1

Universidad de Chile
Facultad de Filosofa y Humanidades
Centro de Estudios Cognitivos
Profesores: Guido Vallejos y Rodrigo Gonzlez
Primer semestre de 2013

Waldo Carvallo Moya

Introduccin a la Ciencia Cognitiva
Primer Temario

1. Exponga las caractersticas que asume el conflicto entre los conductistas y mentalistas (o
cientistas cognitivos), estableciendo lo que estos ltimos rechazan y acogen de los conductistas.

Tal problemtica la podemos entender si aplicamos la nocin de paradigma de Kuhn, la cual nos lleva
al planteamiento del avance de las ciencias en la generacin de conocimiento y la manera como unas
van quedando relegadas por no cubrir en sus estudios algunas interrogantes que efectivamente son
resueltas por avances posteriores. Para el caso de los conductistas versus mentalistas podemos argir en
torno a la pregunta: Qu elemento es confiable en un estudio psicolgico? En el primer caso
encontraremos la conducta que, bajo su tradicin, situada en Estados Unidos entre los aos 1920 a 1950
aproximadamente, el ser humano responde a estmulos del ambiente y elabora respuestas, no habra
procesos mentales, solo respuestas. En este sentido sus lineamientos experimentalmente controlados y
observables dejan de lado toda posibilidad a lo mental (recordemos esto como la razn de su
prominencia durante varias dcadas en relacin a los estudios anteriores que privilegiaban la
introspeccin como mtodo de investigacin) considerndolos a su vez el procedimiento confiable por
excelencia.

Si revisamos a Bechtel (1998) en su trabajo The life of cognitive science es posible destacar que el
conductismo trata de descubrir las regularidades en el estudio del comportamiento, por lo que el aporte
de John Watson en 1913, considerado por algunos el primer conductista, es clave para entender los
postulados de este nuevo paradigma, en trminos de Kuhn, dado que la psicologa no es cientfica por
que no experimenta observablemente era solo introspeccin, no es confiable. Sumado a lo anterior, el
conductismo fue la mezcla del Darwinismo (funcionalismo en psicologa) y el anti introspeccionismo.

Otros de los principios del conductismo fue tener como motor de la conducta lo que est fuera del
individuo, por lo que su mtodo objetivo de investigacin est de acuerdo a la determinacin del medio
y los eventos conductuales que se desprenden de l. Segn esta idea, nosotros seramos una tbula rasa
la que poco a poco se ira llenando por medio de mecanismos asociativos de recompensa y castigo. Sin
embargo, la ruptura de este modelo nos hace recordar otro al que el conductismo le debe su rebelda,
que fue el de los estudios psicolgicos basados en la introspeccin, la reflexin de un sujeto experto
acerca de sus procesos de pensamiento. En virtud de este concepto es que el conductismo se propone

2

reemplazar, predecir y, bajo cierta perspectiva, controlar la conducta, ya que no es confiable el anterior
mtodo.
Siguiendo esta misma lnea, podemos observar que la preocupacin de los procesos internos es bastante
antigua y se vio puesta en segundo lugar durante la supremaca de esta corriente; fue esta misma
preocupacin la que renacer durante la dcada de 1950 entrando en un acalorado debate con
inquietudes que van desde el procesamiento del lenguaje al de la informacin. Estas nuevas ideas
fueron tomando fuerza junto a la teora de la comunicacin, los desarrollos en lingstica y el rea de la
ciberntica (de la cual posteriormente se sirven los mentalistas en su vertiente de inteligencia artificial).
De esta manera, el conductismo se volva insuficiente ante cuestionamientos tales como: -la
experiencia introspectiva de sujetos que no se reflejaban en comportamientos-, -las diferencias
psicolgicas que pudiera existir entre personas que mostraran el mismo comportamiento-, y lo ms
importante, la adquisicin del lenguaje. Esta ltima complicacin, junto al desarrollo del enfoque del
procesamiento de la informacin funciona como escenario para el nacimiento de la ciencia cognitiva.

Esta nueva rea de investigacin, rechaza la posibilidad de que la adquisicin del lenguaje quede
relegada solamente a la recepcin de estmulos, esto no explica, bajo ningn punto de vista la
creatividad del lenguaje, la posibilidad de crear oraciones infinitas con un nmero limitado de temes
lxicos para lo que, bajo el prisma conductista, se necesitara de infinitos estmulos. Quien recupera al
lenguaje como factor causal de la conducta, y por ende la relacin con la mente, fue Noam Chomsky
con su propuesta de una nueva gramtica (1957). Segn este estudio, no sera posible adquirir una
lengua solo con estmulos externos (desarrollada aos antes tambin por el lingista Leonard
Bloomfield), a lo que el autor responde con el rgano del lenguaje, un aparato que se encontrara en la
cabeza del hablante-oyente ideal y que poseera todas las gramticas existentes.

