James Lloyd „Jay" McClelland, FBA (geboren am 1. Dezember 1948) ist ein US-amerikanischer Kognitionspsychologe und Lucie-Stern-Professor an der Stanford University, wo er zuvor den Fachbereich Psychologie leitete. Bekannt ist er vor allem für seine grundlegenden Arbeiten zum statistischen Lernen und zur parallelen verteilten Verarbeitung (PDP), wobei er konnektionistische Modelle - auch bekannt als neuronale Netze - anwendet, um kognitive Phänomene wie das Erkennen gesprochener und visueller Wörter zu erklären. McClelland ist maßgeblich für den Anstieg des wissenschaftlichen Interesses am Konnektionismus in den 1980er-Jahren verantwortlich, eine Bewegung, die die Kognitionswissenschaft neu formte und das konzeptionelle Fundament für spätere Fortschritte in künstlicher Intelligenz und Deep Learning legte.
McClellands Forschung konzentriert sich darauf, wie kognitive Prozesse aus den Interaktionen einfacher, miteinander verbundener Einheiten entstehen, anstatt aus expliziten symbolischen Regeln. Seine kollaborative Arbeit mit David Rumelhart in den 1980er-Jahren produzierte einflussreiche Modelle des Lernens und des Gedächtnisses, und seine laufenden Untersuchungen befassen sich mit der neuronalen Grundlage semantischer Kognition und der Dynamik des Lernens in biologischen und künstlichen Systemen.
Frühes Leben und Ausbildung
McClelland wurde am 1. Dezember 1948 als Sohn von Walter Moore und Frances (Shaffer) McClelland geboren. Er entwickelte früh ein Interesse an Psychologie und absolvierte sein Grundstudium an der Columbia University, wo er 1970 einen B.A. in Psychologie erwarb. Anschließend wechselte er an die University of Pennsylvania, wo er 1975 einen Ph.D. in Kognitionspsychologie abschloss. Während seiner Graduiertenausbildung interessierte er sich für computergestützte Ansätze des Geistes, ein Weg, der seine Karriere prägen sollte.
Am 6. Mai 1978 heiratete McClelland Heidi Marsha Feldman; das Paar hat zwei Töchter.
Karriere und parallele verteilte Verarbeitung
McClellands akademische Karriere begann in den späten 1970er-Jahren, und in den frühen 1980er-Jahren arbeitete er mit David Rumelhart und anderen Forschern an dem zusammen, was als Rahmenwerk der parallelen verteilten Verarbeitung (PDP) bekannt wurde. 1986 veröffentlichten McClelland und Rumelhart das zweibändige Werk Parallel Distributed Processing: Explorations in the Microstructure of Cognition, das einige noch immer als Bibel für Kognitionswissenschaftler betrachten. Die Bände führten einem breiten Publikum konnektionistische Modelle vor und zeigten, wie Netzwerke einfacher Verarbeitungseinheiten komplexe Aufgaben wie Mustererkennung, Lernen und Sprachverarbeitung ausführen konnten. Geoffrey Hinton, der später eine zentrale Figur im Deep Learning wurde, war Mitglied der PDP-Gruppe, und die in dieser Zeit entwickelten Ideen beeinflussten nachfolgende Generationen von Forschern.
Das PDP-Rahmenwerk schlug vor, dass kognitive Fähigkeiten aus der parallelen Aktivität vieler miteinander verbundener Einheiten entstehen, wobei Wissen in den Stärken der Verbindungen zwischen ihnen gespeichert ist. Dies stand in scharfem Kontrast zum damals dominierenden symbolischen Paradigma, das Kognition als Manipulation expliziter Regeln und Repräsentationen behandelte. McClelland und Rumelhart zeigten, dass konnektionistische Modelle aus Erfahrung lernen, auf neue Eingaben generalisieren und bei Beschädigung eine graduelle Verschlechterung aufweisen können, was Eigenschaften menschlicher Kognition widerspiegelt.
TRACE-Modell und Sprachverarbeitung
Einer von McClellands bemerkenswertesten Beiträgen ist das TRACE-Modell der Sprachwahrnehmung, das in den 1980er-Jahren in Zusammenarbeit mit Jeffrey Elman entwickelt wurde. TRACE ist ein konnektionistisches Modell, das simuliert, wie Menschen gesprochene Wörter erkennen, indem es akustische, phonemische und lexikalische Informationen über die Zeit integriert. Das Modell erklärt eine Reihe psycholinguistischer Phänomene, einschließlich der Effekte von Kontext auf die Phonemwahrnehmung und des zeitlichen Verlaufs der Worterkennung. Es bleibt ein Maßstab in der computergestützten Psycholinguistik.
McClelland wandte konnektionistische Prinzipien auch auf die visuelle Worterkennung an, insbesondere durch das interaktive Aktivierungsmodell, das er mit Rumelhart entwickelte. Dieses Modell erklärte, wie Buchstaben- und Wortinformationen beim Lesen interagieren, und beeinflusste spätere Theorien des Lesens und der Legasthenie.
