Está en la página 1de 29

Ciencia Cognitiva y Computacin Orientada al

Pensamiento
Ana Helena Aragn Trujillo
Javier Barrantes Pedrera
Alberto Guerra Estvez
Jos Francisco Hernndez Portillo
David Mara Valverde Martnez

INDICE

1. Introduccin....1
-Qu es la ciencia cognitiva?

2. El Modelo Universal de la Mente....1


-Modelo Mental de Roger Penrose
-Modelo Mental de Schuzborv
-Modelo Universal de Peirce

3. Paradigma Computacional....4
-Qu son los paradigmas?
-Introduccin al paradigma cognitivo
-Del paradigma conductista al cognitivo
-Procesamiento humano de la informacin
-El paradigma computacional aplicado al estudio de la vida e inteligencia artificial

4. La Mquina de Turing10
Un poco de historia
-Hitos en la historia de las matemticas

Alan Turing
-La teora de la computacin y la Mquina de Turing

La teora de la computacin y la Mquina de Turing


-La Mquina de Turing
-Funcionamiento
-Computabilidad y no Computabilidad
-Tesis de Church-Turing

Turing y la Inteligencia Artificial


-Prueba de Turing

El cerebro humano y la mquina de Turing


Reflexiones

5. Mente, Software, Cerebro.19


-Modelo conexionista cannico
-Modelos conexionistas y neuromoduladores
-Afectividad y aprendizaje dependiente del estado
-Afectividad global
-Familiaridad y armona

6. Epistemologa..22
-Naturalizacin de la epistemologa
-Pensando en el Infinito

1. Introduccin
Qu es la ciencia cognitiva?
Aunque podramos llenar pginas enteras sobre las mltiples definiciones de ciencia
cognitiva intentaremos definir una lo ms genrica posible.
Se podra definir a la ciencia cognitiva como la disciplina que tiene como objetivo construir
una ciencia unificada de la mente y el cerebro (o de la mente o el cerebro, cada cual que
tome su propia decisin) teniendo en cuenta la gran cantidad de factores casuales
complejos de este sistema.
La ciencia cognitiva no es sino un compendio de varias disciplinas entre las que podemos
encontrar a la filosofa, psicologa, biologa, la inteligencia artificial, la neurociencia,
la fsica o las matemticas.
Dos son los supuestos bsicos de la Ciencia Cognitiva: que la mente es un "sistema
representacional" y que la mente es un "sistema computacional". Dnde radica el
problema a la hora de abarcar la materia? El principal problema es que mientras que la
nocin de "sistema computacional" tiene un origen matemtico bien definido, que sirve para
fijar el sentido de la expresin, no ocurre lo mismo con la nocin de "sistema
representacional"; hay tantas teoras, supuestos e ideas sobre un modelo representacional
de la mente como te puedas imaginar. Cada una de estas teoras bebe, a su vez de otras
tantas y, teniendo en cuenta la inmensa cantidad de las mismas, intentar abarcar todas ellas
sera, a todas luces, un imposible.
Bajo este criterio empezaremos intentando explicar los modelos ms destacados que
existen de la mente humana para despus intentar incluir esta disciplina dentro en los
preceptos de un paradigma computacional. Seguidamente se intentar ver como encaja el
modelo mental en la mquina de Turing (y por tanto plantearnos su computabilidad) y ver
sus analogas de sta con un sistema de software.

2. El Modelo Universal de la Mente


"... En mis propios argumentos he tratado de apoyar esta idea de que debe haber
algo esencial que est ausente de cualquier imagen puramente computacional. Pero
mantengo tambin la esperanza de que es a travs de la ciencia y las matemticas
como deben salir a la luz algunos avances profundos en la comprensin de la mente.
... Computabilidad no es en modo alguno la misma cosa que ser matemticamente
exacto. Existe en el mundo matemtico platnico exacto tanto misterio y belleza
como pudiramos desear, y la mayor parte de ese misterio reside en conceptos que
yacen fuera de la parte relativamente limitada de l donde residen los algoritmos y la
computacin." Roger Penrose.
Es evidente que, si queremos conseguir una formalizacin de la mente humana, lo primero
que debemos conseguir es una definicin de la misma, un modelo que no de lugar a
interpretaciones personales y que sea factible de ser matematizado. Como se ha dicho en la
introduccin, conseguir esta definicin no es nada fcil, ya que debido a la gran cantidad de
factores casusticos de nuestro cerebro unido al gran vaco que existe en el total
conocimiento de este rgano hacen que un modelo completamente objetivo del cerebro que
sea aceptado por todos y cada uno de nosotros sea imposible. Si es imposible establecer
este modelo: Para qu este apartado? Nada ms lejos de la realidad. El hecho de no existir
un nico modelo no quiere decir que no existan modelos. Gran cantidad de fsicos,
matemticos o filsofos han conseguido establecer varios modelos mentales que dan una
explicacin total o parcial a lo que es nuestro problema. A continuacin veamos los modelos

que, bien sea por su popularidad, bien sea por criterio propio, creemos que deben ser
brevemente comentados.

Modelo Mental de Roger Penrose


Segn Penrose, tiene que haber algo de naturaleza no computable en las leyes fsicas que
estn por venir. Este argumento tiene como base el ya famoso teorema de Gdel que
implica que la indemostrabilidad formal de una cierta proposicin matemtica es seal de
que de hecho es verdadera. De ah concluye Penrose que nuestro pensamiento --al menos
nuestro pensamiento matemtico-- tiene componentes no computables, aunque hay
detractores que piensan que las bases de Penrose de sus argumentaciones son dbiles.
Admitiendo que existen procesos fsicos no computables, tenemos todava que ver cmo el
cerebro podra hacer uso de stos. En primer lugar, Penrose cree que existe una relacin
directa entre esta no-computabilidad y el puente entre el nivel cuntico y el nivel clsico del
cerebro a travs de una serie de "ondas cerebrales". El siguiente paso sera buscar un lugar
en el cerebro que pueda aprovechar los efectos de coherencia cuntica para acoplarlos a la
actividad neuronal que se observa a gran escala en el cerebro. El lugar ms prometedor,
segn Penrose, parecen ser los microtbulos de Stuart Hameroff, que forman parte del
citoesqueleto celular. Sus consideraciones a favor de estas entidades celulares se apoyan
en varias sugerencias que no estn basadas en evidencias demasiado slidas:

Estas entidades existen en todo tipo de clulas con lo que habra una explicacin
para los comportamientos complejos de seres simples sin sistema nervioso neuronal.

Debido a que cada neurona contiene una cantidad enorme de microtbulos, el poder
de computacin del cerebro se incrementara en un factor de 1013.
Dentro del microtbulo podra existir un estado especialmente ordenado del agua
(agua "vicinal") que podra ayudar a mantener el estado de coherencia cuntica
buscado.

La accin de los anestsicos generales podra interferir en la actividad microtubular,


hiptesis apoyada por el hecho de que estos anestsicos tambin actan sobre
seres simples.

De esta manera, Penrose sera capaz de dar tanto una explicacin a la enorme complejidad
computacional que tiene nuestro cerebro como a la de el ser vivo ms simple. Este modelo
es acertado a la hora de, por ejemplo, intentar dar explicaciones de fenmenos concretos de
alto nivel de la conciencia como el lenguaje, el reconocimiento de rostros, la memoria a corto
plazo, etc.,ya que son procesos mentales complejos que tienen cabida en la explicacin de
Penrose. Si lo que se quiere es buscar las leyes fsicas que estn en el fondo de todo esto,
la propuesta de Penrose resultara menos acertada. Los principales ataques de Penrose se
deben a que sus especulaciones tienen muchos puntos dbiles y son muy difusas, si lo que
estamos buscando es dar cuenta de la fenomenologa de alto nivel que presenta nuestro
cerebro.

Modelo Mental de Schuzborv


Cuando en un trabajo hablamos de modelos, diseos, teoras o referentes siempre
esperamos encontrar las teoras e ideas ms populares, las que todos conocemos. Esto
puede ser vlido para muchos mbitos, pero, creemos, sera un error aplicarlo a las ideas
que la ciencia cognitiva arrastra consigo. Recordemos cmo se le suele llamar a la ciencia
cognitiva: filosofa de la ciencia. Puede que existan teoras ms comunes, pero en la filosofa
priman las ideas, y las ideas son TODAS perfectamente vlidas hasta que son debatidas.
Este es, quiz, el caso de Daniel Schuzborv, pues gracias a la red hemos podido acceder a
una serie de artculos suyos que, a nuestro parecer, no tienen desperdicio. Este autor
considera la inteligencia como algn tipo especial de procesamiento con la consciencia

como producto del control de dicho tipo de procesamiento y el libre albedro como la
capacidad de opcin y de accin del sistema con dicho tipo de procesamiento. La
autoconciencia sera el ncleo del control de tal tipo de procesamiento. Queda por descubrir
de qu se trata tal tipo de procesamiento.
Algunas de sus reflexiones caractersticas quedan expuestas a continuacin:

La inteligencia humana sera entonces la capacidad de manejar muchos cdigos


eficientemente. Consideremos que una computadora suele superarnos en alguna
tarea especfica como calcular y aunque es cierto que cambiando el programa
pueden hacer otras tareas muy distintas (de ah que son mquinas universales:
pueden simular a toda una infinidad de mquinas, la cuestin por verse es si tal
infinidad es slo numerable) se puede decir que no tienen flexibilidad para manejar
muchos cdigos (la concurrencia ser siempre limitada).

La consciencia sirve mas que nada para prever o sea tratar de transformar en
determinada una realidad que tiene mucho de indeterminacin y azar.

El libre albedro resultara una mera ilusin que mantendramos ya que sino nadie
tendra recompensa o castigo, ya que para l (y para muchos otros) los procesos son
o deterministas o aleatorios.

Para l, el entendimiento del infinito en un ser humano no es sino un proceso de


autorreflexin de la memoria.Segn el autor: "autorreflejar la informacin contenida y
producida en las memorias y concebir lo infinito explcitamente sea...la misma cosa
vista desde distintas perspectivas."

Los cerebros funcionan determinados por las percepciones que tienen y en los de los
mamferos con el mecanismo del sueo se comenz a dar lugar a otro tipo de
procesos independientes de las percepciones. Tal el caso de los sueos que
producen los cerebros (y posiblemente no slo en los primates sino en muchos
mamferos en general). Tales procesos espontneos podran ser la prehistoria de la
mente humana.

Por ltimo, las ideas de Schuzborv nos han llevado a plantearnos la cuestin del infinito en
el pensamiento humano. Esta cuestin se ver planteada en el apartado de conclusiones.

