Documente Academic
Documente Profesional
Documente Cultură
--,.-:.:,.{:.,::. ' .. . ..
(
-+~
I I
;:;
!).; ):tJf}t:
~i c ,. Paul Thagard
La lin~:r.ite
Introducci6n a las
ciencias cognitivas
con01cb"ni<eJnito
~ji.
=~1 .;'
li: Pr~f[1i.~i\!Jl
:-~·
'·
~:~
[~
c:;j
:t~
~
i!
~~~
" Las ciencias cognitivas, dedicadas al estudio de la mente y la inte-
t ligencia desde un punto de vista interdisciplinario, son fruto de
la confluencia entre la filosofla, la psicologia, la inteligencia arti-
il
:\1•
l~-
ficial, la neurociencia, la linguistica y la antropologia. Sus origenes
intelectuales se remontan a mediados de la decada de 1950, cuando.
investigadores provenientes de distintos campos comenzaron a
formular teorias de la mente valiendose de representaciones y pro-
cesos computacionales complejos. En cuanto a los or!genes insti-
tucionales, estos datan de mediados de los afios setenta, epoca en
que se fund6 la Sociedad de Ciencias Cognitivas en los Estados
~ -~
Unidos y se publico por primera vez la revista Cognitive Science.
t:·; Desde entonces, mas de sesenta universidades estadounidenses y
europeas han creado carreras de ciencias cognitivas, y muchas otras
universidades dictan materias relacionadas con este campo.
La ensefianza de las ciencias cognitivas no es tarea sencilla,
. -pues los estudiantes llegan con formaciones academicas muy di-
versas. Yo, personalmente, dicto en la Universidad de Vvaterloo,
desde 1993, una materia muy concurrida titulada Introduccion
a las Ciencias Cognitivas. Por un lado, se inscriben en mi catedra
estudiantes con conocimientos avanzados de computaci6n, pro-
venientes de carreras de computaci6n cientifica o ingenieria, que
saben poco de psicologia o filosofia, pero, por otro lado, vienen
muchos estudiantes que estan familiarizados con esas discipli-
·~'i:~
IIi
12 I LA ji,~N it PREfi.CIO I ~3
~~
La primera consiste en centrarse en los distintos campos: la psi- como la union entre todos los campos que forman parte de ellas,
cologia, 1a inteligencia artificial y las demas disciplinas involucra- decidi omitir algunos temas que ya se han tratado en manuales
das. La segunda es organizar el curso segun las distintas funcio- de inteligencia artificial, psicologia cognitiva y filosofia de la
·~- (;l; nes mentales, como la resoluci6n de problemas, la memoria, el mente, por nombrar solo algunas disciplinas sobre las que exis-
-·
n
ro
t::l
,CJ.........
PJ
C/l
1
Representaci6n y computaci6n
EL ESTUDIO DE LA MENTE
de esos productos. En el caso de los cientificos especializados en les no? ;_Cuales son los requisitos para obtener el titulo? ;_Cua]
informatica, el conocimiento de que factores hacen que las per- es el mejor camino para ir de un aula a otra? i_Como son los
sonas sean inteligentes es de utilidad en el disefio de computa- demas estudiantes? ;_Cual es el mejor Iugar para salir un vier-
doras mas inteligentes. Ypara los politicos y los responsables de nes a la noche?
::!
la toma de decisiones, el exito de su carrera depende de la com- Las respuestas a esas preguntas se almacenan en algun Iugar
prensi6n de los procesos mentales de las personas con las que de Ia mente, pero i_d6nde? La mayoria de los especialistas coin-
interactuan. ciden en que el conocimiento consiste en representaciones men-
1:·'·· Sin embargo, el estudio de la mente noes tarea sencilla, puesto tales. Todo el mundo sabe que es una representacion no men-
I>
;.j que no es posible tener acceso directo a ella. A lo largo de los tal, como lo son las palabras escritas en esta pagina. La frase "esta
J::i! pagina" es a su vez una representaci6n de la pagina que ellec-
siglos, los fil6sofos y los psic6logos han recurrido a un conjunto
lf de metaforas y comparaciones para referirse ala mente. Se ha tor esta viendo en este momenta. En las instituciones educati-
I;··
1'1'
afirmado que es como una pagina en blanco sobre la que se hacen vas abundan las representaciones graficas, los mapas, por ejem-
iir
,,_ plo, de modo que los estudiantes estan habituados a verlas. Para
li• impresiones, o como un instrumento hidniulico en el que se
~
ejercen distintas fuerzas o que es semejante a un conmutador explicar varies tipos de conocimiento, como que saben los estu-
telefonico. En los ultimos cincuenta afios han surgido nuevas diantes sobre el funcionamiento de la universidad, la ciencia
if metaforas gracias al desarrollo de nuevas clases de computa- cognitiva propone distintos tipos de representaciones menta-
doras. Muchos especialistas en ciencia cognitiva, si bien no todos, les: reglas, conceptos, imagenes y analogias, etc. Los estudian-
consideran que el pensamiento es una especie de proceso com- tes conocen, entre otras, Ia regia que determina Si quiero reci-
putacional y utilizan metaforas relacionadas con el campo de birme, tengo que cursar diez materias del ciclo de especializaci6n.
:; la computaci6n para describir y explicar c6mo las personas Tambien adquieren conceptos nuevos representados por termi-
}~' aprenden y resuelven problemas. nos como "bird", "Mickey Mouse" o "gut", que en las universida-
~} des de algunos paises angloparlantes se utilizan para referirse a
i..f
las materias muy faciles. Para ir de un aula a otra, les resulta
util contar con una representaci6n mental de Ia distribuci6n
tQUE SABEMOS? espacial de la facultad. Despues de completar una materia que
les ha parecido buena, es probable que traten de inscribirse en
Cuando empiezan una carrera universitaria, los estudiantes tie- otras similares. AI tener la oportunidad de relacionarse con estu-
nen que aprender mucho mas que lo que dicen los textos. Segun diantes de otras carreras, construyen estereotipos aunque les
Ia carrera elegida, variaran los temas, pero en todas es necesa- resulte dificil expresar con precision que caracteristicas tiene
rio aprender algunos aspectos basicos sobre c6mo funciona la cada uno.
universidad. ;_Como se hace para anotarse en una materia? ;_A El conocimiento sobre la vida en Ia universidad no se
que hora empiezan las dases? ;_Que catedras son buenas y cua- adquiere solo para acumular informacion. Los estudiantes se
""
t'~. :.~ 20 I LA MENTE REPRESENJACION Y COMPUTACIDN i 21
enfrentan con numerosos problemas: como lograr un buen "conexionistas" o "de redes neuronales" que comentaremos en
desempefio al cursar las materias, como llevar una vida social el capitulo 7.
satisfactoria y como obtener un trabajo despues de recibirse.
