Está en la página 1de 12

Sntesis del captulo 5 Los enfoques dinmicos. El conexionismo y los sistemas evolutivos dinmicos 1.

Introduccin
En este captulo se abordan dos nuevas tendencias terico-metodolgicas que tratan de superar las limitaciones de los enfoques clsicos: Piaget, Vygotsky y el computacionalismo clsico. Estas dos nuevas concepciones sobre el desarrollo son el conexionismo y los sistemas dinmicos. Ambas concepciones tratan de superar las simplificaciones de las concepciones clsicas y dar cuenta de la complejidad del desarrollo. El conexionismo es un enfoque computacional que sustituye el modelo del ordenador por el modelo del cerebro; por su parte los sistemas dinmicos son una concepcin de base matemtica que permite abordar el estudio del cambio no lineal en sistemas complejos, como el desarrollo. Ambos enfoques, conexionismo y sistemas dinmicos son enfoques dinmicos.

2. El enfoque conexionista
Un lugar comn en la descripcin de los modelos conexionistas es presentarlos como una sustitucin de la metfora del ordenador por la metfora del cerebro. Sin embargo, esta afirmacin puede llevarnos a una simplificacin, por lo que conviene matizarla. Tanto los modelos computacionales clsicos como los modelos conexionistas son herederos directos de la tesis de Turing. La diferencia bsica entre ambos est en los elementos arquitectnicos bsicos: los modelos clsicos se basan en las reglas de produccin y una memoria operativa, mientras que los modelos conexionistas han adoptado un nuevo marco inspirado en algunos de los cmputos elementales del cerebro. Los modelos conexionistas comparten cuatro principios sencillos: a) la operacin computacional bsica del cerebro implica a una neurona que transmite informacin relativa a la suma de seales recibidas de otras neuronas; b) el aprendizaje cambia la fuerza de las conexiones entre neuronas y de esta forma la influencia que unas tienen sobre otras; c) los procesos cognitivos implican que la computacin est esencialmente ejecutada en paralelo por una gran cantidad de neuronas; y d) la informacin est distribuida a travs de muchas neuronas y muchas conexiones que configuran redes neuronales. A partir de un conjunto de elementos bsicos y comunes (vase el Cuadro 5.1.), se pueden realizar numerosas y variadas simulaciones de diferentes procesos cognitivos.

Tesis de Turing. Segn este matemtico britnico, la esencia del pensamiento humano est en su capacidad para manipular smbolos. De acuerdo con ello sostena que una mquina que tuviera esta misma facultad podra considerarse igualmente con capacidad para pensar. A partir de esta tesis, Turing (1912-1954) desarroll los fundamentos de la computacin, precisando las reglas y conceptos tericos de base para construir una mquina de clculo universal (maquina de Turing).

Sntesis del Captulo 5: Los enfoques dinmicos. El conexionismo y los sistemas evolutivos dinmicos

Algunos de estos elementos han sido decisivos para explicar el aprendizaje y el desarrollo, y estn permitiendo refundar una concepcin constructivista del desarrollo apoyndose en modelos formales, o dicho de otra forma estn permitiendo repensar el innatismo (Elman, Bates, Johnson, Karmiloff-Smith, Parisi y Plunkett, 1996) o proponer el emergentismo (MacWhinney, 1999). La posicin simblica clsica mantiene la existencia de restricciones en el desarrollo muy fuertes: las restricciones representacionales; es decir, existiran mdulos innatos especializados en el procesamiento de diferentes tipos de informacin. Por el contrario, los modelos conexionistas del desarrollo proponen restricciones innatas ms dbiles que no afectan al nivel representacional, sino que son restricciones arquitectnicas o temporales. Esta posicin est de acuerdo con los datos actuales sobre la plasticidad neuronal, y permite un papel causal al ambiente en la construccin de las representaciones. Adems, hay que resaltar que los modelos conexionistas proponen mecanismos de cambio generales que pueden aplicarse a diferentes dominios. Esto nos acerca a la idea de Karmiloff-Smith (1992/94) que contempla el desarrollo ms como un proceso de modularizacin que como la existencia pre-especificada innatamente de un diseo modular.

Cuadro 5.1. Elementos de un modelo conexionista, segn Rumelhart, Hinton y McClelland (1986/92)

1. Un conjunto de unidades de procesamiento. 2. Un estado de activacin. 3. Una funcin de salida para cada una de las unidades. 4. Un patrn de conexin entre las unidades. 5. Una regla de propagacin para propagar la activacin a travs de la red de conexiones.

