تحقیق مقاله رفتار اجتماعی

مدل های شبکه عصبی که مدل های پیوند گرا نیز نامیده می شوند به نظر می رسد که نشان دهنده یک تغییر الگویی در روانشناسی شناختی، علم شناخت و هوش مصنوعی می باشند. این مدل ها ایده ما را که تصور می کنیم ذهن همانند یک کامپیوتر عمل می کند به کل تغییر می دهد و در عوض مدل های مغزی بسیاری در زمینه عملکرد ذهن در اختیار ما قرار می دهد که این مدل ها نشان می دهند که احتمالاً می توان مدل‌های بسیار خوبی از عملکرد شناختی را از طریق عصب های ساده نظیر واحدهای عصبی تهیه نمود. این بدان معنا می باشد که ما می توانیم مدل هایی از ذهن را که از واحدهای عملکردی مشابه به واحدهای فیزیکی تشکیل شده است تهیه نمائیم که نشان دهنده یک مغز واقعی می باشد.

این دیدگاه سبب به وجود آمدن یک بینش جدید در زمینه عملکرد ذهن و عملکرد متقابل آن در برابر محیط گردید.

جای بسی تعجب است که با وجود اهمیت این مدل ها تا همین اواخر هم روانشناسان علوم اجتماعی توجه بسیار کمی به آنها مبذول داشته اند. این مدل ها به طور مستقیم به ویژگیهای اساسی درک اجتماعی و عملکردهای متقابل اجتماعی می پردازند:

انسجام همزمان موارد اطلاعاتی چندگانه و قالب زمانی کاملاً کوتاهی که این عملکردهای در درون آن شکل می گیرند. هر عملکرد دنیوی درک اجتماعی حاصل از عملکرد متقابل و همزمان موارد اطلاعاتی چند گانه می باشد. که این بدان معنا می‌باشد که هر یک از موارد اطلاعاتی به طور متقابل بر روی شکل گیری و معنای سایر موارد اطلاعاتی تأثیر گذار می باشد. علاوه بر این و این عملکرد متقابل در چنان چهارچوب زمانی کوتاهی رخ می دهد که بسیار کوتاهتر از هر چهار چوب زمانی موجود در عملکردهای متقابل منطقی می باشد. بنابراین اکثر درک اجتماعی باید به صورت مشابه رخ دهد و هر دفعه این موارد از ویژگیهای اساسی مدل های شبکه عصبی می باشند.

روانشناسان اجتماعی که این مدل ها را نادیده گرفته اند به دلیل دیگری متعجب می باشند. همانطور که Read, Vanman & Miller در سال 1997 نشان دادند تشابهات بسیار مهمی میان ویژگیهای این صله ها و اصول Gestalt وجود دارند، اصولی که پایه تئوری بسیاری از روانشناسی های اجتماعی جدید را شکل می دهند. با وجود این اخیراً به نظر می رسد که علاقه بیشتری به استفاده از این مدل های پدیده اجتماعی نشان داده شده است. این کتاب کلیه مطالب موجود در این زمینه را دور هم گرد آورده است. این کار به خوانندگان کمک می کند تا با شکل گیری این دیدگاههای جدید آشنا شوند و تئوریهای بسیاری از این مدل ها را دریابند. هریک از فصل های این کتاب به بررسی یک مدل پیوندگرا از یک مشکل اصلی در زمینه روانشناسی اجتماعی می پردازد. از آنجائیکه اکثر مؤلفان از یک سیستم مهندسی استاندارد استفاده می کنند می توانند برای مولد خود از یک برنامه کامپیوتری خاص و یا سیستم های موجود و در دسترس عموم استفاده نمایند تا خوانندگان مشتاق با کمترین کار به مدل های مورد نظر خود دسترسی پیدا کنند. مؤلفان در این زمینه تعدادی از مطلب اساسی روانشناسی اجتماعی را مد نظر قرار داده و نشان می دهند که چگونه این مدل ها سبب شکل گیری یک درک و بینش جدید از برخی مسائل اصلی می گردند. علاوه بر این بسیاری از فصل های این کتاب سرنخ هایی را بدست می دهد که این دیدگاه بذرهای شکل گیری یک تئوری جدید را بوجود می آورند که سالهاست در این زمینه مورد غفلت قرار گرفته است.

