Kommunikasjon

O modelo de “processamento de informação”, desenvolvido pela metáfora computacional, considera a hipótese de existir um certo isomorfismo entre a memória humana como um “sistema” e os sistemas atuais de memória artificial. Tais sistemas artificiais são compostos por módulos111 de tratamento ligados funcionalmente mediante uma arquitetura, seja seqüencial, paralela ou em série, que integra um mecanismo de controle, gerando os fluxos de informação que circulam no sistema.

Os computadores são usados na neurociência cognitiva para simular e reproduzir comportamentos alternativos. A Inteligência Artificial simula e reproduz comportamentos em um meio alternativo, como nas aplicações comerciais e médicas. Assim como o cérebro, os processamentos da inteligência artificial são capazes de representar e transformar grandes quantidades de informação, controlando robôs nas linhas de produção, auxiliando médicos na

110 _{Baseados em imagens de objetos bidimensionais e tridimensionais que flutuam no espaço. A importância deste}

experimento se refere ao fato de mostrar uma possível relação direta entre os processos cognitivos e a compreensão da inteligência humana, contribuindo, assim, com os estudos voltados para a representação imagética. Além deste experimento, há outros como o da gradação da imagem, proposto por Kosslyn, relativos ao tamanho da imagem que representamos mentalmente. Segundo Kosslyn, temos a capacidade de perceber detalhes de grandes imagens, tais como a de uma casa. Podemos fazer um “zoom” desta imagem da casa e, com isso, obtermos mais detalhes, como o material que foi feita a janela. Portanto, conclui-se que possuímos uma tela mental onde os perceptos visuais de objetos maiores são registrados com maior eficácia do que as imagens menores.

111 _{Esta compreensão a partir de módulos, fornecido pelos modelos computo-simbólicos da memória humana,}

desenvolverá um outro modelo de compreensão da mente, chamado de modelo modular, tendo como principal pesquisador Jerry Fodor, que trataremos no capítulo seguinte.

realização de diagnósticos, detectando doenças diferenciais ou criando modelos cosmológicos a partir do primeiro nanosegundo após o big bang.

Especificamente no campo das ciências cognitivas, modelos de cognição são desenvolvidos para simular o comportamento e o processamento cognitivo que assegura este comportamento. O computador é calibrado para realizar operações internas, criando um comportamento que pode ser observado e analogado ao comportamento produzido pelo cérebro real, possibilitando uma representação mais eficiente que os modelos puramente analíticos, já referidos no primeiro capítulo. Estas analogias favorecem um feedback sobre a cognição, incorporando eventos aleatórios que não são previsíveis em uma teoria pura112.

As representações em modelos computacionais variam, ou conforme a diferença entre os modelos, ou conforme o nível de explicação que se procura obter. Entre os modelos temos o modelo simbólico, que representa entidades simbólicas, e o modelo de rede neural.

No modelo simbólico, a unidade fundamental é o conceito. Os conceitos, como já vimos, podem ser relacionados em proposições ou esquemas, que são estruturas mentais para representar o conhecimento, abrangendo uma série de conceitos inter-relacionados em uma organização significativa (uma malha, rede semântica). Conceitos e esquemas podem ser considerados em muitos níveis de análise: na análise de esquemas, Rumelhart e Ortony (In: Sternberg, 2000, p.185) demonstraram que esquemas possuem várias características que asseguram a flexibilidade no seu uso. Esquemas podem incluir esquemas; esquemas abrangem fatos típicos; esquemas variam em grau de abstração. Komatsu incluiu nos esquemas informações sobre relações entre conceitos, atributos de conceitos, atributos em conceitos relacionados, conceitos e contextos particulares, conceitos específicos e o conhecimento básico.

Em uma troca de insights, psicólogos cognitivos e cientistas da inteligência artificial adaptaram a noção de esquema a vários modelos computacionais da inteligência

112 _{Braintenberg (In: Gazzaniga, 2006, p.121) apresenta exemplos importantes sobre possibilidades de modelagem de}

processamento de informação. Imaginemos dois veículos muito simples, equipados com sensores que agem nos motores e impulsiona as rodas traseiras, movendo-se num mundo minimalista, cuja única fonte de calor é o sol. Embora idênticos por fora, estes veículos têm um “comportamento” diferente: um se move em direção do sol enquanto o outro se move para longe dele. A explicação de comportamento diferente não está fora, mas neles, das conexões internas destas criaturas: de conexão cruzada para não-cruzada. Conexão não-cruzada é quando o sensor mais próximo ao sol afeta diretamente a roda de seu lado, fazendo o veículo se dirigir ao sol. Ao contrário, se fizermos uma conexão cruzada, isto é, quando o sensor mais próximo ao sol afeta a roda do lado oposto, o veículo se afasta do sol. “A questão de Braitenberg não modela um comportamento; ele representa, sim, como uma simples mudança computacional – de conexão cruzada para não-cruzada – pode levar a uma importante mudança de comportamento. Quando interpretamos tamanha diferença comportamental, devemos postular muitas operações e representações internas”.

humana, elaborando modelos computacionais de como o conhecimento é representado e usado. Os dois principais modelos derivados desta troca são o modelo de Newell e Simon, que explora tarefas de manipulação de símbolos, como por exemplo o jogo de xadrez, a resolução de problemas geométricos e provas lógicas de teoremas; e o outro, o modelo de Minsky, que resolvia questões envolvendo analogias visuais. O programa comparava e selecionava figuras dentro de um campo visual; modelo adaptado por Bobrow, para o domínio lingüístico, na solução de problemas de álgebra – o programa STUDENT113.