Modelo Universal de Peirce


Si antes mencionbamos a un autor destacado por sus ideas, pero no por su popularidad,
es hora de invertir estos factores: las ideas de Pierce (1892) son, sin duda, de vista obligada
para introducirse en el mundo de la ciencia cognitiva. No podemos negar que, an teniendo
en cuenta que el catlogo de ideas es, hoy por hoy, algo anticuado, los postulados de Peirce
propuestos en su libro LA LEY DE LA MENTE son, cuanto menos, llenos de ingenio.
De su conjunto de ideas destacamos las siguientes:

El anlisis lgico aplicado a los fenmenos mentales muestra que no hay ms que
una idea de mente, a saber, la de que las ideas tienden a propagarse de forma
continua, y a afectar a otras determinadas que se encuentran en una relacin
peculiar de afectabilidad respecto de aqullas. Al propagarse pierden intensidad, y,
especialmente, el poder de afectar a otras, pero ganan en generalidad, y acaban por
mezclarse con otras ideas.

Una idea, una vez pasada, se ha ido para siempre, y que toda supuesta recurrencia
de la misma es otra idea. Estas dos ideas no estn presentes en el mismo estado de
conciencia y, por lo tanto, posiblemente no pueden compararse. Decir, por tanto, que
son semejantes puede significar solamente que un poder oculto procedente de las

profundidades del alma nos fuerza a relacionarlas en nuestros pensamientos


despus de que ambas ya no estn.

La opinin dominante (hasta entonces) en la de que los nmeros finitos son los
nicos sobre los que podemos razonar matemticamente no es si no un prejuicio
irracional. Segn Peirce las colecciones finitas se distinguen de las infinitas slo por
una circunstancia y sus consecuencias, a saber, que les es aplicable un modo
peculiar e inusual de razonar, llamado por su descubridor, De Morgan, el "silogismo
de la cantidad traspuesta".

La ley mental sigue las formas de la lgica. Las tres clases principales de inferencia
lgica son deduccin, induccin e hiptesis. Estas corresponden a los tres modos
bsicos de accin del alma humana. En la deduccin, la mente se encuentra bajo
dominio de un hbito. Un hbito se establece mediante la induccin. El hbito es
aquella especializacin de la ley de la mente por la que una idea general obtiene el
poder de suscitar reacciones. Pero, con objeto de que la idea general alcance toda
su funcionalidad, es necesario, tambin, que llegue a ser sugerible por las
sensaciones. Esto lo realiza un proceso que tiene la forma de una inferencia
hipottica.

Vemos, como temprana conclusin, cmo las ideas de Peirce difieren bastante con
respecto, por ejemplo, nuestro segundo autor. Dicindolo de manera algo potica,
Schuzborv guarda ms "respeto" al infinito y lo considera ms difcil de abarcar. Para Peirce,
sin embargo, entender y pensar de manera continua (y no discreta) es lo natural en el ser
humano. Quin tiene razn? En el mundo de la filosofa las ideas se comparten, no se
reprimen a las primeras de cambio.

3. Paradigma Computacional
Qu son los paradigmas?
Los paradigmas son un conjunto de conocimientos y creencias que forman una visin del
mundo, en torno a una teora hegemnica en determinado periodo histrico. Cada
paradigma se instaura tras una revolucin cientfica, que aporta respuestas a los enigmas
que no podan resolverse en el paradigma anterior.
Una de las caractersticas fundamentales, es su inconmensurabilidad (difcil de medir), ya
que ninguno puede considerarse mejor o peor que el otro. Adems cuentan con el consenso
total de la comunidad cientfica que los representa.
Los paradigmas cumplen una doble funcin, por un lado, la positiva que consiste en
determinar las direcciones en las que ha de desarrollarse la ciencia normal, por medio de la
propuesta de enigmas a resolver dentro del contexto de las teoras aceptadas. Por otro lado,
la funcin negativa del paradigma es la de establecer los lmites de lo que ha de
considerarse ciencia durante el tiempo de su hegemona.
Segn Thomas Khun: "cada paradigma delimita el campo de los problemas que pueden
plantearse, con tal fuerza que aquellos que caen fuera del campo de aplicacin del
paradigma ni siquiera se advierten".
Thomas Kuhn expresa su idea acerca del progreso de la ciencia por medio del siguiente
esquema abierto:

(Presencia Ciencia Normal Crisis Revolucin Nueva Ciencia Normal


Nueva Crisis)

Los que trabajan dentro de un paradigma ponen en prctica la ciencia normal. Es probable
que al trabajar en ella, y desarrollen el paradigma en su intento por explicar el
comportamiento de aspectos del mundo, resulten dificultades. Si estas dificultades se hacen
inmanejables se desarrollar un estado de crisis.
Cada revolucin es la oportunidad de pasar de un paradigma a otro mejor. Si se desarrolla
una crisis, el pasaje de un paradigma a otro se hace necesario, y este paso es esencial para
el progreso de la ciencia. Si no hubiera "revoluciones" la ciencia quedara atrapada o
estancada en un slo paradigma y no se avanzara ms all de l. No es una evolucin
hacia un objetivo determinado, sino un mejoramiento desde el conocimiento disponible; cada
paradigma nuevo es un instrumento para resolver enigmas. sta se resolver con el
surgimiento de un paradigma completamente nuevo, el cual cobrar cada vez mayor
adhesin o aceptacin por parte de la comunidad cientfica, hasta que finalmente se
abandone el paradigma original. Este cambio no es continuo, sino por el contrario es
discontinuo y constituye una revolucin cientfica. El nuevo paradigma enmarcar la nueva
actividad cientfica normal, hasta que choque con dificultades y se produzca una nueva crisis
y una nueva revolucin y, por lo tanto, el surgimiento de un nuevo paradigma.

Introduccin al Paradigma Cognitivo


En la dcada de los aos cincuenta se produce en la psicologa un importante cambio que
trae como consecuencia el surgimiento de lo que se denomina paradigma cognitivo o del
Procesamiento de la Informacin (PI).
Una de las caractersticas principales de esta nueva corriente es la de abordar el estudio de
los fenmenos mentales complejos desde una ptica multidisciplinar (inteligencia artificial,
lingstica, psicologa, neurociencia, etc.), postulando la existencia de actividades mentales
no directamente observables.
Tomando como referencia la metfora de la computadora, todas las teoras del PI parten de
considerar:
mente humana = dispositivo computacional
objetivo -> procesar informacin (manipulacin de smbolos)
El funcionamiento cognitivo humano est compuesto por una serie de procesos individuales,
similares a las operaciones de procesamiento de la informacin ejecutadas por una
computadora y que, como en sta, operan secuencialmente para producir la ejecucin del
sujeto.

Del Paradigma Conductista al Cognitivo


Durante el siglo XX dos corrientes del pensamiento han tenido una influencia decisiva sobre
el desarrollo de la psicologa. Dichos movimientos cientficos dieron lugar a dos revoluciones
paradigmticas, seguidas de su correspondiente periodo de ciencia con un desarrollo
normal. stas son el conductismo y la psicologa cognitiva.
El conductismo se basa en los estudios del condicionamiento y considera innecesario el
estudio de los procesos mentales superiores para la comprensin de la conducta humana.
ste se basa en la concepcin de asociar el conocimiento y el aprendizaje. Algunos de sus
rasgos fundamentales son: el asociacionismo, el reduccionismo, su anticonstructivismo, su
carcter elementalista y atomista, entre otros.
Podemos decir tambin que la mayora de los autores conductistas parten del
condicionamiento clsico de Pavlov (estimulo-->respuesta) y aceptan el desarrollo propuesto
por Watson y Guthrie, con su teora del condicionamiento por contigidad.

A mediados del siglo pasado, las mltiples anomalas que presentaba la psicologa
conductista y la aparicin de las nuevas tecnologas cibernticas, las teoras de la
comunicacin y de la lingstica, generaron que el paradigma conductista entrara en crisis y
se sustituyera por el relacionado con el procesamiento de informacin, que se apoyaba en la
metfora de la computadora, y que haca posible el estudio de los procesos mentales que el
conductismo marginaba.
De esta forma, se entra en un nuevo periodo de ciencia normal, bajo el dominio de la
psicologa cognitiva, que llega hasta la actualidad. Es el momento de gran auge de las
teoras modernas de la comunicacin, la lingstica y la ciberntica.
Algunos hechos relevantes para el surgimiento de la ciencia cognitiva son:

En el rea de la matemtica y la computacin. Descripcin de los procesos de


pensamiento o conducta de un organismo e integracin a los mecanismos de una
mquina computadora para que operara en forma similar a como lo hace el ser
humano.

En la neurofisiologa. Organizacin de las capacidades cognitivas del sistema


nervioso; relacin entre los perfiles de incapacidad cognitiva y lesiones cerebrales.

En los sistemas cibernticos. Shannon y Weaver conciben la informacin en forma


totalmente independiente del contenido o la materia especfica de que se trate. La
unidad bsica de informacin, el bit, es la cantidad de energa requerida para
seleccionar un mensaje entre dos alternativas equiparables.

La inteligencia artificial como nueva rama del conocimiento.

El uso de la metfora de la computadora para explicar el procesamiento humano de la


informacin, no implica que el cerebro funcione en forma anloga a la computadora. Lo que
se quiere decir es que los conceptos y el vocabulario del procesamiento de informacin
pueden ayudar a formular teoras de la cognicin humana y explicar distintos aspectos de la
conducta del hombre.

Procesamiento Humano de la Informacin


El anlisis del procesamiento de la informacin humana se categoriza en el estudio de la
sensacin, la percepcin, la cognicin, etc., todos estos muy relevantes para el diseo de
sistemas.
Muchas de las aplicaciones de hoy se basan en la sensacin y percepcin de lo audiovisual.
La percepcin se refiere a cmo la gente percibe los estmulos sensoriales. Existe una clara
diferencia entre percepcin y sensacin, un estmulo siempre se sentir de la misma forma
en diferentes situaciones, sin embargo, su percepcin cambiar de acuerdo al contexto y las
experiencias pasadas del individuo.
En los inicios del paradigma cognitivo exista la firme intencin de indagar los procesos de
creacin y construccin de los significados y producciones simblicas, empleados por las
personas para conocer la realidad circundante. Esto contribuy a involucrar la participacin
de grupos interdisciplinarios de especialistas de las ciencias naturales y sociales.
Gradualmente la naciente informtica result fundamental, se retom su lenguaje para
incorporarlo en un planteamiento terico-metodolgico basado en "la metfora de la
computadora". En este enfoque pueden identificarse dos tendencias llamadas versin
"fuerte" y "dbil".

La versin "fuerte" acepta la analoga como un recurso metodolgico, y considera


que existe una completa equivalencia funcional entre la computadora y la mente
humana. Sus representantes se ubican en el campo de la inteligencia artificial, donde

se pretende desarrollar una teora unificada de la mente y la computadora, y utiliza


este ltimo como un medio de simulacin del sistema cognitivo humano.

La versin "dbil" utiliza la analoga mente-computadora con fines esencialmente


instrumentales sin perder de vista la perspectiva psicolgica en la teora y la
investigacin. La versin dbil pertenece ms al campo de la psicologa, se basa en
datos de naturaleza psicolgica y se interesa prioritariamente en la descripcin del
sujeto cognitivo humano.