Resolver ese tipo de problemas requiere operar con represen-
taciones mentales; por ejemplo, cmintas materias les restan
para recibirse o no anotarse nunca mas en ninguna materia LOS INICIOS
dictada por ei profesor Tedio. Segun la ciencia cognitiva, las
personas experimentan procesos mentales que actuan sobre las Los primeros intentos por comprender la mente y su funciona-
representaciones para generar pensamientos y acciones. Los miento se remontan a la antigua Grecia, o quizas antes, con las
distintos tipos de representaciones mentales, como las reglas primeras teorias sabre la naturaleza del conocimiento formula-
y los conceptos, se asocian con distintas clases de procesos men- das por filosofos como Plat6n y Arist6teles. Plat6n pensaba que
tales. Tomemos por caso las distintas maneras de representar el conocimiento mas importante provenia de conceptos como la
numeros. La mayoria de las personas conocen la representa- virtud, con~eptos innatos que no dependian de la experiencia
cion anibiga de los numeros (1, 2, 3, 10, 100 ••• ) y los procedi- sensible. Otros filosofos, como Descartes y Leibniz, pensaban que
mientos para realizar operaciones de adicion o multiplicaci6n, el conocimiento se adquiria gracias al pensamiento y al razona-
entre otras. Tambien pueden utilizar numeros romanos (I, II, miento, por lo que su enfoque se denomina racionalismo. Por el
III, x, c ... ), pero los procedimientos para realizar operaciones contrario, Arist6teles abordo el tema del conocimiento recu-
aritmeticas son distintos. Hagamos la prueba de dividir civ rriendo a reglas que se aprenden gracias a Ia experiencia, como
(104) por XXVI (26). ocurre con el enunciado Todos los hombres son mortales. Esa pos-
En la primera parte de este libra presentaremos los distin- tura filosofica, que luego abrazaron Locke, Hume y otros pen-
tos enfoques sabre las representaciones y los procesos menta- sadores, se denomina empirismo. En el siglo xvm, Kant pro-
les propuestos en los ultimos cuarenta afios de investigaci6n puso una combinacion del racionalismo y el empirismo, pues
en el marco de la ciencia cognitiva. El valor de algunos de sostenia que el conocimiento humano depende de Ia experien-
esos enfoques ha sido motive de controversia, y muchos de los cia sensible y de las capacidades innatas de la mente.
principales te6ricos de Ia ciencia cognitiva defendieron con El estudio de Ia mente permaneci6 confinado al campo de la
vehemencia Ia validez del enfoque de su preferencia. En mi filosofia hasta el siglo xrx, epoca en que naciola psicologia expe-
caso personal, tiendo a ser mas eclectico, pues creo que las dis- rimental. Wilhelm Wundt y sus discipulos disefiaron metodos
tintas teorias de la representaci6n mental nose excluyen entre de laboratorio para el estudio sistematico de las operaciones
si sino que se complementan. La mente humana es sumamente mentales. AI cabo de unas pocas decadas, la psicologia experi-
compleja, y se comprende mejor si se tiene en cuenta el uso mental cedi6 terrene ante el conductismo, que negaba la existen-
de las reglas mencionadas anteriormente y de otras no tan cia de la mente. Algunos conductistas, John B. Watson (1913),
obvias, como las representaciones propuestas por los modelos por ejemplo, sostenian que la psicologia debia limitarse al estu-
RtPRESENTACIUN Y cnl':f'Ul.\l!ON 23
;:; 22 I lA MENTE
clio de la relacion entre estimulos y reacciones observables de sos trabajos posteriores (capitulo 3). En los afios setenta, Minsky
la conducta. La conciencia y las representaciones mentales no propuso la noci6n de marco conceptual como estructura central
eran temas de los que la ciencia respetable debiera ocuparse. de las representaciones del conocimiento. Otros investigadores
En los Estados Unidos en particular, el conductismo domino del area de la psicologia y la inteligencia artificial plantearon la
'• existencia de estructuras similares a las que denominaron guio-
el campo de Ia psicologia hasta la decada de 1950.
Hacia 1956, el panorama intelectual experimento un cambio nes y esquemas (capitulo 4). En esa misma epoca, los psicolo-
drastico. George Miller (1956) presento una resefia de numero- gos tambien comenzaron a interesarse en las imagenes menta-
!t: les (capitulo 6). A partir de la decada de 1980, se han realizado
sos estudios que demostraban que la capacidad del pensamiento
humano es limitada y que la memoria a corto plazo noes capaz innumerables trabajos de investigaci6n experimental y compu-
de almacenar mas de siete elementos. (Por esa razon, es diffcil tacional centrados en el pensamiento analogico o razonamiento
retener un numero de telefono con sus codigos de area o el del inductivo (capitulo 5). Las propuestas mas interesantes de esa
carne de la obra social.) Miller sugirio que las limitaciones de decada fueron las teorias conexionistas, que establecieron cierto
la memoria se superan si la informacion se recodifica en forma grado de relacion entre las representaciones y los procesos men-
de unidades mas pequefias, es decir, por medio de representa- tales y las redes neuron ales del cerebra (capitulo 7). Todos esos
ciones mentales que requieren procesos mentales para codifi- enfoques han hecho su contribucion al conocimiento de la mente,
car y decodificar informacion. Era la epoca de las prim eras com- cada uno con sus aciertos y desaciertos (capitulo 8).
