LAS PRETENSIONES DE LA INTELIGENCIA ARTIFICIAL. ( Lisardo S. Bruno de la Cruz ) .

Putnam en los aos 50 y 60 presentaba un rostro tpico de la Escila cientifista. Toda la realidad, todo lo que hay ah fuera era, en principio, perfecta y completamente representable mediante una y nica teorizacin. En la prctica, las realizaciones tericas seran meras aproximaciones al mbito objetual, las descripciones cientficas contemporneas a la reflexin de Putnam en esta poca podran ser interpretadas como un bosquejo global de la realidad buscada. El ideal del movimiento positivista de una ciencia unificada lata en el

primer Putnam de forma apreciable: La nica metafsica cognitivamente potente era la ofertada por las leyes de la ciencia fsica. La fsica sera la ciencia reductora y las esferas ciencias que no fueran susceptibles de pasar el filtro inter-terico de la reduccin, no podran ser agregadas en el marco unificador del significado cognitivo. Existen en la actualidad filsofos-analticos comprometidos con su Escila cientifista, intrpretes de los quehaceres cientficos que intentan bosquejar algo as como la representacin absoluta de lo ente. Dewey atac las posiciones de los realistas metafsicos subrayando los indeseados efectos generados por la defensa de una representacin terica, nica y unitaria de lo real. Es una

cuestin de hecho la no unificacin de las ramas del saber humano, en la historia de la ciencia tambin se aprecian como ciertas teoras dadas en cada momento tampoco han sido coherentes en estricto sentido. La representacin o concepcin absoluta del mundo es un lastre del que debemos desembarazarnos, en Dewey el marco de reflexin filosfico trata de describir cmo los agentes racionales pretenden resolver las mltiples clases de problemas terico-prcticos en que se ven envueltos. Putnam nos confiesa como antes crea en el ideal de la ciencia unificada del contexto positivista, y como ahora pugna por una reinterpretacin de la obra deweyana que nos sirva de antdoto contra el carcter atrayente de la Escila realista metafsica. La primera cuestin abordada por Putnam versa sobre el enfoque cognitivo de la psicologa. Para los cientficos cognitivos, la psicologa habra de ser reducida a neuro-computologa o algo por el estilo, la verdadera ciencia neural ha de aliarse con las ciencias informticas. La mente humana solo sera una forma rudimentaria de hablar sobre procesos y estados neurocomputacionales que acontecen en el habitculo craneano. Esta imagen de la mente no es hija

genuina del cognitivismo, en los siglos XVII y XVIII se conceba la mente como una calculadora. Putnam cita a Hobbes 1588-1679 y La Mettrie 1709-1751 como ejemplos

histricos representativos. Para la Mettrie, el ser humano es tan solo un artilugio mecnico, y Hobbes pensaba que ejecutar un pensamiento es similar a ejecutar un clculo, pensar no es sino realizar operaciones con smbolos siguiendo ciertas reglas, reglas de cierto parecido a las del clculo. En los aos 30, Turing 1912-1954 siguiendo las pesquisas de Gdel 1906-1978

y Herbrand 1908-1931, diseo la nocin de `computabilidad en trminos equivalentes a los de Gdel-Herbrand, pero directamente relacionados con mquinas de computacin. Las computadoras, inexistentes cuando Turing lanz su nocin de `computabilidad, son un modelo fsico de la nocin de una `mquina T. de Turing. En los aos 50, los materialistas como Putnam lanzaran su tesis en filosofa de la mente. La mente humana no es sino la

realizacin neuro-computacional de la idea de una mquina de T. Turing. Estados y - o procesos psicolgicos pasarn a ser concebidos como estados y o procesos computacionales de mquinas T de Turing, tal versin en filosofa de la mente quedara bautizada con el nombre de funcionalismo. El funcionalismo como explicacin de estofa materialista de la

mente humana hechiz a muchos pensadores y gener una apuesta cognitiva bajo la moda funcio-computacionalista que an persiste en muchos tericos de la mente. Putnam lo

explcita como un presupuesto un tanto metafrico que contribuy a vertebrar la hiptesis funcionalista en filosofa de la mente: Se consideraba que la globalidad del cosmos fsico