El estudio del ser humano como procesador de informacin fue recuperado por la psicologa
cognitiva frente al paradigma conductista, que centraba su inters en examinar los
componentes fsicos de la conducta. Con la revolucin cognitiva, la psicologa volvi a
interesarse por el conocimiento, la conciencia y lo que sucede entre la presentacin del
estmulo y la emisin de la respuesta. Si bien es cierto, este inters nunca fue del todo
interrumpido, sobre todo en Europa, gracias a autores como Piaget, Vigotsky, por ejemplo.
El inters principal del enfoque cognitivo se centra en describir y analizar varios procesos: la
percepcin, la atencin, la comprensin, el pensamiento, la representacin del
conocimiento, la memoria, la resolucin de problemas, entre otros, a partir de la concepcin
del procesamiento humano de la informacin que constituye actualmente la corriente central
del pensamiento, tanto en psicologa como en educacin.
El nfasis se ubica en el estudio de los procesos mentales y en el examen de las estructuras
de conocimiento que pueden deducirse a partir de las diferentes y variadas formas del
comportamiento humano. Para la psicologa cognitiva la accin del sujeto est determinada
por sus representaciones.
Desde el punto de vista del "procesamiento de la informacin", los seres humanos son
procesadores de capacidad limitada. Esta limitacin nos obliga a codificar la informacin en
unidades manejables, a descomponerla en bloques significativos, que implica un
agrupamiento en funcin, tanto de los objetivos del procesamiento (comprender, memorizar,
interpretar, etc.) como de los esquemas propios de conocimiento previos.
Sin embargo, los detractores de la utilizacin de la metfora computacional para comparar
las operaciones mentales con las informticas, al indagar cmo se codifica la informacin,
cmo se transforma, almacena, recupera y se transmite al exterior, como si el ser humano
estuviera diseado de modo semejante a una computadora, refieren que, aunque ha
resultado muy fructfero para sugerir modelos explicativos del pensamiento humano y la
resolucin de problemas en situaciones muy definidas, tambin se ha demostrado que es
difcil establecer modelos ms generales del funcionamiento de la mente humana mediante
los mencionados modelos informticos.
Debe destacarse que existe una importante diferencia entre los hombres y las computadoras
y es el llamado "sentido comn". El hombre, en su vida diaria, se enfrenta continuamente a
la necesidad de tomar un sin nmero de decisiones sobre la base en una gran cantidad de
informacin y opciones alternativas. La mayora de estas decisiones se toman sin ni siquiera
concederles unos segundos de atencin. Por ejemplo, cuando se maneja un auto no se
piensa continuamente en todas las operaciones que se efectan: acelerar, frenar, cambiar
velocidades, etc. Todas stas son funciones que se realizan de manera automtica.
Para construir computadoras que emulen ciertas capacidades mentales del hombre como el
llamado "sentido comn", es de importancia primordial entender de qu manera se logra la
organizacin de la informacin en el cerebro humano, y conocer la forma en que se realiza
el razonamiento.
Hasta el momento, una de las diferencias bsicas que existen entre las computadoras y los
seres humanos es la relacionada con la utilidad prctica del material memorizado. Esta
diferencia consiste en que, mientras una computadora almacena informacin que slo
puede llamarse explcitamente por un programa, el ser humano "aprende". En el hombre, la

adquisicin de nueva informacin modifica su comportamiento (o su forma de pensar), en la


medida que le aporta nuevos criterios para la toma de decisiones tanto a nivel consciente
como inconsciente. El hombre debe su gran capacidad de adaptacin a su habilidad para
aprender.
Los sistemas con inteligencia artificial, en el mejor de los casos, solucionan problemas, pero
lo caracterstico del sistema inteligente humano es que, al componerse de inteligencia y
conciencia, es tambin capaz de crear, de inventar preguntas y problemas.
As que podra decirse de la psicologa, lo que algn filsofo dice de la filosofa en relacin
con el mundo de la inteligencia artificial:
"... Los problemas filosficos sobre qu es la mente, la conciencia, el conocimiento, la
inteligencia, el pensamiento, entre otros, cobran nuevas determinaciones con el desarrollo
de la ciberntica, de la ciencia de la informacin, de la inteligencia artificial, de la psicologa
cognitiva y otras reas del conocimiento. Y, a su vez, el diseo de sistemas expertos, de
programas de reconocimiento, de mquinas de aprender, etc., se gua por una filosofa de
cmo ha de obtenerse y utilizarse la informacin para resolver problemas..."
De este modo, la teora del conocimiento y la ingeniera del conocimiento se influyen
mutuamente.
Conclusin: La inteligencia artificial contribuye al estudio de las facultades mentales a partir
del uso de los modelos computacionales.

El paradigma computacional aplicado al estudio de la vida e inteligencia


artificial
El paradigma computacional ha dado origen a una nueva disciplina, paralela a la inteligencia
artificial, llamada vida artificial. Ambas disciplinas son interdisciplinarias y hacen uso de la
computacin electrnica.
La computacin electrnica es un componente esencial de la IA, pues en ella se trata de
construir sistemas computacionales capaces de realizar tareas inteligentes.
La programacin electrnica es un componente esencial de la VA, pues ofrece el medio ms
econmico y eficaz de producir los elementos cuyo comportamiento estudia la disciplina.
Ambas ciencias se valen de la computacin como un instrumento metodolgico para
experimentar con modelos de lo que no se puede por distintas razones, experimentar en
vivo. (LANGTON 89)
IA: disciplina que se dedica a procurar que las computadoras sean capaces de realizar
tareas intelectuales como si las hiciesen los seres humanos.
VA: realizacin de comportamientos similares a la vida por parte de sistemas hechos por el
hombre.
La inteligencia artificial ofrece una oportunidad a las ciencias cognitivas para estudiar la
realizacin de teoras sobre la mente en la forma de programas de computacin. Si
postulamos que determinada actividad mental, por ejemplo la solucin de determinada clase
de acertijos, se realiza por la aplicacin de cierto algoritmo, entonces una computadora
podr ejecutar el mismo algoritmo.
Cualquiera que sea la forma en que la mente realiza la tarea, la forma computacional
hallada es un candidato hipottico aceptable para explicarla. Adems, la existencia de este
programa nos permite efectuar comparaciones que pueden llevar a una confirmacin
emprica de que la arquitectura mental es isomrfica de la arquitectura computacional.
En la Inteligencia Artificial (IA) se pueden observar, a grandes rasgos, dos enfoques
diferentes:

10

La concepcin de IA como el intento de desarrollar una tecnologa capaz de


suministrar a la computadora capacidades de razonamiento o discernimiento
similares, o aparentemente similares, a las de la inteligencia humana.

La concepcin de IA como investigacin relativa a los mecanismos de inteligencia


humana (por extensin, investigacin relativa a la vida y al universo), que emplea la
computadora como herramienta de simulacin para la validacin de teoras.

El primer enfoque se centra en los resultados obtenidos, en la utilidad, y no tanto en el


mtodo. En este enfoque se encuadran, por ejemplo, los Sistemas Expertos. Son temas
claves en esta direccin la representacin y la gestin del conocimiento. Algunos autores
representativos de este enfoque podran ser McCarthy y Minsky, del MIT.
El segundo enfoque est orientado a la creacin de un sistema artificial que sea capaz de
realizar los procesos cognitivos humanos. Desde este punto de vista no es tan importante la
utilidad del sistema creado (qu hace), como es el mtodo empleado (cmo lo hace). Como
aspectos fundamentales de este enfoque se pueden sealar el aprendizaje y la
adaptabilidad. Ambos presentan gran dificultad para ser incluidos en un sistema cognitivo
artificial. Esta orientacin es propia de Newell y Simon, de la Universidad Carnegie Mellon.
En los dos planteamientos, pero especialmente en el segundo enfoque, uno de los mayores
deseos es el poder contar con una arquitectura que soporte todo tipo de proceso inteligente.
En la ciencia cognitiva, el concepto "Arquitectura" se refiere a la estructura no flexible
subyacente al dominio flexible del proceso cognitivo, es decir, a la estructura que soporta los
procesos cognitivos superiores.
Las arquitecturas propuestas como bases de la cognicin humana se denominan
Arquitecturas Cognitivas, mientras que las correspondientes para la cognicin artificial son
llamadas Arquitecturas para Sistemas Inteligentes Integrados, o Arquitecturas para Agentes
Inteligentes, o Arquitecturas Generales de Inteligencia [Ros93].
Los intentos de construccin de sistemas cognitivos artificiales se basan en la hiptesis de
Newell y Simon segn la cual:
"un sistema fsico de smbolos constituye el medio necesario y suficiente para una accin
inteligente general" [New72].
Si se pudieran explicar los procesos cognitivos superiores de una manera intrnseca, es
decir, si se pudiera demostrar que los procesos mentales inteligentes que realiza el hombre
se producen a un nivel superior (o intermedio) con independencia de las capas subyacentes
que existen hasta la constitucin fsica del ente inteligente, se demostrara que es posible
crear, mediante un sistema de smbolos fsicos, una estructura artificial que imite
perfectamente la mente humana mediante una arquitectura de niveles, ya que se podra
construir dicho nivel superior mediante la combinacin de elementos que no necesariamente
han de ser los que forman el nivel inferior en los humanos (que por ejemplo, podemos
suponer que son las neuronas).
En cambio, si slo se pudieran explicar los procesos cognitivos superiores mediante una
descripcin al ms bajo nivel (comportamiento neuronal), slo se podra imitar la inteligencia
humana mediante la construccin de neuronas artificiales.
Como conclusin podemos decir que los seres humanos somos hbridos: parte naturaleza y
parte cultura.

La parte cultural es construida y depende, para su existencia, del fundamento


biolgico.

11

Las mquinas, como entes puramente culturales, no participan de ese dilema de la


condicin humana. Ms tarde o ms temprano sern capaces de manejar su propio
diseo y construccin, liberndose as de su formaleta biolgica. Las mquinas
podrn continuar nuestra evolucin cultural, incluido su cada vez ms rpido
automejoramiento, sin nosotros, y sin los genes que nos construyeron. Ser
entonces que nuestro ADN quedar cesante, habiendo pasado la antorcha y perdido
la carrera en una competencia planetaria contra sus propias criaturas. (MORAVEC
89).

4. La Mquina de Turing
"- Mira hacia abajo y ve un galpago que se arrastra hacia usted.
- Un galpago, qu es eso?
- Sabe lo que es una tortuga.
- Claro.
- Pues lo mismo
- Nunca he visto a una tortuga pero le comprendo a usted
- Se agacha usted y pone el galpago patas arriba, Len.
- Se inventa esas preguntas Sr. Holden o se las dan escritas.
- El galpago yace sobre su espalda con el estmago cocindose al sol y moviendo las
patas para darse la vuelta pero sin su ayuda no puede y usted no le ayuda.
- Qu quiere decir que no le ayuda?
- Quiere decir que no le ayuda. Por qu es as Len? Slo son preguntas Len, y en
respuesta a la suya le dir que me las dan escritas. Es un test hecho para provocar una
respuesta emocional."
Blade Runner. Ridley Scott, 1982

Un poco de historia
Hitos en la historia de las matemticas

Durante principios del siglo XX, los matemticos han intentado encontrar los
fundamentos de las matemticas, es decir, sus axiomas.