Esta nueva generacin de cientistas cognitivos (cuyo auge se considera desde la dcada de 1950 a
1980), como ya mencionamos, recuperan a la mente como factor causal de la conducta, en donde s
existiran procesos internos y a su vez rechazan el anti mentalismo tan en boga en las dcadas
precedentes. Esta revolucin cognitiva trata de volver a una ciencia emprica a travs de ciencias de
implementacin como las ciencias de la computacin y la neurociencia, en un afn cuantitativo y no tan
solo cualitativo. El rechazo al que nos referimos hay que entenderlo segn estos avances
paradigmticos en donde el:

INTROSPECCIONISMO CONDUCTA MENTE

Juegan un papel fundamental; el primero posiciona a la reflexin interna como mtodo de
investigacin, el conductismo toma esto como poco riguroso y se preocupar de mostrar un resultado
ms robusto a travs de experimentos comprobables, fsicos y que se pueden mostrar pblicamente,
pero la ciencia cognitiva, si bien toma a la conducta, lo hace desde una perspectiva interna, desde los
procesos mentales, eso es lo que toma de ella, mas no aqueja al medio las respuestas que puede dar una
persona. Pero cmo una ciencia como la ciencia cognitiva puede dar fe de sus planteamientos tericos
y metodolgicos si toma la mente como factor causal de la conducta? Esta pregunta enlaza con los
avances ingenieriles en la primera corriente de la ciencia cognitiva: computacional-representacional

3

(procesos internos en dispositivos fsicos ms un programa). El sujeto de la ciencia cognitiva estara
determinado por sus representaciones mentales que van dando sentido al mundo y no al revs, as
mismo el conductista era receptivo por antonomasia, pasando a ser luego un ente que procesa
informacin.

No es un tema menor establecer hasta qu punto logra su autonoma la ciencia cognitiva, teniendo en
cuenta una tendencia tan marcada como fue el conductismo, pero algunas ideas ya podemos resumir.
Cada ciencia necesita validarse a travs de mtodos cientficos fiables de los cuales pueda extraer
lneas de investigacin convincentes; bajo este alero, el conductista propuso la respuesta del ser
humano al medio, y la posibilidad de observarla como su piedra angular, mientras que el cientista
cognitivo toma al mismo individuo y pone el foco desde sus representaciones internas, y busca
validarse a travs de una ciencia de implementacin como la inteligencia artificial, en donde se atribuye
la capacidad de procesar informacin propia del ser humano a una mquina (ver tema 5 respecto a las
arquitecturas cognitivas) pero aun as queda la pregunta por el carcter semntico de dichas
representaciones cmo las adquiere el ser humano?


























4

2. Siguiendo a Von Eckardt explique en qu consiste y cul es el propsito de su caracterizacin
de la ciencia cognitiva en trminos de un marco de supuestos compartidos. (La mencin de los
supuestos puede hacerse solo a modo de ejemplificacin.)

La nocin de un marco de supuestos compartidos la toma de Kuhn con su concepto de comunidad
cientfica (1962), con esto lo que busca, por un lado, es darle coherencia a este tipo de estudios, y por
otro, es reconstruir el marco de investigacin de las ciencias cognitivas el cual sirva como elemento
orientador y unificador de la actividad cientfica para los integrantes de dicha comunidad. A su vez,
este marco de supuestos compartidos es una nocin que se propone como aplicacin transdisciplinar a
las ciencias cognitivas para conducir la bsqueda investigativa. Para ello, busca dar respuesta a la
interrogante por cules son los elementos de anlisis necesarios para una evaluacin de esta ciencia
emergente (entendiendo que se quiere buscar una articulacin robusta a esta multidisciplina como
nueva ciencia, que posteriormente califica como ciencia inmadura)

Como ideas centrales de este marco de supuestos compartidos observamos:
- La unidad de anlisis debe estar libre de dificultades internas como excesiva vaguedad o
inconsistencia.
- La unidad de anlisis debe ser tal que pueda ser adoptada por una comunidad cientfica
inmadura.
- La unidad de anlisis debe ajustar el tipo especfico de explicaciones y teoras encontradas
tpicamente en ciencia cognitiva.
- Una unidad adecuada de anlisis debe ser tal que los supuestos de una comunidad cientfica,
para un marco de supuestos compartidos del tipo propuesto, contribuya en alguna va
significativa a la coherencia de la bsqueda asociada con el marco de supuestos en cuestin.
(Con esto se busca promover que los investigadores en diferentes subdisciplinas de la ciencia cognitiva
conduzcan su investigacin; en definitiva, el cmo ellos se cuestionan y resuelven preguntas sobre
cognicin)
- Una unidad adecuada de anlisis debe identificar aquellas propiedades de un marco de
supuestos compartidos que son normativamente relevantes para evaluar la adecuacin de
marcos.
Este marco, as expuesto, ayuda a sobrellevar los desafos y crticas que se le presentan a la disciplina
de la ciencia cognitiva y, como mencionamos anteriormente, se proyecta como transdisciplinar.
Sin embargo, no hay que perder de vista que la autora centra su estudio en el ANTCOG pero lo
justifica segn la exposicin que hace sobre los marcos de bsqueda subsidiarios, argumentando que el
trabajo sobre el ANTCOG se puede proyectar sobre las ciencias cognitivas.




5

3. Explique en qu consisten y cules son los roles que desempean los supuestos sustantivos
computacional y representacional dentro de su filosofa de la ciencia. En relacin con este
ltimo punto, ponga especial nfasis en su articulacin de las teoras cognitivas y las
modificaciones que esto provoca en la formulacin de las preguntas de investigacin y en los
supuestos metodolgicos.