responda a las leyes de la mecnica clsica, lo cual inclua como subsistema fsico-mecnico al cuerpo humano. Para los filsofos materialistas era un supuesto ms que razonable

concebir al ser humano en trminos mecnicos, desproblematizando en tanto olvidando, las posibles lecturas derivables para la mente humana de la matriz disciplinar de la mecnica cuntica. La nocin de mquina T. de Turing precisaba la pretensin reductiva de los

materialistas. La cuestin problemtica anidaba en una falsa presuncin: un mecanismo

subsumible como realizacin fsica de la mecnica clsica, no necesariamente ha de ser caracterizado o individualizado en trminos de mquinas T. de Turing. La cuestin que sera preciso analizar con Putnam es el por qu se crey que tal descripcin del ser humano era enteramente razonable. Un sistema fsico humano se muestra en la naturaleza constreido a

la finitud espacio-temporal, sus proferencias lxicas y sus conductas prcticas son susceptibles de ser recogidas por otros sistemas fsicos humanos, y tal recogida perceptual del output del sistema escrutado podra ser descrita por medio de parmetros fsicos especificados solo hasta
cierto nivel macroscpico de exactitud . (1).

El output observable del sistema fsico escrutado sera predecible de forma aproximada a la trayectoria continua real, durante la finitud del sistema, la forma aproximada de descripcin del sistema quedara expresada en trminos de una funcin de tipo recursivo. Sobre esta asercin Putnam subraya que una funcin cualquiera se aproximara a un nivel cualquiera de exactitud prefijado, operando en intervalos de tiempo finito cualesquiera, mediante una funcin recursiva. Si se supone la constriccin a una escala de finitud temporal de los posibles valores de los parmetros-limite, entonces a travs de una batera de funciones recursivas (2) se obtendra la conducta del sistema fsico humano subsumido en las Putnam explicita tal

restricciones posibles de especificidad de exactitud estipulada.

condiciones lmite solo tienen que ser conocidas hasta el lmite de un 

condicional acotando lo siguiente: Puesto que las leyes del movimiento son continuas, las
apropiado a fin de predecir la trayectoria del sistema hasta el lmite de la exactitud especificada. (3).

En esta tesitura, el output conductual del sistema fsico humano sera calculado a priori en una mquina T de Turing. En tal mecanismo, la prediccin de la conducta humana

sera posible, en principio, puesto que computara todos los valores posibles de una funcin recursiva cualquiera en el grupo finito que represente a los valores que las constriccioneslmite han adquirido. De acuerdo con Putnam, tal argumentacin demuestra que la

prediccin comportamental de cualquier sistema fsico sera, en principio, representable mediante un mecanismo calculstico, suponiendo un nivel estipulado de exactitud aproximada, y suponiendo la finitud del sistema fsico en cuestin. No obstante, la mera posibilidad de representacin y o simulacin de la conducta humana no entraa que tal representacin sea una representacin de alta estofa del output conductual del sistema. En otras palabras,

simular la conducta humana mediante mquinas T de Turing es posible, en principio, pero la transparencia de tal posibilidad representacional no queda demostrada mediante el argumento de los tericos funcionalistas. Asertar que los modelos computacionales son capaces de

exponer la competencia de un sistema fsico humano en trminos de restricciones ideales

como las expuestas, no demuestra lo que se pretende. Redescribiendo la argumentacin funcionalista en sus propios trminos mediante dos supuestos obtendramos lo siguiente: Supuesta la infinitud temporal y memorstica del sistema fsico humano, an en tales supuestos no constrictivos una mquina T de Turing sera capaz de simular la conducta del ser humano. En trminos de idealizacin posible debemos representar nuestra competencia

lingstica a travs de autmatas T. de Turing, y callar sobre las operaciones lingsticas fcticamente ejecutadas. Sucede que el supuesto de la cesacin del sistema y el supuesto de la finitud de las restricciones-lmite, la exclusin de una memoria potencialmente infinita, deja insatisfechos cognitivamente hablando, a tales pensadores. Si las condiciones iniciales y los