putadoras y de pioneros como John McCarthy, Marvin Minsky, La nocion fundamental de que la mente deberia pensarse en
Allen Newell y Herbert Simon, fundadores del area del conoci- terminos de representaciones y procesos mentales ha recibido cri-
miento conocida como inteligencia artificial. Por su parte, Noam ticas y sufrido modificaciones, de las que nos ocuparemos en la
Chomsky (1957, 1959) rechazolos supuestos conductistas sobre segunda parte de este libro (capitulos 9 a 14). La decada de 1990
ellenguaje como habito adquirido y afirmo que la capacidad del fue testigo de la proliferacion del uso de tecnicas de escaneo cere-
hombre de comprender ellenguaje se explica en terminos de bral para el estudio de las zonas del cerebra asociadas con el pen-
una gramatica mental constituida por reglas. No seria injusto samiento yen la actualidad se trabaja con modelos computacio-
"! :~ considerar a los seis cientificos mencionados en este parrafo nales de la mente cuya estructura refleja la estructura neurol6gica
como los fundadores de la ciencia cognitiva. real. Esos modelos proponen nuevas formas de en tender las emo-
En los capftulos siguientes, mostraremos la historia posterior ciones y la conciencia (capitulos 10 y n). Las reacciones contra-
de la ciencia cognitiva vinculandola con distintas teorias de la rias al modelo computacional-representacional se apoyan en el
~. representaci6n mental. McCarthy fue uno de los principales expo- argumento de que el organismo y los entornos fisico y social
~ '
nentes del enfoque de la inteligencia artificial basado en la logica desempefian un papel importante en el pensamiento (capitulos
~: 12 y 13). Finalmente, nos dedicaremos a plantear el futuro de las
•1 . formal (capitulo 2). En la decada de 1960, Newell y Simon demos-
~
~ traron el poder de las reglas en su descripcion de algunos aspec- ciencias cognitivas y a brindar algunas sugerencias para poten-
~ .
~. ciales trabajos de caracter interdisciplinario (capitulo 14).
;l tos de la inteligencia humana, tradicionretomada en numero-
~:
~-
.!~ ,_
~
J
REPRES~liTAC!ON Y C0i~PU1ACiON I .L')
24 I LA MENTE
METODOS DE LAS CIENCIAS COGNITIVAS pretarse dentro de un marco te6rico que postule la existencia de
representaciones y procesos mentales. Una de las mejorcs mane-
Las ciencias cognitivas no son solo el quehacer de un conjunto ras de construir marcos te6ricos consiste en crear y poner a
de personas provenientes de distintas disciplinas que se re(men prueba modelos computacionales analogos a las operaciones
en unbar a conversar sobre la mente. Para apreciar cuales son mentales. Para complementar los experimentos psicol6gicos
las ideas unificadoras sobre las que se construyen las ciencias centrados en el razonamiento deductive, la formaci6n de con-
cognitivas es necesario tener un panorama de los metodos que ceptos, las imagenes mentales y la resoluci6n de problemas por
los investigadores de las distintas disciplinas utilizan en el estu- analogia, los investigadores han creado modelos computacio-
dio de Ia mente y la inteligencia. nales que simulan distintos aspectos del desempefio humano.
Si bien en la actualidad abundan Ia teorizacion y los mode- El disefio y la construccion de modelos computacionales y Ia
los computacionales en Ia psicologia cognitiva, el metodo prin- experimentacion subsiguiente conforman las actividades pri-
cipal de investigaciones la experimentacion con sujetos huma- mordiales de la inteligencia artificial, la rama de las ciencias de
nos. Las personas que participan en los estudios -por lo general, la computacion que se ocupa de los sistemas inteligentes. En
estudiantes universitarios- acuden allaboratorio, donde se las un contexte ideal, en el campo de las ciencias cognitivas, los mo-
estudia en un entorno con condiciones controladas. Algunos delos computacionales y Ia experimentaci6n psicologica van de
de los trahajos realizados, como veremos en distintos capitu- Ia mano, pero muchos estudios funda1~entales en el campo de la
los de este libro, consisten en analizar los errores que se come- inteligencia artificial sobre la relevancia de distintos abordajes
ten al hacer razonamientos deductivos, la forma en que se crean de la representaci6n del conocimiento no han tenido relaci6n
y aplican conceptos, Ia velocidad con que se piensa utilizando con Ia psicologia experimental.
imagenes mentales y el desempefio durante la resoluci6n de En lingiiistica, a veces se realizan experimentos psicol6gicos
problemas mediante analogias. Las conclusiones sobre como o se desarrollan modelos computacionales; sin embargo, los
funciona la mente deben trascender el "sentido comun" y la metodos utilizados en esta disciplina suelen ser otros. Los lin-
introspeccion, porque como muchas de las operaciones men- guistas que siguen la tradici6n chomskiana se dedican a buscar
tales no son accesibles a nivel consciente, pueden darnos una los principios gramaticales que permiten explicar la estructura
idea general equivocada. Los experimentos psicologicos que basica dellenguaje. La deteccion de esos principios se realiza
intentan desentrafiar las opcraciones mentales desde distintos mediante la comparacion de las diferencias sutiles existentes
angulos son fundamentales para que las ciencias cognitivas ten- entre oraciones gramaticales y agramaticales. En espaiiol, por
gan caracter cientifico. ejemplo, "Juan pate6 la pelota" o "lQue pate6 Juan?" son gra-
Es cierto que la teorfa sin experimentacion esta vacia, pero maticales; en cambio, "Juan la pateo pelota" y "lQue patearon
tambien es cierto que la experimentacion sin teoria es ciega. El Juan?" son agramaticales. Una gramatica del espanol debe poder
tratamiento de las cuestiones esenciales de la naturaleza de la explicar por que las primeras oraciones son aceptables y las
mente requiere que los experimentos psicologicos puedan inter- segundas no lo son. En los capitulos siguientes daremos otros
1i'
'i
26 I LA MENTE REPREStNliiCION Y COMPUTACION I 27
l
l
l
1 ejemplos de Ia investigaci6n te6rica y empfrica que !levan a cabo el funcionamiento de Ia mente en entornos fisicos y sociales par-
i los linguistas chomskianos y los pertenecientes a otras tradicio- ticulares. Para la antropologia cultural, es primordial el metodo
nes linglifsticas. etnografico, que requiere que los investigadores convivan e inter-
AI igual que en el campo de la psicologia cognitiva, en neuro- actuen con los miembros de una determinada cultura durante
ciencia se realizan experimentos controlados, pero las observa- el tiempo necesario para llegar a conocer su sistema social y cog-
ciones son muy distintas, pues el objeto de estudio de Ia neuro- nitive. Los antrop6logos cognitivos han investigado, por ejem-
ciencia es el cerebro en si. Cuando usan sujetos no humanos en plo, las similitudes y las diferencias entre las palabras que dcno-
los experimentos, los investigadores pueden insertar electrodes tan colores en distintas culturas.