6. Una regla de activacin que calcule nuevos niveles de activacin para cada unidad a partir de las entradas que recibe de otras unidades y de su estado previo de activacin. 7. Una regla de aprendizaje para modificar los patrones de conexin entre las unidades como resultado de la experiencia. 8. Un ambiente dentro del que debe operar el sistema.

1.1 Fundamentos computacionales del constructivismo conexionista


Paradoja del aprendizaje. Desde un punto de vista lgico, se considera que es imposible que un sistema de aprendizaje logre inducir (desarrollar) estructuras representacionales ms potentes y complejas partiendo de estructuras de conocimiento ms dbiles y sencillas (Fodor, 1979).

La paradoja del aprendizaje (Fodor, 1979) sostiene que no se puede construir una lgica ms potente a partir de una lgica ms dbil: sencillamente, los elementos constituyentes de la lgica ms dbil, sean como sean combinados, no pueden superar cierta potencia lgica. Segn Fodor, no existen mecanismos de aprendizaje capaces de explicar el origen de las hiptesis o descriptores previos del sistema. Una de las caractersticas ms acusadas de nuestro sistema de procesamiento de informacin es que es activo y selecciona aspectos relevantes del medio y se comporta de acuerdo a esta codificacin. Ahora bien, cmo podran construirse o aprenderse estas hiptesis que

oo

Sntesis del Captulo 5: Los enfoques dinmicos. El conexionismo y los sistemas evolutivos dinmicos

guan al sistema? Para Fodor tales hiptesis, descriptores o restricciones representacionales son innatas. Con respecto al desarrollo cognitivo, segn Fodor, una persona no podra aprender nada ms complejo de aquello que est dentro de sus capacidades innatas; de esta manera, los cambios de estadios descritos por Piaget, o bien ya estaban presentes en la arquitectura inicial del sistema, o habran aparecido como resultado de un programa madurativo controlado genticamente. Esta posicin tan radical tuvo la virtud de sealar qu elementos o mecanismos de aprendizaje seran necesarios para desarrollar una posicin constructivista de carcter computacional 1.2 El algoritmo de retro-propagacin del error Las redes neuronales ordenan la realidad, es decir, son bsicamente sistemas clasificadores de los patrones de entrada que reciben. Gran parte de los diferentes tipos de red existentes son herederos de un diseo basado en la retropropagacin del error. Como puede verse en la Figura 5.1., una red multicapa tiene una capa o estrato de entrada, una de salida y una o ms capas intermedias, conocidas como unidades ocultas. En su diseo ms bsico las capas estn conectadas nicamente con las adyacentes y la seal se propaga hacia adelante desde las unidades de entrada hasta las de salida. Una caracterstica de especial relevancia para el poder computacional de estas redes est relacionada con la funcin de activacin que utilizan las unidades ocultas y las de salida; la ms utilizada es, sin duda, la funcin logstica o sigmoide que puede verse en la ilustracin. El uso de este tipo de funcin es condicin necesaria para que funcione el algoritmo de aprendizaje de retropropagacin del error.

Figura 5.1. Representacin de la arquitectura esquemtica de una red multicapa junto con la funcin sigmoide comnmente utilizada para calcular la activacin de cada unidad.

Sntesis del Captulo 5: Los enfoques dinmicos. El conexionismo y los sistemas evolutivos dinmicos

El desarrollo del algoritmo de aprendizaje supervisado conocido como retropropagacin del error super la limitacin fundamental de las redes neuronales sealada por Minsky y Papert (1969), a saber: las redes conocidas hasta ese momento no podan realizar clasificaciones no-lineales de los patrones de entrada. Pero, cmo funciona el algoritmo? Utiliza la llamada regla delta generalizada. Esta reglas es un procedimiento que permite asignar a cada unidad oculta una medida promedio de su responsabilidad en el error que cometen las unidades de salida a las que estn conectadas. De esta forma, la red ira calculando sucesivos estados, comparando sus respuestas con las respuestas deseadas o seal tutora que supervisa el aprendizaje, algo parecido al juego de fro y caliente. La diferencia entre la respuesta y la seal tutora, esto es, el error, no slo afectara al nivel de unidades de salida sino que sera retro-propagado haca las unidades ocultas. (vase el problema lgico de la Oexcluyente en el Cuadro 5.2.)