movimientos espacio-tiempo del sistema fsico humano no fueran susceptibles de ser representados perspicuamente, supuesto su carcter no recursivo, entonces nos alejaramos del sentido cognitivo que se pretenda predicar de la simulacin conductual humana mediante mquinas T de Turing, dada, reitera una vez ms Putnam, la no-recursividad en trayectorias y condiciones iniciales del sistema. Suponer una trayectoria infinita espacio-temporal del

sistema para intentar una aproximacin computable de la misma no servira si los datos iniciales de tal sistema escapasen a la caracterizacin funcional recursiva. Putnam alude a los eventos caticos en que las nfimas perturbaciones se acentan en el discurso temporal. Los pequeos desordenes de un sistema evolucionan acrecentndose las perturbaciones iniciales con el transcurrir del tiempo. Putnam no cree que, en principio, seamos mquinas T o

seamos representables de forma cristalina mediante tales autmatas, no existen razones para defender la analoga computacional incluso admitida la correccin onto-epistmica de factura materialista. Si en principio no somos mquinas T, a priori carecemos de respuestas

perspicuas a tal cuestin, investiguemos con Putnam si nuestra conducta podra ser representable en la prctica, si efectivamente podemos simular el proceder cognitivo del sistema fsico humano . De las disposiciones para comprender del ser humano, la facultad o

capacidad de ejecutar operaciones ilativas de carcter inductivo, han mantenido ocupado a gran cantidad de autores. La capacidad inferencial deductiva responde a una reduccin lgico formal satisfactoria de la ilacin vlida mediante una batera de reglas lgico-formales. Ahora bien, en la ilacin inductiva, la aptitud cognitiva humana de extraccin de

conocimientos del mundo experiencial, la bsqueda y / o construccin de reglas que

formalicen

de

forma

satisfactoria

la

inferencia

vlida

ha

encontrado

obstculos

infranqueables.

Putnam trata de mostrar por qu la induccin resiste indolente a las En una primera aproximacin, topamos con una

pretensiones de reduccin formalizadora.

cuestin de delimitacin de campo interactivo, cmo acotar la esfera de aplicacin de las operaciones inductivas. Sobre tal particular, los autores discrepan profundamente. As, para unos la capacidad de realizar ilaciones deductivas; es decir, dada la exitosidad predictiva de una red terica o supuesta la aceptabilidad de la misma ejecutar inferencias vlidas, significa hablar del elemento fundamental de la ilacin inductiva. Tal asercin no complace a otros

autores que sugieren trazar un campo distinto de aplicacin a las operaciones de carcter inductivo. En este caso, la ilusin inductiva abarcara un mbito de ejecucin demasiado grande, dado que se define la induccin como un mtodo de ilacin vlido no deductivo; esto es, la induccin sera todo aquello que no fuera del mtodo hipottico deductivo. Imaginemos que la exitosidad en un nmero n de predicciones que no son meramente entraadas por las hiptesis auxiliares corroborasen- verificasen en todos los casos una teora, entonces en tal caso la formalizacin de la ilacin deductiva sera factible. obstante, Putnam recuerda el ejemplo de la teora de la relatividad generalizada como caso histrico en la aceptacin de teoras carente apenas de apoyaturas experimentales, el nmero de predicciones verificadas era exiguo pero la teora einsteniana fue ampliamente acogida en la comunidad cientfica. No solo el nmero de predicciones corroboradas opera como patrn de aceptacin en las elecciones tericas, sino tambin nociones como la `belleza y la No

`simplicidad, patrones decisores en las opciones tericas altamente estticas que huyen de posibles formalizaciones satisfactorias. El atesoramiento de saberes previos tambin cuenta en la aceptacin de teoras, lo que sucede cuando las teoras verificadas trituran el conocimiento previo escapa a las pretensiones de formalizacin, unas veces se desechan las nuevas teoras, y en otras ocasiones los saberes previos sufren perturbaciones debido a la incorporacin de nuevos elementos tericos. Cmo se puede saber determinar cual es la mejor eleccin entre

teoras no es un problema susceptible de ser representado mediante un algoritmo de decisin. Podra suceder que una teora que entrae un elevado nmero de predicciones exitosas fuera rechazada y en su lugar otra teora de factura ms simple, ms elegante, que condujese a esas mismas predicciones ocupase su puesto en la red terica en ejercicio. Las perplejidades