Euclides fue quien formul los tres axiomas, para l ciertos, de los que dedujo casi
toda la geometra de su tiempo mediante un lenguaje limpio, ordenado y formal.

Ms tarde, Bertrand Rusell intent demostrar que el lgebra de conjuntos era


completa y consistente, por lo que permita fundamentar las matemticas sobre la
base de los axiomas de Peano. Analiz los conjuntos de conjuntos, sus relaciones y
particiones pero no consigui eliminar las contradicciones, y nunca pudo construir un
sistema libre de paradojas.

En 1928, Hilbert formul sus tres preguntas clebres en un congreso mundial de


matemticos:
1. "Son las matemticas completas, en el sentido de que cualquier postulado
pueda ser probado o rechazado?"
2. "Son las matemticas consistentes, en el sentido de que nunca se pueda
demostrar algo que sea manifiestamente falso?"
3. "Son las matemticas deducibles, en el sentido de que se puede crear un
sistema de deduccin paso a paso que aplicado a cualquier postulado
permita determinar si es cierto o falso?"

l crea que la respuesta a las tres preguntas era afirmativa.

12

Pero sera ms tarde cuando Kurt Gdel present una demostracin algebraica
formal de que la respuesta a las dos primeras preguntas no poda ser afirmativa a la
vez, y que, en cualquier caso, la respuesta a la segunda pregunta era "no se puede
demostrar que sea s". O sea, no slo no poda probarse que las matemticas fueran
consistentes sino que, adems, en caso de que lo fueran, seran incompletas. Y as
lleg el fin del trayecto para el gran proyecto de Hilbert y de tantos otros antes de l.
Tan slo la tercera pregunta qued en el aire.

En 1934, Von Newman, un famoso matemtico, estaba dando un curso como


visitante en el King's College de Cambridge, y volvi a la tercera pregunta de Hilbert.
Von Newman dijo que la cuestin era "si exista una forma mecnica de demostrar su
falsedad o veracidad", Y uno de los alumnos que se encontraba en la clase, Alan
Mathison Turing, llegara a la respuesta unos aos ms tarde.

En 1936 comenz a profundizar su estudio del Entscheidungsproblem, propuesto por


Hilbert, y que nadie haba podido resolver.

Turing busc la forma de atacar el problema examinando los lmites intrnsecos del
pensamiento mecnico. Introdujo una serie de modificaciones a la mquina de
escribir que, aunque no dejaba de ser una mquina, le permitan realizar las tareas
simblicas en lenguaje aritmtico de forma automtica. Antes de ponerla en marcha
haba que suministrarle una lista finita de estados y unas reglas para escoger entre
stos. La mquina lea la casilla y despus, siguiendo las normas del "estado" en
que se encontrara, cambiaba o no lo que haba escrito (borrando o escribiendo),
cambiaba o no a otro estado (es decir "a otra forma de reaccionar") y se mova o no
una casilla en alguna direccin.

Segua siendo una mquina puesto que sus estados eran finitos y dependan
completamente del estado inicial, pero era capaz de hacer cosas realmente
sofisticadas.

Trabajando varios meses consigui demostrar que su mquina, llamada ms


tarde Mquina Universal de Turing, era capaz de realizar cualquier clculo si se la
dejaba trabajar un nmero suficiente de pasos y se haban preparado de forma
correcta sus estados, cada uno de los cuales inclua las normas para cambiar a otro
en funcin de la ausencia o presencia de un agujero en la posicin del papel que
estuviera leyendo en ese mismo momento.

Descubri que la mquina solamente poda tratar con lo que llam "nmeros
satisfactorios", aunque despus les dio el nombre ms oficial de "nmeros
computables" con el que ha pasado a la historia.

Y as lleg al meollo de la tercera pregunta de Hilbert. Antes de poner la mquina en


marcha, se poda determinar mediante un algoritmo si llegara a un resultado
satisfactorio?

Turing us como ejemplo la diagonalizacin de Cantor para hallar nmeros


irracionales y demostr que no se poda garantizar que la mquina lo estuviese
haciendo bien excepto reproduciendo a mano su trabajo. La tercera respuesta era
"no" y por tanto no haba forma de esquivar los resultados de Gdel.

El resultado del trabajo de Turing en el problema de Hilbert concluy en abril de


1936, pero debido a que al mismo tiempo el lgico norteamericano Alonzo Church
haba publicado un trabajo similar, Turing tuvo que posponer su artculo (ahora
considerado clsico) hasta agosto de 1936, que fue titulado "Sobre los nmeros
computables, con una aplicacin al Entscheidungsproblem". Tras la publicacin del
artculo de Turing, la comunidad cientfica se dio cuenta de que la forma en la que
ste abord el problema era muy distinta al enfoque de Church, y aunque Turing no

13

lo saba, el concepto de mquina de Turing que l inventara en su artculo para


ilustrar la idea moderna de un algoritmo se ha vuelto uno de los cimientos ms
slidos de la teora de la computacin en nuestros das.

Alan Turing

Alan Mathison Turing naci en Paddington, Inglaterra, el 23 de junio de 1912.

Ingres en el Kings College de la universidad de Cambridge, gradundose en 1934.


Pas los aos 1936 y 1937 en Princeton, en cuyo Instituto de Estudios Avanzados
tuvo la oportunidad de convivir con los mejores matemticos de la poca: von
Newman, Courant, Weyl, Einstein, Lefschetz y otros menos conocidos.

Su interaccin con von Newman fue altamente fructfera para sentar las bases
tericas de la computacin, a partir de su concepcin de mquinas abstractas
capaces de procesar smbolos (mquinas de Turing). Pero Turing no era slo un
terico brillante, con capacidad de resolver problemas abstractos y crear nuevas
ideas conceptuales. En el ao 1938 conoci a un joven ingeniero polaco llamado
Robert Lewinsky, que haba trabajado con los alemanes en el diseo de un sistema
electromecnico de encriptacin de comunicaciones. Lewinsky entr en contacto con
el servicio secreto britnico, quien encomend a Alan Turing la formacin de un
grupo de cientficos e ingenieros dedicados a estudiar y descifrar este sistema de
comunicaciones denominado Enigma.

14

Cuando estall la segunda guerra mundial en 1939, el gobierno asign el equipo de


Turing a la Escuela de Cifrado y Codificacin, en Bletchey Park, una vieja mansin
de campo situada entre Oxford y Cambridge. All Turing y sus compaeros fueron
encargados de crear unas mquinas denominadas Bombas, capaces de descifrar los
mensajes codificados por los alemanes a travs del sistema Enigma.

En 1943 el grupo de Turing construy una computadora denominada Colossus,


especializada en el descifrado de mensajes, de gran xito, y de alguna manera fue
precursora del ENIAC construido en la universidad de Pennsylvania dos aos ms
tarde.

Una vez finalizada la guerra, Turing se incorpor a la recin formada Divisin de


Matemticas del Laboratorio Nacional de Fsica, con la intencin de llevar a cabo el
proyecto ACE, Automatic Computing Engine.

Hacia los aos 50 se comenz a saber pblicamente que Alan Turing era
homosexual, y as empez una etapa muy dura para el gran cientfico, debido a que
en esa poca la homosexualidad era considerada como un delito perseguible
penalmente en Inglaterra. A pesar de todo, en sus ltimos aos Turing public otro
artculo cientfico de gran impacto, titulado "Computing Machinery and Intelligence",
que sent las bases de una nueva rama de las ciencias de la computacin, la
inteligencia artificial, y plante cuestiones muy curiosas en aqulla poca, como el
"test de Turing".

El 7 de Junio de 1954 se suicid comiendo una manzana con cianuro en Wilmslow


(Cheshire).

15

La teora de la computacin y la Mquina de Turing


La disciplina Ciencias de la Computacin es el estudio sistemtico de los procesos
algortmicos que describen y transforman informacin: teora, anlisis, diseo, eficiencia,
implementacin, y aplicacin. [Denning et al.,1989].

El punto de partida de la teora de la computacin fueron las cuestiones


fundamentales que David Hilbert (1845-1918) formul en 1928, el
Entscheidungsproblem.

Las primeras noticias en contra surgen en 1931 con Kurt Gdel (1906-1978) y su
Teorema de Incompletitud [1931]: Todo sistema de primer orden consistente que
contenga los teoremas de la aritmtica y cuyo conjunto de axiomas sea recursivo no
es completo".

Los resultados de Gdel prueban que no slo no existe un algoritmo que pueda
demostrar todos los teoremas en matemticas sino que adems no todos los
resultados son demostrables.

Alan Turing, establece la relacin entre la lgica y la computacin electrnica,


plantea la famosa Mquina de Turing, la cual es la base de la Teora de la
Computacin actual.

Turing es considerado el padre de la Teora de la Computacin.

La Mquina de Turing

La mquina de Turing es una caja negra (tan simple como una mquina de escribir y
tan compleja como un ser humano) capaz no slo de leer y escribir un alfabeto de
smbolos finito a partir de una cantidad finita pero muy grande de cinta de papel, sino
de modificar su propia configuracin o "estado mental".
La mquina de Turing se convirti en un instrumento ideal para probar si un
procedimiento es efectivamente computable o no.

Funcionamiento

Una mquina de Turing es un dispositivo que transforma un INPUT en un OUTPUT


despus de algunos pasos.

Consiste en una cabeza de lectura/escritura que examina una dimensin


posiblemente infinita de una cinta bidireccional dividida en cuadros cada uno de los
cuales est identificado con un 0 o un 1.

Para llevar a cabo algn algoritmo, la mquina se inicializa en algn estado interno
arbitrario. A continuacin, se pone en marcha y la mquina lee el bit que se
encuentra en ese momento en su interior y ejecuta alguna operacin con ese bit (lo
cambia o no, dependiendo de su estado interno). Despus se mueve hacia la
derecha o hacia la izquierda, y vuelve a procesar el siguiente bit de la misma
manera. Al final se para, dejando el resultado al lado izquierdo por ejemplo.

Una instruccin tpica podra ser: 01->11011i.