El supuesto computacional, segn Von Eckardt se caracteriza por no establecer una identidad absoluta
entre el computador y la mente, sino que se constituye como una metfora constitutiva de teoras. El
decir que la mente funciona como un PC no significa necesariamente que sea un PC y debamos
reducir al cerebro a una mera mquina de carne (Carreo, 2010
1
)

El planteamiento de la autora considera que en el humano, la mente/cerebro es un equipo
computacional (metfora del computador); entonces, las capacidades cognitivas humanas consisten por
extensin en un sistema de capacidades computacionales. Se entiende por computador un equipo que es
capaz de ingresar, guardar y manipular automticamente, y liberar informacin en virtud del ingreso,
almacenamiento, manipulacin y liberacin de representaciones de aquella informacin. Esa
informacin procesada ocurre en concordancia con un set de reglas finitas incluidas en la mquina. De
esta manera el supuesto computacional sirve para explicar cmo la mente/cerebro es capaz de procesar
informacin, es decir, que es un sistema formal finito de procesamiento de informacin, que opera en
base a smbolos siguiendo reglas predeterminadas: tal como una mquina de Turing (esto se extrapolar
ms tarde desde la inteligencia artificial como el manejo de smbolos -ver tema 4- y su expresin en
algoritmos).

El otro supuesto trabaja la idea de que la mente/cerebro humana es un equipo representacional,
entonces, las capacidades cognitivas humanas consisten en un sistema de capacidades
representacionales. En este sentido, un equipo con estas caractersticas es un equipo que tiene estados o
que contiene entidades que son representaciones. Esta representacin se describe como un
complemento del supuesto anterior, ya que estas capacidades representacionales permiten describir los
procesos cognitivos sobre smbolos desde una perspectiva formal; pero estas representaciones no son
mera forma sino tambin conllevan un contenido, una intencionalidad. Tanto el manejo computacional
y representacional seran respecto a un smbolo interpretado.

Definir la mente/cerebro a travs de un sistema de computaciones y representaciones (supuestos
sustantivos), lo que sera una modificacin de los supuestos metodolgicos, har que las preguntas
bsicas se reestructuren en funcin del procesamiento de la informacin.


1
REMIS RAMOS CARREO. Ciencia Cognitiva: Un ejemplo de trabajo interdisciplinario. [en lnea]
<http://www.lapetus.uchile.cl/lapetus/archivos/1284495053CFG_CIENCIA_clase_Remis_3.pdf > [consulta : 18
mayo 2013]

6

Las preguntas especifican lo que los cientficos comparten para el marco de bsqueda sobre lo que
quieren saber acerca del fenmeno. Sin embargo, y entendiendo que la autora se preocupa del
ANTCOG y centra su reflexin en torno a l, las preguntas bsicas se perfilan para responder:

Basic Questions The revised basic questions

Q1 For the normal, typical adult, what precisely is the
human capacity to __________?

Q1' For the normal, typical adult, what precisely is the
narrow information-processing function that underlies the
ordinary capacity to __________?


Q2 In virtue of what does a normal, typical adult have the
capacity to __________ (such that this capacity is
intentional, pragmatically evaluable, coherent, reliable, and
productive)?

Q2' When a normal, typical adult has the capacity to
__________, in virtue of what computational and
representational resources is he or she able to compute the
associated narrow information-processing function (such
that the ordinary capacity is intentional, pragmatically
evaluable, coherent, reliable, and productive)?


Q3 How does a normal, typical adult typically (exercise his
or her capacity to)__________?

Q3' When a normal, typical adult typically exercises his or
her capacity to __________, how is the associated narrow
information-processing function computed?

Q4 How does the capacity to __________ of the normal,
typical adult interact with the rest of his or her cognitive
capacities?

Q4' How does the information-processing capacity
associated with the capacity to __________ of the normal,
typical adult interact with the rest of his or her information
processing capacities?


En el captulo 2 de su libro What is cognitive science? la autora seala que el dominio de la ciencia
cognitiva consiste en las capacidades cognitivas humanas, pero hace el alcance sobre lo que es
especfico acerca de la cognicin qu es lo que los cientficos quieren saber? Entonces, de acuerdo a la
adecuacin de los supuestos sustantivos es que se rearticulan las preguntas bsicas y los supuestos
metodolgicos, logrando la articulacin coherente a la cual ella se refera. Lo anterior queda ms claro
si observamos el cuadro expuesto anteriormente en donde se presentan las preguntas bsicas y su
cambio segn la definicin ms acotada de los supuestos bsicos computacional y representacional
enfocados al procesamiento de la informacin. El impacto que esta redefinicin tiene en las teoras
cognitivas parte desde la nueva mirada que se hace desde las especificaciones de dominio, pasando por
las preguntas bsicas, los supuestos sustantivos hasta los metodolgicos.








7

4. Exponga en sus lineamientos bsicos en qu consiste la teora de los sistemas de smbolos
fsicos (SSF) de Newell y Simon. Para ello debe tener en cuenta especialmente los siguientes
puntos:
- por qu es una ley de estructura cualitativa.
- qu es un smbolo fsico y que es un SSF.
- cules son las propiedades de un smbolo al interior de un SSF.
- por qu asignan a dicha hiptesis un carcter suficiente y necesario.

