld, E. (Eds), Neurocomputing: Foundations of Research, MIT Press, Cambridge, MA, USA, 1989. 9. Anderson, J. A., Pellionisz, A. and Rosenfeld, E. (Eds), Neurocomputing 2: Directions for Research, MIT Press, Cambridge, MA, USA, 1990. 10. Pfeifer, R. and Scheier, C., Understanding Intelligence, MIT Press, Cambridge, MA, EUA, 1999. 11. Schmajuk, N., Brain-behaviour relationship in latent inhibition: a computational model. Neuroscience and Biobehavioral Reviews, 29: 1001-1020, 2005. 12. Elman, J. L., Connectionists models of cognitive development: where next? Trends in Cognitive Sciences, 9: 111-117, 2005. 13. Cruse, H., Neural Networks as Cybernetic Systems, 2nd and revised edition. Livro publicamente disponvel no site da revista eletrnica Brains, Minds and Media: http://www.brains-mindsmedia.org/archive/615.

10