La traduccin es como sigue: si la mquina se encuentra en el estado interno 0 y lee


1 en la cinta, entonces pasar al estado interno 1101 (13), escribir 1 y se mover
hacia la izquierda un paso (la cinta se mover hacia la derecha). A continuacin es
conveniente inventar una notacin para la secuencia del INPUT. Esta notacin se
llama notacin binaria expandida. Consiste en cambiar la secuencia original binaria
por otra construida de la siguiente forma: el 0 se cambia por 0 y el 1 por 10 y se

16

ponen un cero a la izquierda y/o a la derecha del resultado si empieza o acaba en 1


respectivamente. As por ejemplo, el nmero 13 que en binario es 1101, en binario
expandido es 1010010 con un cero delante por esta ltima regla 01010010. Para
volver al original hay que contraer el binario expandido con la siguiente regla:
Empezamos a leer por la izquierda el binario expandido. Cuando encontremos un 0
tomamos nota de cuntos 1 hay hasta llegar al siguiente 0 y lo escribimos. Si
encontramos que hay dos 0 seguidos, apuntaramos un 0 porque no habra ningn 1.
Con el 13 se hara: el primer 0 se encuentra en la primera posicin y el siguiente 0
est en la posicin 3. Entre los dos solo hay un 1. Lo anotamos. Seguidamente hay
un 1, y despus un 0, entonces apuntamos 1 porque hay un 1 entre medias de ellos.
Esto es lo que se hace sucesivamente y encontramos: 1101 que es el nmero
original.

Cualquier funcin que pueda ser considerada de "modo natural" como


computable puede ser computada por una mquina universal de Turing.

Si bien la conjetura no ha podido ser demostrada, hasta el momento ha resistido


todos los intentos de encontrar un contraejemplo.

Computabilidad y no Computabilidad

Una de las cuestiones mas estudiadas en la teora de la computabilidad ha sido la


posibilidad de construir algoritmos que nos determinen si un determinado algoritmo
posee o no una determinada propiedad.

En un principio se fueron obteniendo demostraciones individuales de la no


computabilidad de cada una de estas cuestiones, de forma que se tena la sensacin
de que casi cualquier pregunta interesante acerca de algoritmos era no computable.

A pesar de esto, y como consecuencia de la existencia de un programa universal hay


otras muchas cuestiones interesantes que se han demostrado computables.

El identificar los problemas que son computables y los que no lo son tiene un
considerable inters, pues indica el alcance y los lmites de la computabilidad, y as
demuestra los lmites tericos de las computadoras.

Adems de las cuestiones sobre algoritmos, se han encontrado numerosos


problemas menos "generales" que han resultado ser no computables. Como ejemplo
citamos:
-

Dcimo problema de Hilbert. Una ecuacin diofntica es la ecuacin de los


ceros enteros de un polinomio con coeficientes enteros. Se pregunta si hay
un procedimiento efectivo que determine si una ecuacin diofntica tiene o no
solucin.

Por otro lado, son muchos los problemas interesantes que se han demostrado
computables.

Todas las funciones construidas por recursividad primitiva o minimalizacin a partir


de funciones calculables resultan ser calculables como consecuencia de los trabajos
de Church y Turing.

Tesis de Church-Turing

Existe un obstculo importante al probar que no existe un algoritmo para una tarea
especfica.

Primero es necesario saber con exactitud qu significa algoritmo. Cada uno de los
matemticos mencionados anteriormente haba superado este obstculo, definiendo

17

"algoritmo" de una manera diferente. Gdel defini un algoritmo con una secuencia
de reglas para formar funciones matemticas complicadas a partir de funciones
matemticas ms simples. Church utiliz un formalismo denominado calculo lambda,
mientras que Turing emple su maquina y defini un algoritmo como cualquier
conjunto de instrucciones para su mquina simple.

Si algo puede calcularse a partir de un algoritmo definido de una forma, entonces


tambin puede calcularse a partir de un algoritmo definido en cualquiera de las otras
formas. Conforme los investigadores se dieron cada vez mas cuanta de esta
equivalencia en la dcada de 1930, se crey en forma amplia en las dos
proposiciones que siguen:
Todas las definiciones razonables de algoritmos conocidas hasta el momento son
equivalentes.
Cualquier definicin razonable de algoritmo que se llegue a dar, a su vez ser
equivalente a definiciones ya conocidas.

Estas creencias han llegado a denominarse Tesis Church-Turing en honor a dos de


los primeros trabajadores que se dieron cuenta de la naturaleza fundamental del
concepto que haban definido juntos. Hasta el momento, no ha surgido evidencia en
contra y se acepta ampliamente la Tesis de Church-Turing.

Turing y la Inteligencia Artificial


Sern los robots los herederos de la Tierra?
S, pero sern hijos nuestros"
Marvin Minsky, 1994

Prueba de Turing

El origen inmediato del concepto y de los criterios de desarrollo de la "Inteligencia


Artificial" se deben a Alan Turing. ste, deseoso de crear un cerebro artificial, invent
la prueba de Turing (1950) para ofrecer una definicin de Inteligencia Artificial que se
pueda evaluar.

Para que un ser o mquina se considere inteligente debe lograr engaar a un


evaluador de que este ser o mquina se trata de un humano evaluando todas las
actividades de tipo cognoscitivo que puede realizar el ser humano; es decir, se basa
en el juego de la imitacin. En este juego, un hombre y una mujer se esconden,
mientras una tercera persona intenta determinar quin es quin haciendo preguntas
por escrito. Para hacer ms difcil el juego, los dos participantes escondidos se
ponen de acuerdo en contestar, por ejemplo, como si ambos fuesen mujer. El
hombre pretender ser mujer y sta tratar de convencer al interrogador de que es la
verdadera. Turing propuso cambiar el hombre por una mquina, lo cual implica que
el objetivo del test consiste en que la mquina simule el papel de un hombre que
pretende ser lo que no es. Luego, si el dilogo que ocurra y el nmero de errores en
la solucin dada se acerca al nmero de errores ocurridos en la comunicacin con un
ser humano, se podr estimar -segn Turing- que estamos ante una mquina
"inteligente". Esta es la -desde entonces- llamada "PRUEBA DE TURING".

18

El mismo Turing sealaba al respecto: "Creo que dentro de unos 50 aos ser
posible programar computadoras con una capacidad de memoria de unos 10^9, para
hacerlas jugar tan bien el juego de la imitacin que un interrogador medio no tendr
ms de 70% de probabilidad de proceder a la identificacin correcta despus de 5
minutos de preguntas." (Collins).Si la mquina slo debe lograr mantener la duda
durante cinco minutos, podemos considerar bastante pobre su "inteligencia".

Sin embargo, el inters profundo del test de Turing consiste en la idea de verificar si
una mquina puede imitar las interacciones de un ser humano. Se trata por lo tanto
de un test destinado a verificar no la capacidad de imitar las funciones del cerebro
sino la posibilidad de contar con un ingenio capaz de interactuar adecuadamente en
un contexto social. La cuestin real en la elaboracin de un protocolo correcto para el
test de Turing "consiste en estar seguro que el test pondr en evidencia la
inteligencia de una mquina solamente si la inteligencia est realmente presente"
(Collins, p.245). El problema es que slo podremos saber si el test es vlido
probndolo en una mquina autnticamente inteligente y slo se puede saber si la
mquina es inteligente sometindola al test de Turing! He aqu una circularidad difcil
de romper.

El cerebro humano y la mquina de Turing

Tanto una computadora como nuestro cerebro, tienen una arquitectura fija o
precableada, pero tambin una enorme plasticidad para adaptarse a otras situaciones
gracias a la memoria.

En la computadora y el cerebro, la memoria puede guardar tanto programas si es una


computadora, como entrenamientos si es un cerebro; y tambin datos, que son patrones
transitorios que permiten seguirle la pista a cualquier cosa que se desee representar. En
el momento del encendido de una computadora o en del nacimiento de un cerebro,
ambos estn incompletamente cableados y diseados.

Con flexibilidad se adaptan a cablearse ms completamente, de diversas maneras.

La flexibilidad la usan como un medio apto para crear arquitecturas ms disciplinadas,


que son mquinas con diversos propsitos concretos. Ingresan a ellos inputs (disparos
sensoriales - sensores fisiolgicos - en el caso del cerebro, o disparos electrnicos
provenientes de teclados, ratn, modem, micrfono, seales con el dedo sobre la
pantalla, etc., en el caso de la computadora).

Esos estmulos del ambiente externo, con las arquitecturas adquiridas despus del
encendido o nacimiento, se procesan a travs de los cableados originales o posteriores,
para resultar eventualmente en respuestas o outputs (si son cascadas de alarmas

19

biolgicas, aparecen movimientos musculares de todo el cuerpo, emisin de voces y


gestos, etc. y si son cascadas de cifras, aparecen pantallas de monitores, impresoras en
funcionamiento, alarmas acsticas y visuales activadas, etc., segn el caso).

La mquina universal de Turing, tiene por el teorema del mismo autor, la potencialidad
de transformarse en cualquier mquina virtual que se nos pudiera ocurrir.

La principal diferencia con los esquemas previos reside en que la actividad intelectual
humana es un sistema simblico operando en paralelo y en serie-paralelo. Esta
operacin se debe imaginar ms bien como un sistema hbrido donde participan
componentes lgico - simblicos, sumados a la insercin de redes neurales especficas.

Con esas manipulaciones y smbolos, los cerebros humanos son capaces de emular a
una mquina universal de Turing. Los ceros y unos digitales humanos son neuronas
apagadas y encendidas y ciclos capaces de ser reconocidos. Las "mquinas de Turing"
humanas suelen operar lentamente, en apariencia por defectos de memoria, dado que
se deben memorizar los estados intermedios. Si esperamos lo suficiente, pueden llegar a
realizar las operaciones de una mquina universal.

Adems de la frgil memoria, estn limitados por la corta duracin de sus vidas o sea
por el nmero de operaciones que son capaces de hacer para probar que pueden
emular el funcionamiento de cualquier mquina.

Gracias al empleo del nivel simblico, el ser humano se hace notar por su adaptacin,
sntoma supremo de inteligencia.

Los seres humanos tienen funciones intelectuales superiores. Cada una de las cuales es
una nueva funcin de respuesta. Es entonces casi una mquina universal de Turing en
accin, es casi una mquina que todo lo imita.

Como conclusin, el cerebro humano casi se aproxima al ideal de una mquina universal
de Turing.

Le falta rapidez y buena calidad. Si la computadora con sus programas tambin compite
por serlo, es sin duda porque los programas hasta ahora han sido programados por
seres humanos. A este respecto, cabe afirmar que se esta logrando terminar los
proyectos de un programa por el cual la computadora pueda generar su propio programa
a partir de datos reales de entrada y salida de otras mquinas, ya sean reales o
virtuales. Pero esa autonoma es restringida dado que el originador de dicho programa,
como as tambin de casi todas las mquinas reales y virtuales conocidas, es el cerebro
humano.