exhibidas en la ilacin inductiva tienden a acotar su mbito de aplicacin a casos ms simples, por ejemplo, los muestreos estadsticos. Se trata de una estadstica inferencial de poblacin obtenida de una muestra o instancia de tal poblacin. Sucede que si los elementos

componentes de la poblacin estudiada son elementos espacio-temporales existentes, la muestra aleatoria seleccionada en un instante espacio-temporal, no nos ofrecer garantas inferenciales sobre futuros moradores; si la muestra es de individuos humanos la noproximidad espacio-temporal no permite realizar felizmente la inferencia estadstica de que la poblacin futura tendr propiedades semejantes a las de la muestra seleccionada con un alto grado de probabilidad. En pargrafo del autor que nos ocupa: Sin embargo, cuando la poblacin
se compone de objetos que existen en momentos diferentes, incluido el tiempo futuro, la muestra presente nunca ser una seleccin aleatoria de la poblacin total ... Si se trata de una muestra de personas y los miembros futuros de la poblacin no estn en un futuro muy prximo, entonces es menos probable que lleguemos a tal supuesto, - -al supuesto de que los miembros futuros se parecern a los presentes, por termino medio-, al menos si se tienen en cuenta los rasgos variables culturalmente. (4).

Tales situaciones llevan algunos autores a identificar la capacidad inductiva con el uso de los saberes previos acumulados, la utilizacin correcta de tal conocimiento previo nos permitira realizar inferencias satisfactorias de la batera cognitiva que atesoramos a otros conocimientos adicionales. tiende a cero No obstante, se dan situaciones en que el conocimiento previo

o es prcticamente inexistente, o surgen casos en que nuestros saberes

atrincherados han de ser seriamente cuestionados, en tales ejemplos nos guiamos por criterios como el de la simplicidad, y el tema de la ilacin inductiva permanece indolente. capacidad humana de aprendizaje experiencial y cualquier operacin cognitiva ejecutable sobre un dominio objetual supone previamente a la conducta de orden epistmico, la capacidad de reconocimiento de semejanzas sobre un conjunto de entidades. La facultad de La

reconocer semejanzas o similitudes entre entidades no significa que tales parecidos sean constantes estimulares moleculares, ni patrones elementales de informacin llegada a los rganos de percepcin. La simulacin computacional del aprendizaje de un lenguaje

vernculo no roza siquiera la cuestin del reconocimiento de semejanzas, aunque algunos programas informticos operen computando las formas de las letras de un alfabeto, por dar un ejemplo de reconocimiento de similitudes. La semejanza entre un conjunto potencialmente

infinito de mesas no yace en que tales objetos sean ms o menos parecidos entre s, de hecho las divergencias entre tales elementos son inmensas, sino en los usos y abusos con-que ejecutamos operaciones con tales entidades. As pues, ningn programa informtico podra

reconocer en la prctica la similitud realmente relevante entre un conjunto objetual como el que hemos dado, porque tal programa debera computar las bateras intencionales e interesadas con las que los agentes humanos construyen utensilios, en este caso. Atribuir propsitos a los agentes no es una facultad extraordinaria en el ser humano, pero tal atribucin intencional quiz no sea meramente inductiva. Putnam enuncia una posibilidad hbrida entre

programacin gentica y evolucin de nuestra especie: es posible que tengamos una capacidad
programada de ponernos en lugar de otras personas que nos permite atribuir a estas todo propsito que seamos capaces de atribuirnos a nosotros mismos-capacidad de la que la caprichosa evolucin juzg conveniente dotarnos y que nos ayuda a saber cul del infinito nmero de inducciones posibles que cabe considerar tiene probabilidades de ser aceptada. (5).

