EL CONEXIONISMO La psicología cognitiva acabó ofreciendo explicaciones con un lenguaje casi filosófico y centrándose en el estudio de los programas de ordenador

creados por la Inteligencia Artificial. Inteligencia Artificial: Concepto: quiere crear máquinas y programas para estas máquinas con la que puedan reproducir la conducta inteligente (razonamiento, lenguaje, solución de problemas, toma de decisiones,...). Diferencia fundamental entre Psicología Cognitiva e Inteligencia Artificial: • • Psicología Cognitiva: trata de descubrir los verdaderos procesos que sigue la mente humana cuando procesa la información (el “software de nuestra mente”). I.A.: pretende que las máquinas se comporten de manera inteligente, aunque a la base de dicho comportamiento la máquina siga unos procesos distintos a los humanos.

Como consecuencia de esta tendencia formalista, desde los años ochenta algunos autores han propuesto un nuevo enfoque, el conexionista. En algunas tareas el ordenador es más rápido que el hombre en el procesamiento de la información; sin embargo hay otras, más complejas, en las que el cerebro humano emplea menos tiempo que el ordenador: por ejemplo, en el juego del ajedrez los hombres no tienen en cuenta muchos movimientos posibles de las piezas y se centran en un grupo muy reducido de jugadas; por su parte, el ordenador evalúa un número muy elevado de posibilidades que el cerebro humano descarta. Los psicólogos quieren comprender en base a qué, cómo, el ser humano realiza con más eficacia que el ordenador tareas complejas, y para resolver estas cuestiones el conexionismo ofrece un modelo en el queexisten un elevado número de unidades elementales que computan según un determinado modo de conexionarse. Frente a este punto de vista, la psicología cognitiva anterior creía en la existencia demacroestructuras que almacenan mucha información simbólica sobre las que actúa una unidad central de procesamiento aplicando un cierto número de reglas (modelo de ordenador de Von Neumann). Rasgos de los modelos conexionistas: 1. Computación en paralelo realizada por muchos elementos simples. 2. Las redes conexionistas suelen estar formadas por dos capas: • • La capa de entrada (aunque en el libro no aparece este título), formada por unidades que reciben los datos de entrada, “unidades input”. La capa de salida (aunque en el libro no aparece este título), formada por unidades que ofrecen los datos de salida del sistema o red, “unidades output”.

3. En los modelos más recientes se añade una capa intermedia con unidades de conexión entre las anteriores, “unidades ocultas”. 4. Cada elemento computa teniendo en cuenta: • • • Un valor numérico de activación que cada uno tiene asignado. Los valores de los elementos con los que están conectados. La fuerza de la conexión o peso numérico entre la unidad y las unidades con las que se relaciona. Las conexiones con peso positivo se llaman “excitatorias” y las de pesos negativos “inhibitorias” (al modo en que las redes neurales del cerebro tienen conexiones excitatorias e inhibitorias).

5. El flujo de la computación en las redes conexionistas comienza con la entrada de información en la red representada en términos cuantitativos; las unidades de entrada toman esos datos numéricos y realizan cálculos sobre ellos dando lugar a otros números. A su vez, estos números son computados por otras unidades siguiendo fórmulas matemáticas o algoritmos de distintos tipos, y atendiendo a si las conexiones son inhibitorias (peso negativo para los cálculos) o excitatorias (peso positivo para los cálculos); este proceso se sigue hasta que las unidades de salida “producen” a su vez otros números, que son los datos de salida. De nuevo, pues, la información, en la salida, está representada cuantitativamente.

