Memoria semantică

De la Wikipedia, enciclopedia liberă.
Salt la navigare Salt la căutare

Memoria semantică este partea memoriei declarative care privește cunoștințele generale despre lume, de exemplu prețul unui obiect, președintele Republicii Italiene , conținutul învățat la școală .

Spre deosebire de memoria episodică, aceasta nu este personală, ci comună tuturor celor care vorbesc aceeași limbă. De exemplu, memoria „omul este un mamifer” face parte din memoria semantică, în timp ce memoria „din școala elementară am aflat că omul este un mamifer” face parte din memoria episodică (și în special memoria autobiografică).

Memoria episodică și memoria semantică nu sunt localizate în aceeași zonă a creierului, prin urmare nu sunt supuse unui proces degenerativ în același timp.

Modele

Esența memoriei semantice este că conținutul său nu este legat de nicio instanță anume de experiență, ca în memoria episodică. În schimb, ceea ce este stocat în memoria semantică este „sucul” experienței, o structură abstractă care se aplică unei largi varietăți de obiecte experiențiale și delimitează relațiile categorice și funcționale dintre acele obiecte [1] . Astfel, o teorie completă a memoriei semantice trebuie să ia în considerare nu numai structura reprezentativă a acestui „suc”, ci și modul în care acesta poate fi extras din experiență. Au fost propuse numeroase modele de memorie semantică; sunt rezumate mai jos.

Modele mesh

Rețelele de diferite tipuri joacă un rol fundamental în multe teorii ale memoriei semantice. În general, o rețea este alcătuită dintr-un set de noduri conectate între ele. Nodurile pot reprezenta concepte, cuvinte, caracteristici perceptive sau nimic stabilit. Legăturile pot fi ponderate în așa fel încât unele să fie mai puternice decât altele sau invers echivalente. Ele pot fi atât de „lungi” încât unele link-uri durează mai mult să fie activate decât altele. Toate aceste caracteristici ale rețelelor au fost ipotezate în modele de memorie semantică.

Comprehender de limbă didactică (TLC)

Unul dintre primele exemple ale unui model de rețea de memorie semantică este „Teachable Language Comprehender” (TLC), de Collins și Quillian [2] . În acest model, fiecare nod este un cuvânt , care reprezintă un concept (cum ar fi „pasăre”). Fiecare nod stochează un set de proprietăți (cum ar fi „poate zbura” sau „are aripi”), precum și indicatori (adică legături) către alte noduri (cum ar fi „pui”). Un nod este direct legat de acele noduri ale căror subclase sau superclase (de exemplu, „pasăre” ar fi legată atât de „pui”, cât și de „animal”). Prin urmare, TLC este o reprezentare a cunoștințelor ierarhice prin faptul că nodurile de nivel înalt, care reprezintă categoriile mari, sunt conectate (direct sau indirect, prin intermediul nodurilor subclasei) la multe instanțe ale acestor categorii, în timp ce nodurile care reprezintă instanțe specifice sunt la un nivel inferior, conectat doar la superclasele lor. În plus, proprietățile sunt stocate la cel mai înalt nivel de categorie la care se aplică. De exemplu, „este galben” ar fi stocat cu „canar”, în timp ce „are aripi” ar fi stocat cu „pasăre” (cu un nivel mai înalt) și „se poate mișca” ar fi stocat cu „animal” (cu un nivel mai mare). Nodurile pot stoca, de asemenea, negarea proprietăților nodurilor lor superordonate (de exemplu, „nu poate zbura” ar fi stocat ca „pinguin”). Aceasta oferă o economie de reprezentare, deoarece proprietățile sunt stocate numai la nivelul categoriei la care devin esențiale, adică în punctul în care devin caracteristici critice (a se vedea mai jos).

Prelucrarea în TLC este o formă de difuzie a activării [3] . Adică, atunci când un nod devine activ, acea activare se răspândește către alte noduri prin legăturile dintre ele. Dacă da, timpul de răspuns la întrebarea "este un pui o pasăre?" este o funcție a cât de mult trebuie să se extindă activarea între nodurile „pui” și „pasăre”, adică numărul de legături între nodurile „pui” și „pasăre”.