Reflexiones
Pueden pensar las mquinas? Este fue el polmico ttulo del artculo escrito por Alan
Turing en 1950, donde como respuesta a la pregunta, ide la Prueba de Turing. Esta
prueba, como ya he comentado antes, consista en que un ser o mquina deba lograr
engaar a un evaluador de que este ser o mquina era un humano, evaluando todas las
actividades de tipo cognoscitivo que puede realizar el ser humano. Hay que tener en cuenta
que el evaluador y los evaluados no podan tener ningn tipo de contacto visual, y adems
las respuestas deban ser escritas de manera que no se pudiera reconocer quin era quin
a travs de stas, es decir, deban ser respuestas neutras. Ya que de lo contrario el
evaluador poda reconocer perfectamente al evaluado. Luego el concepto de mquina
pensante deba estar desligado de lo fsico, pero no es sino el medio que nos rodea lo que
nos hace distinguirnos de las mquinas? No son sino las reacciones ante los efectos del
medio las que nos diferencian de stas? Y si nos imaginamos un mundo como el creado por
Philip Dick, en su novela Do Androids dream of Electric Sheep?", recreado en la pelcula de
"Blade Runner" (Ridley Scott, 1982), donde hay androides (Nexus 6) fsicamente iguales a

20

los humanos, con recuerdos de otras personas insertados en su mente, con fobias y miedos
como las de los humanos, cmo lograramos diferenciar el humano de la mquina? Sera
el androide el ms humano entre el hombre y la mquina?

Si intentamos recordar la pelcula de ciencia ficcin "Cube" dirigida por Vicenzo Natali en
1998, en la cual meten a varios humanos desconocidos entre s en un laberinto sin fin de
habitaciones cbicas dotadas de trampas mortales, sin saber ninguno de ellos dnde
estn, ni por qu o cmo han llegado hasta all, y con el nico fin de encontrar la salida
del supercubo. Qu ocurrira si metiramos a un replicante de la pelcula de Blade
Runner y a un humano dentro de uno de los cubos del laberinto? El replicante ser ms
rpido y ms listo que el humano, aunque carecer de una facultad que todos los
hombres tenemos, carecer de elucubracin, de imaginacin. El replicante intentar
asemejar esta situacin a alguna experiencia aprendida o programada, en cambio el
humano intentar imaginar la manera de salir del cubo, explorando cada uno de los
rincones de su alrededor para encontrar algo que le permita determinar la ubicacin de
la salida o la ubicacin del cubo con respecto a sta. Los dos tienen como meta
encontrarla, pero el humano al poseer la capacidad de imaginar podr buscar formas de
salir del cubo, por absurdas que parezcan hasta llega a encontrar una. Por tanto, la
mquina est limitada a lo que ha sido programado, jams podr evolucionar, como lo
hacen los humanos, s podr aprender, si se ha programado para ello, pero siempre
carecern de la capacidad de la inventiva, de la imaginacin. Aunque pienso, que si
alguna vez llegamos al caso planteado de Blade Runner, en el que tengamos que
medirnos con una mquina, s podremos llegar a diferenciar la mquina del hombre,
pero creo que no ser el propio hombre el que pueda reconocer la diferencia, sino que
ser necesario el uso de una mquina para poder hacerlo, no es un poco
contradictorio?

5. Mente, Software, Cerebro


"La falta de humanidad en la computadora consiste, en parte, en que una vez que se la
programa y trabaja adecuadamente, su honradez es intachable". Isaac Asimov.

La pregunta que todos podramos hacernos sera quizs la relacin existente entre la mente
y el cerebro. A simple vista la mente y el cerebro podran no tener relacin ninguna. La
mente parece un ente abstracto, casi del cual nos costara trabajo hablar; el cerebro sin
embargo parece algo ms material, del cual podramos decir por ejemplo casi de forma
inmediata que est formado por dos hemisferios, o que la clula principal por la que est
formado es la neurona. Aunque no podamos observar esa relacin entre la mente y el
cerebro a simple vista, la psicologa, la filosofa y la biologa modernas sostienen que la
mente es un reflejo de la conducta del cerebro.
Durante diversas pocas de la historia de la psicologa se ha supuesto que existe una
realidad psicolgica que se podra estudiar y comprender de forma completa en su propio
dominio sin referencia alguna al cerebro. Actualmente esta teora ha sido descartada.
Desde este punto de vista, y haciendo un smil con una computadora, la mente es el soporte
lgico o software y el cerebro es el soporte fsico o hardware.
Siguiendo este mismo smil, para entender como funciona la mente slo habra que
entender el programa que est cargado en el cerebro. Los detalles de cmo funciona el
cerebro seran, quizs, detalles ms superficiales, y que slo nos podran servir para
entender algo ms sobre el funcionamiento del software. Nosotros podemos entender
perfectamente un software sin necesidad de conocer el hardware sobre el que est
implementado, o esto por lo menos hasta cierto punto.
En contraste con esta postura, existe buena evidencia que la mente no se puede entender
con claridad sin considerar cmo trabaja el cerebro. La evidencia clarsima la proporcionan

21

los casos de daos cerebrales en los cuales la mente se rompe en formas a menudo
sorprendentes. Las tareas ms naturales se vuelven imposibles, las personalidades
cambian, los afectados ya no hablan o no recuerdan o no razonan claramente. Existen
adems cambios reversibles debidos a drogas que podran provocar los mismos efectos
que los daos cerebrales directos, como cambios de personalidad, capacidad de recordar,
iracundos o felices, etc. Cualquier cosa que afecte a nuestro cerebro afecta tambin a
nuestra mente.
Existen muchos modelos computacionales que intentan modelar el comportamiento de la
mente en relacin con el cerebro. El modelo conexionista, PDP (procesamiento distribuido
en paralelo) o de redes neurales, es un ejemplo de uno de estos modelos. Estos modelos
pretenden modelar por una parte aspectos importantes de cmo funciona el cerebro y por
otra parte conductas consistentes con las que exhibe el humano. Primero mostraremos un
modelo estndar conexionista de la relacin entre mente y cerebro y luego una elaboracin
de dicho modelo con la intencin de explicar ciertos fenmenos de la afectividad.

Modelo conexionista cannico

Aqu mostramos el modelo conexionista cannico. La parte de arriba es la red de


interpretacin de las entradas y la parte de abajo el entorno o ambiente que estimula al
individuo. Esta estimulacin motiva la creacin de las entradas. Las salidas son las entradas
ya modeladas y son respuesta del individuo a las mismas.
A continuacin vamos a explicar cada una de los elementos por los que est compuesto un
esquema conexionista:
1. Las unidades (puntos dispersos en la figura) representan "hiptesis" sobre el mundo.
Cada unidad tiene un Nivel de Activacin, que representa la "confianza" acerca de que la
hiptesis sea verdadera, y un trmino de sesgo (beta dado i), que representa la probabilidad
a priori o probabilidad por defecto de que la hiptesis sea verdad.
2. Las conexiones entre unidades, representadas por pesos, (como sera wij) corresponden
a "restricciones" entre hiptesis. Para cada par de unidades existe un peso representando
las restricciones entre ellas. Los pesos son positivos o negativos, reducidos o importantes.
Un peso importante positivo representa una restriccin fuerte entre las dos unidades. Esto
es, representa la idea de que si la hiptesis relacionada con una de las dos unidades es
verdadera, la otra hiptesis es muy posible que tambin lo sea. Un peso importante pero

22

negativo implica que la otra hiptesis resultar falsa si la primera es verdadera. Pesos de
valor reducido se interpretan como correspondiendo a restricciones menores.
3. Las entradas constituyen la evidencia externa ingresando a la red (estmulos provocados
por el ambiente sobre el individuo).
4. Las salidas implican la "accin propuesta" que emerge de la red.
5. El Estado Final, que es el estado en el que queda la red despus de que se recibe una
entrada y que depende de la interpretacin que le ha dado a los eventos exteriores.
El funcionamiento de la red es el siguiente. Se produce algn estimulo externo sobre el
individuo, generndose un patrn de actividad correspondiente al conjunto de unidades de
entrada. Al estar conectadas unas unidades con otras, hace que se produzca actividad en
todas las unidades que estn conectadas entre s. Cuando una unidad afecta a su vecina el
patrn de actividad se modifica en relacin al patrn de pesos de la red. Existe un momento
en el que la red decae sobre un estado de equilibrio y deja de cambiar. En este momento se
ha asimilado el patrn de entrada y por consiguiente se ha de generar la salida
correspondiente.

Modelos conexionistas y neuromoduladores


En la red conexionista clsica hay un nico peso asociado a dos unidades. Sin embargo
sabemos que en el cerebro existen diferentes tipos de conexiones entre dos mismas
unidades. Estas conexiones estn determinadas por los diferentes tipos de
neurotransmisores que puede emitir la neurona en la sinapsis. Segn diferentes factores
que provocan el aumento o disminucin de determinadas hormonas en la sangre, los
neurotransmisores que emita la neurona sern diferentes. As, si el aprendizaje depende
directa o indirectamente de la sinapsis, el aprendizaje depender tambin de forma directa o
indirecta de los niveles hormonales del individuo.
El funcionamiento de un sistema de esta especie sera el siguiente. En un estado hormonal,
como puede ser un nivel alto de una hormona en sangre, la neurona generar con ms
abundancia un neurotransmisor X; si el nivel de esta misma hormona en la sangre es ms
bajo, la neurona generar con ms abundancia un neurotransmisor de tipo Y. La pared
sinptica tiene receptores para ambos tipos de neurotransmisores. Por tanto, en funcin del
nivel hormonal, y por tanto del tipo de neurotransmisores que se liberen van a estar activas
unas sinapsis u otras. El aprendizaje ocurrir en las sinapsis activas. As dependiendo del
estado en que se encuentre el individuo aprender unas conductas u otras. En esa
circunstancia, la consecuencia es que el animal aprende "conductas hormona-dependientes"
diferentes en relacin con distintos niveles hormonales.
Segn lo comentado anteriormente para cada unidad aparece un cierto nmero de posibles
tipos de neurotransmisores. Ciertas neuronas generan adems neuromoduladores que son
las encargadas de regular la cantidad relativa de neurotransmisores en la sinapsis.

Afectividad y aprendizaje dependiente del estado


Supongamos un sistema de aprendizaje ms general, que posee una serie de unidades ms
cercanas al ambiente y que producen neuromoduladores, que determinan la forma en que
afectan los estmulos externos al individuo. La cantidad de estos neuromoduladores se
incrementa cada vez que se producen determinados estmulos.
Imaginemos el caso de un beb que se encuentra en los brazos de su madre. Esta situacin
provoca una respuesta primitiva en l. Esta respuesta estimula su sistema afectivo. Segn
se estimula este sistema afectivo, aumenta la cantidad total de neuromoduladores asociados
con este sistema. Esto hace que se refuercen los pesos asociados con dicha respuesta

23

placentera. Segn el modelo conexionista se producira un cambio en los pesos debido a la


experiencia. Estos cambios en realidad se produciran en toda la red.
Dado que existen conexiones simtricas de ida y vuelta en el sistema neuromodulatorio, la
actividad en el resto de la red puede causar que el sistema modulatorio pase a estar activo
y, de tal forma, se inicia un tipo de respuesta positiva.