Estos autores en su trabajo Computer Science as Empirical Inquiry: Symbols and Search (1976)
plantean que la hiptesis de sistema de smbolos fsicos se correspondera con los estudios de tipo
cualitativo. Estas leyes de estructura cualitativa se explican como aquellas que requieren
especificaciones para su posterior desarrollo (en principio son hiptesis simples), y de esta manera
operaran sobre buena parte de la ciencia. Esta hiptesis, como primer acercamiento de corte
cualitativo, sera una forma de entrar a los estudios que posteriormente tomar, por ejemplo, la
inteligencia artificial, donde podrn ser desarrollados de manera ms detallada. Si bien se entiende
como un planteamiento muy general y breve, es este inicio el necesario para el establecimiento de
estudios ulteriores.
Para iniciar el estudio de este sistema hay que hacer la precisin entre algunos conceptos como el de
smbolo y el del sistema que lo componen. En primer lugar, un smbolo en s es una construccin
abstracta que no tiene ningn contenido ni hace referencia a nada antes de que de que se le asigne un
valor especfico, ya establecida esa etapa el smbolo ser un patrn fsico, una expresin (o estructura
de smbolos, la cual est formada por instancias llamadas seales o tokens) y el smbolo propiamente
tal.
En segundo lugar, un sistema de dichos smbolos fsicos, este conjunto de patrones fsicos, expresiones
y smbolos, sern sistemas diseados ingenierilmente y por ende obedecen a las leyes de la fsica, son
as, una expresin ms detallada de la propuesta de procesamiento de la informacin. Este sistema est
conformado por una memoria, un conjunto de operadores, un control, entrada y salida. A su vez existen
objetos distribuidos al interior del sistema en un espacio de ubicaciones; esto quiere decir que las
entradas son informaciones sobre los objetos (instruccin) y las salidas son informaciones sobre
modificacin/creacin de objetos (conducta externa), mientras que al interior de sistema se observaran
los estados de memoria y control. Por otro lado, los procesos que lleva a cabo este sistema son los de
creacin, modificacin, reproduccin y destruccin.
Hemos mencionado el sistema de smbolos fsicos, pero cmo funciona un smbolo dentro del
sistema? Para responder esto debemos definir los conceptos de designacin e interpretacin, de manera
que:
Designacin: es la transicin de un smbolo a otro smbolo siempre y cuando la relacin tenga
consecuencias para el objeto o que el sistema se comporte dependiendo del objeto.
Al tener un funcionamiento sistmico, cada smbolo necesita estar conectado ya sea afectando a otro
smbolo o dependiendo de alguno presente en el sistema segn la expresin que lo designa.

8

Interpretacin: designa un smbolo que se lee como una instruccin para realizar una tarea.
Este conjunto de acciones implica que, segn la designacin, el sistema puede realizar ese proceso dada
la expresin utilizada. De esta manera el sistema de smbolos fsicos se desarrolla a travs de la
hiptesis Un sistema de smbolos fsicos posee los medios necesarios y suficientes para realizar una
accin inteligente y genrica. Segn los autores, necesario y suficiente se entienden como:
Necesario: quiere decir que cualquier sistema que exhiba inteligencia general probar en el anlisis ser
un sistema de smbolos fsicos.

Suficiente: quiere decir que cualquier sistema de smbolos fsicos de suficiente tamao puede ser
organizado ms all de la exhibicin de inteligencia general. Por accin inteligente general deseamos
indicar la misma observacin de inteligencia como vimos en la accin humana: esto puede ocurrir en
cualquier situacin real de comportamiento adecuado en los trminos del sistema y adaptacin a las
demandas del ambiente, dentro de algunos lmites de velocidad y complejidad.

La asignacin de estos caracteres a la hiptesis obedece a una intencin que se corresponde con el tipo
de estudio, que recordemos es cualitativo y, en ese sentido, implicara que la inteligencia sera realizada
por un computador universal. El carcter necesario nos llevara al planteamiento de que la construccin
de programas que puedan realizar tareas inteligentes los hara ocupar procesos iguales a los que hacen
las personas, he aqu la importancia de la hiptesis tanto para el entendimiento de la naturaleza de la
inteligencia humana como para el mundo de la psicologa. De esta forma, el carcter de suficiente, que
argumenta sobre el tamao del sistema, configura el escenario adaptativo del mismo, ya que al tener la
capacidad de generar nuevos sistemas de smbolos propendera a la generacin de una coleccin
evolutiva de estructuras de smbolos.


























9

5. Explique en qu consiste una arquitectura cognitiva y caracterice las tres versiones de la
arquitectura cognitiva clsica.