y registrar asi el estimulo de neuronas individuales. Esa tecnica Salvo contadas excepciones, los filosofos no se dedican a la
es imposible de usar en humanos porque es demasiado inva- observaci6n empirica ni diseiian rnodelos cornputacionales; aun
siva; no obstante, en los ultimos aiios se han empezado a utili- asi, Ia filosofia sigue siendo esencial para las ciencias cognitivas,
zar la resonancia magnetica y Ia tomografia por cmisi6n de posi- porque se ocupa de temas fundamentales que constituyen los
trones, que permiten observar la actividad de distintas zonas pilares de los enfoques experimentales y computacionales del
del cerebro en personas a las que se solicita que realicen diver- estudio de Ia mente. Temas abstractos como la naturaleza de la
sas tareas mentales. Por ejemplo, gracias ala tomograffa compu- representaci6n y la computaci6n no necesariamente se tienen en
tada, se determin6 que zonas del cerebra participan en la forma- cuenta en la pnktica cotidiana de Ia psicologia o la inteligencia
cion de imagenes mentales y !a interpFetaci6n de palabras. Otras artificial, pero es inevitable tratarlos cuando los investigadores
evidencias del funcionamiento del cerebro surgen de la observa- reflexionan sobre su tarea. La filosofia tam bien se ocupa de cues-
ci6n de pacientes con determinados daiios cerebrales. Un acci- tiones generales como la relaci6n entre la mente y el cuerpo, y de
dente cerebrovascular que afecta a zonas asociadas con ellen- aspectos metodol6gicos como la naturaleza de las explicaciones
guaje puede ocasionar deficiencias tales como Ia incapacidad proporcionadas por las ciencias cognitivas. Ademas de la des-
de emitir oraciones. Como la psicologia cognitiva, la neuro- cripci6n de c6mo piensan las personas, la filosofia se dedica a
ciencia es una disciplina te6rica yexperimental ala vez, en la que cuestiones norrnativas sobre c6mo deberian pensar. Las cien-
gran parte de ia teoria se construye a partir de modelos compu- cias cognitivas aiiaden al objetivo te6rico de la comprensi6n del
tacionales del comportamiento de grupos neuronales. pensamiento hurnano el objetivo practico de mejorarlo, proceso
La antropologia cognitiva se ocupa de analizar el pensamiento que requiere una reflexi6n normativa sobre que esperamos del
humano con relaci6n a distintos entornos culturales. El estu- pensamiento. La filosofia de Ia mente no utiliza un metodo en
dio de la mente, claro esta, no se restringe a saber como pien- particular y seria deseable que compartiera el in teres por los resul-
san los hablantes de una lengua determinada sino a considerar tados empiricos con las teorias elaboradas en otras disciplinas.
las posibles diferencias en los modos de pensar en las distintas En su forma mas laxa, las ciencias cognitivas son la suma de
culturas. En los capitulos 12 y 13, analizaremos el creciente in te- las disciplinas que hemos mencionado: la psicologia, la inteli-
res que despierta entre los especialistas en ciencias cognitivas gencia artificial, Ia lingi.iistica, la neurociencia, Ia antropologia
;:~j,
l:.: 28 I lA MENTE REPRESEN!ACION Y COMPUTWrifl I 29
1··¥-
y la filosofia. El trabajo interdisciplinario es mucho mas intere- ideas sobre la representaci6n y la computaci6n no serian ade-
sante cuando hay una convergencia te6rica y experimental res- cuadas para explicar algunas cuestiones fundamentales referi-
pecto de las conclusiones sobre la naturaleza de la mente. En los das ala mente. Con todo, al evaluar los aciertos de las distintas
capitulos siguientes ilustraremos esa convergencia, es decir, mos- teorias de la representaci6n del conocimiento, advertiremos
traremos el trabajo de las ciencias cognitivas en areas de inter- ei gran aporte que ha hecho el MCRM. Sin duda, el modele es el
secci6n de varias disciplinas. Por ejemplo, la psicologia y la inte- mejor a nivel te6rico y experimental entre todos los enfoques
ligencia artificial confluyen en los modelos computacionales que del estudio de la mente que se han desarrollado hasta el momento.
describen la conducta de los sujetos experimentales. La mejor A pesar de que no todos los que trabajan en ciencias cognitivas
manera de comprender la complejidad del pensamiento humano estan de acuerdo con los postulados del MCRM, la cantidad de
consiste en utilizar multiples metodos, en especial, en combi- articulos publicados en las principales revistas especializadas en
nar experimentos psicol6gicos y neurol6gicos con modelos com- psicologia y otras disciplinas demuestra que, hoy en dia, es el
putacionales. En terminos te6ricos, la idea mas fructifera ha sido enfoque dominante.
