El conexionismo es un conjunto de enfoques en los mbitos de la inteligencia artificial,

psicologa cognitiva, ciencia cognitiva, neurociencia y filosofa de la mente, que presenta

los fenmenos de la mente y del comportamiento como procesos que emergen de redes
formadas por unidades sencillas interconectadas. Hay muchas formas de conexionismo,
pero las formas ms comunes son los modelos de redes neuronales.
Principios bsicos
El principio central del conexionismo es que los fenmenos mentales pueden ser descritos
por redes de unidades sencillas y frecuentemente iguales que se interconectan. La forma
de las conexiones y de las unidades vara de un modelo a otro. Por ejemplo, las unidades
de la red podran representar neuronas y las conexiones podran representar sinapsis.
Otro modelo podra hacer cada unidad de la red una palabra, y cada conexin una
indicacin de similitud semntica

En psicologa llamamos conexionismo al paradigma que utiliza redes neuronales para

comprender y explicar la vida psquica y la conducta. Las redes neuronales son conjuntos
de unidades interconectadas masivamente capaces de procesar y almacenar informacin
mediante la modificacin de sus estados. Aunque la siguiente afirmacin exigira
importantes precisiones, en general se puede decir que el psiclogo conexionista
considera que ha explicado un fenmeno psicolgico (el reconocimiento de formas, la
produccin de lenguaje, la memoria, ...) cuando el modelo neuronal que construye se
comporta del mismo modo que los seres humanos cuando realizan la misma tarea. No
hay que olvidar que el conexionismo participa de una idea comn con la psicologa
cognitiva clsica: para la psicologa cognitiva (tanto la clsica como el conexionismo) la
mente es un sistema capaz de procesar informacin, un sistema capaz de recibir
seales de entrada, almacenar informacin y provocar informacin de salida a partir la
informacin de entrada, la informacin almacenada y los mecanismos de cmputo. Dada
esta suposicin de que los fenmenos mentales y la conducta son consecuencia de
elementos internos al sujeto, el conexionismo considera adecuada la explicacin cuando
la red que construye es capaz de realizar, a partir del vector de entrada, los distintos
cmputos que provocan el vector de salida deseado.
Los elementos caractersticos presentes en la mayora de los modelos conexionistas son
los siguientes:
1. La red es un conjunto de unidades de procesamiento (neuronas) muy
simples.
2. Dichas unidades interactan entre s mediante las conexiones que los
asocian.
3. Los estmulos que afectan a las unidades de entrada se expresan
en trminos cuantitativos.

4. Toda unidad de la red viene definida por un nivel de activacin expresado

de forma cuantitativa.
5. Toda conexin viene caracterizada por un valor de fuerza del trazo o peso
de la conexin, tambin expresado de forma cuantitativa.
6. El procesamiento y almacenamiento de la informacin se realiza
de forma paralela y distribuida.
7. Existen reglas o funciones que computan la informacin en distintos
niveles del procesamiento (para la modificacin del nivel de activacin a
partir de las entradas, para la produccin de la salida a partir del nivel de
activacin, ...).
8. Existen reglas o funciones de aprendizaje que le permiten a la red
modificar los pesos de las conexiones para acomodar de modo cada vez
ms perfecto la informacin de entrada a la salida requerida.
9. La funcin de cada unidad es simplemente realizar clculos con las
entradas que reciben y producir la informacin que envan a las unidades
con las que estn conectadas.
10. Las seales de salida que emite la red se expresan en trminos
cuantitativos.
11. Dado que toda la actividad de la red no es otra cosa que clculos o
transformaciones de nmeros, se puede afirmar que en realidad la red
neural es un dispositivo para computar una funcin, un sistema capaz
de transformar la informacin de entrada en informacin de salida. La
funcin presente en la red y que realiza el computo es bsicamente
el patrn o conjunto de pesos sinpticos de las unidades.