Tomando como referencia la entrada de S. Sloman en The MIT Encyclopedia of the Cognitive Sciences
(1999), una arquitectura cognitiva:
Una arquitectura cognitiva refiere al diseo y organizacin de la mente la cual provee un exhaustivo
estudio del sistema cognitivo, una descripcin de sus funciones y capacidades. Sin embargo, no es
regulativa, tampoco una hiptesis ni una teora, sino ms bien una propuesta esquemtica de la manera
como funciona. Este modelo cognitivo se subdivide en dos vertientes: si es motivada por un
computador digital (informacin en forma de smbolos) o si est basada en una arquitectura asociativa
(activacin que fluye a travs de vnculos asociativos).
Una arquitectura debe satisfacer el requisito composicional, representa los procesos y actividades
cognitivas, sistema de input-output y mdulos intermedios.
Para la arquitectura clsica, la cognicin es, o puede ser concebida, como computaciones sobre
smbolos (ver tema 4).
La arquitectura de computador digital ms comn es llamada la arquitectura de Von Neumann. La idea
clave es una tcnica de programa almacenado (recibe programas y datos para ser almacenados juntos).
Consiste en una unidad de procesamiento central, una unidad de memoria, y unidades de input y output
(todo esto conocido como arquitectura clsica).
La informacin es el input, se guarda y transforma algortmicamente para derivar en un output (el peso
de esto est en configurarse como la teora computacional de la mente)

Imagen 1: arquitectura clsica o arquitectura Von Neumann.

De acuerdo a los planteamientos del autor, las tres versiones de esta arquitectura clsica no son
mutuamente exclusivas, son diferentes formas y modelos de enfrentar la organizacin cognitiva.


10

Versin 1: Sistema de produccin
La mente consiste en una memoria de trabajo, un set de reglas de produccin y un set de reglas
precedentes que determinan el orden de accin de las reglas de produccin. Una regla de produccin es
una condicin-accin que especifica las acciones para mostrar si ciertas acciones son encontradas.
Ejemplo de ello fue el Solucionador general de problemas de Newell, Simon y Shaw (1958) cuya
arquitectura fue empleada para ayudar a entender un rango de desempeo humano de las tareas de
estmulo-respuesta simples.

Versin 2: Teora de procesamiento de la informacin
A diferencia de la versin anterior, la cual propone una particular transformacin simblica del
lenguaje, esta teora del procesamiento de la informacin alude a una secuencia de etapas desde el
procesamiento del input a travs de la codificacin, almacenamiento de la memoria y la recuperacin,
hasta la salida. Todas estas teoras asumen los componentes crticos de una arquitectura de Von
Neumann: un ejecutivo central para controlar el flujo de informacin, una o ms memorias para retener
informacin, dispositivos sensoriales a la informacin de entrada y un dispositivo de salida. Un tema
relevante de este tipo de arquitecturas es el tiempo que requiere el procesamiento en cada etapa.

El modelo de Atkinson y Shiffrin (1968) ilustra claramente esta versin de la arquitectura clsica:


De acuerdo al esquema, la informacin que reciben los registros sensoriales solo se mantiene por
breves segundos, pasando a la memoria a corto plazo en donde si es necesario su utilizacin inmediata
se dar una respuesta para el momento, de lo contrario pasar al siguiente estadio de la memoria a largo
plazo en donde ser almacenada para ser utilizada en un momento posterior.


Versin 3: Asociativa
El modelo asociativo concibe el procesamiento a travs de un amplio nmero de operadores en paralelo
y conforma los principios de similitud y contigidad. Dentro de l podemos incluir marcos, esquemas y

11

guiones que se entienden como los elementos asociados a una representacin central, el contexto de
situacin y las estructuras de datos complejas respectivamente. Cada uno de los componentes permite
recordar parte de un evento o el reconocimiento de un objeto tan solo accediendo a una parte del todo.
Esta activacin de la representacin, teniendo en cuenta que la asociacin se hace comparando con el
evento u objeto completo, promueve la identificacin de categoras, llenar elementos de un relato que
no se nos dan, o actuar en una determinada situacin en virtud del concepto que manejamos de ella.























12

Pregunta 2: Expresar las preguntas de la ciencia cognitiva en trminos de la computacin



Se define a un sistema de smbolos fsicos como un conjunto de entidades llamadas smbolos, que son patrones fsicos que
pueden funcionar como componentes de otro tipo de entidad llamada expresin (o estructura de smbolos). Una estructura
de smbolos est formada por un nmero de instancias (seales o tokens) de smbolos relacionados de alguna forma fsica.
En algn instante el sistema contendr una coleccin de esas estructuras de smbolos.
El sistema contiene tambin una coleccin de procesos que operan sobre expresiones para producir otras expresiones:
procesos de creacin, modificacin, reproduccin y destruccin. Un sistema de smbolos fsicos es una mquina que
produce a lo largo del tiempo una coleccin evolutiva de estructuras de smbolos. Este sistema existe en un mundo de
objetos tan extenso como sus propias expresiones simblicas.

La hiptesis de sistema de smbolos fsicos es: Un sistema de smbolos fsicos posee los medios necesarios y suficientes
para realizar una accin inteligente y genrica.
Las evidencias que apoyan la hiptesis del sistema de smbolos fsicos no han venido solo de reas como juegos sino de
otras reas como la percepcin visual donde es ms atractivo esperar la influencia de procesos subsimblicos. Sin embargo
procesos subsimblicos como las redes neuronales estn cuestionando los simblicos como tareas de bajo nivel. Quiz
entonces los sistemas de smbolos fsicos solo sean capaces de modelar algunos aspectos de la inteligencia humana y no
otros.
La importancia de la hiptesis de sistema de smbolos fsicos es doble. Es una teora significativa de la naturaleza de la
inteligencia humana y tambin es de gran inters para los psiclogos.