el enfoque computacional-representacional de la mente. Gran parte del exito del MCRM se debe al hecho de que em plea
una rica analogia del campo de la computaci6n. Como vere-
mos en el capitulo 5, muchas veces las analogias enriquecen
las ideas cientificas. En el tema que nos ocupa, la comparaci6n
EL MODELO COMPUTACIONAL-REPRESENTACIONAL de la mente con las computadoras permite un abordaje mas
DE LA MENTE fructifero del estudio de la mente que el de las analogias ante-
riores, como la del conmutador telef6nico, por ejemplo. El
La hip6tesis central de las ciencias cognitivas es que la mejor lector que sepa de ciencias de la computaci6n estara familiari-
forma de estudiar el pensamiento es entenderlo en terminos zado con la caracterizaci6n de los programas como estructu-
de estructuras de representaciones mentales sobre las que ope- ras de datos y algoritmos. Los lenguajes de programaci6n
ran procesos computacionales. Si bien no hay consenso en modernos incluyen una variedad de estructuras de datos for-
cuanto a la naturaleza de las representaciones y los procesos mados por cadenas de letras, "abc", por ejemplo, y numeros,
computacionales que constituyen el pensamiento, la hip6te- ademas de por estructuras mas complejas como las listas (A B
sis central es tan general que abarca todos los enfoques actua- C) y los arboles. Un algoritmo es un procedimiento mecanico
les de las ciencias cognitivas, incluso las teorias conexionis- que opera en varias clases de estructuras. Por ejemplo, en la
tas. Denominaremos MCRM al modele basado en esa hip6tesis escuela primaria los alumnos aprenden un algoritmo para divi-
central, como sigla de modelo computacional-representacio- dir numeros de varias cifras. Otro algoritmo sencillo consiste
nal de la mente. en invertir el orden de una lista, es decir, cambiar el orden (A
El MCRM podria ser incorrecto. En la segunda parte de este B C) por (C B A), procedimiento que se lleva a cabo mediante
libro, presentaremos objeciones al modelo segun las cuales las otros procedimientos mas simples que consisten en tomar un
I
~
30 I LA MENTE REP RES EN 1ALl GN Y C0 14 PUfACIO t! I 3l
'
sentaciones mentales analogas a estructuras de datos y proce-
sos computacionales semejantes a algoritmos tal como se /
muestra en el siguiente esquema:
Programa
estructuras de datos
Mente
representaciones mentales
D
~ ~I
~ ~
Esta ha sido la analogia dominante en las ciencias cognitivas, si Para quienes saben mucho de computaci6n, concebir la mente
bien dio un giro cuando se introdujo otro elemento: el cere- en terminos computacionales resulta algo natural, incluso si
bro. Desde el conexionismo se propusieron ideas novedosas no estan de acuerdo con Ia noci6n de que la mente es compa-
sobre la representaci6n y la computaci6n que se valen de las neu- rable a una computadora. Los que nunca han creado un pro-
ronas y sus conexiones como modele de estructuras de datos, grama de computaci6n pero estan acostumbrados a consultar
y del estimulo de las celulas nerviosas y la diseminaci6n de la libros de cocina pueden recurrir a otra analogia. Por lo gene-
actividad neuronal como modele de algoritmos. Asi, el MCRM ral, las recetas constan de dos partes: una lista de ingredientes
recurre a una compleja analogia tripartita que vincula la mente, y una serie de instrucciones que indican como combinadas. El
el cerebra y las computadoras, como se observa en Ia figura 1.1. plato final se obtiene cuando se siguen las instrucciones usando
La mente, el cerebro y la computaci6n por separado sirven para los ingredientes de la lista; del mismo modo, un programa eje-
sugerir nuevas ideas referidas a los otros dos elementos. Existe cutable se obtiene cuando se aplican algoritmos a las estructu-
mas de un modele computacional de la mente, ya que las dis- ras de datos -numeros y listas- y el pensamiento es, de acuerdo
tintas clases de computadoras y de lenguajes de programaci6n con el MCRM, el resultado de la aplicaci6n de procesos compu-
proporcionan distintos modelos de como podria funcionar la tacionales a las representaciones mentales. La analogia entre la
mente. Las computadoras a las que estamos acostumbrados receta y el pensamiento es algo debil, porque los ingredientes no
cuentan con procesadores en serie, es decir, realizan de a una son representaciones y las instrucciones para cocinar requie-
tarea por vez, pero el cerebra y algunas computadoras moder- ren a alguien que las interprete. En los capitulos 2 a 7 ofrecere-
nas tienen procesadores en paralelo, capaces de realizar varias mos ejemplos de procesos computacionales que se ajustan mejor
operaciones en simultaneo. a las operaciones mentales.
"".fl-
M
r:.:·
~;.
·1
'j
: ·\i
~L
TEORIAS, MODELOS Y PROGRAMAS la suma. Ademas, determinaria si la representaci6n del n(unero
1i:
i~
!
13 consiste en una estructura simple, una estructura combinada
Los modelos de computacion suelen ser utiles para la investi- como 10 mas 3 o un complejo de estructuras como las de las neu-
gacion teorica de los procesos mentales. Para comprender los ronas. La teoria tambien postularfa procesos que operan sobre
modelos formulados por las ciencias cognitivas es necesario las estructuras para obtener el resultado, 41, y la operacion que
apreciar las distinciones y las relaciones entre cuatro elemen- transforma la estructura 30 + n en 41. Un modelo computacio-
t~s fundamentales: teo ria, modelo, programa y plataforma. Una nal especificaria Ia naturaleza de las representaciones y los pro-
teoria cognitiva postula una serie de estructuras representacio- cesos mediante la caracterizaci6n de las estructuras y los algo-
nales y un conjunto de procesos que operan sobre elias. Un ritmos programables que serian analogos a las representaciones
·11 modelo computacional vuelve mas precisos esos procesos y y los procesos mentales utilizados en la adicion. Para evaluar la
estructuras a traves de interpretaciones que consisten en ana- teoria y el modelo, se crea un programa de computacion en un
logias con programas de computacion formados por estructu- Ienguaje como el LISP, y luego se ejecuta el programa para com-
ras de datos y algoritmos. Las ideas vagas sobre las representa- parar su funcionamiento con el de las personas cuando realizan
ciones pueden complementarse con ideas computacionales una suma. Es preciso que el programa obtenga el resultado
precisas sabre estructuras de datos ala vez que los procesos men- correcto, que cometa los mismos tipos de error que las perso-
tales se definen por media de algoritmos. La puesta a prueba del nas y que su ejecucion pueda realizarse en plataformas comu-
modelo se realiza implementandolo en un programa de software nes o en alguna diseiiada especialmente para un tipo de com-
creado con un lenguaje de programacion, como el LISP o el Java. putadora en particular; por ejemplo, una que imite Ia estructura
El programa se ejecuta en distintas plataformas de hardware; por neuronal del cerebra.
ejemplo, Macintosh, Sun Workstation o computadoras perso- La analogia entre la mente y las computadoras resulta util en
nales de IBM, aunque tambien pueden ejecutarse en platafor- las tres etapas del desarrollo de una teoria cognitiva: descubri-
mas especialmente diseiiadas para un tipo particular de hard- miento, modificacion y evaluacion. Por lo general, las ideas com-
ware con varios procesadores que funcionan en paralelo. Muchas putacionales acerca de distintos tipos de programas sugieren
clases de estructuras y procesos se investigan de esta manera, nuevas clases de estructuras y procesos mentales. La elabora-
como es el caso de las reglas y las estrategias de busqueda de cion de teorias y la creaci6n de modelos y programas van de la
determinados tipos de inteligencia artificial y el de las represen- mano, porque Ia escritura de un programa normalmente se
taciones distribuidas y la propagacion de los procesos de acti- acompafia de la creacion de estructuras de datos y algoritmos
vacion de las ideas conexionistas mas recientes. nuevos, que a su vez se incorporan en el modelo y tienen su ana-
Imaginemos que deseamos en tender como aprenden los niiios logo en la teoria. Por ejemplo, cuando un programador escribe
a sumar. Utilizaremos el ejemplo de la operacion de suma 13 + un programa de computacion que simula la operacion de suma,
28. Una teoria cognitiva explicaria como representan los niiios puede pensar en una clase de estructuras de datos que de ori-
esos numeros y como procesan las representaciones para hacer gen a nuevas ideas sobre la manera en que los nifios represen-
~rr-ll .~ftl'r?C
!!i!.o~W"'"""'"' ii. ~
L~ ,);'~ .:;J·~~ ,i)i\JI~>••..._<;.'~>H.!.!.'•
,_u'l'.~ ·~trU. il\'.fff~ilt.