Versiunea originală a TLC nu prevede ponderarea conexiunilor dintre noduri. Această versiune s-a dovedit a fi aplicabilă procesării umane în multe sarcini experimentale, dar nu a reușit să prezică că oamenii vor răspunde mai rapid la întrebări cu privire la instanțe de categorie mai tipice (sau stereotipe ), decât la cele care implică instanțe mai puțin tipice. [4] . Collins și Quillian au actualizat ulterior modelul, inclusiv conexiuni ponderate pentru a explica acest efect [5] . Acest TLC actualizat este capabil să explice atât efectul de familiaritate, cât și efectul de tipicitate. Cel mai mare avantaj al său este că explică în mod clar efectul de amorsare : informațiile din memorie sunt mai susceptibile de a fi accesate dacă informațiile asociate („amorsarea”) au fost prezentate cu puțin timp înainte. Există încă o serie de fenomene de memorie pe care TLC nu le ia în considerare, inclusiv de ce oamenii sunt capabili să răspundă rapid la întrebări evident false (cum ar fi "este un pui un meteorit?"), Deoarece nodurile relevante sunt foarte îndepărtate în rețea [6] .

Rețele semantice

TLC este un exemplu al unei clase mai generale de modele cunoscute sub numele de rețele semantice. Într-o rețea semantică , fiecare nod trebuie interpretat ca reprezentând un concept, un cuvânt sau o caracteristică specifică. Adică, fiecare nod este un simbol. Rețelele semantice nu folosesc în general reprezentări distribuite pentru concepte, așa cum se poate găsi într-o rețea neuronală . Trăsătura distinctivă a unei rețele semantice este că legăturile sale sunt aproape întotdeauna directe (adică, ele indică doar într-o singură direcție, de la o bază la o destinație) și legăturile sunt de multe tipuri diferite, fiecare reprezentând o anumită relație care poate exista. între oricare două noduri [7] . Prelucrarea într-o rețea semantică ia adesea forma difuziei de activare (vezi mai sus).

Rețelele semantice sunt utilizate mai ales în modele de limbaj și înțelegere logică, precum și în inteligența artificială [8] . În aceste modele, nodurile corespund cuvintelor sau rădăcinilor cuvintelor, iar legăturile reprezintă relații sintactice între ele. Un exemplu de implementare computațională a rețelelor semantice în reprezentarea cunoștințelor este modelul lui Cravo și Martins (1993) [9] .

Caracteristici modele

Modelele de caracteristici consideră că categoriile semantice sunt compuse din seturi de atribute relativ nestructurate. Modelul semantic de comparare a caracteristicilor, propus de Smith, Shoben și Rips (1974) [10] , descrie memoria ca fiind compusă din liste de caracteristici pentru diferite concepte. Conform acestui punct de vedere, relațiile dintre categorii nu ar fi recuperate direct, ele ar fi calculate indirect. De exemplu, subiecții ar putea verifica o propoziție comparând seturile de funcții care reprezintă conceptele sale de subiect și predicat. Astfel de modele de comparație a caracteristicilor de calcul includ cele propuse de Meyer (1970) [11] , Rips (1975) [12] , Smith și colab. (1974) [10] .

Cercetările timpurii asupra categorisirii perceptive și conceptuale au presupus că categoriile au caracteristici critice și că apartenența la categorie ar putea fi determinată de reguli logice pentru combinarea caracteristicilor. Teorii mai recente au admis că categoriile pot avea o structură prost definită sau „ neclară ” [13] și au propus modele de similaritate probabilistică sau globală pentru verificarea aderenței la categorii [14] .

Modele asociative

„Asocierea” - adică o relație între două informații - este un concept fundamental în psihologie, iar asociațiile la diferite niveluri de reprezentare mentală sunt esențiale pentru tiparele de memorie și cognitive în general. Setul de asocieri între un set de elemente din memorie este echivalent cu conexiunile dintre noduri dintr-o rețea, unde fiecare nod corespunde unui obiect unic în memorie. Într-adevăr, rețelele neuronale și rețelele semantice pot fi caracterizate ca modele asociative de cunoaștere. Asociațiile sunt adesea reprezentate cel mai clar ca o matrice N × N, unde N este numărul de elemente din memorie. Prin urmare, fiecare celulă a matricei corespunde puterii asocierii dintre elementul rând și elementul coloană.