Constituye la base sobre la que se fundamenta la creencia de que es posible construir programas que pueden
realizar tareas inteligentes como las que hacen las personas.


Designacin: Una expresin designa un objeto si, dada la expresin, el sistema pueda o bien afectar al
objeto mismo o bien comportarse de algn modo que dependa del objeto.
Interpretacin: El sistema puede interpretar una expresin si la expresin designa un proceso y si,
dada la expresin, el sistema puede llevar a cabo el proceso



(i) qu es un smbolo fsico y que es un SSF;
SSF son sistemas diseados ingenierilmente (obedecen las leyes de la fsica) consta de una memoria, de
un conjunto de operadores, de un control, de una entrada y de una salida. Es una mquina que existe en
un medio que consta de objetos distribuidos en un espacio de ubicaciones. Las entradas son
informaciones sobre los objetos, y las salidas son informaciones sobre la modificacin o creacin de
objetos. La conducta externa del sistema de smbolos consiste en las salidas que produce como funcin

13

de las entradas; pero el estado interno del sistema consiste en el estado de su memoria y el estado de su
control, mientras que su conducta interna consiste en la variacin de ese estado interno a lo largo del
tiempo.



Estas caracterizaciones son invariablemente de naturaleza cualitativa, porque establecen lostrminos dentro de los
cuales un conocimiento ms detallado puede desarrollarse. Suesencia puede a menudo capturarse en
pronunciamientos muy generales y muy breves.Podramos considerar que esas leyes generales, a causa de su limitada
especificidad, danuna contribucin relativamente pequea a la suma de una ciencia, si no fuera por
laevidencia histrica que las muestra como resultados de la mayor importancia.


La conceptualizacin impuesta por los supuestos sustantivos determina un replanteamiento de las
preguntas bsicas en los trminos de dichos supuestos, con el objeto de establecer en forma ms precisa
los supuestos metodolgicos. Dichos supuestos son ms bien constrictivos respecto de una concepcin
teortica del dominio, de los tipos y estrategias de explicacin, de la relacin de coevolucin teortica
del MI transdisciplinario con el resto de las disciplinas subordinadas que componen la ciencia
cognitiva, en especial con la neurociencia. Tanto los supuestos sustantivos como los metodolgicos,
pueden tener o bien una naturaleza descriptiva o bien normativa. Un supuesto es descriptivo si es
sostenido por la mayora de los cientistas cognitivos, o, al menos tienen un mayor peso intelectual
sobre la comunidad. Un supuesto es normativo si se sigue como prescripcin obligatoria de otros
supuestos descriptivos. Sin embargo, los supuestos normativos al ser derivaciones de los supuestos
descriptivos no suscitan necesariamente el acuerdo de la totalidad de la comunidad.

Supuesto sustantivo representacional:

La mente es, adems, un sistema simblico; ms especficamente un sistema representacional. Este
supuesto pone de manifiesto una doble propiedad de la mente. Por una parte, suponer que la mente es
un sistema de smbolos complementa el supuesto (i), puesto que las computaciones que permiten
caracterizar los procesos cognitivos se realizan sobre smbolos. Para los efectos de la realizacin de las
computaciones slo es necesaria la dimensin formal de las representaciones. Sin embargo, las
propiedades formales de las representaciones no son constitutivas de su carcter de tales. En efecto, las
representaciones tienen un contenido que se refiere a algo distinto de ellas mismas (10). En otras
palabras, poseen un contenido intencional. Es conveniente hacer presente que la ciencia cognitiva
computacional y representacional para la caracterizacin de los procesos cognitivos pone el nfasis en
el supuesto computacional que solamente abarca la dimensin formal de las representaciones. Puesto
que las transformaciones operan sobre la base de la forma de las representaciones preservando el

14

contenido de las mismas, la ciencia cognitiva presupone que los smbolos (representaciones) sobre los
cuales se realizan las computaciones son smbolos interpretados. El hecho de que la ciencia cognitiva
haga tal presuposicin implica que la dimensin semntico intencional no es un tema que forme parte
de la ciencia cognitiva, al menos en esta versin hegemnica que estoy exponiendo.



Supuesto sustantivo computacional: no entrara en conflicto con el conexionismo y ste no sera un
mero supuesto que genere crisis


La mente es un mecanismo computacional . Apoyados en este supuesto los cientistas cognitivos
conciben la mente literalmente como un computador. Con lo anterior se quiere decir que los procesos
cognitivos de la mente son funcionalmente equivalentes a un computador. La Inteligencia Artificial
(en adelante, IA ) concibe un computador como un sistema formal automtico. Un sistema formal
automtico es un conjunto de procedimientos de manipulacin de smbolos regido por reglas
(Haugeland 1985). La nocin de proceso computacional se entiende fundamentalmente como la
realizacin de dichos procedimientos sobre los smbolos de manera efectiva. Un procedimiento es
efectivo cuando en una secuencia finita de pasos (operaciones) es posible alcanzar el objetivo para el
cual el procedimiento fue diseado (Johnson Laird 1983, 1988). Dicho procedimiento tiene como su
expresin formal un algoritmo o programa.