Smith & decoster و Woolcock & kashima و king مدل هایی از یادگیری و کاربرد مقوله های اجتماعی و تصورات قالبی بوجود آوردند. Thagard &kunda، van qureall & Miller و van rooy مدل هایی از منطق، استدلال، پدیده های اجتماعی و درک شخصی را مورد توصیف قرار دادند. شودا و میشل مدلی از شخصیت و رفتار اجتماعی ارائه نمودند. شالتز و لیچر نشان داد که چگونه یک مدل شبکه عصبی می تواند پدیده های ناهماهنگ را در برگیرد.

در نهایت Nowak &vallacher، Eiser، claessen و loose نشان دادند که اینها تنها مدل هایی از شناخت فردی نیستند بلکه همچنین می توانند جنبه های بسیار مهم نفوذ اجتماعی و عملکردهای مقابل گروهی را نیز در بر گیرند.

مدل های پیوندگرا

در زیر ما به شرح مختصری از مدل های پیوندگرا می پردازیم. ما یک محدوده وسیعتر را در نظر گرفته بودیم با وجود این مقدمه های بسیار خوبی در دسترس می باشند که برخی روانشناسی های شناختی را در بر می گیرند و دو مقدمه شکل گرفته اخیر روانشناسی های اجتماعی را مورد توجه قرار داده اند. بنابراین تکرار آنچه که قبلاً گفته شده است و به صورت معضل در جایی دیگر شرح داده شده است بی مورد می‌باشد.

به نظر می رسد که هنوز هم به جز دو نسخه چاپ شده توسط Rumelhart& Ncclelland و گروه تحقیقی PDP مقدمه بهتری در زمینه مدل های شبکه عصبی و کاربردهای روانشناسی آنها به چشم نمی خورد. سایر منابع بسیار خوب برای روانشناسی اجتماعی شامل موارد زیر می باشند:

کتاب چاپ شده Anderson که چندی پیش منتشر گردید، کتاب های Bechtel و Abrahamsen که در کنار مطالب چاپ شده گروه تحقیق PPP در بازار موجود می باشند. اخیراً نیز Vanman & Miller, Smith & Read بر روی کاربردهای چنین مدل‌هایی برابی مشکلات موجود در روانشناسی اجتماعی متمرکز شده اند.

علاوه بر این رید، ون من و میلر به بحث در زمینه اصولی پرداخته اند که پایه های تئوری بسیاری از اصول روانشناسی اجتماعی جدید را تشکیل داده اند.

مدل سازی پیوندگرا به صورت یکسری فعالیت ها که به صورت مشابه میان واحدهای ساده و عقب مانده عمل می کنند در امور مربوط به شناخت و درک دخیل می باشند.

مهمترین اجزای این مدل ها عبارتند از:

1-واحدهای عملکردی ساده یا گره ها، که فعالیت های ورودی را جمع آوری می کند و با پیروی از یک معادله خاص این فعالیت های حاصله را به گره هایی که به آنها متصل می باشد ارسال می دارد.

2-معادله هایی که تعیین کننده عملکرد هر یک از گره ها در یک نقطه زمانی می باشد که این امر بر پایه فعالیت هایی که از سایر گره ها وارد می شوند تعیین می گردد.

3-اتصالات وزنی میان گره ها که وزنها بر روی چگونگی انشعاب این فعالیت ها تأثیرگذار می باشند.

4-یک قانون یادگیری که معین می سازد چگونه وزن ها در پاسخ به تجربه تغییر می کنند، گرچه اختلافاتی (تفاوت هایی) در مدل های شبکه عصبی به چشم می خورد ولی ما در اینجا تنها به ذکر 2 نمونه از این تفاوت ها اکتفا می نمائیم. اول اینکه آیا روابط فیدیک(پیش زمینه ای) در میان گره ها وجود دارد یا خیر. در شبکه های انتقال تغذیه واحدها دارای اتصالات غیر مستقیمی می باشند که دارای هیچگونه فید بک یا رابطه ای در این زمینه نمی باشد. شبکه به صورت لایه لایه شکل گرفته است که ورودیهای غذایی به درون لایه های درونی انتقال داده می شوند و در نتیجه یکسری فعالیت ها به صورت عرق در لایه بالایی شکل می گیرند. ساده ترین مدل این شبکه دارای 2 لایه می باشد یک لایه درونی و یک لایه بیرونی، گرچه لازم به ذکر است که شبکه های پیچیده تر ممکن است دارای لایه های نهفته دیگر مد نیز باشند.