Cuadro 5.2. Aprendiendo a cruzar el semforo, una forma de concebir el problema de la O-excluyente.

Todos aprendemos con suma facilidad a cruzar la calle utilizando la informacin que aportan los semforos. Esto es sin duda de un gran valor adaptativo en las ciudades modernas. Los semforos presentan dos tipos de informacin importantes: el color, verde o rojo, y la forma, normalmente una figura humana parada o caminando, en el ejemplo lo representaremos mediante las formas circular y cuadrada. Finalmente, lo que en el semforo desde el punto de vista del peatn significa una cosa, desde el punto de vista de un conductor significa la contraria. En la tabla y la figura adjuntas aparece una representacin lgica y espacial del problema. Al representar el problema en el eje de abscisas y ordenadas vemos que cualquier lnea recta que trazemos no clasifica los colores y formas de manera que garantice que no seremos atropellados.

Las relaciones que garantizan la supervivencia no son lineales, y la dimensin que las clasifica no est directamente presente en la forma en que codificamos la entrada de informacin. Para conseguir clasificar adaptativamente, la red debe crear una dimensin que resulta de la combinacin no lineal de los ejes. Si imaginamos el espacio como una servilleta y tomamos la esquina del cuadrado rojo y la plegamos sobre la del crculo verde podemos comprender geomtricamente cul es el cmputo que hace la red. La nueva dimensin que clasifica las entradas no est ahora directamente representada en la entrada.

R
C o l o r

Semforo

Entrada / Cdigo

Respuesta / Cdigo

coche peatn coche peatn

Crculo Verde Cuadrado Verde Crculo Rojo Cuadrado Rojo

00 10 01 11

no cruzar cruzar cruzar no cruzar

0 1 1 0

Forma

1.3

Simulacin conexionista de los estadios evolutivos

oo

Sntesis del Captulo 5: Los enfoques dinmicos. El conexionismo y los sistemas evolutivos dinmicos

La idea clave en la simulacin de los estadios evolutivos es que estos cambios podran afectar no slo a la dinmica de las representaciones, sino tambin a la dinmica de los propios mecanismos de aprendizaje, es decir, a la potencia o capacidad de un dispositivo para aprender. Estos cambios, adems podran deberse a una relacin sinrgica entre la entrada, los cambios internos y los procesos madurativos. McClelland (1989) abord la simulacin de la clsica tarea de la balanza propuesta por Inhelder y Piaget (1955) a la que nos hemos referido en el captulo anterior con una red multicapa con retropropagacin (vase Figura 5.2). La arquitectura era fija, y del mismo modo se haban prefijado un grupo de unidades para recibir la informacin sobre el peso y otras para recibir la informacin sobre la distancia. Mientras que, como vimos, los modelos basados en reglas de produccin tenan dificultades para explicar la progresiva gradacin del cambio en las codificaciones (vase el Captulo 4), esta simulacin reflejaba cmo el progreso va de una fase inicial en la que el sujeto selecciona o codifica la dimensin ms saliente (el peso), sin considerar en absoluto la otra dimensin (la distancia), hasta sucesivas etapas en las que ambas dimensiones van siendo consideradas en la solucin de la tarea. La red muestra cambios dinmicos en el tipo de representacin que clasifica las entradas combinadas de peso y distancia.
Baja brazo izquierdo Unidades de salida Baja brazo derecho

Unidades ocultas

Unidades de entrada Izquierda Derecha Canal del PESO Izquierda Derecha

Canal de la DISTANCIA

Figura 5.2. Representacin de la red utilizada por McClelland 1989 para abordar el aprendizaje de la tarea de la balanza. Las lneas punteadas indican cuando actan asimilacin y acomodacin. Es importante destacar que en las redes de arquitectura fija la acomodacin slo acta sobre los pesos de conexin.