În general, se crede că învățarea asociațiilor este un proces „ebraic”; adică ori de câte ori două elemente din memorie sunt active în același timp, asocierea dintre ele devine mai puternică și cu atât este mai probabil ca ambele elemente să îl activeze pe celălalt.

Căutarea memoriei asociative (SAM)

Un model de memorie standard care folosește asocierea în acest mod este modelul „Căutare de memorie asociativă (SAM)” [15] . Deși SAM a fost inițial conceput pentru a modela memoria episodică, se arată că mecanismele sale susțin și unele reprezentări ale memoriei semantice [16] . Modelul SAM conține un depozit pe termen scurt (STS) și un depozit pe termen lung (LTS), unde STS este un subset activat pe scurt al informațiilor din LTS. STS are o capacitate limitată și afectează procesul de recuperare prin limitarea cantității de informații care pot fi eșantionate și prin limitarea timpului subsetul eșantionat este într-un mod activ. Procesul de recuperare în LTS este dependent de cue și probabilistic, ceea ce înseamnă că un indiciu începe procesul de recuperare și informațiile selectate din memorie sunt aleatorii. Probabilitatea de a fi eșantionat depinde de puterea asocierii dintre indiciu și obiectul recuperat, fiind asociate asocieri mai puternice și, în cele din urmă, se alege una. Mărimea bufferului este definită ca r și nu un număr fix, iar pe măsură ce intrările se repetă în buffer, puterea asociativă crește liniar în funcție de timpul total din buffer [17] . În SAM, când două elemente ocupă simultan un buffer de memorie de lucru, puterea asocierii lor este crescută. Prin urmare, elementele care apar cel mai adesea sunt mai puternic asociate. Elementele din SAM sunt, de asemenea, asociate cu un context specific, în care puterea asociației depinde de durata fiecărui element într-un context dat. Prin urmare, în SAM, amintirile constau dintr-un set de asocieri între elemente din memorie și între elemente și contexte. Prezența unui set de elemente și / sau a unui context este mai probabil să evoce, prin urmare, unele subseturi de elemente din memorie. Gradul în care obiectele se evocă reciproc - în virtutea contextului lor comun sau a co-apariției lor - este o indicație a relației semantice a obiectelor.

Într-o versiune actualizată a SAM, asociațiile semantice preexistente sunt luate în considerare prin utilizarea unei matrice semantice. În timpul experimentului, asociațiile semantice rămân fixe, arătând ipoteza că asociațiile semantice nu sunt afectate în mod semnificativ de experiența episodică a unui experiment. Cele două măsuri utilizate pentru a măsura relația semantică în acest model sunt analiza semantică latentă (LSA, vezi mai jos) și spațiile de asociere Word (WAS) [18] . Metoda LSA afirmă că similitudinea dintre cuvinte se reflectă prin co-apariția lor într-un context local [19] . WAS a fost dezvoltat prin analiza unei baze de date cu reguli de asociere gratuită. În WAS, „cuvintele care au structuri asociative similare sunt plasate în regiuni similare ale spațiului” [20] .

Modele statistice

Unele modele caracterizează achiziția de informații semantice ca o formă de inferență statistică dintr-un set de experiențe discrete, distribuite într-un număr de „contexte”. Deși aceste modele diferă în ceea ce privește specificul, ele folosesc în general o matrice (Obiect × Context) în care fiecare celulă reprezintă de câte ori a apărut un element din memorie într-un context dat. Informațiile semantice sunt colectate prin efectuarea unei analize statistice a acestei matrice.

Multe dintre aceste modele au similitudini cu algoritmii utilizați în motoarele de căutare (de exemplu, a se vedea Griffiths, și colab., 2007 [21] și Anderson, 1990 [22] ), deși nu este încă clar dacă folosesc efectiv același mecanism. de calcul.