Las similitudes entre especies animales no

vienen dadas por un estereotipo

perceptual, atribuimos la posibilidad de apareamiento reproductivo, Putnam tiene in mente un gran dans y un chihuahua. Razas de perros muy diferentes las encapsulamos en la misma

especie pensando en sus posibilidades de reproduccin sin ms, lo cual para una inteligencia artificial sera difcilmente programable. Los ejemplos putnamianos muestran los problemas de una inteligencia artificial que pretenda representar de forma conspicua la inteligencia humana subrayando que la batera de propensiones de los agentes humanas deberan ser simuladas a priori en la edificacin de los programas informticos. En un programa informtico los colores podran ser reconocidos en una banda cromtica, pero cuando nos auto denominamos blancos por contraposicin a otras razas, siendo de cualquier color menos blanco, la cuestin se complica infinitamente a la hora de procesar esta propensin humana en nuestro auto-reconocimiento como blancos. Los juegos del lenguaje guardan un parecido de familia que no entraa la existencia de propiedades comunes o similitudes fsicas entre el conjunto objetual al que atribuimos un lxico vernculo: abrir la puerta, abrir la mente, abrir las fronteras, abrir las listas de parados, abrir boca, abrir el trfico . . .En Pargrafo Wittgensteniano:

 311 Yo s que lleg ayer. Yo s que 2 * 2: 4 Yo s que tuvo un dolor. Yo s que all hay una mesa.

312 S en ambos casos, solo que cosas diferentes? Claro que s

pero los juegos del

lenguaje son mucho ms diferentes de lo que llegamos a estar conscientes por estas oraciones. (6).

An ms, la distincin juegos y operaciones no estipulables como juegos no puede ser trazada aludiendo a algo as como propiedades que compartan los juegos, holsticamente considerados. El proyecto informtico de la inteligencia artificial aspira a una simulacin de las actividades cognitivas, no trata de reduplicarlas. Putnam sugiere una posibilidad de

eliminar las dificultades mostradas en sus ejemplos de uso de un lxico ordinario: Modelar un sistema que procese en un vocabulario ideal, un lxico tal en que la variabilidad referencial no fuera sensible a las circunstancias contextuales. Los aires de familia dependiente de los

contextos de uso en que son vertidos habran de ser desechados en tal lenguaje artificial. Putnam nos recuerda que la pretensin de los programas de la inteligencia artificial es un calco metodolgico del trasnochado inters de los empiristas lgicos: la reconstruccin del proceder cientfico. La edificacin de un Lenguaje ideal que formalizase lgico-

simblicamente la induccin humana fue una de las piedras angulares del sistema carnapiano, pero tal piedra no logr ser acoplada de forma satisfactoria en ningn constructo terico. Putnam analiza una temtica trascendente sobre tal ideal de reconstruccin simblica de la induccin: La existencia de inducciones en conflicto. Para ilustrar la co-existencia de ilaciones inductivas compitiendo, Putnam recrea un ejemplo de Nelson Goodman: como conocimiento previo sabemos que nadie ha entrado en la Universidad de Harvard hablando inuit-esquimal. Dado este conocimiento, desde una

perspectiva de factura formalizante, podra realizarse una inferencia inductiva como la siguiente: Si un individuo arriba en Harvard, entonces tal individuo no habla inuitesquimal. Imagnese que una persona indeterminada llega a tal recinto sabiendo hablar un idioma como el mencionado, en este caso la prediccin de que nuestro personaje olvidar o dejar de hablar inuit cuando penetre en Harvard no puede ser correcta. Esta ilacin inductiva no presupone un conocimiento previo ms firmemente atrincherado, nadie pierde su capacidad

de hablar por el mero hecho de llegar a un lugar en el cual jams haba estado.

La sola

regularidad de los numerosos casos verificados en la llegada a Harvard de estudiantes que no hablan inuit-esquimal, no garantiza que no llegue una persona que sea capaz de expresarse correctamente en tal lengua. La alta frecuencia de entrada en Harvard de parlantes no

esquimales no permite ejecutar una induccin tan carente de sentido como la expuesta en el ejemplo de Goodman - Putnam. Usted sabe, un nio sabe y yo s que si viajo a Madagascar no dejar de hablar castellano. Estamos inclinados a creer que no dejaremos de ser hispano

parlantes cuando arribemos en algn lugar como el indicado, y para fijar esta propensin credencial no nos es necesario atesorar una dilatada experiencia. La cuestin acuciante sobre tal enfoque revisado por Putnam es saber si un programa informtico sera capaz de presuponer la naturaleza humana, holsticamente considerada. Sabemos que no se pierden las capacidades lingsticas por el mero hecho de