As teorias de processamento de informação pressupõem que humanos e computadores tratem as informações de maneira seriada, passo-a-passo. No entanto, pesquisas cognitivas e resultados psicobiológicos indicam que a cognição humana envolve tratamento em

paralelo, onde operações diversas acontecem em conjunto: as redes neurais, como nas redes de conhecimento declarativo. Nas redes, todas as formas de conhecimento são representadas dentro

da estrutura da rede e o elemento fundamental da rede é o nó conectado a muitos outros nós. Estas conexões é que capacitam a organização do conhecimento contido nas conexões entre os vários nós.

Na metáfora de redes de neurônios formais e máquinas neuronais, ou simplesmente modelo de redes neurais, a unidade fundamental é a rede, composta de unidades simples e semelhantes aos neurônios, conforme o esquema e a descrição de Churchland (2004, p.243-246).

113 _{Questões referentes aos modelos de rede semântica, representação do conhecimento de procedimento} (procedural), modelos integrativos para representar o conhecimento declarativo e não-declarativo, já foram

apresentados no capítulo anterior. Resgatamos tal questão para melhor embasar a noção de Ciências Cognitivas e de

Fonte: Churchland (2004, p.245)

As unidades da parte inferior, as unidades de entrada, podem ser pensadas como unidades sensoriais. Estas “unidades sensoriais” possuem um “axônio” que se ramifica em terminais e um sinal de saída é transportado para as unidades de segundo nível, unidades ocultas. As “unidades ocultas” e as “unidades de entrada” estabelecem uma rede de “conexões sinápticas” entre elas.

As unidades de entrada do sistema constituem um sistema transformador vetor-a- vetor que, quando estimuladas (vetor de entrada), um sinal será transportado até as unidades ocultas. O sinal pode sofrer transformação pela função de saída, pelo padrão de “força” (peso sináptico) que se encontra nas “sinapses”; pela atividade somada no interior de cada unidade oculta; o resultado é um padrão de níveis de estimulação: o outro vetor. Este outro vetor, nas unidades ocultas, por sua vez, é um novo vetor de entrada que serve de estímulo para as unidades de saída, que na verdade são apenas um outro transformador vetor-a-vetor.

Com as unidades de entrada, as unidades ocultas, as unidades de saída, mais o tamanho dos vetores a serem processados e um padrão de interconectividade, uma rede com qualquer número desses elementos pode ser construída. A rede pode sofrer transformações conforme a “força” (pesos sinápticos) seja modificada.

Assim como o processamento de informação em computadores serviu de metáfora para os primeiros modelos da cognição, as pesquisas em neurociências que demonstram que o cérebro manipula e trata muitas informações simultaneamente – em conexão ou em paralelo – também fornecem informações que possibilitam modelos e metáforas mais completos da representação do conhecimento humano. Como conseqüência, alguns computadores que simulam o tratamento em paralelo ou em conexão, através das redes neurais de processamento, passaram a ser construídos.

Nos modelos de processamento de distribuição em paralelo, ou modelos conexionistas (McClelland & Rumelhart e o grupo PDP114) utilizados na psicologia cognitiva, a idéia central é que o ser humano é capaz de tratar informações, tão eficientemente quanto de fato trata, porque ao mesmo tempo manipula uma grande quantidade de operações cognitivas através de uma rede distribuída em inúmeros locais do cérebro. No modelo de McClelland & Rumelhart, a rede compreende unidades semelhantes a neurônios e o padrão de conexões representa o

conhecimento e não unidades específicas como conceitos, proposições ou informações (redes de

conhecimento declarativo). Nenhuma unidade isoladamente é muito informativa, porém o padrão

de interconexões é altamente informativo, conforme demonstração abaixo:

114

Parallel Distributed Processing ou Processamento Distribuído em Paralelo (PDP) foi desenvolvido no MIT em 1986 e divulgou e popularizou o uso do Backpropagation para o aprendizado em redes neurais. A teoria do PDP confronta os argumentos Chomskyanos a respeito do inatismo, uma vez que considera inato apenas os mecanismos (células e neurônios) e não o conteúdo.

Fonte: Sternberg (2000, p.196).

No modelo do grupo PDP de inspiração cerebral, diferentes processos cognitivos são manipulados por diferentes padrões de ativação e não são o resultado de um conjunto diferente de instruções oriundas de uma unidade central de processamento do computador (CPU). As unidades individuais podem a qualquer momento, como no caso dos neurônios, ser inativas ou transmitir sinais excitadores ou inibidores a outras unidades, que podem ser usadas para mapear funções neurais específicas. O modelo em questão se vale de processos fisiológicos cerebrais como metáfora para a compreensão da cognição. A representação do conhecimento não é realmente um produto final porque, ao usarmos o conhecimento, a representação que temos dele muda. Conhecimento é um processo potencial:

o que é armazenado não é um padrão específico de conexões, mas um padrão de forças de conexão potencial excitadoras ou inibidoras, que a mente (cérebro) usa para recriar determinados padrões, quando estimulada a fazer isso. Quando recebemos novas informações, a ativação oriunda dessas informações fortalece ou enfraquece as conexões

entre as unidades. As novas informações podem vir de estímulos ambientais, da memória, ou de processos cognitivos. A capacidade para criar novas informações, através de inferências e de generalizações, possibilita uma quase infinita versatilidade de representação e na manipulação do conhecimento (Sternberg, 2000, p.197).