~W~TEMA DE E~if.~~J~wT~.CJ~.?
- ~. rp""'M'"'~·'ll
F\:J'll ~n~ !is.""
o ..
n~ n-,·~:..~.il~ ~
,>tt -~ ~e. ~'Tc'll'···"'
I
!i!l':•
11:
34 I lA IHNTE REPRLSEN IACIUN V COMPUlACION I 35
\,l::. tan los numeros. Del mismo modo, Ia evaluaci6n de Ia teoria, Recuadro 1.1. Criterios para Ia evaluaci6n de teorias
> ~;
'!ji ei modelo y el programa a veces se realiza en conjunto, dado que de Ia representaci6n mental
:ll,, Ia confianza en Ia teo ria depende de la validez del modelo, obser-
------- -------- - ----------· - ---------
!\ ( 1) Capacidad representacional
' vable en el desempefio del programa. Si el programa de compu- (2) Capacidad computacional
taci6n disefiado para simular Ia adici6n no es capaz de sumar (a) Resoluci6n de problemas
0 si comete menos errores que los esperados, entonces Ia teo ria (i) Planificaci6n
cognitiva correspondiente es inadecuada. (ii) Decision
El programa ejecutable puede contribuir a Ia evaluaci6n del (iii) Explicaci6n
(b) Aprendizaje
modelo y Ia teorfa de tres modos distintos. En primer Iugar, per-
(c) Lenguaje
mite demostrar que las representaciones y los procesos postu- (3) Plausibilidad psicol6gica
' lados son realizables en el plano computacional, lo cual es impor- (4) Plausibilidad neurol6gica
tante, puesto que muchos algoritmos que a primera vista parecen (5) Aplicabilidad practica
(a) Educacion
razonab!es nose adecuan a los problemas de mayor enverga-
(b) Disefio
dura que deben resolver las computadoras reales. En segundo (c) Sistemas inteligentes
Iugar, para demostrar Ia posibilidad de llevar a Ia practica una (d) Enfermedades mentales
teor!a y su plausibilidad psicol6gica, el programa debe probarse
cualitativamente con distintos ejeniplos de pensamiento. El pro-
grama de adici6n, por ejemplo, deberia dar los mismos tipos EVALUACION DE LOS ENFOQUES
de respuestas correctas e incorrectas que los nifios. Yen tercer DE LA REPRESENTACION MENTAL
Iugar, para demostrar que la teoria se adecua al pensamiento
humano, el programa debe evaluarse cuantitativamente, es decir, Una vez presentados los lineamientos generales, seremos mas
tiene que generar predicciones detalladas sobre el pensamiento espedficos en cuanto a que se espera de una teoria de la repre-
humano comparables con los re~ultados de los experimentos sentaci6n mental. En el recuadro 1.1 se muestran cinco crite-
psicol6gicos. Si existen experimentos que demuestran que los rios complejos para Ia evaluaci6n de una determinada explica-
niflos dan un determinado porcentaje de respuestas correctas ci6n de las representaciones y las operaciones computacioriales
a cierta clase de problemas de adici6n, el programa de compu- con la cual se pretende explicar el pensamiento. En los capitu-
taci6n tendria que acertar las respuestas en porcentajes simila- los 2 a 7 se ilustra el uso de esos criterios en la evaluaci6n de
res. Las teorias cognitivas por si solas no tienen la precision seis enfoques distintos de la representaci6n mental: Ia l6gica, las
que permite hacer predicciones cuantitativas; para eso se pre- reglas, los conceptos, las imagenes, los casos y las conexiones
cisan los modelos y los programas, que vinculan la teoria con (redes neuronales artificiales).
los datos observados. Cada uno de esos enfoques propone un tipo distinto de repre-
sentaci6n y un conjunto de procesos computacionales propio.
36 I lA NENlE REPRlSlNTACION Y COMPIJTACION I 37
El primer criteria -la capacidad representacional- se vincu Ia En Ia toma de decisiones, las personas tienen a su disposi-
con la cantidad de informacion que es capaz de expresar un tipo cion distintos medias, de los cuales deben elegir el mejor para
particular de representaci6n. Por ejemplo, en una universidad }ograr sus objetivos. Pensemos, por ejemplo, en un estudiante
( se advierte:"Atenci6n ingresantes: deben inscribirse en las mate- que esta por recibirse y tiene que elegir entre buscar un tra-
rias antes del inicio de las clases". Los estudiantes que tomen en bajo, comenzar el doctorado o seguir otros cursos de posgrado.
serio la advertencia debenin contar con una representaci6n Noes una decision facil, ya que requiere definir objetivos y pen-
k interna que les permita hacer inferencias posteriores y Ilegar a sar en el curso de acci6n mas adecuado. En la planificaci6n, la
la conclusion de que de ben ira la secretaria de admisiones e ins- tarea consiste en encontraruna secuencia de acciones; en cam-
cribirse en las materias del cuatrimestre siguiente. Veremos bia, en la toma de decisiones se trata de elegir entre una canti-
que los distintos tipos de representacion mental propuestos dad de acciones posibles para preparar el mejor plan.
