联结主义心理学
联结主义心理学（connectionisan，neural networks）
目录 |
联结主义(connectionisan)，又称神经网络(neural networks)，与符号主义(symbolism)一起构成了认知科学的两个主要流派。联结主义的理论起始于20世纪40年代，并在其后近30年的时问内得到了迅速的发展，在60年代末由于联结主义本身的局限性以及计算机科学发展的影响，联结主义研究一度受到冷落。到了80年代，联结主义又重新引起了研究者的兴趣，在过去的2O多年的时问里，联结主义认知理论得到了迅速的发展，并取得了丰富的研究成果，对于认知科学、心理语言学等相关学科的发展起到了极大推动作用。尤其是在心理语言学领域，关于语言习得、语言产生与语言理解的联结主义模型已经成为心理语言学理论中最具影响的组成部分。
符号主义和联结主义的区别[1]
符号主义和联结主义往往被认为是两个对立的认知科学的流派。符号主义把语言处理视为信息加工的过程，也就是一个符号处理的过程，它具有很悠久的历史根源。早在19世纪，Boole(转自Christiansen&Chater．2001：2O)就认为，逻辑与概率理论可以描述心理活动的规律，在这些规律的基础上，人们可以按照符号规则进行各种推理的活动。这种思想对于计算机科学的发展具有很大的影响。后来计算机科学以及人工智能理论的发展又反过来进一步影响认知科学的研究。在计算机科学中，符号处理的方式是迄今为止设计实用计算程序最为成功的方法。因此，在认知科学领域，包括语言处理的研究在内，许多人郜按照符号处理器的模式来研究人的心理活动。
联结主义代表着认知科学的另一个流派。早在20世纪5O年Ashby(1952)、Minsky(1954)、Rosenhlatt(1962)等人设计『神经系统的计算方案。除了它们的生物属性之外，这些方案具有“学习”的能力，而不是像符号处理方案那样提前把各种程序都设计好。在这一阶段，符号处理模式和联结主义模式都被作为建立智力模型的选择方案。但是，符号处理方案在语言(Chomsky，1965)和解决问题(Newell&Simon，1972)等一些相关的领域得到比较成功的应用，而联结主义方案因为当时的理论的局限性而被逐渐放弃。但是，随着认知科学的研究的不断发展，符号处理模式的局限性也逐渐暴露出来，越来越多的研究者开始意识到符号主义虽然可以解决许多问题，但是它们在语言处理方面与人脑还有很大的差距，人类认知活动模式的建立需要更多地接近人类大脑工作的真实情况。因此，从20世纪8O年代开始，人们又开始把目光转向联结主义模式。在最近2O多年的时间内，有关的研究者又进一步发展了联结丰义理论，并克服了以往该理论的一些局限(McClelland&Rumelhart，1986)，这使得联结主义理论有重新成为与符号处理模式相并列的一种关于人类心理活动的理论。
联结主义与大脑的神经生理[1]
联结主义理论起源于人们对于大脑结构与工作方式的研究。大脑由大量的神经细胞构成，目前人们对于大脑中神经细胞的数量还没有一个准确的数字，据Murre和Sturdy(1995)的估计，大脑中神经细胞的数量应该为
左右，其中有1／5的神经细胞位于大脑新皮层，这一部分被认为负责包括语言处理在内的各种认知活动。大脑皮层的一个细胞平均与其他细胞具有4000个联结，那么在大脑新皮层部分就有
个联结。这些神经细胞密切相连构成一个复杂的网络系统。每一个神经细胞都可以被看做是一个简单处理器。这些处理器收集输入的电化学脉冲，当输入的信号总量达到一定程度时，神经细胞就会产生行动电位(指神经脉冲的传递过程巾在神经细胞表面发生的电位的暂时变化)，并通过神经纤维把脉冲传递到神经轴突(为输出端)和神经纤维的分支上。另外，神经细胞之间似乎并不是相互交换符号信息，而是通过由神经细胞的触发频率(firing rate)而产生的数值(numerical value)进行相互之间的联系，每个神经细胞都可以被看做一个处理器，它接受来自于其他细胞的数字输入信号并转化为传递到其他神经细胞的数字输出信号总体而言，神经细胞具有六个基本功能(Dudai，1989)：
- 第一，输入功能，以接受来自于外部环境或者其他神经细胞的信号；
- 第二，合成功能，可以对于接受的信号进行合成与加工；
- 第三，传导功能，可以把合成的信息传递一定的距离；
- 第四，输出功能，可以把信息传递给其他的细胞；
- 第五，计算功能，可以把一种信息映射转化为另一种信息；
- 第六，表象功能，促进内部表象的形成。
联结主义认知模式的建立在许多个方面体现了大脑的结构特点。联结主义认为心理现象可以通过简单单元所构成的相互联结的网络结构来描述，而联结与节点形式可以根据实际的情况而变化，而在描述语言处理过程时，节点可以是一个语言的基本单位(例如词)，而联结则是与之相关的因素(例如语义相似性)。联结主义模型包含许多简单的处理单元或节点，它们可以传递一维的信息，即激活。这些单元或节点不传递符号信息，只传递数值。每个节点都与许多其他的节点相联结，节点相互之间同时协同进行信息处理的工作，并相互密切联结构成一个复杂的网络体系。节点之间联结的强度被称为权重(weight)，权重值的大小可以通过学习(learning)进行调节。
Rumelhart，Hinton和McClelland(1986)列举了并行分布处理(Parallel Distributed Processing，PDP)模型的八个基本特征：
- 一系列的处理单元
- 激活状态
- 每个单元的输出功能
- 单元之间的联结模式
- 通过网络联结的激活传播模式的传播规则
- 把一个单元所接受的输入与该单元的现行状态相结合产生新的激活状态的激活规则
- 通过经验调整联结模式的学习规则
- 系统运行所处的环境
这八个特征可以很容易地与神经细胞的六个功能对应起来。处理单元就是细胞本身，激活状态和激活规则属于细胞输入和合成功能的一部分，输出功能与细胞的输出功能相对应，联结模式和传播规则与细胞的传导功能相对应，而学习规则与环境则与细胞的计算和表象功能相对应。当然，并行分布处理模式只是联结主义模型中的一种，因此，Bechtel和Abrahamsen(1991)在上述八种特征的基础上，总结了联结主义模型的四个基本特征：
- 单元之间的联结
- 单元的激活功能
- 用于调节单元之间联结的学习程序
- 对网络进行语义解释的方式
上述四个特征可以被概括为联结主义的三个基本原则(Medler，1998)：
- 第一，信号的处理由基本的单元进行；
- 第二，处理单元与其他单元并行联结；
- 第三，处理单元之间的联结具有不同的权重值。
上述三个基本原则呵以应用于各种联结主义模型，从而成为衡量各种联结主义模型的基本标准。