Analiza semantică latentă (LSA)

Poate că cel mai reprezentativ dintre aceste modele este „Analiza semantică latentă” (LSA) [23] . În LSA, o matrice T × D este construită dintr-un corp de text, unde T este numărul de termeni din corp și D este numărul de documente (aici "contextul" este interpretat ca "document" și numai cuvintele sau propozițiile sunt considerate elemente în memorie). Fiecare celulă din matrice este apoi transformată conform ecuației:

unde este este probabilitatea ca contextul este activ, deoarece elementul a apărut (acest lucru se realizează prin simpla împărțire a frecvenței brute, pentru totalul vectorului element, ).

Această transformare - aplicarea logaritmului , apoi împărțirea prin entropia informațiilor elementului pe toate contextele - oferă o diferențiere mai mare între obiecte și cântărește efectiv obiectele pe baza capacității lor de a prezice contextul și invers (adică, obiectele care apar în multe contextele, cum ar fi „cel” sau „și”, vor fi ponderate mai puțin, reflectând lipsa lor de informații semantice). O descompunere de valoare singulară (SVD) este apoi efectuată pe matrice , care permite reducerea numărului de dimensiuni ale matricei, grupând astfel reprezentările semantice ale LSA și asigurând o asociere indirectă între elemente. De exemplu, „pisică” și „câine” nu pot apărea niciodată împreună în același context, astfel încât relația lor semantică strânsă poate să nu fie bine capturată de matricea LSA originală. . Cu toate acestea, prin efectuarea SVD și reducerea numărului de dimensiuni din matrice, vectorii de context pentru „pisică” și „câine” - care ar fi foarte asemănători - ar migra unul la celălalt și, eventual, s-ar uni, permițând astfel „pisică” și „ câine "să acționeze ca semnale de recuperare unul pentru celălalt. Gradul de corelație semantică a elementelor din memorie este dat de cosinusul unghiului dintre vectorii de context ai elementelor (variind de la 1 pentru sinonime perfecte la 0 pentru nicio relație). Prin urmare, în esență, două cuvinte sunt strâns legate semantic dacă apar în tipuri de documente similare.

Mecanismele creierului

Neuroștiința cognitivă a memoriei semantice este o problemă oarecum controversată, cu două puncte de vedere dominante.

Pe de o parte, mulți cercetători și medici cred că memoria semantică este stocată de aceleași sisteme cerebrale implicate în memoria episodică. Acestea includ lobii temporali mediali (MTL) și formația hipocampală . În acest sistem, formația hipocampală „codifică” amintirile sau face posibilă formarea memoriei, iar cortexul stochează amintirile după finalizarea procesului de codificare inițial.

S-au prezentat dovezi care să susțină o interpretare mai precisă a acestei ipoteze. Formarea hipocampului include, printre alte structuri: hipocampul în sine, cortexul entorhinal și cortexul perirhinal. Ultimele două alcătuiesc cortexul parahipocampal. Amnezicii cu leziuni ale hipocampului, dar cu cortexul parahipocampic relativ scutit, au reușit să demonstreze un anumit grad de memorie semantică intactă, în ciuda pierderii totale de memorie episodică. Acest lucru sugerează cu tărie că codificarea informațiilor care duc la memoria semantică nu are baza fiziologică în hipocamp [24] .

Alți cercetători cred că hipocampul este implicat doar în memoria episodică și în cogniția spațială. Acest lucru ridică apoi întrebarea unde poate fi găsită memoria semantică. Unii cred că memoria semantică este localizată în neocortexul temporal. Alții cred că cunoștințele semantice sunt larg distribuite în toate zonele creierului. Pentru a ilustra această din urmă viziune, luați în considerare memoria semantică referitoare la conceptul de „câine”. Cercetătorii cu viziunea „cunoașterii semantice distribuite” cred că cunoașterea sunetului tipic al câinelui se află în cortexul auditiv , în timp ce capacitatea de a recunoaște și imagina caracteristicile vizuale ale unui câine rezidă în cortexul vizual . Unele dovezi susțin ideea că polul temporal bilateral este zona de convergență pentru reprezentări semantice unimodale într-o reprezentare multimodală [ fără sursă ] . Aceste regiuni sunt deosebit de vulnerabile la daune în demența semantică , care se caracterizează printr-un deficit semantic global.