شبکه هایی با لایه های پنهانی نظیر شبکه انتشار معکوس دارای قدرت محاسبه ای بیشتری می باشند. یک مثال بسیار خوب از شبکه انتقال تغذیه                  می باشد که در آن سیستم دارای یک ارتباط اختیاری میان یک ورودی که به شکل الگوی فعالیت در لایه ورودی ظاهر می شود و یک الگوی شکل گرفته در لایه خارجی می گردد، چنین شبکه هایی می توانند یاد بگیرند که موارد را دسته بندی نمایند یا به مواد مختلف نامهای متفاوتی بدهند.

در عوض در شبکه های فیدبک یا شبکه های تعاملی تنها برخی از اتصالات به صورت دو جانبه به هم متصل می باشند که منجر به ارتباطات فید بک می شود و فرآیندها به طور پویا همگی در یکسری چرخه های بزرگ صورت می پذیرند. گره های موجود در این شبکه ها دارای یک فعال سازی مینیموم و ماکسیسمم می باشد (که معمولاً از 0 تا 1 یا از 1- تا 1 می باشد) از آنجائیکه فعال سازی واحدها به سمت مجانب ها پیش محدود فعال سازی گره ها چندین بار جدید می شود و از آنجائیکه این سیستم در جهت تعیین راه حلی برای یک ورودی خاص می باشد این کار باید صورت پذیرد. در عوض در شبکه هایی که تغذیه را جا به جا می سازند فعال سازی تنها یک بار تجدید می گردد. به خاطر روابط فیدبک موجود می توان گفت که شبکه های فید بک یا تعاملی سیستم های پویایی هستند که عملکرد آنها در طی زمان شکل می گیرد. در نتیجه آنها دارای ویژگیهای مفید و جالب توجه می باشند که جزو ویژگیهای شبکه های تغذیه رسان نمی باشند.

یکی از مفیدترین ویژگیهای چنین شبکه ای این است که آنها به صورت سیستم های محدود و مشابهی عمل می کنند که هدف آنها تنظیم فشارهای همزمان در میان اجزای یک شبکه می باشد.

اکثر شبکه های ارائه شده در این کتاب، شبکه های فیدبک می باشند، قابلیت های تنظیم فشار شبکه ها از جمله جنبه های اساسی مدل ها می باشند. دومین تفاوت مهم در میان مدل ها این است که آیا مفاهیم دارای یک بازنمایی موضعی می باشند یا خیر. در یک بازنمایی موضعی یک مفهوم و یا شاید کل یک مطلب توسط سک گره ارائه داده می شود. در عوض در یک بازنمایی گسترده یک مفهوم توسط الگوی فعال سازی گروهی از گره ها اراده داده می شوند.

گرچه برخی محققان معتقدند که بازنمایی گسترده نوعی ویژگی تعیین کننده پیوندگرایی می باشد اما ما در اینجا دیدگاه گروهی از محققان را در نظر می گیریم که معتقدند بازنمایی که یک شخص باید بکار برد باید وابسته به مطلب مورد نظر خود باشد.

هرکدام از این بازنمایی ها نقاط ضعف و نقاط قوت مربوط به خودشان را دارند. ما در اینجا به ذکر 3 نمونه از ومزیت های بازنمایی گسترده می پردازیم. اول اینکه چنین بازنمایی بیشتر احتمال دارد که با تلاش های صورت گرفته در زمینه مدل سازی ذهن با استفاده از واحدهای شبیه عصب هماهنگ باشد و به احتمال زیاد برای شواهد ما مناسب تر می باشد.