Acomodacin

Sin embargo, a pesar de que la red mostraba un comportamiento bastante ajustado a las cuatro reglas o modelos propuestos por Siegler (vase el Texto 4.1 en el captulo anterior), esta red de arquitectura fija recibi diversas crticas. En primer lugar, si las dimensiones peso y distancia estaban prefijadas y la arquitectura era fija, entonces no aportaba una solucin a la paradoja del aprendizaje. Los cambios eran slo cambios cuantitativos, es decir, combinaciones ms o menos afortunadas de los descriptores o hiptesis previas del sistema, el peso y la distancia, y, en este sentido, no podan ser interpretados como una solucin que construyese nada nuevo. En segundo

Asimilacin

Sntesis del Captulo 5: Los enfoques dinmicos. El conexionismo y los sistemas evolutivos dinmicos

lugar, result de particular inters que a pesar de la potencia lgica de la red, sta no consegua un ajuste ptimo con las conductas exhibidas por los sujetos. En especial, la simulacin fallaba en el ajuste con el modelo IV propuesto por Siegler (1976) y, adems, no se mostraba capaz de simular los aspectos cualitativos implicados en el modelo III. En concreto, cuando un lado tiene mayor peso y el otro lado tiene mayor distancia, los nios ofrecen respuestas al azar. La respuesta de los modelos conexionistas a estos dos tipos de crticas son las redes constructivistas. Mareschal y Shultz (1996) han propuesto los llamados algoritmos generativos que permiten superar la paradoja del aprendizaje. El algoritmo generativo se aplica en redes con un diseo determinado como las redes de correlacin en cascada y actuara de la siguiente forma. La red partira de una disposicin equivalente a una red bicapa, es decir, no contendra en principio unidades ocultas, slo de entrada y salida. Los procesos de asimilacin estaran representados por situaciones en las cuales la red consigue generalizar una entrada novedosa a un patrn ya existente. Sin embargo, cuando los esquemas previos resulten insuficientes para producir una respuesta adecuada, el algoritmo generativo permite aadir nuevas estructuras, incorporando unidades ocultas, lo que definitivamente cambia el poder representacional de la red, y permite construir un nuevo dispositivo ms competente. La simulacin de Mareschal y Shultz no slo permite superar ya los problemas con la reglas tercera y cuarta sino que no necesita una pre-especificacin de unas unidades dedicadas al peso y otras dedicadas a la distancia; es decir, descubre por s sola cules son las regularidades que son necesarias tener en cuenta para resolver la tarea de la balanza. De acuerdo con este tipo de dispositivos, Quartz (1993) ha desarrollado una respuesta constructivista a la paradoja del aprendizaje. La caracterstica ms significativa de las redes constructivistas es que permiten la adicin de estructuras, es decir de nuevas unidades. Estas adiciones no se realizan de forma trivial o azarosa, sino ajustndose a las demandas del ambiente. La red contiene un mecanismo que le permite aadir nuevas unidades ocultas para enfrentarse a las demandas cambiantes y cada vez ms exigentes del medio. As, estas redes permiten una explicacin del desarrollo plenamente interactiva, dado que tanto su competencia lgica, como su topologa final sern una consecuencia directa de la interaccin de la red con el ambiente. En definitiva, estas redes aportan una medida cuantitativa del progresivo incremento del poder computacional del sistema de procesamiento: el nmero de unidades ocultas. Las soluciones aportadas por las redes constructivistas posibilitan una nueva forma de concebir la explicacin del desarrollo. El crecimiento paulatino de la competencia de la red surge del intento de dar una solucin eficaz a las mltiples situaciones y fuentes de variacin a las que se enfrenta el nio, sin contar con representaciones innatas pre-especificadas. De esta manera, las redes constructivistas pueden proporcionarnos nuevas hiptesis sobre los diversos tipos de cambios y su aparicin en el curso del desarrollo; es decir, sobre la naturaleza misma del desarrollo. Adems, debe destacarse que el progresivo incremento del poder computacional que exhiben las redes constructivistas puede ser el resultado tanto de factores ambientales como de procesos madurativos que interactuaran sinrgicamente en el proceso de

oo

Sntesis del Captulo 5: Los enfoques dinmicos. El conexionismo y los sistemas evolutivos dinmicos

desarrollo. Lo atractivo de este nuevo marco es que permite modelar fenmenos cuantitativos de cambio en nuestros conocimientos, a la vez que fenmenos cualitativos de cambio en los mecanismos de aprendizaje.

