По-видимому, консолидация кратковременной памяти в долговременную происходит не последовательно, как предполагалось в рамках традиционной модели обработки информации (рис. 9.8).
Рис. 9.8. Стадии консолидации памяти. Как показано на рисунке, консолидация новых воспоминаний в долговременные связана с временем (см. ось Y). Научные данные показывают, что определенные медицинские препараты могут выборочно блокировать кратковременную память, которая длится от нескольких секунд до часов, наркотики могут блокировать долговременную память, которая длится от нескольких часов до месяцев. Это указывает на то, что два процесса памяти не зависимы друг от друга и работают параллельно. Длительные воспоминания, сохраняющиеся в течение всей жизни, вероятно, предполагают взаимодействие систем мозга, в которых происходит реорганизация и стабилизация нервных связей. Источник: J. L McGaugh, Science, 287, 2000
Исследования, проведенные с участием животных и людей (McGaugh, 2000), показывают, что адренергические системы и активация миндалевидного тела (часть мозга, обычно связанная с эмоциональными реакциями) влияют на консолидацию памяти. В одном эксперименте двум группам участников предъявляли фотографий и рассказывали вызывающие различные эмоции истории. Одной группе давали тормозящий эмоции медицинский препарат, а другой — плацебо. В первом случае воспроизведение эмоционально окрашенных фотографий не улучшилось вследствие уменьшения эмоциональности изображений. Но в группе, принимавшей плацебо, воспроизведение фотографий с эмоциональным содержанием улучшилось. Очевидно, в ходе этих экспериментов процесс консолидации кратковременных воспоминаний изменился под влиянием блокирующих эмоции препаратов, которые не оказали большого влияния на долговременные воспоминания.
Коннекционизм и репрезентация знаний
Коннекционизм можно определить как «теорию психики, предполагающую наличие большого количества простых единиц, связанных в параллельную распределенную сеть». Умственные операции, такие как память, восприятие, мышление и т. д., распределены по очень сложной нейронной сети, работающей параллельным образом. Эта теория основана на допущении, что единицы одновременно, или параллельно, возбуждают или тормозят друг друга по всей системе. Это отличает ее от теорий последовательной обработки, предполагающих, что обработка единиц осуществляется лишь в последовательности. Число участвующих в процессе пар единиц, даже в такой простой задаче, как печатание слова, может быть значительным. Знания распределены всюду по системе именно в связях между парами единиц. Как могут знания — наиболее сложная из изучаемых в настоящее время тем -быть выражены в терминах простых возбуждающих и тормозящих связей между единицами? В этом разделе мы пробуем ответить на этот вопрос.
Во многих из предыдущих моделей репрезентации информации знания хранились как статическая копия паттерна. Эта позиция подобна концепции изоморфизма, описанной в главе 1. Объект, образ или мысль хранится в памяти с атрибутами и связями с другими объектами, образами и мыслями. Когда требуется опознать единицу (например: «Вы знаете слона по имени Клайд?»), производится сравнение между элементами вопроса и информацией, хранящейся в памяти. Кроме того, активизируются связанные с этими элементами ассоциации (например, что слоны серые), хотя уровень активации, очевидно, гораздо меньше, чем активация центральных единиц Клайд и слон. Однако способ, которым представлено знание, более или менее статичен, и средством доступа к знанию является сравнение хранящейся в памяти информации с признаком.
Репрезентация знаний в коннекционистских моделях познания весьма отличается от принятой в моделях, которые хранят объекты, образы и т. д. Во-первых, в коннекционистских моделях сами паттерны не хранятся; хранится сила связи между единицами, которая позволяет восстановить эти паттерны:
Различие между моделями PDP и обычными моделями [репрезентации знаний] имеет огромное значение как для обработки, так и для научения... Репрезентация знаний устроена таким образом, что знания обязательно влияют на ход обработки. Использование знаний в обработке — больше не вопрос обнаружения релевантной информации в памяти; это неотъемлемая часть самой обработки (McClelland, Rumelhart & Hinton, 1986).
Во-вторых, сторонники коннекционистской модели иначе рассматривают научение. В традиционных репрезентативных моделях цель научения — формирование эксплицитных правил, предусматривающих извлечение информации и обобщение признаков. Мы знаем, что Клайд — это слон и что подобно большинству других слонов он серый и не может легко поместиться в ваш «Фольксваген». Мы знаем это, потому что нам известны правила. Модели PDP лишь предполагают, что научение состоит из установления силы связей, которые позволяют сети простых единиц действовать, как будто они знают правила. Происходит научение не правилам, а связям между простыми единицами. Даже при том, что нашим поведением, по-видимому, управляют правила, мы делаем эти выводы именно на основе сети связей в мозге.
В-третьих, важно вновь заявить, что модель PDP основана на представлениях о нервных процессах; однако она не сводится к выявлению определенных нервных путей. Такая модель была бы непрактична, так как она была бы такой же сложной, как сам мозг. «Основана на представлениях о нервных процессах» просто означает, что в отличие от некоторых предыдущих моделей (см. особенно Коллинз и Квиллиан) метафора, на которой основана эта модель, — мозг, а не компьютер. Тот факт, что модели PDP основаны на представлениях о нервных процессах, прямо влияет на репрезентацию знаний. Все знания хранятся в виде связей, что может иметь место в случае нервных связей. В компьютерной метафоре знание, как полагают, хранится в некоторых единицах. Когда мы думаем о знании в обычном смысле, мы, вероятно, представляем его как собранное и хранящееся в определенном месте. Различие между этими точками зрения значительно. Например, модель PDP предполагает, что «все знания имплицитны в структуре устройства, которое выполняет задачу, а не эксплицитны в состояниях самих единиц» (Rumelhart, Hinton & McClelland, 1986).
Чтобы иллюстрировать представление о том, что все знания представлены в связях, рассмотрим рис. 9.9. На этом рисунке входные единицы находятся у основания, а выходные единицы — справа. Активные единицы закрашены черным цветом. Знания хранятся в силе связей между единицами, что теоретически подобно способу репрезентации информации в нейронных сетях. Сила связей между единицами здесь упрощена. В оригинальной системе представлены детальные математические формулировки, которые определяют силу связей.
Рис. 9.9. Коннекционистская матрица ассоциаций. Входящие единицы находятся у основания, а выходящие единицы — справа. Закрашенные окружности -активные единицы, а закрашенные треугольники указывают, какие связи нужно изменить, чтобы входящая единица вызвала результат на выходе. Научение ассоциативным связям включает изменение силы связи между входящими и выходящими единицами. Измененная схема Мак-Клелланда из книги Шнайдера (Schneider, 1987)
