Enfoque conexionista de la mente

- Presenta una nueva posicin respecto al soporte fsico en el que se desarrollan los procesos mentales y sobre las
caractersticas esenciales de esos procesos.

- Sobre el soporte fsico: Rumelhart, Hilton y MacClelland (1992) sealan que las operaciones o procesos estn
inspirados neuralmente. Ello implica que se deja de lado la metfora del computador caracterstica del enfoque
cognitivista clsico por la denominada metfora del cerebro. En este sentido, se arguye que la arquitectura
cognitivista se habra alejado en exceso de una adecuacin biolgica. Y en esta lnea, los autores se muestran
escpticos frente a la eficiencia que puedan alcanzar operaciones que se realizan de forma serial por medio de
algoritmos; puesto que, desde el punto de vista biolgico, las neuronas tienen una velocidad de procesamiento
que no podra explicar cmo se desarrollan procesos mentales complejos: Las neuronas operan en una escala
temporal de milisegundos mientras que los componentes del computador operan en una escala temporal de
nanosegundos un factor de 10% ms rpido. (Rumelhart, et al., 1992: 108).
Rumelhart seala que se tiende a utilizar la metfora del computador porque es la tecnologa ms avanzada de
nuestro tiempo, as como en otras pocas pudo haberse comparado la inteligencia humana con el funcionamiento
de un reloj. De este modo, en el enfoque conexionista: The architecture that we are exploring is not one based
on the von Neumann architecture of our current generation of computers but rather an architecture based on
considerations of how brain themselves might function (Rumelhart, 1998: 134).

- Sobre las caractersticas de los procesos mentales: en este enfoque se afirma que todo el conocimiento est en
las conexiones. Esto implica que no hay almacenamiento de informacin en las unidades del sistema, ello slo
podra darse de forma temporal en el estado de ciertas unidades (a corto plazo). Sin embargo, el almacenamiento
a largo plazo, o conocimiento, se expresa a travs de las conexiones que existen en el conjunto de unidades del
sistema: El conocimiento no es directamente accesible a la interpretacin por algn procesador separado, sino
que es construido en el procesador mismo y determina directamente el curso del procesamiento (Rumelhart, et
al., 1992: 109).

Respecto a la naturaleza del procesamiento cognitivo, ste es considera en un nivel ms abstracto que el del
enfoque computacionalista (Rumelhart, et al., 1992; Rumelhart, 1998). El comportamiento inteligente es producto
de un conjunto de componentes que interactan paralelamente y que se restringen unos a otros; de forma que
el procesamiento, en s, es consecuencia de un proceso de satisfaccin de dichas restricciones por parte del
sistema en su globalidad.

- Aspectos principales de un modelo general de Procesamiento Distribuido en Paralelo (PDP), propuesto por
Rumelhart, Hilton y MacClelland (1992). Enmarcado en el enfoque conexionista de la mente, este modelo general
subraya la idea de que el procesamiento ocurre por una activacin propagadora en paralelo. Los aspectos
principales de dicho modelo son: (Este modelo lo vimos en clases. La idea es advertir la diferencia entre enfoque
conexionista de la mente y un modelo en especfico que trabaja dentro de este enfoque, en este caso, el PDP)

i. un conjunto de unidades de procesamiento,

ii. un estado de activacin,
iii. una funcin de salida para cada unidad,
iv. un patrn de conexin entre las unidades,
 v. una regla de propagacin para propagar patrones de actividad a travs de las conexiones,
vi. una regla de activacin para combinar entradas que afectan a una unidad con el estado actual de esa
unidad, de forma que produzca un nuevo nivel de activacin para la unidad,
vii. una regla de aprendizaje por el cual los patrones de conexin son modificados por la experiencia,
viii. un ambiente dentro del cual debe operar el sistema