3. La perspectiva de los sistemas evolutivos dinmicos


Como acabamos de ver, la investigacin actual en Psicologa Evolutiva se caracteriza por una activa bsqueda de nuevas formas de representar y analizar el cambio, basadas en el reconocimiento explcito de que el desarrollo evolutivo no se ajusta a patrones de crecimiento simples y lineales, sino que conlleva un proceso complejo, diverso, multiforme y dinmico. De acuerdo con esta idea, se estn proponiendo nuevos planteamientos terico-metodolgicos que sostienen que lo que caracteriza los fenmenos estudiados no es tanto la regularidad y el orden de los procesos involucrados sino ms bien todo lo contrario: la complejidad y el caos. As, bajo esta nueva perspectiva, se han promovido nuevas formas de analizar los procesos de cambio y de desarrollo sobre la base de concepciones que toman como referencia los denominados sistemas dinmicos auto-organizados (Fogel, Lira y Valsiner, 1997). 3.1 Estabilidad y cambio en la teora de los sistemas dinmicos En vez de centrarse realmente en los factores y procesos generadores de los cambios, los estudios evolutivos tradicionales han tratado de identificar lo que resultaba estable y universal en el desarrollo. As, los mtodos utilizados suelen caracterizarse por su empeo en minimizar la variabilidad, creando una imagen ilusoria de regularidad y linealidad en el desarrollo. En contraste, las nuevas propuestas formuladas desde la perspectiva dinmica, no slo reconocen la importancia de la variabilidad inter e intraindividual, sino que la convierten en el objetivo central de su anlisis, considerndola como expresin del autntico curso del desarrollo, generalmente complejo y no lineal. De la misma manera, frente al modelo tradicional de cambios sistemticos y en direccin usualmente creciente, se asumen mltiples modelos de cambio, en los que el crecimiento o desarrollo posible no slo se entiende en trminos de incrementos o decrementos lineales, sino tambin bajo patrones dinmicos complejos que admiten oscilaciones y fluctuaciones de diverso tipo. Finalmente, en la misma lnea, la naturaleza sistemtica del desarrollo no se describe en referencia a reglas simples que predicen una pauta uniforme de crecimiento, sino en funcin de una ecuacin o conjunto de ecuaciones relacionadas relativa a los conceptos tericos y que predicen, no una curva, sino familias de curvas frecuentemente irregulares y con diversas formas. (Fischer y Kenneddy, 1997; Thelen y Smith, 1994, 1998; van Geert, 1994). En realidad, se trata de una amplia perspectiva terica que recupera una lnea de pensamiento con gran tradicin en la Fsica o la Biologa, basada en la llamada Teora de los Sistemas Dinmicos. En la Psicologa Evolutiva, su objetivo es estudiar los procesos de cambio y de desarrollo como resultado emergente del funcionamiento interactivo y dinmico de sistemas complejos; es decir, de la evolucin no lineal de sistemas abiertos que interactan con su medio ambiente. En este sentido, la Teora de los Sistemas

Sntesis del Captulo 5: Los enfoques dinmicos. El conexionismo y los sistemas evolutivos dinmicos

Dinmicos ha de considerarse como una especial herramienta terica y metodolgica que proporciona principios generales para conceptualizar y formalizar las complejas interrelaciones entre los componentes de cualquier sistema, desde la perspectiva de su evolucin temporal. Desde un punto de vista tcnico, la etiqueta de sistemas dinmicos se refiere a una cierta clase de ecuaciones matemticas que describen formalmente el comportamiento y la evolucin de sistemas con determinadas propiedades. 3.2 El desarrollo como sistema dinmico Una propiedad esencial atribuida a los organismos vivos en tanto que sistemas dinmicos complejos, a travs de la cual se da respuesta al problema evolutivo bsico de explicar cmo se produce en el desarrollo la creacin de la novedad consiste en considerarlos como sistemas auto-organizados; es decir, es el propio funcionamiento del sistema el que genera sus nuevos estados. En la misma lnea, una segunda premisa clave es que tal funcionamiento auto-organizado slo puede entenderse en referencia a las complejas interacciones que se establecen tanto internamente entre las partes y componentes del propio sistema como en su relacin con el medio externo (vase Figura 5.3). De esta manera, pues, el comportamiento del sistema y su desarrollo se conciben como propiedades emergentes del sistema en su conjunto y no en relacin con ninguno de sus componentes en particular. Este es un punto crucial, ya que supone un rotundo rechazo a la idea de un desarrollo evolutivo guiado, ya sea bajo un programa prefigurado genticamente (predeterminacin) o bajo la direccin de alguna fuerza teleolgica (finalismo), sustituyndola por una concepcin ms bien epigentica: ... la estructura y el orden emergen a partir de las interacciones de un sistema complejo sin instrucciones explcitas, ni desde dentro del organismo, ni desde el medio. (Thelen y Smith, 1998, p. 564; la traduccin es nuestra). En otras palabras, el desarrollo se concibe como un proceso continuo, abierto e irreversible que no requiere instrucciones previas; las nuevas propiedades emergen de forma espontnea a partir de las reorganizaciones que tienen lugar como consecuencia del continuo intercambio que se produce entre el sistema y su medio ambiente. En este sentido, pues, puede decirse que el enfoque dinmico supone una concepcin netamente emergentista y epigentica del desarrollo. En un sistema dinmico los valores que pueden tomar sus parmetros de funcionamiento definen un conjunto amplio de posibles estados (espacio de estados). Sin embargo, en condiciones normales el sistema manifiesta mayor afinidad por unos estados que por otros, en el sentido de que espontneamente converge hacia ellos en el tiempo; dicho en otros trminos, el sistema se inclina hacia (prefiere) ciertos estados a los que tiende a regresar con cierta probabilidad cuando es perturbado y desplazado de los mismos; de ah que se denominen estados atractores.