varian en cuanto a su capacidad representacional. La justificacion implica descubrir par que ha ocurrido cierto
Las representaciones mentales son importantes no solo por suceso. Las preguntas pueden ser desde una tan cotidiana como
lo que expresan sino tam bien por lo que puede hacerse con elias. por que un amigo al que estamos esperando para cenar atm no
La capacidad computacional de una representacion mental se ha llegado, hasta unaenmarcada dentro de las ciencias; por ejem-
evahia considerando como explica las tres clases de pensamiento plo, por que evoluciona ellenguaje humano. Cualquier persona
superior. La primera es la resolucion de problemas: una teoria dotada de una inteligencia basica es capaz de planificar, tomar
de ia representacion mental deberia explicar como razonan las decisiones y encontrar justificaciones. Una teoria cognitiva debe
personas para lograr sus objetivos. Hay al menos tres tipos de tener la capacidad computacional suficiente para brindar expli-
resolucion de problemas que necesitan explicacion: planifica- caciones posibles de como se resuelve ese tipo de problemas.
cion, toma de decisiones y justificacion. En la planificacion se La capacidad computacional de un sistema de representacio-
~ ~·
recurre al razonamiento para resolver como se pasa de un estado nes y procesos no se limita a cuanto puede computar un sistema;
~ -,':
inicial a un estado final atravesando varios estados intermedios. tambien se debe considerar cuan eficiente es. Pensemos en un
~ ~,:
Para ella, deben tenerse en cuenta cuestiones practicas: una per- proceso cuya primera aplicacion tarda un segundo, la segunda
r sona que va a tamar un vuelo considerara como llegar al aero- tarda el doble que la primera, la tercera tarda el doble que 1-a
I;
_,
;1_,
puerto a horario y un estudiante que debe resolver ejercicios
de un libro ode un examen pensara como llegara a la soluci6n
anterior, y asi sucesivamente. La vigesima vez que se aplique tar-
dada 2 20 segundos, mas de los que han transcurrido desde que
~ leyendo la informacion proporcionada en el planteo del pro- surgi6 el universo, hace unos 15.000 millones de aiios. Los siste-
r
~
blema. El estado inicial comprende los conocimientos previos mas inteligentes naturales yartificiales deben tener una velocidad
~' del estudiante y la informacion que figura en el planteo, y eJ tal que les permita operar con eficacia en su contexto particular.
~ .·
estado final implica tener una respuesta. Para ello hay que encon- Cuando alguien resuelve un problema, por lo general aprende
i]' trar la solucion mediante la construccion de una secuencia de de la experiencia; asi, si se enfrenta otra vez a una situacion seme-
~·f calculos adecuada. jante, le resultara mas facil encontrar la solucion. Por ejemplo,
rt
il
~~ ~
~·
~·
~' 38 I LA MENTE REPRfSENT~CION Y COMPUlAC!ON I 39
~,
'1C
rIO
n a los estudiantes que se anotan por primera vez en una materia computacional. En consecuencia, el tercer criteria para evaluar
todo les parece confuse porque no saben cuales son los trami- una teo ria de la representacion mentales la plausibilidad psico-
tes que deben hacer ni cuales son las mejores catedras. Con el 16gica, es decir, es necesario dar cuenta no solo de las capacida-
tiempo, todo se simplifica. En parte, ser inteligente consiste en des cualitativas de los humanos sino tam bien de los resultados
aprender de la experiencia; entonces, una teorfa de la represen- cuantitativos de los experimentos psicologicos por media de los
taci6n mental debe tener una capacidad computacional que cuales se estudian esas capacidades. Los experimentos en cues-
explique como aprenden los humanos. Los distintos enfoques tion evaluan las mismas tareas superiores que comentamos para
de la representacion mental dan cuenta de varias clases de apren- la capacidad computacional: la resoluci6n de problemas, cl apren-
dizaje, desde Ia adquisicion de nuevas conceptos, como anotarse dizaje y ellenguaje. La diferencia radica en que una teorfa cog-
en una materia, y reglas como No anotarse en cursos que empie- nitiva de la representacion mental debe demostrar c6mo es posi-
cen a las 8.30, hasta otras clases de adaptaciones sutiles. ble realizar una tarea en el plano computacional, pero ademas
Ademas de la resolucion de problemas y el aprendizaje, una tiene que poder explicar como la realizan los humanos.
teorfa cognitiva general debe explicar el uso dellenguaje humano. Del mismo modo, como el pensamiento se produce en cl cere-
Nuestra especie es la unica capaz de hacer un uso complejo del bra, una teoria de la representaci6n mental debe corresponderse
lenguaje. Es probable que eso se deba a los principios generales con los resultados de los experimentos de la neurocicncia. Hasta
aplicados en la resoluci6n de problemas yen el aprendizaje, pero no hace mucho tiempo, las tecnicas neurologicas, como el regis-
tambien podrfa ser que ellenguaje fuera una capacidad cogni- tro electroencefalografico de las ondas cerebrales, poco decian
riva unica y que hubiese que considerarla por separado. Es nece- de la cognici6n superior, pero en los ultimos veinte afios han
sario explicar al menos tres aspectos del uso del lenguaje: la capa- surgido nuevas tecnicas de escaneo cerebral que permiten detec-
cidad de comprension, de generar oraciones y la capacidad tar el momenta y las zonas del cerebra en que se llevan a cabo
universal de adquisicion dellenguaje durante la infancia. Los ciertas tareas cognitivas. Asf, la neurociencia cognitiva se ha con-
distintos enfoques de la representacion del conocimiento dan vertido en una disciplina cientifica de gran importancia para
respuestas muy diferentes a como funcionan esos procesos. Ia reflexion sobre el funcionamiento de la mente. Por lo tanto,
Como rama de la ingenierfa, la inteligencia artificial desa- si bien aun no hay informacion suficiente sabre como opera el
rrolla modelos computacionales para la resolucion de problemas, cerebra a nivel cognitive, es necesario evaluar los enfoques de la
el aprendizaje y el uso dellenguaje en los que nose tiene en representacion del co nacimiento en terminos de plausibilidad ·
cuenta como se llevan a cabo esos procesos en la mente human a. neurologica (capitulo 9).