i. De este modo, cualquier modelo de PDP, como primer paso, independiente del dominio o mbito del
conocimiento en el que se focalice, debe especificar un conjunto de unidades simples a travs de las cuales se
lleva a cabo el procesamiento. Cada unidad representa un rasgo en particular, un elemento abstracto que, en
conjunto con las otras unidades, define un patrn de activacin significativo. Es por ello que se define como
distribuida al tipo de representacin que se explica por medio de este conjunto de unidades (rasgos). En el
desarrollo del procesamiento, el trabajo de cada una de las unidades se limita a recibir la entrada de las
unidades vecinas y, en funcin de ellas, computar un valor de salida hacia otras unidades. Dado que este
trabajo puede ser realizado de forma simultnea por varias unidades, se denomina como paralelo a este tipo
de procesamiento. Por otro lado, todo sistema considerar unidades de entrada, de salida y ocultas. Las
primeras reciben seales de fuentes externas al sistema especfico que se est modelando y, al contrario, las
de salida envan seales hacia afuera del sistema. Se denomina, por otra parte, unidades ocultas a aquellas
que son internas al sistema y que por ello no son asequibles.
ii. Por otro lado, el estado de activacin corresponde al que exhibe el sistema en un momento t y que se
representa a travs de un patrn de activacin del conjunto de unidades de procesamiento. Los autores
sealan que es til ver el procesamiento en el sistema como la evolucin, a travs del tiempo, de un patrn
de activacin del conjunto de unidades (Rumelhart, et al., 1992: 84); puesto que, es este patrn de activacin
el que captura lo que el sistema representa.
iii. Asimismo, en trminos generales, la interaccin que existe entre las unidades que forman parte del sistema,
y que genera un estado de activacin, est determinada por la intensidad de la seal que cada una propaga
hacia sus vecinas, esto es, su funcin de salida; a su vez, dicha intensidad depende del grado de activacin de
la unidad.
iv. Un estado de interaccin conocido por el sistema (conocimiento codificado) y que, por ello, determina la
forma en que ste reacciona frente a una entrada cualquiera constituye un patrn de conexin. Determinar
el patrn de conexin de un sistema permite especificar el sistema de procesamiento y el conocimiento
codificado en su interior (Rumelhart, et al., 1992: 84). La conexin entre cada una de las unidades depender
del peso de la misma, el que puede ser excitatorio (peso positivo) o inhibitorio (peso negativo); de modo que
el patrn total de conexin, en los sistemas ms simples, puede ser representado especificando los pesos de
cada conexin en el sistema o en lo que se denomina una matriz de peso. El valor absoluto de una matriz de
peso reflejar, entonces, la fuerza de la conexin. En este mbito, los autores sealan que el patrn de
conexin es fundamental, puesto que es el que determina lo que cada unidad representa.
v. Otro concepto central dentro del PDP es el de regla de propagacin, que expresa matemticamente cmo se
extienden las activaciones a travs de las conexiones; ello se realiza por medio de una regla que explica el
resultado de la interaccin entre el valor de la funcin de salida de una unidad y las matrices de conexin
(pesos) para producir una entrada neta para cada tipo de entrada en la unidad (Rumelhart, et al., 1992:
85).
vi. Por otra parte, existe una regla de activacin que representa el efecto de las entradas netas que afectan a
una unidad en su estado actual de activacin y que produce un nuevo estado de activacin de las mismas.
vii. En el PDP el aprendizaje del sistema se produce por una modificacin en sus patrones de conexin como
resultado de la experiencia, lo que, por ende, altera su estructura de procesamiento (o de conocimiento).
Esta variacin implica esencialmente un cambio en los pesos o intensidades de las conexiones, aunque
tambin puede ser producto del desarrollo de nuevas conexiones o por la prdida de las ya existentes;
aunque estos dos ltimos motivos pueden ser explicados tambin como efecto de un cambio de peso (por
ejemplo, de cero a un valor positivo o negativo, o, por otro lado, que una conexin pierda su fuerza de
conexin hasta llegar a cero). En este contexto, se denomina regla de aprendizaje a la funcin que representa
el fortalecimiento del peso de las conexiones, el que deriva de la interconexin entre una unidad que recibe
una entrada de otra unidad en un contexto de alta activacin para ambas.
viii. Finalmente, todo sistema debe operar dentro de un ambiente. En el PDP ste corresponde a una funcin
caracterizada como un conjunto de probabilidades de que cualquiera de los posibles conjuntos de patrones
de entrada est afectando a las unidades de entrada (Rumelhart, et al., 1992: 89). En otras palabras, el
ambiente provee al sistema de experiencia, y se representa por medio de un conjunto de vectores de
activacin (patrones de entrada) para las unidades de entrada. En coherencia con esta idea, resulta
importante recordar que, como se seal ms arriba, las unidades de entrada (distintas de las de salida y las
ocultas) se definen como aquellas que reciben seales de fuentes externas al sistema especfico, es decir, del
ambiente.