Diverse cercetări de neuroimagistică arată dovezi că memoria semantică și memoria episodică se află în zone distincte ale creierului. Alte cercetări sugerează că atât memoria semantică, cât și memoria episodică fac parte dintr-un singur sistem de memorie declarativă, dar reprezintă sectoare diferite în cadrul acestui sistem larg de codificare. Diferite zone cerebrale sunt activate în funcție de accesul la memoria semantică sau episodică. Unii experți încă discută dacă cele două tipuri de memorie provin din sisteme distincte sau dacă imagistica neuronală face ca aceste două sisteme mnemonice să apară ca urmare a activării diferitelor procese mentale în timpul recuperării [25] .

Patologii

  • Boala Alzheimer este (și) o tulburare de memorie semantică, care are ca rezultat erori în descrierea și denumirea obiectelor.
  • Demența semantică este o altă tulburare asociată cu memoria semantică. Demența semantică este o tulburare de limbaj caracterizată printr-o deteriorare a înțelegerii și recunoașterii cuvintelor. Dizabilitățile includ dificultăți în generarea de cuvinte familiare, dificultăți în denumirea obiectelor și dificultăți în recunoașterea vizuală.

Notă

  1. ^ W Kintsch, Rolul cunoașterii în înțelegerea discursului: un model de construcție-integrare , în Psychological Review , vol. 95, nr. 2, 1988, pp. 163–182, DOI : 10.1037 / 0033-295x.95.2.163 , PMID 3375398 .
  2. ^ AM Collins și MR Quillian, Retrieval time from semantic memory , în Journal of Verbal Learning and Verbal Behavior , vol. 8, nr. 2, 1969, pp. 240–247, DOI : 10.1016 / s0022-5371 (69) 80069-1 .
  3. ^ Collins, AM & Quillian, MR (1972). Cum să faci un utilizator de limbă. În E. Tulving & W. Donaldson (Eds.), Organizarea memoriei (pp. 309-351). New York: Academic Press.
  4. ^ LJ Rips, EJ Shoben și FE Smith, Distanța semantică și verificarea relațiilor semantice , în Journal of Verbal Learning and Verbal Behavior , vol. 14, 1973, pp. 665-681, DOI : 10.1016 / s0022-5371 (73) 80056-8 .
  5. ^ AM Collins și EF Loftus, A spreading-activation theory of semantic processing , în Psychological Review , vol. 82, nr. 6, 1975, pp. 407–428, DOI : 10.1037 / 0033-295x.82.6.407 .
  6. ^ AL Glass, KJ Holyoak și JI Kiger, Rolul relațiilor de antonimie în judecățile semantice , în Journal of Experimental Psychology: Human Learning & Memory , vol. 5, nr. 6, 1979, pp. 598–606, DOI : 10.1037 / 0278-7393.5.6.598 .
  7. ^ Arbib, MA (Ed.). (2002). Rețele semantice. În Manualul teoriei creierului și rețelelor neuronale (ediția a doua) , Cambridge, MA: MIT Press.
  8. ^ Barr, A. și Feigenbaum, EA (1982). Manualul inteligenței artificiale . Lost Altos, CA: William Kaufman.
  9. ^ MR Cravo și JP Martins, SNePSwD: Un nou venit în familia SNePS , în Journal of Experimental & Theoretical Artificial Intelligence , vol. 5, 2-3, 1993, pp. 135-148, DOI : 10.1080 / 09528139308953764 .
  10. ^ a b EE Smith, EJ Shoben și LJ Rips, Structură și proces în memoria semantică: un model featural pentru decizii semantice , în Psychological Review , vol. 81, nr. 3, 1974, pp. 214–241, DOI : 10.1037 / h0036351 .
  11. ^ DE Meyer, Despre reprezentarea și recuperarea informațiilor semantice stocate , în Psihologia cognitivă , vol. 1, nr. 3, 1970, pp. 242-299, DOI : 10.1016 / 0010-0285 (70) 90017-4 .