Debatte mit Pinker und Prince
McClelland und Rumelhart sind auch für ihre einflussreiche Debatte mit Steven Pinker und Alan Prince über die Notwendigkeit eines sprachspezifischen Lernmoduls bekannt. Die Debatte drehte sich darum, wie Kinder die Vergangenheitsform englischer Verben erwerben. Pinker und Prince argumentierten, dass regelmäßige und unregelmäßige Verbformen unterschiedliche Mechanismen erfordern - einen regelbasierten und einen assoziativen - und dass diese Unterscheidung eine angeborene Sprachfähigkeit impliziert. McClelland und Rumelhart entgegneten, dass ein einziges konnektionistisches System sowohl regelmäßige als auch unregelmäßige Formen lernen könne, was darauf hindeutet, dass Spracherwerb möglicherweise auf allgemeinen statistischen Lernmechanismen beruht und nicht auf einem dedizierten Modul.
Der Austausch, der sich in den späten 1980er- und frühen 1990er-Jahren entfaltete, wurde zu einem Meilenstein in der Kognitionswissenschaft und schärfte die theoretische Kluft zwischen symbolischen und konnektionistischen Ansätzen. Er stimulierte auch umfangreiche empirische und computergestützte Forschung zum Spracherwerb und zur Natur mentaler Repräsentation.
Spätere Karriere und aktuelle Forschung
Im Herbst 2006 wechselte McClelland von der Carnegie Mellon University, wo er Professor für Psychologie und kognitive Neurowissenschaft war, an die Stanford University. Dort wurde er Lucie-Stern-Professor und leitete später den Fachbereich Psychologie. Er hat außerdem eine Teilzeitstelle als beratender Professor an der Neuroscience and Aphasia Research Unit (NARU) innerhalb der School of Psychological Sciences an der University of Manchester.
McClellands aktuelle Forschung konzentriert sich auf Lernen, Gedächtnisprozesse und Psycholinguistik, weiterhin im Rahmen konnektionistischer Modelle. Er untersucht, wie das Gehirn semantisches Gedächtnis unterstützt, wie komplementäre Lernsysteme im Hippocampus und Neokortex interagieren und wie verteilte Repräsentationen flexibles Verhalten ermöglichen. Seine Arbeit hat Implikationen für das Verständnis kognitiven Alterns, Aphasie und Gedächtnisstörungen.
Er ist ehemaliger Vorsitzender des Rumelhart-Preis-Komitees, nachdem er viele Jahre mit Rumelhart zusammengearbeitet hatte, und erhielt den Preis selbst 2010 auf der Jahrestagung der Cognitive Science Society in Portland, Oregon.
Auszeichnungen und Ehrungen
McClelland hat zahlreiche Auszeichnungen erhalten, die seine Beiträge zur Kognitionswissenschaft und Psychologie würdigen. 2002 erhielt er den Grawemeyer Award der University of Louisville in Psychologie. Er wurde mit dem Mind & Brain Prize ausgezeichnet, und 2014 erhielt er den C.L. de Carvalho-Heineken-Preis. Früher in seiner Karriere hatte er von 1981 bis 1986 und erneut von 1987 bis 1997 ein Research Scientist Career Development Award des National Institute of Mental Health, und von 1970 bis 1973 war er Fellow der National Science Foundation. Außerdem erhielt er 1970 den William W. Cumming Prize der Columbia University.
Im Juli 2017 wurde McClelland zum korrespondierenden Fellow der British Academy (FBA) gewählt, der nationalen Akademie des Vereinigten Königreichs für Geistes- und Sozialwissenschaften, in Anerkennung seiner internationalen Wirkung.
Vermächtnis und Einfluss
Die Ideen, die McClelland und seine Kollegen in den 1980er-Jahren vertraten, hatten einen nachhaltigen Einfluss auf die Kognitionswissenschaft und künstliche Intelligenz. Obwohl die frühen konnektionistischen Modelle durch begrenzte Rechenressourcen eingeschränkt waren, antizipierten ihre Prinzipien - verteilte Repräsentation, parallele Verarbeitung und Lernen aus Daten - zentrale Aspekte moderner Deep-Learning-Systeme. Das PDP-Rahmenwerk beeinflusste die Entwicklung von Machine-Learning-Techniken, und viele zeitgenössische Forscher in neuronalen Netzen führen ihre intellektuelle Abstammung auf diese Arbeit zurück.
McClellands Betonung des statistischen Lernens hat auch die Forschung in der Entwicklungspsychologie informiert und gezeigt, wie Säuglinge und Kinder Sprache und Konzepte durch die Exposition gegenüber statistischen Regelmäßigkeiten erwerben. Seine Theorie komplementärer Lernsysteme, entwickelt mit Bruce McNaughton und Randall O'Reilly, bietet eine computergestützte Erklärung dafür, wie das Gehirn schnelles Erfassen neuer Informationen mit langfristiger Stabilität balanciert, und bleibt in der Neurowissenschaft einflussreich.
Siehe auch
- Künstliche neuronale Netze
- Deep Learning
- Machine Learning
- Künstliche Intelligenz
- Kognitionswissenschaft
- Konnektionismus
- TRACE-Modell der Sprachwahrnehmung