Una manera de especificar y generar planes
o Memoria de trabajo: lista de representaciones
o Memoria a largo plazo: lista de producciones
o Produccin (regla):
o Las condiciones son condiciones sobre la memoria de trabajo. Si se produce el
emparejamiento la produccin entra en el conjunto de conflicto (compite para ser la
regla que se dispara)
o Si hay varias reglas en el conjunto de conflicto se sigue alguna estrategia para elegir que
regla se dispara (no duplicacin -no ejecutar la misma regla con los mismos argumentos
dos veces-; ejecutar reglas que trabajan con elementos de la memoria de trabajo creados
recientemente; especificidad -preferir reglas ms especficas-; prioridad de operacin -
especificar prioridad en las accioens-, etc.)
o Si se dispara una regla se ejecuta la accin correspondiente
o Acciones: cualquier respuesta o efecto externo; cambios en la memoria de trabajo

15

o Ya que las acciones cambian la memoria de trabajo los principios que determinan la
secuencia de reglas ejecutadas estn implcitos en las reglas
o En las implementaciones de arquitecturas cognitivas la memoria de trabajo tambin
puede modificarse de otras maneras (percepcin, recuperacin de la memoria a largo
plazo
Ejemplo 1: un sistema de produccin muy sencillo para cruzar una calle (Newell y Simon)
1. Si la luz del semforo est roja entonces detenerse y eliminar el objetivo de movimiento
2. Si la luz del semforo est verde entonces establecer el objetivo de moverse
3. Si el objetivo es moverse y el pie izquierdo est sobre el pavimento entonces dar el paso
con el pie derecho
4. Si el objetivo es moverse y el pie derecho est sobre el pavimento entonces dar el paso
con el pie izquierdo
Ejemplo 2. Newell y Simon propusieron los sistemas de produccin como teora de como la
gente resuelve problemas. El siguiente ejemplo (R. Young) modela la manera en que los nios
resuelven una tarea de ordenar segn su tamao una seria de varillas de distinta longitud
o El paso inicial es poner el objetivo principal (conseguir la lista ordenada) en la WM y se
supone que la WM es una pila
o Las reglas intentan modelar el comportamiento de nios de 6 hasta 8 aos. Se podran
poner reglas adicionales para modelar el comportamiento de nios de 8 aos en el que
siempre se ponen las varillas en orden
o El plan generado es una jerarqua sencilla donde un objetivo (formar la serie ordenada)
domina a otros dos (poner la primera varilla, poner otra varilla). El objetivo de colocar
otra varilla continua hasta que no hay mas varillas
Ejemplo 3. Sistema de produccin para resolver el problema de la torre de Hanoi
http://www.dc.fi.udc.es/ai/~barreiro/cogdocen/cctema07/node5.html

Cognitive Architecture. MIT ENCYCLOPEDIA OF COGNITIVE SCIENCE

Cognitive architecture refers to the design and organization of the mind. Theories of cognitive
architecture strive to provide an exhaustive survey of cognitive systems, a description of the functions
and capacities of each, and a blueprint to integrate the systems. Such theories are designed around a
small set of principles of operation. Theories of cognitive architecture can be contrasted with other
kinds of cognitive theories in providing a set of principles for constructing cognitive models, rather
than a set of hypotheses to be empirically tested.

Theories of cognitive architecture can be roughly divided according to two legacies: those motivated by
the digital computer and those based on an associative architecture. The currency of the first kind of
architecture is information in the form of symbols; the currency of the second kind is activation that
flows through a network of associative links.

The most common digital computer architecture is called the VON NEUMANN architecture in
recognition of the contributions of the mathematician John von Neumann to its development. The key
idea, the stored-program technique, allows program and data to be stored together. The von Neumann
architecture consists of a central processing unit, a memory unit, and input and output units.

16

Information is input, stored, and transformed algorithmically to derive an output. The critical role
played by this framework in the development of modern technology helped make the
COMPUTATIONAL THEORY OF MIND seem viable. The framework has spawned three classes of
theories of cognitive architecture, each encompassing several generations. The three classes are not
mutually exclusive; they should be understood as taking different perspectives on cognitive
organization that result in different performance models. The original architecture of this type was a
PRODUCTION SYSTEM. In this view, the mind consists of a working memory, a large set of
production rules, and a set of precedence rules determining the order of firing of production rules. A
production rule is a condition-action pair specifying actions to perform if certain conditions are met.


The first general theory of this type was proposed by NEWELL, Simon, and Shaw (1958) and was
called the General Problem Solver (GPS). The idea was that a production system incorporating a few
simple heuristics could solve difficult problems in the same way that humans did. A descendant of this
approach, SOAR (Newell 1990), elaborates the production system architecture by adding mechanisms
for making decisions, for recursive application of operators to a hierarchy of goals and subgoals, and
for learning of productions. The architecture has been applied to help understand a range of human
performance from simple stimulus-response tasks, to typing, syllogistic reasoning, and more.


A second class of von Neumann-inspired cognitive architecture is the information processing theory.
Unlike production systems, which posit a particular language of symbolic transformation, information
processing theories posit a sequence of processing stages from input through encoding, memory storage
and retrieval, to output. All such theories assume the critical components of a von Neumann
architecture: a central executive to control the flow of information, one or more memories to retain
information, sensory devices to input information, and an output device. The critical issues for such
theories concern the nature and time course of processing at each stage. An early example of such a
theory is Broadbents (1958) model of ATTENTION, the imprint of which can be found on the
modal information processing theory, whose central distinction is between short-term and long-term
memory (e.g., Atkinson and Shiffrin 1968), and on later models of WORKING MEMORY.