Afectividad global
La pregunta que cabra hacernos sera la siguiente: en qu medida es la afectividad un
fenmeno global? Para los humanos, desde luego, la afectividad es un fenmeno global.
Cuando estamos en una postura negativa existe una probabilidad bastante alta de percibir
tambin las dems cosas de una forma negativa. Este fenmeno se debe a que al estar en
una postura negativa, los pesos relacionados con experiencias negativas sern los que se
encuentran ms reforzados, en contraposicin con los pesos relacionados con experiencias
positivas.
Existe una clara evidencia de lo indicado en el prrafo anterior. Cuando una persona se
encuentra en un estado de felicidad, ver las dems cosas de una forma optimista y
positiva, e infravalorar la posibilidad de ocurrencias de hechos negativos. El caso contrario
ocurrir cuando la persona se encuentra en un estado negativo.
Otra anotacin que evidencia lo comentado en el prrafo primero es que cuando las
personas se encuentran felices recuerdan hechos pasados felices y cuando se encuentran
en un estado de tristeza y pesimismo recuerdan hechos pasados tristes. Igualmente pasara
al tener las personas conocimiento de hechos alegres o tristes.

Familiaridad y armona
La familiaridad es el grado en el que algo nos resulta familiar. Para el caso de una cancin,
en general, cuanto ms familiar nos resulta, ms disfrutamos de ella. Pero esto es cierto
hasta un determinado valor umbral, porque cuando la escuchamos muchas veces acabamos
tambin hartndonos.
Existe una explicacin a este hecho. Cuando se escucha una cancin nueva se produce un
estmulo en el individuo que se manifiesta como una nueva oportunidad de aprendizaje.
Cada vez que se vuelve a escuchar la cancin se vuelve a producir una experiencia de
aprendizaje y la armona resultar mayor. Los pesos relacionados con el aprendizaje de esa
cancin van a continuar creciendo. Sin embargo transcurrido un tiempo aparece un nuevo
hecho, el que la cancin sea cada vez menos predecible y sorprendente, y con esto que el
nivel de atencin y excitacin sea tambin menor. Por tanto la armona se reducir. De aqu
podemos concluir que la armona mxima ocurrir cuando la cancin es ya familiar pero
tiene todava una pequea variacin que conduce a algo de impredictibilidad y con ello algo
de atencin y excitacin adicional.

6. Epistemologa
Comenzaremos el tema definiendo la palabra epistemologa. Etimolgicamente, proviene del
griego y est formada por las palabras episteme (conocimiento) y logia (estudio). Por tanto,
la epistemologa estudia la naturaleza y validez del conocimiento. Tambin ha sido llamada
teora del conocimiento (usada y difundida por alemanes e italianos) o gnoseologa
(principalmente utilizada por los franceses). En las ltimas dcadas tambin es conocida
como la filosofa de la ciencia, y es as como podemos encontrrnoslas en muchos artculos
sobre el tema.

24

El problema fundamental que ocupa a la epistemologa es el de la relacin sujeto-objeto. En


esta teora se le llama 'sujeto' al ser cognoscente y 'objeto' a todo proceso o fenmeno sobre
el cual el sujeto desarrolla su actividad cognitiva. De este modo, el problema se presenta en
la relacin de quien conoce y lo que es cognoscible. En esencia, se trata de la naturaleza,
carcter y las propiedades especficas de la relacin cognoscitiva, as como de las
particularidades de los elementos que intervienen en esta relacin.
La cognicin, el acto de conocer, se define como mediante el conjunto de los procesos
cognitivos, naturales y artificiales, observables. No se reduce al conocimiento, que se define
como el resultado producido por un proceso cognitivo.

Naturalizacin de la epistemologa
La epistemologa tradicional presupona que la tarea de comprender y analizar el
conocimiento humano, en la medida que era una tarea filosfica, poda hacerse de un modo
a priori, ya fuera mediante el anlisis conceptual, lgico o trascendental; sin necesidad, por
tanto, de recurrir a los resultados de la investigacin emprica.
En 1969, en un trabajo del filsofo norteamericano Quine titulado La naturalizacin de la
epistemologa se defiende la tesis de que este modo de proceder era errneo debido al
reconocimiento del fracaso de los intentos de construir un conocimiento seguro (lgicamente
consistente) en base a enunciados observacionales. La ventaja epistmico del programa
reduccionista se basa precisamente en la reduccin de teoras a enunciados
observacionales y su reconstruccin lgica. Sin embargo, la carga terica de estos
enunciados junto con la imposibilidad de una certeza en la induccin aniquila la ventaja
epistmico de una reduccin lgica que ya no es reduccin. Por tanto, Quine defenda que
la epistemologa deba naturalizarse y para ello deba abandonar los procedimientos
especulativos y a priori que la venan caracterizando y pasar a formar parte de las ciencias
empricas; en particular, segn Quine, de la psicologa.
El hilo argumental de Quine toma la siguiente forma:

Una afirmacin sobre el mundo no siempre tiene un fundamento separable propio de


consecuencias empricas.

Por tanto no se puede esperar una reduccin por traduccin de enunciados a


enunciados en forma lgico-matemtica-observacional.

Esta imposibilidad disipa la ventaja que una reconstruccin racional tiene sobre la
psicologa.

Para llegar a la misma construccin final mejor la psicologa que un constructor


artificial.

Quine articula de este modo una transicin del programa epistemolgico tradicional a la
psicologa. La epistemologa pasa a estudiar un fenmeno natural: el sujeto humano fsico.
Esta propuesta de naturalizacin de la epistemologa ha tenido un xito creciente desde
entonces y ha tomado diversas formas. Sin embargo, no todos sus defensores aceptan la
disolucin de la epistemologa en una ciencia emprica, sea la psicologa o cualquier otra.
Para muchos, de lo que se trata es de propiciar un acercamiento entre la epistemologa y las
ciencias empricas, de modo que la epistemologa deje de ser una disciplina con
pretensiones de fundamentacin de la ciencia y pase a ser un campo en el que la
investigacin se produzca tomando como base los resultados de aquellas ciencias que, de
un modo u otro, tienen algo que decir sobre el conocimiento. En todo caso, la corriente a
favor de la naturalizacin de la epistemologa ha tenido el efecto positivo de propiciar un
intenso debate interdisciplinar en el que los filsofos y los cientficos pertenecientes a
distintas disciplinas han participado de manera fructfera.

25

Kim caracteriza la epistemologa tradicional como una empresa normativa centrada en la


justificacin de creencias y en ajustar nuestro conocimiento a esa posible justificacin. La
empresa epistemolgica es normativa por naturaleza ya que justificar es esencialmente
normativo. Para Kim la propuesta de Quine va ms all de abandonar el programa de
derivar con certidumbre el conocimiento de la observacin.
Para Kim esta renuncia a la normatividad es una renuncia al conocimiento mismo ya que el
conocimiento se define como creencia verdadera justificadamente sostenida. En efecto la
descripcin psicolgica propuesta por Quine de cmo el sujeto epistmico produce
enunciados acerca del mundo a partir de los datos de entrada a travs de sus sentidos, es
un proceso descriptivo de causas, que resulta ajeno a la existencia de un proceso
evidencial, justificatorio, en esa relacin de causas. En definitiva, para Kim, el proceso
causal no puede ser un proceso justificativo, y una epistemologa naturalizada deja de ser
epistemologa.
A partir de la dcada de los 80, si bien las obras pioneras puedan datarse mucho antes, este
proceso de naturalizacin de la epistemologa ha tomado dos orientaciones principales, en
modo alguno excluyentes. Por un lado estn los trabajos cuyo punto de partida han sido los
avances recientes de la psicologa cognitiva (estudios empricos sobre razonamiento,
percepcin, clasificacin, etc.) y de las restantes ciencias cognitivas, especialmente la
Inteligencia Artificial. Ronald Giere, Alvin Goldman, Paul Thagard y Paul Churchland son
algunos de los nombres ms destacados en este mbito. Por otro lado estn los trabajos
que recurren a la biologa para indagar las bases evolutivas de las capacidades perceptivas
y cognitivas humanas; y dado que es la teora de la evolucin la que suele utilizarse como
recurso explicativo principal, este enfoque suele denominarse epistemologa evolucionista.
La epistemologa evolucionista parte del convencimiento de que estas capacidades
cognitivas, e incluso muchas de sus estructuras concretas, son el producto de la seleccin
natural. El propio Quine haba sugerido que la teora darvinista de la evolucin era un
elemento imprescindible para dar cuenta del carcter fiable de muchas de nuestras
creencias.
La epistemologa evolucionista ha abordado la tarea de naturalizar la normatividad misma
(algo que salvara, en cierto modo, el programa naturalista de Quine), implcita o
explcitamente, y se ha convertido adems, como hemos indicado anteriormente, en uno de
los exponentes ms importantes de la epistemologa naturalizada.
Es habitual distinguir dos proyectos distintos, aunque a veces defendidos por los mismos
autores, dentro de la epistemologa evolucionista. El primero consistira en utilizar la teora
de la evolucin como una explicacin aplicable analgicamente al cambio de teoras en la
ciencia y, en general, al progreso de nuestros conocimientos. El cambio de teoras
obedecera, segn este enfoque, a un proceso de variacin, seleccin y retencin anlogo
en muchos puntos al cambio evolutivo en los seres vivos. Michael Bradie ha llamado a este
enfoque, que todava no es propiamente un enfoque naturalista, programa de la evolucin
de las teoras o, en siglas, EET; y Michael Ruse lo denomina 'enfoque spenceriano'. Los
representantes ms conocidos seran Karl Popper, Donald Campbell, Konrad Lorenz,
Stephen Toulmin, Nicholas Rescher y David Hull; y entre sus crticos estn Michael Ruse,
Richard Lewontin, Mario Bunge y Paul Thagard. El segundo, ms propiamente naturalista,
pretende comprender desde la aplicacin literal de la teora de la evolucin las
caractersticas de los mecanismos y capacidades cognitivas de los animales y del hombre.
Bradie lo denomina programa de la evolucin de los mecanismos cognitivos o EEM, y para
Ruse es el enfoque darwinista. Tambin se lo denomina en ocasiones 'bioepistemologa'.
Popper, Campbell, Lorenz y Hull, estaran de nuevo entre sus representantes ms
conocidos, a los que habra que aadir a Rupert Riedl, Michael Ruse y Gerhard Vollmer,
entre otros.

