Connessionismo

di Paolo Del Giudice, Giorgio Parisi

connessionismo 

Termine introdotto da Jerome Feldman con cui si indica una corrente di pensiero che ha origine nell’ambito delle scienze cognitive. Secondo tale corrente, le funzioni cognitive possono essere descritte come proprietà emergenti di reti composte da molti elementi interconnessi, ciascuno dei quali richiama nella relazione input-output (o funzione di attivazione) il comportamento del neurone biologico (o, a volte, di piccoli insiemi di neuroni). Spesso la funzione di attivazione è di tipo sigmoide, ossia l’output aumenta al crescere dell’input secondo una legge non lineare che ricorda il meccanismo a soglia per l’emissione del potenziale d’azione da parte del neurone. In altri casi, diverse funzioni di attivazione vengono scelte in relazione alla computazione richiesta alla rete (funzioni di base radiali, funzioni gaussiane). La comunicazione tra le unità costitutive della rete viene mediata da ‘pesi sinaptici’, cioè variabili associate a ciascun collegamento tra le unità della rete. Ogni unità effettua una somma delle attivazioni dei propri neuroni di input, pesata dai pesi sinaptici. Le unità, in genere tra loro identiche, si differenziano per la funzione: un loro sottoinsieme costituisce l’input della rete, proveniente dal mondo esterno; le unità di un altro sottoinsieme rappresentano collettivamente l’output della rete, frutto dell’input ricevuto dalla rete e della successiva elaborazione da parte di unità interne, nelle quali si sviluppa una rappresentazione della corrispondenza input-output. L’acquisizione di una certa funzione cognitiva, a partire da uno schema di connessioni sinaptiche arbitrario, si ottiene attraverso una procedura di apprendimento che, secondo diversi schemi possibili, modifica iterativamente i pesi sinaptici in modo da realizzare la corrispondenza input-output voluta. In particolare, si usa distinguere modalità supervisionate e non supervisionate di apprendimento: per le prime, una volta selezionato un insieme di esempi della regola da imparare (cioè della corrispondenza input-output voluta), un agente esterno alla rete (un insegnante) fornisce per ogni input di esempio un feedback che, in funzione dell’errore commesso dalla rete, modifica i pesi sinaptici in modo da minimizzare l’errore. Nel caso di apprendimento non supervisionato, la rete evolve senza alcuna valutazione esterna, secondo leggi tali da incorporare nella struttura dei pesi sinaptici alcune regolarità statistiche degli input alla rete.

→ Neuroscienze computazionali