Clasificación de las áreas de la función ejecutiva (Memoria Funcional, el pensamiento

flexible y el control inhibitorio).

Las tres áreas de la función ejecutiva

De acuerdo con muchos expertos, las cinco habilidades del funcionamiento ejecutivo
mencionadas arriba encajan en estos tres conceptos:

1. Memoria funcional

Qué es: La capacidad de retener información en la mente y después utilizarla de alguna

manera.

Ejemplo: Un trabajador podría utilizar esta habilidad para retener la información

necesaria para trabajar en un proyecto grande, como una presentación o reporte.

2. Flexibilidad cognitiva (pensamiento flexible)

Qué es: La capacidad de pensar acerca de algo en más de una manera.

Ejemplo: Un estudiante podría utilizar esta habilidad para resolver un problema de

matemáticas de dos maneras o para encontrar relaciones entre conceptos diferentes.

3. Control inhibitorio (incluye el autocontrol)

Qué es: La capacidad de ignorar distracciones y resistir tentaciones.

Ejemplo: Un niño podría utilizar esta habilidad para evitar responder sin pensar en la clase
o para permanecer sentado hasta terminar de cenar. El control inhibitorio evita también
que las personas actúen de manera impulsiva.

Habilidades relacionadas con la función ejecutiva

Estas son otras habilidades que podrían ser difíciles para las personas que tienen
problemas con el funcionamiento ejecutivo.
Reflexionar: La reflexión es un proceso que permite a las personas detenerse y pensar
antes de reaccionar a algo. Esta habilidad es clave para resolver problemas, y mejora con
la práctica

Velocidad de procesamiento: Las personas necesitan realizar el proceso de reflexión

rápidamente para poder resolver los problemas a tiempo. Aquí es donde entra en juego la
velocidad de procesamiento. Algunos expertos consideran esta habilidad como el motor
que impulsa el uso de las habilidades de la función ejecutiva para resolver problemas y
alcanzar metas.

Puntos clave

 Las tres áreas de la función ejecutiva son la memoria funcional, la flexibilidad

cognitiva y el control inhibitorio.

 Las habilidades de la función ejecutiva permiten a las personas pensar antes de

actuar y considerar las consecuencias.

 La velocidad de procesamiento afecta qué tan bien las personas pueden utilizar las
habilidades de la función ejecutiva.
Un modelo de red neuronal de conflicto en el procesamiento

Los modelos de redes neuronales se originaron con el trabajo de McCulloch y Pitts (1943).
Estos autores describieron un modelo que consistió en usar unidades que compartieran
características con las neuronas biológicas. Por ejemplo, una neurona puede recibir una
cierta cantidad de entradas excitatorias y una cierta cantidad de entradas inhibitorias. La
actividad de la neurona, que debe mantener un estado binario (dispara o no dispara), está
determinada por la suma de estas entradas. Si la suma de las entradas excitatorias excede
un umbral, Φ, la unidad dispara.

Esta función de activación se conoce como función de transferencia de escalón o de

umbral y se describirá en la siguiente sección. En el modelo de McCulloch y Pitts (MMP), si
al menos una entrada inhibitoria tiene un valor de activación de 1, la unidad no dispara.
Otra característica importante de las redes neuronales conforme al MMP fue que la
estructura de la red no cambiaba con el tiempo.

En un ejemplo sencillo de este tipo de red, podría suponerse que se requiere que la red
resuelva la función lógica AND. Para realizar esta función se necesitan al menos dos
unidades de entrada y una unidad de salida. Con este ejemplo, únicamente cuando
cambie el estado de ambas entradas, la neurona emite un disparo. Esta función podría ser
útil para reconocer y clasificar objetos con base en dos características.

Una red neuronal es un modelo simplificado que emula el modo en que el cerebro
humano procesa la información: Funciona simultaneando un número elevado de unidades
de procesamiento interconectadas que parecen versiones abstractas de neuronas. Las
unidades de procesamiento se organizan en capas.

Las redes neuronales son un modelo para encontrar esa combinación de parámetros y
aplicarla al mismo tiempo. En el lenguaje propio, encontrar la combinación que mejor se
ajusta es "entrenar" la red neuronal. Una red ya entrenada se puede usar luego para hacer
predicciones o clasificaciones, es decir, para "aplicar" la combinación.