- Otro fenmeno de inters est en la direccin de los procesos cuando existen muchos estadios o niveles dentro
del sistema; lo que en ciencias cognitivas se conoce como procesos bottom up, top down e interactivos. En este
sentido, la organizacin jerrquica de una red en el PDP puede ser representada sobre la base de constreimientos
o restricciones dado por la activacin de las unidades de nivel inferior, en el caso de que el proceso sea bottom up
(abajo-arriba), o, por otro lado, por la activacin de las unidades de nivel superior cuando el proceso es top down
(arriba-abajo). De la misma manera, en el caso de un proceso interactivo, equivaldra, en el caso ms radical, a
una restriccin de la libre comunicacin entre todas las unidades (Rumelhart, et al., 1992: 94). (Aqu podramos
agregar unos ejemplos del artculo que expusieron Palo, Karen y Tere, creo, sobre modelos conexionistas de la
produccin).

En sntesis, el PDP se presenta como una explicacin formal que utiliza un lenguaje matemtico para representar
los procesos de activacin de los sistemas cognitivos. Pero ms all de la formalizacin del enfoque, ste propone
una perspectiva de comprensin diferente respecto del procesamiento cerebral y la conducta inteligente.

- Contraste entre los enfoques computacionalista y conexionista de la mente.

1. En ambos enfoques la cognicin se comprende como un complejo procesador de informacin y se representa

el procesamiento por medio de un lenguaje formal lgico-matemtico. En el cognitivismo clsico y el
conexionismo, el procesamiento cognitivo implica esencialmente la realizacin de cmputos sobre las
unidades que conforman el sistema.
No obstante lo anterior, en el caso del computacionalismo, esta operacin de clculo es realizada sobre un
sistema de smbolos. Estas estructuras simblicas, por su parte, representan algo (una entidad, una
proposicin, un esquema). De ello deriva, por consiguiente, que la conducta inteligente se explique por esta
capacidad de la mente de representar internamente el mundo. La computacin simblica posibilita una
representacin formal del valor semntico de las representaciones, puesto que los programadores han
codificado toda distincin semntica para su programa y la han expresado en la sintaxis de su lenguaje
 simblico. En un ordenador, la sintaxis refleja la proyeccin semntica o es paralela a ella (Varela, 1990: 40).
Existe, por lo tanto, una relacin fundamental entre las reglas algortmicas y la semntica del sistema. Sin
embargo, el modo en que las expresiones simblicas adquieren su significado no es abordado directamente
por este enfoque. En el caso de la propuesta de Newell y Simon, por ejemplo, el programa o, ms
especficamente, los programadores son quienes adjudican dichos valores al momento de disear el
programa.
2. Respecto al procesamiento de la informacin, en el enfoque computacional, la cognicin en s misma se
explica como un procesamiento o manipulacin de smbolos por medios de la aplicacin de reglas. Por otro
lado, de la naturaleza fsica de los smbolos deviene la posibilidad de que cualquier dispositivo que pueda
manipular un sistema de smbolos fsicos (tpicamente los computadores) tendr la capacidad de generar
conductas inteligentes. Si el sistema est constituido por smbolos que representan de forma apropiada el
entorno y, por medio del procesamiento, logra resolver los problemas a los que se le enfrenta, se puede
afirmar que ste funciona con xito.
3. En el modelo conexionista se reemplaza la metfora computacional de la mente humana por la del cerebro
y sus estructuras bsicas (redes de neuronas), en bsqueda de una mayor adecuacin biolgica del enfoque.
En este sentido, para algunos investigadores era evidente que el cerebro operaba a partir de interconexiones
masivas, de forma distribuida, de modo que las conexiones entre conjuntos de neuronas cambian como
resultado de la experiencia (Varela, 1990: 53). Por lo tanto, el procesamiento en el enfoque conexionista
deja de depender de unidades simblicas, dotadas de un significado (o representacionales), para proponer
que se sustenta en un conjunto de unidades simples que slo por medio de la interaccin, a travs de la
conexin entre ellas, generan un estado de activacin. Y este estado de activacin es el que captura lo que el
sistema representa.
4. Se abandona la concepcin computacionalista de las relaciones que se establecen entre las unidades que
integran el sistema cognitivo extrada de la lgica proposicional. Pero se mantiene la formalizacin por medio