entrar en algn pas nuevo, este saber previo cuenta con un grado superior de afincamiento y / o atrincheramiento a la generalizacin nadie que llega a Madagascar habla castellano. Podramos describir estos saberes previos atrincherados como implcitos en los juegos lxicos con los que hablamos sobre las aptitudes lingsticas. Ahora bien, si las formas en que hablamos de nuestras capacidades lxicas es conocimiento implcito cmo se heredan tales conocimientos en la transmisin oral. El programa de la Inteligencia Artificial ha de

enfrentarse a la cuestin del conocimiento previo desde una postura prctica ms que terica, no se trata de representar conspicuamente la inteligencia natural, sino de construir programas informticos que resuelvan tareas especficas. Desde este acotamiento prctico, la

Inteligencia artificial podra trazar dos lneas de contencin ante el avance del ubicuo conocimiento previo: En primer lugar, los expertos podran intentar programar la Dada la

informacin explcita e implcita entretejida en una ilacin inductiva compleja. enorme batera de datos que seran relevantes de cara a la formalizacin de esta induccin,

sera prcticamente imposible crear tal programa, aunque se sucedieran en tal pretensin varias generaciones de expertos. Ms an, de acuerdo con Putnam, el logro de tal pretensin sera un gigantesco sistema experto carente de imaginacin cuando, por ejemplo, fueran los saberes tcitos los que hubiera que triturar. En segundo lugar, los investigadores trataran de disear

un programa con capacidad de inter-actuar con agentes humanos con el objeto de aprender del

conocimiento previo. Algo semejante a la forma en que bebemos de las fuentes culturales de nuestro contexto socio-lingstico cuando nos interrelacionamos con nuestros semejantes desde la infancia. Esta segunda perspectiva conformara para Putnam la estrategia vlida del programa de la inteligencia artificial. El programa informtico debera ser capaz de entender un lenguaje humano vernculo si se pretende decodificar la informacin tcita de tal lxico natural. La construccin de un lenguaje ideal que liquida los vericuetos de un lenguaje

natural no funciona desde este posicionamiento, porque tal programa precisa recoger, asimilar y procesar los datos de un lenguaje vernculo. Fodor, tomando como referencia la tradicin chomskyana, supone la existencia de una plantilla patrn innato en la que se vertebra el lenguaje natural, tal patrn fundamento del lenguaje natural sera una seleccin exitosa que la evolucin habra programado. Segn Fodor, el mntales o lenguaje innato del pensamiento

contara con primitivos suficientemente estructurados como para expresar toda la batera conceptual que un ser humano sera capaz de verter en un lenguaje natural. En cambio, la

propuesta conductista clsica analiza las conductas de aprendizaje lxico como un caso ms de ejecucin de reglas globales de adquisicin de hbitos, como una batera ms de ilaciones inductivas. Si hacemos depender el proceso de aprendizaje lxico tanto de capacidades

conceptuales innatas con propensin determinada como de reglas generales de adquisicin de hbitos, y si tanto capacidades conceptuales innatas como reglas generales son desarrollos de la evolucin entonces obtendramos una nueva postura hibridada que conjuga aspectos fodorianos - chomskyanos y conductistas sobre la adquisicin del lenguaje. Chomsky, bien entendida, tritura la idea de aprendizaje en la adquisicin del lenguaje. seres humanos cuentan con un conjunto de capacidades conceptuales primitivas que generan una inclinacin tendencia a construir tales y cuales conceptos y a desestimar tales y cuales otros. Desarrollamos una capacidad arrollada en un contexto socio-lingstico determinado, La tesis de Los

lo cual se traduce en creer prcticamente inviable la simulacin informtica de un lenguaje natural. La capacidad de operar inductivamente sobre un ambiente particular no es estirpable analticamente de la globalidad de facultades cognitivas humanas, lo cual significa que pretender simular la induccin entraara un haz enorme de sub-rutinas de aprendizaje, para cuya formalizacin deberan sucederse varas generaciones de expertos, y an as no habran

10

computado sino partes mnimas del sistema. Otros autores creen que existe un algoritmo, un procedimiento de decisin mecnico para la lgica inductiva, y creen que existe un procedimiento heurstico suficientemente neutral para obviar los conocimientos tcitos y las capacidades primitivas conceptuales de los contenidos hacia los que propenden, tan neutral con respecto al contenido que sera vlido para analizar el aprendizaje del lenguaje natural, como para analizar las estrategias inductivas globales. Estas dos creencias conjugadas

forman una postura de gran optimismo, pero Putnam observa que no existen aportaciones de peso ni de inductivistas, ni de programadores acerca del modo en que la estrategia neutral respecto
de las materias funciona. (7).

