Glossario

Approccio connessionista

Le reti artificiali sono un modello astratto e semplicistico dei circuiti neurali formati da dendriti e assoni. La funzione sinaptica è simulata dai pesi modificabili, associati ad ogni connessione e il segnale elettrico in uscita da ogni neurone è espresso da un numero. Questo approccio pur rifacendosi ai principi dell'intelligenza artificiale, si caratterizza per il fatto che l'architettura dei processi mentali si ispira non ai computer ma al funzionamento del cervello reale.  I modelli connessionisti svolgono la loro attività computazionale in modo simil-neurale. Il segnale d'ingresso in questo modello viene moltiplicato per il peso della connessione (i passaggi effettuati tra i neuroni) e tutti i segnali vengono poi somati per ottenere un ingresso complessivo, che poi viene trasformato in segale d'uscita.   La teoria alla base di questo approccio si ispira ad un neurone virtuale che invia segnali o riceve informazioni (numeri) da altri neuroni. Si possono distinguere 3 tipi di unità fondamentali: 1- Unità di ingresso (input); 2- Unità di uscita (otput); 3- Unità nascoste (hidden), le cui afferenze ed efferenze sono situate all'interno del sistema. In aggiunta si possono inserire altre unità come quelle contestuali e di memoria. Ogni unità trasforma l'insieme di segnali ricevuti in un segnale d'uscita che manda ad altre unità ad essa connesse. La rete neurale naturalmente va addestrata e ciò viene fatto inviando segnali appropriati alle unità d'ingresso e calcolando di quanto il segnale in uscita si discosta da quello voluto. Sulla base dell'errore si modifica il peso delle connessioni    N.B. Per una più esaustiva trattazione dell'argomento vi invitiamo a consultare un manuale di intelligenza artificiale.   Riferimenti G. Denes, L. Pizzamiglio, Manuale di neuropsicologia, 1996 Zanichelli