The digital computer also inspired a class of cognitive architecture that emphasizes veridical
representation of the structure of human knowledge. The computer model distinguishes program from
data, and so the computer modeler has the option of putting most of the structure to be represented in
the computer program or putting it in the data that the program operates on. Representational models
do the latter; they use fairly sophisticated data structures to model organized knowledge. Theories of
this type posit two memory stores: a working memory and a memory for structured data. Various kinds
of structured data formats have been proposed, including frames (Minsky 1975), SCHEMATA
(Rumelhart and Ortony 1977), and scripts (Schank and Abelson 1977), each specializing in the
representation of different aspects of the world (objects, events, and action sequences, respectively).
What the formats have in common is that they (i) represent default relations that normally hold,
though not always; (ii) have variables, so that they can represent relations between abstract classes and

17

not merely individuals; (iii) can embed one another (hierarchical organization); and (iv) are able to
represent the world at multiple levels of abstraction.

The second type of cognitive architecture is associative. In contrast with models of the von Neumann
type, which assume that processing involves serial, rule-governed operations on symbolic
representations, associative models assume that processing is done by a large number of parallel
operators and conforms to principles of similarity and contiguity.

For example, an associative model of memory explains how remembering part of an event can cue
retrieval of the rest of the event by claiming that an association between the two parts was constructed
when the event was first encoded. Activation from the representation of the first part of the event flows
to the representation of the second part through an associative connection. More generally, the first part
of the event cues associative retrieval of the entire event (and thus the second part) by virtue of being
similar to the entire event.

Associative models have a long history stretching back to Aristotle, who construed MEMORY and
some reasoning processes in terms of associations between elementary sense images. More recent
associative models are more promiscuous: different models assume associations between different
entities, concepts themselves, or some more primitive set of elements out of which concepts are
assumed to be constructed. Such modern conceptions of associative cognitive architecture have two
antecedents located in the history of cognitive science and two more immediate precursors. The first
historical source is the foundational work on associative computation begun by MCCULLOCH and
PITTS (1943) demonstrating the enormous computational power of populations of neurons and the
ability of such systems to learn using simple algorithms. The second source is the application of
associative models based on neurophysiology to psychology. An influential synthesis of these efforts
was Hebbs (1949) book, The Organization of Behavior. HEBB Attempted to account for
psychological phenomena using a theory of neural connections (cell assemblies) that could be neuro-
physiologically motivated, in part by appeal to large-scale cortical organization. Thus, brain
architecture became a source of inspiration for cognitive architecture. Hebbs conception was
especially successful as an account of perceptual learning. The two remaining antecedents involve
technical achievements that led to a renewed focus on associative models in the 1980s. Earlier efforts
to build associative devices resulted in machines that were severely limited in the kinds of distinctions
they were able to make (they could only distinguish linearly separable patterns). This limitation was
overcome by the introduction of a learning algorithm called backpropagation of error (Rumelhart,
Hinton, and Williams 1986). The second critical technical achievement was a set of proofs, due in large
part to Hopfield (e.g.,1982), that provided new ways of interpreting associative computation and
brought new tools to bear on the study of associative networks. These proofs demonstrated that certain
kinds of associative networks could be interpreted as optimizing mathematical functions. This insight
gave theorists a tool to translate a problem that a person might face into an associative network. This
greatly simplified the process of constructing associative models of cognitive tasks. These
achievements inspired renewed interest in associative architectures. In 1986, Rumelhart and
McClelland published a pair of books on parallel, distributed processing that described a set of models

18

of different cognitive systems (e.g.,memory, perception, and language) based on common associative
principles. The work lent credence to the claim that an integrated associative architecture could be
developed. Although a broad division between von Neumann and associative architectures helps to
organize the various conceptions of mental organization that have been offered, it does an injustice to
hybrid architectural proposals; that is, proposals that include von Neumann-style as well as associative
components. Such alliances of processing systems seem necessary on both theoretical and empirical
grounds (Sloman 1996). Only von Neumann components seem capable of manipulating variables in a
way that matches human competence (see BINDING PROBLEM), yet associative components seem
better able to capture the context-specificity of human judgment and performance as well as peoples
ability to deal with and integrate many pieces of information simultaneously. One important hybrid
theory is ACT* (Anderson 1983). ACT* posits three memories: a production, a declarative, and a
working memory, as well as processes that interrelate them. The architecture includes both a
production system and an associative network. In this sense, ACT* is an early attempt to build an
architecture that takes advantage of both von Neumann and associative principles. But integrating these
very different attitudes in a principled and productive way is an ongoing challenge.

See also
AUTOMATA; BROADBENT; COGNITIVE MODELING, CONNECTIONIST; COGNITIVE
MODELING, SYMBOLIC; DISTRIBUTED VS. LOCAL REPRESENTATION
Steven Sloman





Cada una de los desarrollos a los temas propuestos se calificar con un mximo de siete puntos.
Pueden enviar los temarios al email: guido.vallejos@gmail.com hasta el da dos de junio de 2013.