Putnam procede ahora a examinar la postura de D. Dennett quien acusa de pesimistas a los autores que niegan la posibilidad de simulacin de la conducta lxica humana, para tales pensadores la mente humana sera catica. Dennett inter-relaciona dos cuestiones :

la apuesta por la simulacin artificial de la inteligencia, y la de elaborar modelos informticos que exhiban la forma funcional del cerebro humano. Negar el que seamos capaces de

simular artificialmente la inteligencia significara para Dennett negar el que seamos capaces de describir funcionalmente el cerebro. Segn Putnam, Dennett se aferra al argumento de la apuesta pascaliana: si el proyecto de la Inteligencia artificial fracasa nada habremos perdido en realidad, pero pensar a priori en la no viabilidad del proyecto nos arroja de facto a desestimar una alternativa exploratoria sobre funciones cerebrales. Siguiendo a Putnam, se impone la necesidad de subrayar que si bien una realizacin fsica de la mquina T. de Turing pudiera constituir un modelo satisfactorio del funcionamiento del cerebro humano, tal constructo computacional como representacin vlida del rgano cerebral no entraa que el programa de la Inteligencia Artificial logre resultados exitosos en el intento de simulacin de la inteligencia natural humana. Chomsky contempla esta posiblidad creyendo en la validez

funcional del modelo cerebral como computadora, y desconfiando en los programas de procesamiento informtico-informacional del lenguaje natural. Los usos lxicos no

configuran una capacidad cognitiva no trabada, aislable o independiente, es factible emular movimientos fsicos humanos de forma independiente al darse de las actividades cognitivas; no obstante, no es posible simular un uso lxico, aunque tuviera lugar en condiciones contextuales fijas, sin recrear las capacidades cognitivas humanas holsticamente

11

consideradas.

Es perfectamente coherente asertar que la meteorologa o la economa nos burstiles en el

permiten comprender los fenmenos metereologicos o las operaciones

mercado de valores planetario, pero tal comprensin no significa que podamos predecirlos exhaustivamente. De la misma forma, el cerebro es susceptible de ser representado como una batera de sistemas de computacin y / o mdulos contexturado de forma jerrquica, lo cual no entraa que sea posible emular y / o predecir todas las operaciones cerebrales. Putnam cita

otro ejemplo de modelo informtico del cerebro que no opera siguiendo las reglas de derivacin del clculo lgico-simblico, es decir, modelos computacionales que no usan reglas y representaciones para procesar tales reglas . Este modelo es el modelo darwinista neural de Gerald Edelman. Aun suponiendo que tal modelo de Edelman fuera una descripcin

vlida del funcionamiento neuro-cerebral, no estaramos en condiciones de precisar las ilaciones inductivas de un individuo cuyas funciones neurales fueran idnticas a las diseadas por el modelo de Edelman. En pargrafo putnamiano: Saber que tal modelo del cerebro es
verdadero no nos permitira por s solo predecir qu inducciones hara la persona cuyo cerebro fuera as; eso depende del sistema o sistemas de semejanzas bsicas programadas ( en el modelo darwinista neural, tambin del funcionamiento de un elemento anlogo a la seleccin natural en el cerebro individual nico), y podra haber una cantidad enorme de tales sistemas ( y de sucesos de eleccin) en los diferentes niveles de la actividad procesadora del cerebro. (8).

