INSTITUTO UNIVERSITARIO DE TECNOLOGA

JUAN PABLO PREZ ALFONZO

IUTEPAL SEDE VALENCIA

Integrante:
Yesenia Montilla
C.I.: 21.461.143

Valencia, Febrero de 2015

EL CONEXIONISMO

El conexionismo tambin es conocido como procesamiento distribuido en

paralelo (PDP) y est siendo empleado no solo para dar una explicacin del
funcionamiento de la cognicin humana, sino que tambin est siendo una manera
muy prometedora de solucionar problemas para los desarrolladores de sistemas de
inteligencia artificial.

En este sentido, se pretende desvelar cul es la esencia de los modelos de

procesamiento distribuido en paralelo, sus caractersticas, algunas redes, sus
aplicaciones, sus relaciones con el sistema nervioso, y en definitiva, tratar de desvelar
lo atractivo de esta nueva forma de entender la ciencia cognitiva en general, diferente
a los modelos simblicos tradicionales.

La psicologa cognitiva tiene una historia muy reciente, aunque sus primeras
propuestas se encuentran a finales de la dcada de los 40 y principios de los 50, no es
hasta los aos 60 cuando realmente se empieza a extender por el mundo entero.
El inmediato antecesor de la psicologa cognitiva, el conductismo, fue hasta ese
momento el mayor esfuerzo por conseguir de la disciplina psicolgica una ciencia.
Sin embargo en conductismo tropez con varios problemas muy graves, donde los
ms significativos fueron:

1. El conductismo es una ciencia sin sujeto, es decir, lo nico importante es la

estimulacin ambiental, las conductas que son reforzadas, el ambiente en el que
vive el sujeto, por tanto todos los sujetos en esencia pueden ser considerados
iguales, la diferencias genticas o carecen de importancia o son ignoradas.
2. El conductismo tambin rechaza la mente (o cognicin), por lo que todo se
reduce a un conjunto de estmulos y respuestas que operan mecnicamente. El
conductismo estudia la conducta para explicar la conducta.

En los aos 60 los dos argumentos fundamentales del conductismo, el

ambientalismo y el organismo vaco comienzan a entrar en decadencia. La etologa,
la neurociencia, los desarrollos de la propia psicologa van a propiciar una vuelta a los
antiguos temas de la psicologa mentalista pero con una perspectiva metodolgica
nueva. Nace as la psicologa cognitiva con el objeto de estudiar la mente mirando la
conducta.

La psicologa cognitiva no solo difiere del mentalismo en el mtodo, que es

conocido como conductismo metodolgico, segn el cual la investigacin psicolgica
debe descansar en la observacin y experimentacin de la conducta. Tambin difiere
en el concepto de mente, que ahora es considerada con un sistema capaz de
manipular informacin. Cuando naci la psicologa cognitiva esta solo se ocupaba de
los estados informacionales, o sea, de la dimensin intelectual, por tanto aspectos
como la motivacin y emocin quedaba fuera de su espacio de estudio, ya que no
supona un estado informacional nuevo.

En este modo de ver la cognicin influyeron tanto las ideas filosficas

racionalistas, que consideraban que la mente hacia una representacin del mundo
siguiendo unas reglas, como las tecnolgicas, en concreto el ordenador de Von
Neumann, que operaba mediante un procedimiento serial (los ordenadores actuales) y
cada una de sus diferentes partes tenan atribuidas funciones concretas.

Pero en 1986 D. E. Rumelhart y J. L. McClelland publican la obra

Procesamiento Distribuido en Paralelo surgiendo as una nueva forma de entender
la cognicin, el conexionismo, al que algunos ya han denominado un nuevo
paradigma en psicologa, consideracin esta ltima que veremos ms detalladamente.
Entre la psicologa cognitiva clsica y el conexionismo o procesamiento distribuido
en paralelo hay similitudes y diferencias que se puede resumir en:

1. Computacin.- para ambos modelos tericos la computacin en el ncleo central

de ambas teoras, sin embargo cada uno concibe la computacin de maneras
muy distintas:
a.

Para la psicologa cognitiva clsica la computacin se realiza mediante la

aplicacin de un conjunto de reglas a entidades situadas al nivel de la
psicologa

popular

(creencias

deseos

bsicamente).

