James Lloyd "Jay" McClelland, FBA (nascido em 1º de dezembro de 1948) é um psicólogo cognitivo americano e professor Lucie Stern na Universidade Stanford, onde anteriormente presidiu o Departamento de Psicologia. Ele é mais conhecido por seu trabalho fundacional sobre aprendizado estatístico e processamento distribuído paralelo (PDP), aplicando modelos conexionistas - também conhecidos como redes neurais - para explicar fenômenos cognitivos como o reconhecimento de palavras faladas e o reconhecimento visual de palavras. McClelland é em grande parte responsável pelo aumento do interesse científico no conexionismo durante os anos 1980, um movimento que ajudou a remodelar a ciência cognitiva e lançou as bases conceituais para avanços posteriores em inteligência artificial e aprendizado profundo.
A pesquisa de McClelland tem se centrado em como os processos cognitivos emergem das interações de unidades simples e interconectadas, em vez de regras simbólicas explícitas. Seu trabalho colaborativo com David Rumelhart nos anos 1980 produziu modelos influentes de aprendizado e memória, e suas investigações contínuas abordam a base neural da cognição semântica e a dinâmica do aprendizado em sistemas biológicos e artificiais.
Início da vida e educação
McClelland nasceu em 1º de dezembro de 1948, filho de Walter Moore e Frances (Shaffer) McClelland. Ele desenvolveu um interesse precoce pela psicologia e cursou estudos de graduação na Universidade Columbia, obtendo um B.A. em Psicologia em 1970. Em seguida, mudou-se para a Universidade da Pensilvânia, onde concluiu um Ph.D. em Psicologia Cognitiva em 1975. Durante sua formação de pós-graduação, ele se interessou por abordagens computacionais da mente, um caminho que definiria sua carreira.
Em 6 de maio de 1978, McClelland casou-se com Heidi Marsha Feldman; o casal tem duas filhas.
Carreira e processamento distribuído paralelo
A carreira acadêmica de McClelland começou no final dos anos 1970, e no início dos anos 1980 ele já colaborava com David Rumelhart e outros pesquisadores no que ficou conhecido como a estrutura do processamento distribuído paralelo (PDP). Em 1986, McClelland e Rumelhart publicaram a obra em dois volumes Parallel Distributed Processing: Explorations in the Microstructure of Cognition, que alguns ainda consideram uma bíblia para cientistas cognitivos. Os volumes apresentaram a um público amplo os modelos conexionistas, demonstrando como redes de unidades de processamento simples poderiam realizar tarefas complexas como reconhecimento de padrões, aprendizado e processamento de linguagem. Geoffrey Hinton, que mais tarde se tornaria uma figura central no aprendizado profundo, era membro do grupo PDP, e as ideias desenvolvidas durante esse período influenciaram gerações subsequentes de pesquisadores.
A estrutura PDP propôs que as habilidades cognitivas surgem da atividade paralela de muitas unidades interconectadas, com o conhecimento armazenado nas forças das conexões entre elas. Isso contrastava fortemente com o paradigma simbólico então dominante, que tratava a cognição como manipulação de regras e representações explícitas. McClelland e Rumelhart mostraram que os modelos conexionistas podiam aprender com a experiência, generalizar para novas entradas e exibir degradação graciosa quando danificados, espelhando propriedades da cognição humana.
Modelo TRACE e processamento de linguagem
Uma das contribuições mais notáveis de McClelland é o modelo TRACE de percepção de fala, desenvolvido em colaboração com Jeffrey Elman nos anos 1980. TRACE é um modelo conexionista que simula como os humanos reconhecem palavras faladas integrando informações acústicas, fonêmicas e lexicais ao longo do tempo. O modelo explica uma série de fenômenos psicolinguísticos, incluindo os efeitos do contexto na percepção de fonemas e o curso temporal do reconhecimento de palavras. Ele permanece como um referencial na psicolinguística computacional.
McClelland também aplicou princípios conexionistas ao reconhecimento visual de palavras, particularmente por meio do modelo de ativação interativa, que desenvolveu com Rumelhart. Esse modelo explicou como as informações de letras e palavras interagem durante a leitura, e influenciou teorias posteriores sobre leitura e dislexia.