  12. ^ LJ Rips, Judecăți inductive despre categoriile naturale , în Journal of Verbal Learning & Verbal Behavior , vol. 14, n. 6, 1975, pp. 665-681, DOI : 10.1016 / s0022-5371 (75) 80055-7 .
  13. ^ ME McCloskey și S. Glucksberg, Categorii naturale: Seturi bine definite sau fuzzy? , în Memory & Cognition , vol. 6, nr. 4, 1978, pp. 462–472, DOI : 10.3758 / bf03197480 .
  14. ^ M. McCloskey și S. Glucksberg, Procese decizionale în verificarea declarațiilor de apartenență la categorii: Implicații pentru modelele de memorie semantică , în Cognitive Psychology , vol. 11, n. 1, 1979, pp. 1–37, DOI : 10.1016 / 0010-0285 (79) 90002-1 .
  15. ^ JGW Raaijmakers și RM Schiffrin, Căutarea memoriei asociative , în Psychological Review , vol. 8, nr. 2, 1981, pp. 98–134.
  16. ^ Kimball, DR, Smith, TA și Kahana, MJ (în presă). Modelul fSAM al rechemării false. Revizuirea psihologică .
  17. ^ JG Raaijmakers and Shiffrin RM, SAM: The theory of probabilistic search of associative memory , in The Psychology of Learning and Motivation: Advances in Research and Theory , Psychology of Learning and Motivation, vol. 14, 1980, pp. 207-262, DOI : 10.1016 / s0079-7421 (08) 60162-0 , ISBN 978-0-12-543314-3 .
  18. ^ YB Sirotin și Kahana, d. R, Trecând dincolo de o singură listă: Modelarea efectelor experienței anterioare asupra rechemării gratuite episodice , în Psychonomic Bulletin & Review , vol. 12, nr. 5, 2005, pp. 787–805, DOI : 10.3758 / bf03196773 .
  19. ^ Landauer, TK și Dumais ST, Soluție la problema lui Platon: teoria analizei semantice latente a achiziției, inducerii și reprezentării cunoștințelor , în Psychological Review , vol. 104, nr. 2, 1997, pp. 211-240, DOI : 10.1037 / 0033-295x.104.2.211 .
  20. ^ Mark Steyvers, Richard M. Shiffrin și Douglas L. Nelson, Word Association Spaces for Predicting Semantic Similarity Effects in Episodic Memory , în Alice F. Healy (ed.), Experimental Cognitive Psychology and its Applications , 2005, pp. 237–249, DOI : 10.1037 / 10895-018 , ISBN 978-1-59147-183-7 .
  21. ^ TL Griffiths, M. Steyvers și A. Firl, Google and the mind: Predicting fluency with PageRank , în Psychological Science , vol. 18, nr. 12, 2007, pp. 1069-1076, DOI : 10.1111 / j.1467-9280.2007.02027.x , PMID 18031414 .
  22. ^ Anderson, JR (1990). Caracterul adaptativ al gândirii . Hillsdale, NJ: Lawrence Erlbaum Associates.
  23. ^ TK Landauer și ST Dumais, O soluție la problema lui Platon: teoria analizei semantice latente a dobândirii, inducerii și reprezentării cunoștințelor , în Psychological Review , vol. 104, nr. 2, 1997, pp. 211-240, DOI : 10.1037 / 0033-295x.104.2.211 .
  24. ^ Vargha-Khadem, Efectele diferențiale ale patologiei hipocampice timpurii asupra memoriei episodice și semantice , în Știință , vol. 277, nr. 5324, 1997, pp. 376-380, DOI : 10.1126 / science.277.5324.376 , PMID 9219696 .
  25. ^ MN Rajah și AR McIntosh, Suprapunere în sistemele neuronale funcționale implicate în recuperarea memoriei semantice și episodice , în Journal of Cognitive Neuroscience , vol. 17, n. 3, 2005, pp. 470–482, DOI : 10.1162 / 0898929053279478 , PMID 15814006 .

Elemente conexe

linkuri externe

Adus de la „ https://it.wikipedia.org/w/index.php?title=Semantic_Memantic&oldid=122499080 ”