Está en la página 1de 14

III ENCUENTRO VIRTUAL DE DOCENTES

CON EXPERIENCIAS DE AULAS DE


INNOVACIONES PEDAGOGICAS 2013
MEGATENDENCIAS EN
EDUCACIN
PONENCIA:
EL CONEXIONISMO
Fundamentos, principios y aplicacin
en Educacin
Mag. Luis Fernando Ramrez Glvez

CONEXIONISMO
Elconexionismoes un conjunto de
enfoques en los mbitos de lainteligencia
artificial,psicologa cognitiva,ciencia
cognitiva,neurocienciayfilosofa de la
mente. Presentes en los fenmenos de
lamentey delcomportamientocomo
procesos neuronales.

PRINCIPIOS BSICOS
El principio central del conexionismo son los
fenmenos mentales. La forma de las conexiones y de
las unidades vara de un modelo a otro. Por ejemplo,
las unidades de la red podran representarneuronasy
las conexiones podran representarsinapsis.

Sinapsis. Proceso de interconexin entre neuronas.

Propagacin de Activacin
En la mayora de los modelos conexionistas de las
redes cambian con el tiempo. Un aspecto
estrechamente relacionado y muy comn de los
modelos conexionistas es laactivacin: Por
ejemplo, laprobabilidadde que la neurona genere
un pico o emociones como potencial de accin.

Realismo Biolgico
La rama de las redes neuronales del
conexionismo sugiere que el estudio de la
actividad mental es en realidad el estudio de los
sistemas neurales. Esto enlaza el conexionismo
con la neurociencia y el sistema biolgico.

Aprendizaje
Los conexionistas por lo
general subrayan la
importancia del aprendizaje
en sus modelos. El
aprendizaje siempre implica
la modificacin de los
procesos de conexin:
Ejemplo: El uso de
frmulas matemticas para
obtener un conjunto de
datos.

Historia
Las bases de las ideas conexionistas se pueden
remontar a finales del siglo XIX, cuandoSantiago
Ramn y Cajalestablecieron las bases para los
estudios de redes neuronales, cuando describieron la
estructura de las neuronas y su forma de interconexin
en el cerebro humano.

Procesamiento Distribuido en Paralelo


El enfoque conexionista que prevalece hoy en da fue
originalmente conocido como procesamiento
distribuido en paralelo (PDP) .

Aspectos principales:
Un conjunto deunidades de procesamiento: representadas
por unconjuntode nmeros enteros.
Unaactivacinpara cada unidad: representada por un vector
defuncionesdependientes del tiempo.
Unafuncin de activacinpara cada unidad: representada
por un vector de funciones de activacin.
Unpatrn de conectividadentre las unidades: representada
por una matriz de nmeros reales y actividad lingstica.
Unaregla de propagacinque extienda las activaciones a
travs de las conexiones, representada por conjuntos reales.
Unaregla de activacin: representada por una funcin de
activacin actual y de propagacin.
Unaregla de aprendizajepara modificar las conexiones,
basada en la experiencia vivida.

Primeros Trabajos
Races directas del PDP fueron las teoras
delperceptrnde investigadores comoFrank
Rosenblatten la dcada de 1950 y 1960. Pero los modelos
perceptrn se hicieron muy impopulares a raz del
libroPerceptrons.
Este libro mostraba los lmites de la clase de funciones
que los perceptrones pueden calcular, demostrando que
incluso las funciones simples, como el exclusivono
pueden ser manejadas correctamente. Los libros sobre
PDP superaron esta limitacin, al mostrar que las redes
neuronales multi-capa y no lineales son mucho ms
robustas y pueden utilizarse para una amplia gama de
funciones.

Conexionismo aparte de PDP


Aunque el PDP es la forma dominante de conexionismo,
hay otro tipo de trabajos tericos que tambin deben ser
englobados dentro del conexionismo.
Santiago Ramn y Cajal.Describi la estructura de las
neuronas y su forma de interconexin estableciendo de
esta manera las bases para los estudios de redes
neuronales.
William James. Las teoras psicolgicas basadas en el
conocimiento del cerebro humano .
John Hughlings Jackson.Abog por sistemas distribuidos
en varios niveles de experiencias.
Edward Thorndike.Estaba experimentando con formas de
aprendizaje que postulaban a las unidades lingsticas
respecto al habla.
Friedrich Hayek Propuso que el orden espontneo en
el cerebro era consecuencia de redes descentralizadas

Debate Conexionismo vs.


Inteligencia artificial
convencional
Mientras el conexionismo se haca cada vez ms popular en la
dcada de 1980, hubo una reaccin contraria por parte de
algunos investigadores, incluyendo aJerry Fodor,Steven Pinkery
otros. Argumentaban que el conexionismo tal y como se estaba
desarrollando corra el peligro de olvidar lo que ellos vean como
los progresos realizados por el enfoque clsico de lainteligencia
artificialen los campos de la ciencia cognitiva y la psicologa.
La inteligencia artificial convencional argumenta que la
mente opera mediante la realizacin de operaciones simblicas
puramente formales, como unamquina de Turing. Algunos
investigadores sealaron que la tendencia hacia el conexionismo
era un error, ya que significaba una reversin hacia
elasociacionismoy el abandono de la idea de unlenguaje del
pensamiento.

E l debate sobre si las redes conexionistas eran


capaces de producir la estructura sintctica
observada en razonamientos de tipo lgico fue
tardo y el hecho de que los procedimientos
utilizados eran muy improbables en el cerebro
hizo que la controversia persistiera.
Hoy en da los avances y aplicaciones de
la neurofisiologa y de la comprensin de
las redes neuronales han llevado a la
elaboracin de modelos que han tenido xito en
la superacin de gran nmero de aquellos
primeros problemas. Para los neurocientficos la
cuestin fundamental sobre el conocimiento se
ha inclinado a favor del conexionismo. Sin
embargo, este desarrollo relativamente , an no
han alcanzado un consenso aceptable entre