Debate com Pinker e Prince
McClelland e Rumelhart também são conhecidos por seu influente debate com Steven Pinker e Alan Prince sobre a necessidade de um módulo de aprendizado específico para a linguagem. O debate centrou-se em como as crianças adquirem o passado dos verbos em inglês. Pinker e Prince argumentaram que as formas verbais regulares e irregulares exigem mecanismos distintos - um baseado em regras e outro associativo - e que essa distinção implica uma faculdade de linguagem inata. McClelland e Rumelhart contra-argumentaram que um único sistema conexionista poderia aprender tanto as formas regulares quanto as irregulares, sugerindo que o aprendizado de linguagem poderia depender de mecanismos estatísticos de propósito geral, em vez de um módulo dedicado.
O intercâmbio, que se desenrolou no final dos anos 1980 e início dos anos 1990, tornou-se um marco na ciência cognitiva, aguçando a divisão teórica entre abordagens simbólicas e conexionistas. Também estimulou uma extensa pesquisa empírica e computacional sobre aquisição de linguagem e a natureza da representação mental.
Carreira posterior e pesquisa atual
No outono de 2006, McClelland mudou-se para a Universidade Stanford, vindo da Universidade Carnegie Mellon, onde havia sido professor de psicologia e neurociência cognitiva. Em Stanford, ele se tornou professor Lucie Stern e posteriormente serviu como presidente do Departamento de Psicologia. Ele também ocupa uma nomeação de meio período como Professor Consultor na Unidade de Pesquisa em Neurociência e Afasia (NARU) dentro da Escola de Ciências Psicológicas da Universidade de Manchester.
A pesquisa atual de McClelland concentra-se em aprendizado, processos de memória e psicolinguística, ainda dentro da estrutura dos modelos conexionistas. Ele investiga como o cérebro sustenta a memória semântica, como os sistemas de aprendizado complementares no hipocampo e no neocórtex interagem, e como representações distribuídas dão origem a comportamentos flexíveis. Seu trabalho tem implicações para a compreensão do envelhecimento cognitivo, afasia e distúrbios de memória.
Ele é ex-presidente do comitê do Prêmio Rumelhart, tendo colaborado com Rumelhart por muitos anos, e ele próprio recebeu o prêmio em 2010 na Conferência Anual da Sociedade de Ciência Cognitiva em Portland, Oregon.
Prêmios e honrarias
McClelland recebeu inúmeros prêmios reconhecendo suas contribuições à ciência cognitiva e à psicologia. Em 2002, recebeu o Prêmio Grawemeyer da Universidade de Louisville em psicologia. Foi agraciado com o Prêmio Mind & Brain, e em 2014 recebeu o Prêmio C.L. de Carvalho-Heineken. No início de sua carreira, ele teve um Prêmio de Desenvolvimento de Carreira de Cientista Pesquisador do Instituto Nacional de Saúde Mental de 1981 a 1986 e novamente de 1987 a 1997, e foi bolsista da Fundação Nacional de Ciência de 1970 a 1973. Ele também recebeu o Prêmio William W. Cumming da Universidade Columbia em 1970.
Em julho de 2017, McClelland foi eleito Membro Correspondente da Academia Britânica (FBA), a academia nacional do Reino Unido para as humanidades e ciências sociais, em reconhecimento ao seu impacto internacional.
Legado e influência
As ideias defendidas por McClelland e seus colegas nos anos 1980 tiveram um impacto duradouro na ciência cognitiva e na inteligência artificial. Embora os primeiros modelos conexionistas fossem limitados pelos recursos computacionais, seus princípios - representação distribuída, processamento paralelo e aprendizado a partir de dados - anteciparam aspectos-chave dos sistemas modernos de aprendizado profundo. A estrutura PDP influenciou o desenvolvimento de técnicas de aprendizado de máquina, e muitos pesquisadores contemporâneos em redes neurais traçam sua linhagem intelectual a esse trabalho.
A ênfase de McClelland no aprendizado estatístico também informou a pesquisa em psicologia do desenvolvimento, mostrando como bebês e crianças adquirem linguagem e conceitos por meio da exposição a regularidades estatísticas. Sua teoria dos sistemas de aprendizado complementares, desenvolvida com Bruce McNaughton e Randall O'Reilly, fornece uma explicação computacional de como o cérebro equilibra a aquisição rápida de novas informações com a estabilidade de longo prazo, e permanece influente na neurociência.
Ver também
- Redes neurais artificiais
- Aprendizado profundo
- Aprendizado de máquina
- Inteligência artificial
- Ciência cognitiva
- Conexionismo
- Modelo TRACE de percepção de fala