دوم اینکه بازنمایی گسترده دارای ویژگی مطبوع تنزل می باشد. این بدان معنا می باشد که فقدان تعداد کمی از عصب ها تأثیر بسیار کمی بر روی قابلیت بازنمایی چنین مدلی دارد. در عوض در یک مدل موضعی از دست رفتن یک عصب منجر به مختل شدن عمل بازنمایی مولد می شود. سوم اینکه از دست رفتن یک بازنمایی گسترده میزان شباهت ورودی ها را محاسبه می کند. این بدان معنا می باشد که چنانچه بردارهای فعال سازی نشان دهنده ورودیهای متفاوت بر حد کافی شبیه هم باشند در شبکه یک بازنمایی مشترک را دریافت خواهند نمود.

با وجود این باید گفت که مولدهای موضعی نقاط قوت مربوط به خودشان را دارند که عکس برخی از نقاط ضعف مدل های گسترده می باشد. اول اینکه مدل های موضعی اغلب بیشتر قابل تفسیر می باشند چرا که هر مفهوم مربوط به یک گره خاص می‌باشد. در عوض در یک بازنمایی گسترده از آنجائیکه هر مفهوم وابسته به الگوی فعال سازی یک گروه از گره ها می باشد تفسیر ویژگیهای هر مدل کار مشکلی می باشد.

یک مدل ساده با 20 مفهوم را در نظر بگیرید. در یک مدل موضعی تنها 20 واحد و یک جدول وزن 20*20 مورد نیاز می باشد اما در عوض تصور کنید که ما یک مدل بازنمایی گسترده داریم که در آن هر مفهوم با 20 عضو نشان داده شده است. در این مدل نیاز به 400 واحد و یک جدول وزن 400*400 داریم. مدل گسترده 400 تا از هر وزن را دارا می باشد و چنانچه مدل بزرگ تر شود مشکل ما نیز بزرگ تر خواهد شد. مسئله دیگر این است که آیا یک شخص باید از بازنمایی موضعی استفاده کند تا از بازنمایی گسترده. تصور کنید که یک شخص در حال تهیه یک مدل شناخت بالا می باشد مدلی نظیر مدل استدلال منطقی، تفرسی و یا همسانی شناخت. در چنین مدل‌هایی جزءبیشتر به روابط میام مفاهیم توجه دارد مفاهیمی مانند روابط تلویحی یا غیر مهم. و اغلب مکانیسم تئوری کلیدی تنظیم همسان موانع متقابل میان مفاهیم می‌باشد.. در چنین مواردی، به نظر می رسد که الگوی فعال سازی یک مجموعه از عصب ها می تواند بدون فقدان و هرگونه نیروی تئوری چنانچه مربوط به یک گره باشد ترسیم شود. در چنین مواردی استفاده از یک بازنمایی گسترده ممکن است چندین مفید واقع نشود و هزینه های زیادی را نیز در بر خواهد داشت. بنابراین ما معتقدیم که انتخاب بازنمایی توسط یک فرد بستگی به مطلب مورد نظر دارد. چنانچه نوعی تنزل مطبوع مورد اهمیت باشد و یا چنانچه فردی به دنبال مسائل یادگیری مفاهیم و یا دسته بندی آنها باشد که از حساسیت و شباهت زیادی برخوردار است بنابراین یک بازنمایی گسترده مورد نیاز می باشد. در فصل های متفاوت این کتاب برخی از شرایطی که تحت آنها هر یک از مدل های بازنمایی مناسب تر می باشند مورد بحث قرار گرفته اند. برای مثال مؤلفان بسیار زیادی نظیر Smith، Decoster، Kashima، woolcock، king علاقه زیادی به یادگیری مفاهیم و اجزای ویژگیها و صفات دارند. در این گونه موارد بازنمایی گسترده از اهمیت بسیار زیادی برخوردار می باشد. با وجود این فصل های دیگر کتاب نظیر  فصل Shultz و lepper، مدل روابط رفتاری- شخصیتی Shoda، mischel و فصل Thagard, kunda در زمینه نقش پیوستگی همگی تا حد زیادی نشان دهنده تمایل آنها به مفاهیم روزند کار در شبکه های گرنده می باشد که چنین شبکه هایی بعنوان سیستم هایی برای تنظیم مشابه چندین مانع همزمان عمل می کنند.