Conexionismo, um modelo de funcionamento neuronal
Entender o funcionamento do cérebro é um dos maiores desafios enfrentados pela psicologia. Daí a existência das diferentes abordagens e perspectivas. De fato, após o surgimento da psicologia cognitiva e da máquina de Turing, houve uma revolução nesse campo. A partir desse momento, começou-se a contemplar o cérebro como processador de informações.
A primeira teoria que foi criada para explicar o funcionamento do cérebro foi a metáfora computacional, mas logo começou a ter falhas. Diante dessa situação, os psicólogos cognitivos, com a intenção de buscar novas explicações, criaram uma teoria conhecida como conexionismo.
No entanto, antes de explicar o que é o conexionismo, é importante entender a visão da psicologia cognitiva sobre o cérebro. Desta forma, entenderemos as implicações e falhas da metáfora computacional. Por essa razão, revisaremos os principais aspectos desse ramo da psicologia na seção seguinte.
A psicologia cognitiva e a metáfora computacional
A psicologia cognitiva entende o cérebro humano como um processador de informações. Isso significa que é um sistema capaz de decodificar os dados provenientes de seu ambiente, modificá-los e extrair novas informações deles. Além disso, esses novos dados são incorporados ao sistema em um fluxo contínuo de inputs e outputs.
A metáfora computacional explica que o cérebro é como um computador. Através de uma série de algoritmos programados, transforma os inputs de informação em uma série de outputs. Isso, a princípio, parece fazer sentido, já que podemos estudar alguns comportamentos humanos que se adaptam a esse modelo. Agora, se explorarmos um pouco mais, começamos a detectar falhas nessa perspectiva.
Os erros mais relevantes são a velocidade com que processamos a informação, a flexibilidade com a qual agimos e a imprecisão de nossas respostas. Se nosso cérebro tivesse algoritmos programados, teríamos outros tipos de respostas: mais lentas devido a todas as etapas de processamento a serem executadas, mais rígidas e muito mais precisas do que são. Em suma, seríamos como computadores e, à primeira vista, observamos que não é assim.
Embora possamos tentar adaptar essa teoria às novas evidências, alterando a rigidez dos algoritmos programados por outros mais flexíveis e capazes de aprender, ainda assim continuaríamos identificando falhas na metáfora computacional. É aqui que entra o conexionismo, um fluxo que é mais simples que o anterior, e que explica o processamento da informação do cérebro de uma forma mais satisfatória.
O que é o conexionismo?
O conexionismo deixa para trás algoritmos computacionais e explica que a informação é processada através de padrões de propagação da ativação. Mas, quais são esses padrões? Em uma linguagem mais simples, isso significa que quando um input de informação entra no seu cérebro, os neurônios começam a se ativar formando um padrão específico, que produzirá um determinado output. Isso formará redes entre neurônios que processarão as informações rapidamente e sem a necessidade de algoritmos pré-programados.
Para entender isso, vamos dar um exemplo simples. Imagine que uma pessoa lhe diga para definir o que é um cachorro. Quando a palavra chega ao seu ouvido, de maneira automática será ativado em seu cérebro o conjunto de neurônios associados a ela. A ativação desse grupo de células se espalhará para outros com os quais está conectado, como aqueles relacionadas às palavras mamífero, latir ou pelos. E isso ativará um padrão no qual essas características estão incluídas, o que irá levá-lo a definir um cão como “um mamífero com pelos que late”.
Propriedades dos sistemas conexionistas
De acordo com essa perspectiva, para que esses sistemas funcionem como o cérebro humano parece se comportar, precisam cumprir certas condições. As propriedades básicas que devem ser seguidas são as seguintes:
- Propagação de ativação. Isso significa que os neurônios, quando ativados, influenciam aqueles com os quais estão conectados. Isso pode ocorrer facilitando sua ativação ou inibindo-a. No exemplo anterior, os neurônios de cachorro facilitam os de mamíferos, mas inibem os de répteis.
- Aprendizagem neuronal. O aprendizado e experiência afetam as conexões entre os neurônios. Assim, se vemos muitos cães que têm pelos, as conexões entre os neurônios relacionados a ambos os conceitos serão fortalecidas. Essa seria a maneira pela qual as redes neurais que nos ajudam com o processamento seriam criadas.
- Processamento em paralelo. Obviamente, não se trata de um processo em série, os neurônios não são ativados um após o outro. A ativação é propagada em paralelo entre todos os neurônios. E não é necessário processar um padrão de ativação após o outro, podem ocorrer múltiplos em um mesmo tempo. Graças a isso, somos capazes de interpretar uma grande quantidade de dados ao mesmo tempo, embora haja um limite para a nossa capacidade.
- Redes neurais. O sistema seria uma grande rede de neurônios agrupados entre si, através de mecanismos de inibição e ativação. Dentro dessas redes, também se encontram as entradas de informação e as saídas comportamentais. Esses agrupamentos representariam a informação estruturada que o cérebro possui, e os padrões de ativação seriam o modo pelo qual o processamento da referida informação ocorre.
Conclusões
Essa maneira de interpretar o funcionamento neuronal não só parece muito interessante, mas os estudos em torno dela parecem frutíferos. Atualmente, foram criadas simulações computacionais de sistemas conexionistas sobre a memória e a linguagem, muito semelhantes ao comportamento humano. No entanto, não podemos afirmar que esta é a maneira exata como o cérebro funciona.
Além disso, este modelo não só ajudou a contribuir para o estudo da psicologia em todos os seus campos. Encontramos também múltiplas aplicações desses sistemas conexionistas na computação. Acima de tudo, a teoria tem sido um avanço nos estudos da inteligência artificial.
Para concluir, é importante entender que a complexidade do conexionismo é muito maior do que a apresentada neste artigo. Aqui podemos encontrar uma versão simplificada do que realmente é, útil apenas como uma aproximação. Se a sua curiosidade pelo tema foi despertada, não hesite em continuar pesquisando sobre essa teoria e suas implicações.