Imaginemos o demos por supuesto que el modelo darwinista neural queda corroborado como verdadero, tal descubrimiento ratificado como verdadero no significara hablar de la mente humana como deviniendo caticamente. La existencia de la complejidad sistmica nos aleja de una analtica puntillista de sus operaciones, pero debemos disear modelos tericos de tales sistemas complejos que sirvan para nuestros propsitos. Intentar

predecir cuestiones de macroeconoma en un periodo largo de tiempo no cuenta con la venia de la exitosidad, lo cual no entraara que la economa sea una ciencia intil o imposible. Putnam vislumbra como Dennett y Fodor pecan de un reduccionismo tcito al creer que si los modelos computacionales se muestran vacuos a la hora de emular la conducta humana, la ciencia de la cognicin no marchara por el camino seguro de las ciencias duras, lo que demostrara su total inoperancia. Analizar la capacidad del intelecto humano no ha de

traducirse en la pretensin reductiva imperante: la cognicin humana se identifica con sistemas de procesamiento de la informacin de estructuracin jerarquizada. La construccin

12

de modelos tericos del cerebro aumentaran nuestro entendimiento de las actividades neurales, sin que ello implique que avanzaremos de forma conspicua en el mbito

psicolgico, dndole la vuelta a la asercin defendida por Putnam, s es muy probable que mejoren nuestros conocimientos del cerebro mediante constructos tericos sin rozar siquiera la parcela de los fenmenos psicolgicos, tambin resulta muy posible que construyamos

modelos tericos psicolgicos que no aporten apenas nada para las ciencias neurocomputacionales o neuro-qumicas. La comprensin no supone necesariamente la obsesin reduccionista, lo que sucede ms bien en nuestra tradicin cultural es un fenmeno de

atrincheramiento conviccional: la nica compresin vlida es la reduccin fisicalista, quimicalista, computacionalista. AVE ATQUE VALE .
BATERA DE CITAS :

1. Putnam, H.: Cmo renovar la filosofa. Trad. C. Laguna. Barcelona , Paids (1994) pg. 36 2. siguiente: FUNCIN RECURSIVA Definicin: Son aquellas en las que para definir la situacin de la funcin en un punto hace referncia al valor de la funcin en otros puntos, normalmente anteriores. Ejemplos: Se podran poner muchos ejemplos sobre este tipo de funciones pero sin duda una de las ms famosas es la sucesin de Fibonacci: F: N 1 2 n
____________ ---------------------------------------------------

Como recordatorio de la nocin de `funcin recursiva sugerimos la

N 1 2 F (n 1) + F (n 2) n 3

Esta fncin definida sobre los nmeros naturales. Leonardo de Pisa (1170 1240), ms conocido por Fibonacci naci en Pisa. Entr en contacto con la cultura rabe a travs de sus viajes y divulg el clculo con las cifras

14

rabes a travs de su obra Liber abaci mostrando la gran ventaja que este sistema de numeracin frenta al utilizado sistema de numeracin romano. La sucesin de Fibonacci { 1,1, 2, 3, 5, ...} F n+2 = F n+1 + Fn Est presente en numerosos fenmenos naturales, por ejemplo en las tortas de girasol los dos tipos de espirales que aparecen son dos trminos consecutivos de la sucesin de Fibonacci. Otro ejemplo es el nmero de hojas existentes en un tallo hasta encontrar dos con la misma orientacin, este nmero de hojas son trminos de la sucesin de Fibonacci.

Esta sucesin tiene una propiedad curiosa: F n+1  Fn

1 + 5 2

Recordar que el nmero de oro se ha considerado siempre la proporcin ms bella entre dos magnitudas. Cualquier elemento arquitectnico que se precie tendr entre sus medidas proporciones areas. Ej: Partenn, Ayuntamiento de Toledo, ... 3. Putnam, H.: Cmo renovar la filosofa. Ob. cit. pg. 37 4. Putnam, H.: Cmo renovar la filosofa. Ob. cit. pgs. 40 -41 5. Putnam, H.: Cmo renovar la filosofa. Ob. cit. pg. 42. 6. Wittgenstein, L.: Observaciones sobre los colores. Trad. Alejandro

Tomasini Bassols, U.N.A.M 1977; pg 58. 238 7. Putnam, H.: Cmo renovar la filosofa. Ob. cit. pg. 48 8. Putnam, H.: Cmo renovar la filosofa. Ob. cit. pg. 50

Para cualesquiera desiderata : sanbrunolisardo@gmail.com y/o delacruzlisardo@gmail.com

13