Utilizarea modelelor conecționiste în cercetarea psihologică

Articol redactat de Eduard Gușan

Modelele conecționiste, cunoscute și ca modelele procesării paralel-distributive (engl. parallel distributed processing), sunt o clasă de modele computaționale utilizate deseori pentru a (a) simula atât percepția, (b) cogniția și comportamentului uman, (c) cât și procesul de învățare sau stocare-evocare a informației din memorie. Modelul are la bază idea că înțelegerea comportamentului și a stărilor mentale trebuie ancorată în procesele neuronale ce stau la baza cogniției (McClelland and Cleeremans,2009).

Scopul acestor modele este de a oferi un mecanism informațional vieții psihice, emergentă din activitatea neuronală (McClelland & Rogers, 2003).Deși nu sunt deseori utilizate în cercetarea clinică, a fost argumentat cămodelele conecționiste sunt superioare ca metode de cercetare datorită capacității de a elucida mecanismele neurologice aferente vieții psihice. (Tryon, 2014).

Caracteristicile retelelor neuronale artificiale

Modelele rețelelor neuronale artificiale au baza explicativă fundamentată pe trei principii: (a) răspândirea în rețea (engl. network cascade), (b) transformarea, și (c) medierea învățării/memoriei prin plasticitatea determinată de experiență (engl. experience-dependent plasticity)(Tryon, 2012).

Network cascade. Rețelele neuronale presupun trei sau mai multe niveluri ale procesării neuronale. Activarea unui nod la nivelul unei rețele este răspândită automat asupra celorlalte nivele. Răspândirea în rețea simulează propagarea impulsurilor neuronale de-a lungul axonilor fie într-un mod direcționat, făcând legătura între stimul și răspuns, sau ciclic, unde răspunsul influențează activarea ulterioară a rețelei.   

Transformarea. Un stimul senzorial este transformat prin activarea rețelei într-un construct psihic, cum ar fi un gând. Rețelele neuronale artificiale, asemănător celor biologice, folosesc aceeași rețea atât pentru stocarea cât și procesarea informației. Activarea neuronală favorizează o structură a rețelei în detrimentul altei structuri, care la rândul ei poate fi modificată în funcție de activările ulterioare.

Învățarea și memoria determinată de plasticitatea neuronală. O altă proprietate a rețelelor neuronale artificiale este posibilitatea de a învăța și memora modificările produse de un stimul sau context prin intermediul transformării descrisă mai sus. Învățarea a fost definită de Carlson (2010) ca procesul prin care experiențele schimbă sistemul neuronal și prin urmare comportamentul nostru. La fel ca și în cazul rețelei neuronale biologice, învățarea este caracterizată prin schimbarea configurației într-o rețea neuronală artificială, iar memoria este întărirea sau activarea repetată a aceleiași configurații.

Relevanța clinică

Relevanța modelelor neuronale pentru domeniul clinic poate fi exemplificată de expunerea terapeutică a unui client cu o fobie specifică. Clientul care are deja consolidat răspunsul de evitare în fața stimulului aversiv, este însoțit de un terapeut în cadrul expunerii cu scopul de a-și depăși frica. Această metodă creează o discrepanță între configurația neuronală consolidată și noul comportament. Disonanța creată de intervenție activează mecanismul neuro-plasticității rețelei neuronale care la rândul său alterează legăturile sinaptice și modelează conexiunile în concordanță cu noul comportament (McKay,Abramowitz, & Storch, 2017).

Același mecanism ipotetic este prezent și în cazul tulburării obsesiv-compulsive unde ritualul declanșat de anumiți stimuli este modificat de o disonanță declanșată în terapie (Del Casale et al., 2011). Aceste exemple indică faptul că atât mecanismul comportamentului tipic sănătos, cat și procesul patogenetic poate fi simulat și studiat prin intermediul rețelelor neuronale artificiale.

Concluzie

Deși modelele rețelelor neuronale nu sunt pe de parte cea mai completă metodă de cercetare psihologică, utilizarea lor oferă punți conceptuale pentru a înțelege interacțiunea bidirecțională a proceselor biologice și psihologice. Ele oferă atât o explicație pentru emergența vieții psihice din activitatea neuronală, cât și pentru impactul proceselor psihice asupra celor biologice.

Bibliografie

Del Casale, A., Kotzalidis, G. D., Rapinesi, C., Serata, D., Ambrosi, E., Simonetti, A., … Girardi, P. (2011). Functional Neuroimaging in Obsessive-Compulsive Disorder. Neuropsychobiology, 64(2), 61–85. https://doi.org/10.1159/000325223

Carlson, N. R. (2010). Physiology of behavior (10th ed). Boston: Allyn & Bacon.

Mcclelland, James & Cleeremans, Axel. (2009). Connectionist Models.

McClelland, J. L., & Rogers, T. T. (2003). The parallel distributed processing approach to semantic cognition. Nature Reviews Neuroscience, 4(4), 310–322. https://doi.org/10.1038/nrn1076

McKay, D., Abramowitz, J. S., & Storch, E. A. (Eds.). (2017). Syndromes & treatments for psychological problems. Hoboken, NJ: John Wiley & Sons Inc.

Tryon, W. W. (2012). A connectionist network approach to psychological science: Core and corollary principles. Review of General Psychology, 16(3), 305–317. https://doi.org/10.1037/a0027135Tryon, W. W. (2014). Cognitive neuroscience and psychotherapy: network principles for a unified theory. London, UK ; Waltham, MA, USA: Elsevier/AP, Academic Press is an imprint of Elsevier.

Leave a Reply

Your email address will not be published. Required fields are marked *