Estados atractores. En un sistema dinmico los valores que pueden tomar sus parmetros de funcionamiento (vase parmetros de orden y parmetros de control) definen un conjunto amplio de posibles estados (espacio de estados). Sin embargo, en condiciones normales el sistema manifiesta mayor afinidad por unos estados que por otros, en el sentido de que espontneamente converge hacia ellos en el tiempo; dicho en otros trminos, el sistema se inclina hacia (prefiere) ciertos estados a los que tiende a regresar con cierta probabilidad cuando es perturbado y desplazado de los mismos; de ah que se denominen estados atractores. No obstante, bajo determinados influjos internos o externos el sistema tambin tiende a evolucionar a travs de formas inestables, alcanzando eventualmente nuevos estados de equilibrio, esto es, nuevos estados atractores.

oo

Sntesis del Captulo 5: Los enfoques dinmicos. El conexionismo y los sistemas evolutivos dinmicos

SISTEMA
FUNCIN

Nuevas propiedades estabilidad Perturbacin externa Fluctuaciones internas

inestabilidad

Ruptura del equilibrio

Figura 5.3. Ilustracin del funcionamiento interactivo y autoorganizado de un sistema dinmico. Una funcin de intercambio estable se vuelve inestable a partir de las perturbaciones externas y las fluctuaciones internas. Eventualmente esta inestabilidad puede aumentar hasta romperse el equilibrio, lo que puede hacer emerger nuevas propiedades funcionales (basada en Hopkins & Batterworth, 1997).

Desde la perspectiva dinmica, el desarrollo puede verse simplemente como una secuencia reiterativa de cambios que implican la alternancia entre configuraciones estables y periodos intermedios inestables o de transicin, esto es, fases de cambio nolineal. Lo interesante de este modo de funcionamiento de los sistemas no-lineales es que a travs de esta dinmica fluctuante y probabilstica se generan nuevos patrones de organizacin interna y de intercambio con el medio; lo que implica, en ltima instancia, una evolucin hacia mayores niveles de complejidad y organizacin. En conclusin, la esencia del desarrollo como sistema dinmico est en que se trata de un conjunto de procesos que se van construyendo y articulando a s mismos en distintos niveles de organizacin y a travs del tiempo; lo que, posiblemente, queda bien recogido en unos pocos conceptos bsicos: complejidad, autoorganizacin, emergencia, y no-linealidad. 3.3 Desarrollo cognitivo y sistemas dinmicos Como acabamos de ver, la perspectiva de los sistemas dinmicos, ms que una teora especfica, constituye un modo de pensar acerca de los fenmenos del desarrollo; y en este sentido, ofrece un marco conceptual slido, con elaboradas formalizaciones que se concretan en modelos matemticos. Sin embargo, por su alto nivel de abstraccin, estas formalizaciones podran quedar en un mero ejercicio especulativo si no se conectan con una teora psicolgica y evolutiva que les de contenido y la posibilidad de ser contrastadas empricamente. Ciertamente, en este sentido ya se han producido

Fases de cambio no-lineal. Las perturbaciones que ponen en marcha las transiciones o cambios de estado de organizacin de un sistema dinmico, pueden tener un origen tanto interno como externo ya que, en contraste con los sistemas lineales (que mantienen un equilibrio homeosttico), los sistemas no lineales son de carcter abierto, esto es, mantienen un rico intercambio con el medio ambiente, de modo que sus componentes pueden reorganizarse libremente mediante reconfiguracions globales no necesariamente proporcionales. En trminos dinmicos, este proceso de transformacin se describe como una fase de cambio no-lineal (tambin denominado, bifurcacin), que sera el que subyace a todas las transiciones evolutivas.