de un lenguaje matemtico que explica dichas relaciones. No existen reglas o estructuracin sintctica que
explique el procesamiento, sino que conexiones y activacin propagadora en paralelo de las unidades.
5. En el enfoque cognitivo tradicional todo procesamiento es el resultado de una ejecucin secuencial o en
serie, en donde las reglas se aplican una a la vez. Esta condicin que impone el computacionalismo se
transforma en una gran limitacin para la eficacia del sistema frente a tareas que requieren de una gran
cantidad de operaciones en muy poco tiempo. En este contexto, el conexionismo responde con una
propuesta de procesamiento semejante al que se produce por medio de las conexiones sinpticas en el
cerebro: un procesamiento en paralelo. De este modo, en un mismo punto en el tiempo, varias unidades
interactan por medio de microprocesos de activacin-excitacin (peso positivo) o inhibicin (peso negativo)
hasta conseguir un output o respuesta inteligente por parte del sistema. Esta propuesta se muestra ms
apropiada para explicar la eficacia del sistema cognitivo, el que es capaz de realizar procesamientos altamente
complejos con gran rapidez.
6. Otra de las distinciones entre los modelos, es la idea de representacin como componente fundamental para
el enfoque computacionalista. El sistema est conformado por estructuras simblicas que representan
informacin relevante para la realizacin del procesamiento; de ello se deriva que la informacin est
localizada en un lugar concreto (la memoria). Por lo tanto, cualquier dao o prdida dentro de esos espacios
derivar en un deterioro del sistema en su conjunto. Al contrario, en el modelo de Procesamiento Distribuido
en Paralelo (PDP), la representacin est distribuida en la red. Ninguna de las unidades de la red representa,
por ejemplo, un concepto, sino que ste se encuentra distribuido en el sistema y emerge como consecuencia
de la activacin de un patrn de conexin entre las unidades. Consecuentemente, este enfoque podra dar
 explicacin de la plasticidad que muestra el cerebro ante mutilaciones o deterioros. La representacin
distribuida tiene una capacidad potencial mayor de persistencia que aquella que responde a la concepcin
localista caracterstica del computacionalismo, en donde toda prdida de informacin es definitiva.
7. Se puede advertir que en el modelo simbolista existe una concepcin de inteligencia que est centrada en la
resolucin de problemas generales. Los que requieren de varios conocimientos y la toma de decisiones,
generalmente conscientes para su resolucin, problemas que suelen considerarse difciles o interesantes
(considrese, por ejemplo, la propuesta del GPS de Newell y Simon). Con el conexionismo, por otro lado, hay
una bsqueda por explicar una inteligencia ms elemental, que se sostenga por medio de los mismos
mecanismos de activacin y propagacin. Esta propuesta puede interpretarse como un procesamiento
fundamental, menos especificado (o no modular) que aspira explicar tanto la inteligencia ms bsica como
los procesos cognitivos ms complejos.
8. En ambos enfoques persisten: La idea bsica de que el cerebro es un dispositivo para procesar informacin
y que reacciona selectivamente ante ciertas caractersticas ambientales persiste en el ncleo de la
neurociencia moderna y de la percepcin del pblico (1990: 51).
No obstante lo anterior, no debe obviarse la existencia de otros enfoques referidos a la cognicin que
plantean nuevos problemas y desafos a la hora de explicar cules son los mecanismos a travs de los cuales
los individuos logran conocer y comprender. Dichas propuestas, representadas en el enfoque corpreo y el
modelo de sistemas dinmicos, ponen en cuestin, por ejemplo, las caractersticas de arbitrariedad e
independencia del sustrato fsico (amodalidad) de los smbolos (Barsalou, 1999), en el caso del primero; y,
por otro lado, se cuestiona que el foco est en explicar los procesos cognitivos por medio del anlisis de los
estados del sistema, descuidando lo que sucede entre el paso de un estado a otro, en el caso del modelo de
sistemas dinmicos (van Gelder, 1998).
De este modo, en la medida que, desde las diferentes disciplinas que conforman las ciencias cognitivas, el
avance de las investigaciones devela nuevas complejidades referidas a la cognicin y al procesamiento, surge
una comprensin cada vez ms profunda y detallada de los mecanismos a travs de los cuales se crea el
conocimiento.