Символьный подход Основные постулаты данного подхода В основе подхода лежит компьютерная метафора

или 0);
Дональд Хэбб: алгоритм обучения искусственных нейронных сетей, Идея «клеточного ансамбля»;
Джеймс Макклелланд и Дэвид Румельхарт: модель интерактивной обработки информации, сформулировал теоретические положения.

Предполагаемая когнитивная архитектура:

Сети прямого распространения: все связи направлены строго от входных нейронов к выходным (перцептрон Розенблатта).

Рекуррентные нейронные сети: сигнал с выходных нейронов или нейронов скрытого слоя частично передается обратно на входы нейронов входного слоя (сети Хепфиллда).

Принципы работы указанной архитектуры:

1. Параллельная обработка информации;
2. Хранение информации происходит в весах связей между элементами сети, информация распределена (важна не одна конкретная связь двух элементов, а все связи, задействованные в процессе и их веса);
3. Обучение – процесс изменения весовых коэффициентов связей между элементами, есть разные формы обучения ИНС.

Формат ментальных репрезентаций и их количество:

Субсимвольный формат репрезентации. Существуют различные уровни переработки информации (на уровне входных и скрытых/промежуточных нейронов).
Основные методы и методические приемы к исследованию психических процессов и свойств:

Основной метод – моделирование. Существует множество ИНС, предполагающих и воплощающих модели работы психических функций.
Эффекты познания объясняющиеся с помощью описываемого подхода:

Эффекты прайминга (установки). Влияют активные узлы и узлы с высокой частотностью (весом). Например, мы хорошо распознаем звуки русского языка и плохо китайского (любого другого);
Процессы научения;
Гибкость и адаптация процессов;
Хранение элементов в памяти и распознавание образов (как зрительных, так и слуховых).

Основания для критики:

Невозможно смоделировать решение творческих, комплексных (сложных) задач;
Модель предполагает только 1/0, в то время как настоящий нейрон имеет электрохимическую природу передачи данных, что предполагает градацию от полного возбуждения до его отсутствия;
Не соотносится с реальностью в скорости обучения.

Выводы:

Я придерживаюсь позиции нейросетевого подхода. Он не идеален на настоящий момент и имеет ряд недостатков, однако, продолжат широко развиваться в разных отраслях когнитивной науки. Не так давно были созданы физические носители, имитирующие работу нейронной сети, что позволит подойти к моделированию иначе, более продуктивно. Да, очень большим недостатком остается бинарность данных, которые передают друг другу нейроны. Если мы решим эту проблему, то сможем строить более правдоподобные модели и, возможно, преодолеем минусы, существующие на данный момент. Минусы первых друх подходов кажутся мне более значительными и сложными для преодоления, но, каждый из подходов хорошо описывает какие-то определенные феномены. Метафоры, заложенные в них позволяют по-разному исследовать реальность и иметь более комплексное представление о работе нашего познания.
…