10

Sntesis del Captulo 5: Los enfoques dinmicos. El conexionismo y los sistemas evolutivos dinmicos

aportaciones de gran inters (vanse p. ej., Fischer y Rose, 1994; Lyra and Winegar, 1997; Thelen y Smith, 1994, 1998; van der Maas y Molenaar, 1992; van Geert, 1994, 1997, 1997b), las cuales, en efecto, combinan el examen terico del desarrollo evolutivo con nuevos modelos matemticos y nuevas herramientas estadsticas para el anlisis de las curvas evolutivas empricas, sobre la base de modelos dinmicos. En principio, esta visin dinmica del desarrollo, que prima sus caractersticas "emergentes" y "epigenticas, resulta afn, con diversos matices, tanto a las concepciones contextualistas y socioculturales, como a aquellas propuestas interaccionistas que se centran ms en el individuo como son las de tradicin piagetiana. De hecho, Fischer y Bidell (1998; vase captulo anterior) han realizado recientemente una propuesta que presentan expresamente como un nuevo estructuralismo de carcter decididamente dinmico. En esta lnea se ha revisado incluso la propia teora piagetiana de estadios sobre el desarrollo cognitivo reinterpretando y rehabilitando su capacidad explicativa. Un autor de obligada mencin es van Geert (1991, 1993, 1994), quien como metfora del desarrollo utiliza la referencia a un ecosistema: un sistema ecolgico vivo complejo que alberga mltiples susbsistemas y en cuya evolucin intervienen influencias tanto internas (crecimiento y relaciones entre las distintas especies) como externas (colonizaciones desde otros ecosistemas). As, la idea central de su propuesta es que el desarrollo cognitivo, como en el caso de los ecosistemas, va surgiendo como producto continuo de un proceso complejo en el que entran en relacin mltiples componentes y en funcin tanto de los crecimientos individuales (subsistemas) como de los cambios en el medio ambiente (social y cultural). En este marco van Geert utiliza un modelo matemtico relativamente sencillo que, sin embargo, le ha permitido describir los complejas pautas que se observan en los cambios cognitivos (ha modelado, por ejemplo, la evolucin del lxico). La conveniencia de asociar la variabilidad con los propios procesos de desarrollo ha sido resaltada por Thelen Smith (1997). Para esta autora el conocimiento debe entenderse ms como un proceso que como un estado; es decir, no como un conjunto de estructuras estables y prefijadas, sino como un potencial que se va realizando en el mismo momento de la ejecucin y, por tanto, de forma variable en funcin de los contextos especficos. En realidad, las nuevas metforas del desarrollo que invocan sistemas dinmicos complejos y no-lineales lo que pretenden es desplazar o sustituir a la metfora por excelencia en la imperante tradicin cognitivista: la metfora computacional que, indudablemente, subyace en la mayor parte de los estudios que se han realizado en las ltimas dcadas sobre la cognicin y su desarrollo. En efecto, es la visin computacional de la mente esto es, interpretada como un conjunto de dispositivos que permiten procesar la informacin a travs de una serie de fases y operaciones la que impone y justifica la bsqueda de esas estructuras formales estables, universales y atemporales que supuestamente reflejan las verdaderas competencias del individuo; y que, por tanto, hay que descubrir ms all de los detalles cambiantes de cada ejecucin. Desde la perspectiva dinmica, aunque se reconoce la utilidad de este tipo de metfora en el estudio de la cognicin, se la considera inadecuada para abordar la investigacin del desarrollo, en la

oo

Sntesis del Captulo 5: Los enfoques dinmicos. El conexionismo y los sistemas evolutivos dinmicos