26

Qu se puede decir desde la teora de la evolucin acerca de las capacidades cognitivas


humanas? Evidentemente lo que se necesita ante todo es un extenso trabajo emprico que
ample lo poco que sabemos acerca del modo en que evolucionaron nuestros sentidos,
nuestro cerebro o nuestras estructuras cognitivas. Cul es la historia evolutiva de la mente
humana? Qu papel jugaron en dicha evolucin los factores puramente biolgicos
(aumento del tamao del cerebro, cambios en la estructura neuronal) y los factores
culturales (lenguaje, uso de herramientas)? Esta evolucin fue una respuesta adaptativa al
ambiente natural o al ambiente social? Desde un punto de vista evolutivo, es mejor
concebir la mente como una estructura modular, en la que cada mdulo ha evolucionado
independientemente y para propsitos especficos, o como un programa de propsito
general? En otras palabras, Se parece la mente ms a una navaja suiza o a una
computadora? Cules son las diferencias ms importantes entre la mente humana y las
mentes de otros primates superiores? Responder a estas preguntas y a otras similares es la
labor que han emprendido ya algunas disciplinas como la psicologa evolucionista, la
paleoantropologa cognitiva y la neurobiologa. No obstante, desde una perspectiva filosfica
cabe ya replantear cuestiones tradicionales con la esperanza de encontrar nuevas
respuestas a las mismas. Una de ellas, particularmente interesante, es si desde la
suposicin del carcter adaptativo de nuestras capacidades cognitivas, es posible inferir la
fiabilidad general del conocimiento obtenido con ellas.
Si aceptamos estas tesis, su aplicacin habra de extenderse a otras especies animales con
capacidades cognitivas desarrolladas evolutivamente. Cabra defender que ciertos animales
poseen representaciones mentales adecuadas de su entorno, aunque, al igual que las de los
seres humanos, esto sea siempre dentro de unos lmites impuestos por las caractersticas
de sus sistemas sensoriales y neurolgicos. As, por ejemplo, un pollo puede reconocer
objetos que estn parcialmente ocultos, y hay fuertes indicios de que un chimpanc puede
reconocer su imagen en un espejo. En tal sentido, se ha dicho que la epistemologa
evolucionista representa un giro copernicano en la epistemologa, pues desplaza al hombre
del centro del universo en lo que se refiere a su capacidad para obtener conocimiento del
entorno. Puede que en el caso de los humanos sus recursos cognitivos estn ms
desarrollados o sean ms complejos que en otras especies, pero no hacen del hombre un
caso aparte. En esto, la epistemologa evolucionista no hace ms que profundizar el giro
iniciado por Darwin.
Sin embargo, una cosa es mostrar que nuestras capacidades cognitivas existen porque
aumentan nuestra eficacia biolgica y otra muy distinta mostrar que aumentan nuestra
eficacia biolgica porque ofrecen un conocimiento que se corresponde con el modo en que
la realidad es en s misma. Cabe poner en tela de juicio que sea necesario postular un
conocimiento de este tipo para explicar el valor adaptativo de nuestras capacidades
cognitivas. En efecto, la utilidad de stas para aumentar nuestra eficacia biolgica es
compatible con la posesin de representaciones ampliamente distorsionadas, y en
ocasiones claramente errneas, de la realidad.
La epistemologa evolucionista s parece suficiente para apoyar un realismo ontolgico
bsico, es decir, para apoyar la tesis de que existe un mundo que, al menos en algunas de
sus caractersticas, es independiente de cualquier acto de conocimiento. El realismo
ontolgico es la afirmacin principal que hay detrs del realismo hipottico asumido desde
bases evolucionistas por Konrad Lorenz (1973) y Donald Campbell (1974). La defensa del
realismo ontolgico vendra a decir ms o menos lo siguiente: Aceptar el hecho evolutivo de
la adaptacin, en este caso de la adaptacin de nuestras capacidades cognitivas, exige
reconocer un medio externo al que ha de adaptarse el organismo. El mundo no puede ser
un producto de nuestras capacidades cognitivas puesto que stas han surgido como
resultado de una adaptacin al mundo. Podra aadirse incluso que para que haya sido
posible la evolucin, ese mundo real e independiente ha de poseer un orden previo.
Campbell califica este realismo de hipottico porque la existencia de la realidad
independiente se presupone, no se justifica. Simplemente sin ella carecera de sentido la

27

mera posibilidad de la evolucin biolgica y de su estudio; no podramos hablar, como de


hecho hace el naturalista, de la relacin entre las capacidades cognitivas de un animal y el
medio ambiente que ste trata de conocer.
Aclaremos que el realismo ontolgico sustentado en la epistemologa evolucionista no tiene
por qu identificarse aunque algunos realistas lo hagan con la postulacin de una
realidad noumnica y, por tanto, permanentemente inaccesible; ni tampoco con la
postulacin de un mundo pre-fabricado, como el que Putnam rechaza. Para la explicacin
evolucionista de nuestras capacidades cognitivas basta con la afirmacin de que stas son
el producto de un mundo al que ellas mismas pertenecen y cuya existencia no puede
obviamente depender de la existencia de tales capacidades. Pero esto no tiene por qu
llevar a concebir nuestras capacidades cognitivas como algo meramente pasivo frente a un
mundo exterior. La relacin causal entre el mundo y la mente puede tener una doble
direccin, tal como seala Putnam. Dicho de otro modo, no es necesario suponer que el
mundo lleva las etiquetas puestas o que est compuesto por objetos autoidentificantes. Ms
bien hay razones para pensar que nuestros esquemas conceptuales que son constructor
humanos tienen un papel crucial en la determinacin de la estructura final de la realidad.
La existencia independiente del mundo de la que habla el realista ontolgico no exige
tambin una independencia conceptual del mundo. En tal sentido, el realismo podra ser
compatible con cierta relatividad de la estructura ontolgica del mundo con respecto a
nuestros sistemas conceptuales, sin caer por ello en el idealismo conceptual y sin renunciar
al realismo epistemolgico en el sentido en que lo hemos definido.
Habra que concluir entonces que la epistemologa evolucionista apoya un realismo
ontolgico bsico, aunque ste es poco interesante desde el punto de vista del debate
actual acerca del realismo. Se tratara de una tesis aceptable para instrumentalistas,
neopragmatistas moderados, realistas internos, empiristas constructivos, relativistas, e
incluso idealistas trascendentales y constructivistas sociales. En suma, algo que con algn
que otro matiz aclaratorio en lo que respecta al alcance del trmino 'independiente' es
compatible con casi todas las formas recientes del antirrealismo.
Veamos, para terminar, las principales crticas realizadas contra la epistemologa
evolucionista:
a. No es propiamente epistemologa, ya que tiene un carcter descriptivo y no
normativo, es decir, no sirve para justificar nuestros conocimientos, ni para
establecer criterios de acuerdo con los cuales poder juzgar si son o no correctos.
b. Se basa en un argumento circular, ya que para establecer la fiabilidad de nuestro
conocimiento presupone que la ciencia, y en particular la teora de la evolucin, es
fiable. Por tanto, no puede establecer legtimamente la fiabilidad de nuestros
conocimientos ya que la da por sentada desde el principio, al menos en lo que a la
ciencia se refiere.
c. No ha ofrecido hasta el momento resultados concretos, lo que la reduce a un nivel
puramente programtico.
En cuanto a la primera crtica, no tiene por qu aceptarse que la epistemologa
evolucionista, as como cualquier otra forma de epistemologa naturalizada, no pueda servir
como base para justificar la fiabilidad de ciertos procedimientos cognitivos o de ciertas
creencias. Todo lo contrario, el carcter normativo de la epistemologa debera aprovecharse
en la actualidad de los conocimientos empricos proporcionados por la ciencia. Debemos
utilizar lo que sabemos empricamente acerca de qu funciona mejor a la hora de obtener
conocimientos fiables para proponer normas o criterios que favorezcan esas estrategias que
han mostrado su funcionalidad. Cuanto mejores hiptesis cientficas tengamos sobre el
conocimiento, mejores normas epistmicas podremos obtener, ya que sern ms eficientes
para la consecucin de los objetivos cognitivos pertinentes, y ms realistas. As, el estudio

28

cientfico de las capacidades cognitivas humanas y del modo en que stas actan puede
servir para formar una mejor imagen de qu debe considerarse un buen conocimiento y para
sugerir, all donde sea posible, cmo mejorar la obtencin de los mismos. Dicho estudio
permitira, por ejemplo, no dar por buenas normas epistmicas que impliquen ir ms all de
lo permitido por esas capacidades.
Pero esto lleva entonces a la segunda acusacin: Cmo puede pretender evaluar la validez
del conocimiento humano una disciplina que se basa en la ciencia y, por tanto, da por
sentada dicha validez, al menos en lo que a la ciencia se refiere? Como respuesta a esta
objecin, cabe en primer lugar negar la viabilidad de la posicin fundacionalista desde la que
se formula: no es posible acercarse al conocimiento desde cero, sin presuponer al menos la
validez de ciertos conocimientos. O dicho de otra manera, es imposible encontrar una
respuesta capaz de refutar por completo al escptico. Por otra parte, puede argirse que
hay circularidad en la posicin que venimos comentando, pero sta no es viciosa. Habra
circularidad viciosa si se pretendiera que el nico fundamento para juzgar la validez de
nuestro conocimiento proviene de los resultados que pueda proporcionar la ciencia, pero no
la habra si lo nico que se pretendiera fuera que dichos resultados pueden arrojar luz sobre
los criterios en los que basamos nuestra evaluacin de los conocimientos, aunque dichos
criterios se aceptaran tambin por otras razones. Podra afirmarse incluso que la circularidad
de la epistemologa evolucionista es virtuosa, ms que viciosa, ya que se tratara de un
fructfero ciclo de feedback que dara lugar a una espiral de correccin mutua: la
epistemologa evolucionista nos ayudara a mejorar nuestros conocimientos empricos y
stos nos ayudaran a mejorar la epistemologa.
Finalmente, en cuanto a la tercera crtica, puede responderse que, en efecto, como lo
muestra su incapacidad actual para terciar significativamente en el debate sobre el realismo,
la epistemologa evolucionista tiene por el momento un carcter puramente programtico.
Sin embargo, no parece descabellado apostar por ella como un enfoque merecedor de
atencin y desarrollo, y ello por dos razones principales: 1) est basada en la mejor
explicacin que tenemos de cmo pueden surgir estructuras complejas (como la mente y las
capacidades cognitivas) desde presupuestos puramente naturalistas; y 2) como seal
Kuhn, en un principio los mritos de un nuevo enfoque terico se han de medir por la
promesa de xito ms que por los resultados concretos obtenidos, y la epistemologa
evolucionista es muy prometedora en este sentido.

Pensando en el Infinito
Hagamos un recordatorio de nuestros conocimientos bsicos de matemticas. Recordemos
como demostrbamos que una serie infinita converga mediante el uso de procesos finitos.
Esta misma idea de nuestro problema puede ser extrapolada para intentar explicar nuestro
modelo mental, pues nuestro cerebro es capaz de producir el infinito de un modo explcito
an siendo este un rgano con caractersticas finitas. En otras palabras, nuestra mente
simula procesos infinitos mediante una serie de procesos finitos. La cuestin es: cmo
realizamos este proceso?. Las ideas son bien dispares: vimos en el apartado 2 como 2
personas tienen visiones opuestas dentro del mismo tema: schurzborv piensa que la
respuesta no tiene solucin inmediata, Peirce piensa que es incluso ms fcil pensar en un
concepto infinito que en uno que no. Qu piensas t? Recuerdo cuando en clase se
planteaba si, al viajar en el cosmos, nos encontrramos con un ser capaz de entender un
irracional (raz de 2, por ejemplo) como nosotros entendemos un natural. Sera esto
posible? Ya se ve que, segn convicciones, el resultado cambia radicalmente. Es lo bello de
la filosofa.

29