Para

el

conexionismo la computacin se realiza entre las unidades de una red en

funcin de sus pesos de conexin.
b.

Para las dos es adecuado el uso de la simulacin por ordenador, pero para
la psicologa cognitiva clsica la simulacin se realiza a modo de un
ordenador serial, mientras que para los conexionistas la arquitectura del
ordenador es semejante el cerebro.

c.

La psicologa cognitiva clsica propone la lgica y las reglas de tipo

sintctico y semntico como ocurre en los programas de inteligencia
artificial. En el conexionismo el clculo se lleva a cabo mediante
procedimientos estadsticos.

2. Objetivos.- Para la psicologa cognitiva clsica el objetivo es descubrir las

reglas, elementos y estructuras bsicas que rigen el procesamiento humano. Para
el conexionismo es el descubrimiento de redes adecuadas de simulacin y reglas
de aprendizaje eficientes.
3. Aprendizaje.- La psicologa cognitiva clsica se mantiene en posturas innatistas
y rechaza explcitamente el asociacionismo, mientras que el conexionismo en
cierto sentido es una forma de asociacionismo y mantiene la idea de mente
como una tabula rasa en la que el ambiente va modelando los pesos de
conexin de la red. Para algunos estas diferencias separan al conexionismo de la
psicologa cognitiva y lo aproximan al conductismo, dado que este defiende
asociacionismo y ambientalismo.

Caractersticas Generales de los Modelos Conexionistas

Algunos prefieren llamar al conexionismo neoconexionismo, para diferenciarlo

de aquella forma de conexionismo que propuso Alexander Bain en la segunda mitad
del siglo XIX, autor que tambin destaco la importancia de las conexiones entre
neuronas y la investigacin y experimentacin fisiolgica. El conexionismo tambin
es conocido como procesamiento distribuido en paralelo o PDP.

En inteligencia artificial los mtodos de computacin basados en redes neurales

se encuentran en un campo de computacin que prescinde del enfoque algortmico
tradicional y toma como modelo los sistemas biolgicos. Esta nueva forma de
computacin incluye entre otras:

1.

La lgica borrosa

2.

Las redes neuronales

3.

Razonamiento aproximado

Y recibe los nombres de computacin cognitiva, computacin del mundo real o

computacin soft, para distinguirlo del enfoque algortmico tradicional o
computacin hard. En psicologa llamamos conexionismo al paradigma que utiliza
redes neuronales para comprender y explica la vida psquica y la conducta.

Las redes neuronales son conjunto de unidades interconectadas masivamente

capaces de procesar y almacenar informacin mediante la modificacin de sus
estados. Aunque con matices, un psiclogo conexionista considera un fenmeno
psicolgico explicado cuando el modelo neuronal que construye se comporta del
mismo modo que cuando los seres humanos realizan esa misma tarea.

Elementos

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.

Tipos de Conexionismo

Hay dos grandes tipos de redes conexionistas: Las denominadas localistas

poseen estructuras cuyos nodos representan entidades o conceptos y las conexiones
entre nodos trazan nexos entre ellos. Como en el paradigma clsico, cada nodo
representa una entidad o propiedad concreta. La diferencia estriba en que los nodos
pueden estar activados en distinto grado y transmiten parte de esa activacin a sus
nodos conexos, los cuales suman la activacin recibida, agregando as la evidencia
proveniente de distintas fuentes.

Implementacin de las Redes Neuronales.

Las redes neuronales suelen implantarse en ordenadores convencionales, es

decir, de arquitectura Von Neumann, pero las maquinas ms adecuadas son las que
reproducen en su arquitectura la propia arquitectura de la red. Las maquinas ms
conocidas son los neurocomputadores y los neurochips.

1. Neurocomputadores.- constan de un conjunto de procesadores conectados entre

si que operan concurrentemente. Ejemplos de ellos son el MARK IV y el
ANZA Plus
2. Neurochips.- en este caso las redes neuronales se implementan un uno o varios
circuitos

integrados

neurocomputadores,

especficos.
pero

su

Soportan

velocidad

es

menos

neuronas

que

los

muy

superior,

pues

las

interconexiones entre neuronas se encuentras dentro del propio chip. Un

ejemplo de estas es el chip N64 de Intel.
3. Neurocomputadores de propsito especial.- las maquinas anteriores son de
propsito general, pero tambin hay maquinas para implementar modelos
especficos de redes neuronales.