11

medida en que se entiende como algo no sujeto a programacin alguna y donde la cuestin clave es el origen del orden (Thelen y Smith, 1998). Ahora bien, como hemos visto anteriormente dentro del propio enfoque computacional, el conexionismo sostiene que el aprendizaje y el desarrollo dependen tanto del estado interno del sistema como de las condiciones externas del ambiente; y en este sentido, por tanto, se adscriben de forma explcita a la posicin interaccionista propia de la perspectiva dinmica. Lo que pretenden precisamente los modelos conexionistas es mostrar cmo la conducta compleja emerge de sistemas computacionales que manejan informacin local y cmo pueden aprender de la experiencia sobre la base de unos pocos aunque potentes algoritmos. De hecho, como tambin hemos podido apreciar, aunque el conexionismo mantiene sin reservas sus referencias mecanicistas, en la prctica ha venido a revitalizar las posiciones constructivistas sobre el origen y evolucin del conocimiento.

4. Resumen y conclusiones
En este captulo hemos tratado de presentar las perspectivas terico-metodolgicas ms actuales en Psicologa Evolutiva y, en particular, en el campo del Desarrollo Cognitivo. Como hemos visto, las nuevas tendencias se caracterizan fundamentalmente por abordar el estudio del desarrollo a partir de una referencia comn: lo interpretan como un sistema dinmico, esto es, como una sucesin de cambios que emergen de la interaccin que el sistema mantiene con su medio, mediada por su capacidad de autoorganizacin, lo que necesariamente produce pautas de evolucin no lineales. Esta es la esencia conceptual del enfoque dinmico, cuya principal consecuencia estriba en la eliminacin de toda idea de pre-determinacin o finalismo en el desarrollo, y en la negacin la necesidad de apelar a ninguna entidad controladora independiente (ni en los genes ni en el ambiente). En su lugar, viene a recuperar en cierto modo las clsicas ideas epigenticas de los embrilogos, que ya a mediados del siglo XIX comenzaban a utilizar los sistemas dinmicos cmo metfora de referencia para analizar el desarrollo. De hecho, esta nocin de epignesis supone la primera superacin razonable de la cuestin herencia-medio. En esta lnea, como hemos reiterado, el enfoque dinmico supone una concepcin evolutiva netamente emergentista y epigentica: la conducta tiene lugar en un medio interno y externo en continuo cambio de ah que resulte compleja y variable, pero dentro de procesos de auto-organizacin y auto-regulacin que emanan espontneamente tanto desde dentro del propio organismo como de la interaccin con su medio ambiente. La otra consecuencia clave de este nuevo marco de anlisis, es que reclama la necesidad o al menos la conveniencia de asociar la variabilidad con los propios procesos de desarrollo; lo que como veamos supone rechazar de plano las visiones clsicas de la estabilidad y el cambio en el desarrollo. En este sentido, desde la perspectiva dinmica tambin se critica la visin meramente computacionalista de la conducta. Sin embargo, es importante recordar que la propia corriente computacional ha venido a converger de forma natural con la perspectiva dinmica a travs de su ms reciente desarrollo: el conexionismo. A fin de cuentas, como argumentbamos

12

Sntesis del Captulo 5: Los enfoques dinmicos. El conexionismo y los sistemas evolutivos dinmicos

anteriormente, las redes neuronales no son ms que una clase especial de sistemas dinmicos y, de hecho, los tericos conexionistas frecuentemente utilizan en sus planteamientos el lenguaje y las formalizaciones de la teora de los sistemas dinmicos. En consecuencia, parece claro que por su propia naturaleza, el conexionismo se ajusta particularmente bien a esa visin del desarrollo en trminos de sistemas dinmicos no lineales; y en concreto, se muestra especialmente capaz de generar y contrastar, a travs de un elaborado aparato matemtico y computacional, mltiples modelos de cambio en un amplio rango de complejidad y variabilidad. En definitiva, pues, puede decirse que las posibilidades conceptuales y metodolgicas del conexionismo resultan particularmente afines a los nuevos planteamientos sobre el cambio y el desarrollo que se estn promoviendo desde la moderna perspectiva de los sistemas dinmicos. Por tanto, estos dos acercamientos pueden considerarse sin ambages como marcos terico-metodolgicos complementarios en el objetivo cientfico comn de conseguir mejores niveles de descripcin y explicacin del desarrollo cognitivo. En este sentido, si ya en s mismos han mostrado un enorme potencial para la formulacin de modelos ms ajustados y plausibles, sin duda la coordinacin explcita y deliberada de ambas perspectivas abre un futuro aun ms prometedor.

oo