Características definitorias Objeto de estudio: • Estudio de las unidades de procesamiento. Rechazo de la conciencia como fenómeno explicativo. bastaría al principio “entrenar a la red” consiguiendo que empareje adecuadamente distintas muestras de input-output. Dada la importancia que en las redes conexionistas se le otorga a los pesos o fuerzas de las conexiones. . utilización de la simulación por ordenador. y quieren dar cuenta de los supuestos cálculos que nuestra mente realiza con la información de entrada para convertirla en distintos tipos de información de salida.1. aunque aún esté muy lejos de alcanzar una buena plausibilidad fisiológica. sin embargo. Rechazo del innatismo de reglas y estructuras: en el caso del conexionismo al señalar que los patrones de activación se adquieren por asociación. no fisiológicas. reacción frente a) al conductismo • los conductistas rechazaron lo mental. por lo que hay que interpretarlas como teorías psicológicas. son modelos del sistema nervioso.2. el conexionismo no rechazan los procesos mentales sino la conciencia como elemento explicativo. la acción del sistema no depende de reglas sino de cálculos estadísticos. b) Del cognitivismo • • utilización de modelos como elemento metodológico explicativo (pero sin olvidar la experimentación). y ello en función de algoritmos y de las fuerzas de las conexionesentre unidades (que equivaldrían a los programas en un ordenador convencional). el conexionismo no.Como se puede apreciar. en los modelos conexionistas la computación consiste en transformar los patrones input de actividad en patrones output. por ejemplo. 3. ¿Cómo surge el conexionismo? Influencias positivas recibidas a) Del conductismo • • • • El aprendizaje siempre requiere la interacción adaptativa con el medio ambiente. El aprendizaje se produce por al repetición exitosa de los pesos de conexión. con la publicación por parte de Rumelhart y McClelland del libro “Procesamiento Paralelo Distribuido: Investigaciones de las microestructuras de la Cognición”. al emplear palabras tan relacionadas con el cerebro. El cognitivismo carecía de plausibilidad fisiológica (el ordenador no es un buen modelo del cerebro). pueden aprender por sí mismas. la función de reconocer patrones. Influencias de carácter negativo. Podría parecer que los modelos conexionistas. Este enfoque empieza a tener una fuerte presencia en las ciencias cognitivas a partir de 1986. Smolensky señala también que estas redes o esquemas conexionistas tienen la capacidad de programarse a sí mismas. Esto quiere decir que si una red conexionista tiene. 3. la red habría modificando sus pesos y con ello podría emparejar bien entradas hasta entonces no presentadas con las salidas correspondientes. b) al cognitivismo • • el cognitivismo era innatista. se suele indicar que en dichas redes el conocimiento se codifica de forma abstracta en dichos pesos. el conexionismo sigue un modelo del cerebro. muchos modelos conexionistas se presentan únicamente como modelos computacionales.

Puede ayudar al avance de modelos de computación neural. No poseen suficiente evidencia empírica.• Estudio del almacenamiento de la información mediante los pesos de las fuerzas de conexión Método: modelo cerebro. pesos que no tienen información simbólica sino que son meras señales de activación e inhibición. • • • • • • Sin embargo Smolensky también afirma respecto del enfoque conexionista: • • • • Puede enriquecer la teoría de la ciencia cognitiva. No está claro que sean modelos que reproduzcan realmente la ejecución cognitiva humana. El aprendizaje no es otra cosa que la modificación de los pesos de conexión y el establecimiento de nuevas conexiones.3. y procesamiento localista y secuencial). Es dudoso que los seres humanos aprendamos como supuestamente aprenden los modelos conexionistas. en analogía con el cerebro. al desarrollo de nuevos computadores analógicos paralelos y a una nueva teoría de la computación analógica paralela. o Acción de todo el sistema. y paralelo (frente al cognitivismo. La información no se almacena de forma simbólica o representacional. . con las siguientes características: • • • Procesamiento distribuido (información distribuida) en gran número de unidades de procesamiento. El procesamiento no es otra cosa que combinaciones estadísticas de la activación (frente al cognitivismo que lo entiende como comparación de símbolos y en operación lógicas). Tampoco parece que los modelos sean capaces de ir más allá de las tareas para las que han sido específicamente diseñados (problema de la generalización). sino como pesos de las fuerzas de conexión. Puntos débiles • • Los modelos conexionistas no tienen suficiente plausibilidad fisiológica. • • Organismo: activo. No está claro si los modelos conexionistas pueden ofrecer computaciones adecuadas para ejecutar tareas cognitivas de alto nivel. Puede ayudar a construir un modelo de la ejecución cognitiva humana de tareas de nivel superior. que suponía grandes estructuras. El modo de activación es: o Excitación e inhibición de cada unidad. Explicaciones que parecen caer en un círculo vicioso: o ¿Qué conexión tiene más peso?: la que lleva a la acción o ¿Cómo se produce la acción?: debido a las conexiones de mayor peso. Tampoco está claro que sirvan para ser modelos de la computación neural puesto que en los modelos conexionistas no se reproducen propiedades neurales importantes. 3. Puede establecer puentes entre la ciencia y la filosofía de la mente y ayudarnos a comprender mejor el problema mente/cuerpo.

Sign up to vote on this title
UsefulNot useful