Campos de Aplicacin de las Redes Neuronales.

La mayora de los modelos existentes tienen que ver con el reconocimiento de

patrones: busca patrones, clasificar patrones, reconstruir patrones... Algunas redes
trabajan sobre datos sensoriales mientras que otras sobre datos introducidos por el
usuario.

Los campos de aplicacin se encuentran fundamente en la psicologa y en la

inteligencia artificial, aunque tambin encontramos ejemplos en la biologa.

Diferencias entre el Conexionismo y los Modelos Cognitivos Tradiciones.

Existen importantes diferencias entre la psicologa cognitiva clsica y el

conexionismo, ahora examinaremos algunas de ellas.

Inspiracin neurofisiolgica: La psicologa cognitiva no daba importancia a la base

orgnica de la vida mental, es ms, desde las tesis funcionalistas (base de la
psicologa cognitiva clsica) se consideraba que los procesos mentales podan ser
comprendidos sin que para ello fuese precisa la realizacin de los modelos en un
sistema fsico. El conexionismo por el contra toma el cerebro como modelo de
procesamiento, por lo que de esta manera el conexionismo se aproxima a la biologa.
Se ha pasado pues de la metfora del ordenador de la psicologa cognitiva clsica a la
metfora del cerebro en el conexionismo.

Con el conexionismo la inteligencia artificial, la psicologa y la biologa se

convierten en disciplinas cada vez ms cercanas, lo cual es interesante desde el punto
de vista de la unidad en las ciencias. El conexionismo no pretende ser una teora
biolgica, sino una teora psicolgica inspirada biolgicamente.

Las unidades bsicas del sistema nervioso son las neuronas, estas se conectan
entre si formando redes extraordinariamente complejas donde cada neurona toma una
seal y sobre ella devuelve o no una seal de salida a la neurona siguiente con que se
encuentra conectada. Se produce as un procesamiento paralelo, porque las diferentes
neuronas reciben seales de manera simultnea, y distribuido por que el resultado del
procesamiento no dependen de la seal emitida por una neurona, sino de un gran
conjunto de ellas.

En las neuronas cabe destacar las siguientes partes fundamentales:

1. Cuerpo celular o soma.- su funcin es recibir la seal y determinar si se

produce o no una salida o respuesta hacia las dems neuronas de la red.
2. Axn.- su funcin es transmitir la seal a las dems neuronas cuando as lo ha
determinado el soma.
3. Dendritas.- es el punto por el cual las neuronas reciben las seales de las
dems neuronas.

Para que la transmisin de la seal, que es un impulso elctrico, se de es preciso

que el axn y las dendritas de las neuronas se conecten, esta conexin se lleva a cabo
mediante la liberacin de una sustancia conocida como neurotransmisor. As
podemos encontrar puntos comunes entre el funcionamiento del sistema nervioso y
las redes conexionistas:

1. Los neurotransmisores pueden ser excitadores o inhibidores, de tal forma que

para conocer la respuesta de una neurona es preciso conocer la suma del total
de impulsos recibidos.
2. Para que la neurona enve una respuesta a las siguientes es preciso que se
supere un determinado umbral de impulso elctrico, de este modo la respuesta
de la neurona es siempre una respuesta de todo o nada.

Como hemos visto las redes conexionistas tratan de replicar algunos aspectos
muy importantes del sistema nervioso, no obstante no se preocupan por reproducir
otros, como por ejemplo:

1. Las redes conexionistas diseadas hasta ahora constan como mucho de varias
centenas de unidades y varios miles de conexiones, mientras que el sistema
nervioso consta de aproximadamente 1011 neuronas y 1015 interconexiones.
3. En las redes conexionistas el peso de las conexiones se establece inicialmente
de manera aleatoria y se modifica por aprendizaje por lo que prima el
ambientalismo frente a los componentes innatos. Por tanto la estructura y
organizacin del sistema nervioso parece no tener mayor importancia.
4. En el sistema nervioso el aprendizaje da lugar a modificaciones en la fuerza de
conexin entre las neuronas, pero tambin da lugar al establecimiento de nuevas
conexiones. En los modelos conexionistas solo se modifica l fuerza de
conexin.