Lo que importa es lograr que las computadoras los lleven a cabo. El quinto y ultimo criteria ala hora de evaluar teorfas de la
En cambio, las ciencias cognitivas intentan comprender la cog- representaci6n mentales la aplicabilidad prcktica. Aunque el obje-
nicion humana, de modo que es fundamental que una teorfa tivo principal de las ciencias cognitivas es llegar a comprender Ia
de la representacion mental refleje cOmo piensan los huma- mente, se espera que sus resultados sean aplicables. En este libro
nos, mas alla de tener una gran capacidad representacional y presentaremos las consideraciones de los distintos enfoques de
40 I LA MUm REPRESEN1ACiON Y COMPU1WON I 41
la representaci6n del conocimiento en cuanto a cuatro clases de tos metodos para estudiar la mente, pero lo ideal scria que con-
aplicaci6n: educacion, disefio, sistemas inteligentes y enfermeda- vergieran en una interpretacion comun de como fun{;iona la
des mentales. En lo que a educacion se refiere, las ciencias cogni- mente. De la consideracion de varios enfoques te6ricos dis-
tivas deberian poder explicar los procesos de aprendizaje de los tintos centrados en la analogia entre las representaciones y los
alumnos y, en consecuencia, proponer mejores metodos de ense- procesos mentales, por un lado, y las representaciones y los pro-
fianza. Los problemas con que se enfrenta el disefiador de pro- cesos utilizados en programas de computacion, por otro, ha
gramas informaticos -como crear interfaces agradables para los surgido una concepcion unificada de las ciencias cognitivas.
usuarios- deberian poder resolverse ala luz del conocimiento El modelo computacional-representacional de la mente opera
sobre como trabaja la mente cuando se realizan este tipo de tareas. con el siguiente tipo de esquema explicative:
Lo mismo vale para el desarrollo de sistemas inteligentes que ac-
tuan como expertos independientes o como herramientas que Objetivo de la explicaci6n
asisten al hombre en la toma de decisiones. Las distintas teorias lPor que las personas tienen una clase particular de conducta
de la representacion mental han facilitado el desarrollo de dis- inteligente?
tintos sistemas expertos de computacion: herramientas cone-
xionistas, o basadas en reglas o en casos. Otras aplicaciones prac- Modelo explicativo
ticas posibles de las ciencias cognitivas se relacionan con el Las personas tienen representaciones mentales.
conocimiento y d tratamiento de enfermedades mentales. Las personas tienen procesos algoritmicos que operan sobre esas
Veremos que ningun enfoque de las representaciones menta- representaciones.
les satisface todos los criterios. Mas aun, hay aspectos del pen- Los procesos aplicados a las representaciones generan la conducta.
samiento humano, como las percepciones (vista, oido, tacto,
olfato y gusto), las emociones y el control de la actividad motriz, Las palabras en cursiva son parametres que indican que para
que no estan incluidos en esos criterios (capitulos 10 a 12). No explicar varios tipos de conducta inteligente, pueden conside-
obstante, los criterios mencionados proporcionan un marco rarse varias clases de representaciones y procesos. En la actua-
para la comparacion y la evaluaci6n de los aciertos y desacier- lidad hay seis enfoques principales de modelizaci6n de la mente:
tos de las teorias actuales de las representaciones mentales. la logica, las reglas, los conceptos, las analogias, las imagenes y
las conexiones neuronales. Estos enfoques pueden evaluarse
segun cinco criterios: capacidad representacional, capacidad
l',
computacional, plausibilidad psicologica, plausibilidad neuro-
r RESUMEN logica y aplicabilidad pnktica.
r En la escritura de este libro, nos hemos basado en los siguien-
f
i-: Los investigadores en psicologia, inteligencia artificial, neuro- tes supuestos:
f:-;
~:
ciencia, iingiifstica, antropologia y filosofia recurren a distin-
t
~-
f
42 I lA MENTE REPRESENTACIJN Y COMPillACION I 43
1. El estudio de Ia mente es apasionante y tiene gran impor- en terminos computacionales y representacionales. El modelo ha
tancia. Es apasionante por razones te6ricas, pues investigar Ia recibido criticas sustanciales que ponen en evidencia la necesi-
:I naturaleza de ]a mente es un desafio, como lo son todas las empre- dad de integrarlo con las investigaciones biol6gicas (neurocien-
sas cientfficas. Pero tambien es apasionante por razones pnicti- cia) y sociales vinculadas con el pensamiento y el conocimiento.
:: cas, porque saber c6mo funciona la mente es impoi-tante para
.;,·
mejorar Ia educaci6n, el disefio de computadoras y otros ins-
trumentos, y el desarrollo de sistemas inteligentes de compu-
.,,
taci6n que asistan a los expertos o realicen algunas de sus tareas. PREGUNTAS PARA PENSAR
2. El estudio de la mente es una actividad interdisciplinaria.
En ella concurre el saber de fil6sofos, psic6logos, expertos en 1. tOue otros ejemplos podrian darse de cosas que aprenden
ciencias de Ia computaci6n, lingiiistas, especialistas en neurocien- los estudiantes tras ingresar ala universidad?
I
cia, antrop6logos e intelectuales. Es mas, el estudio de la mente 2.lPor que los investigadores de distintas disciplinas adoptan
I tambien requiere los diversos metodos cientificos desarrollados metodos diferentes para el estudio de Ia mente?
! : .;
l 'i'
por esas disciplinas. 3· tOue otras opciones habria aparte del MCRM para estudiar
~ . :
3. El estudio interdisciplinario de la mente -lo que hoy se den o- la mente?
l:
mina ciencias cognitivas- cuenta con un componente central: el 4· tOue aspectos del pensamiento humano son mas dificiles
modelo computacional-representacional de la mente o MCRM. El de simular en las computadoras? tOue caracteristicas de una
pensamiento es el producto de representaciones mentales y pro- computadora nos hacen pensar que es inteligente?
cesos computacionales que operan sobre esas representaciones. 5·tLas teorias y los modelos de las ciencias cognitivas son com-
4· El MCRM es vemitil. Hay muchos tipos de representacio- parables a los de la fisica y otras disciplinas similares?
nes y operaciones computacionales que son esenciales para com- 6.tQue condiciones adicionales deberia satisfacer una teoria
prender el pensamiento humano, cuya amplitud no permite de Ia representaci6n mental?
abarcarlo por medio de una unica explicaci6n. En este libro pre-
·! se!1taremos los seis enfoques actuales mas importantes para Ia
comprensi6n de la mente en terminos representacionales y com-
putacionales (capitulos 2 a 8 ). LECTURAS RECOMENDADAS
n 5· El MCRM es acertado. El enfoque computacional-represen-
;: tacional ha superado las teorias previas de Ia mente tanto en su Textos de referencia recientes con valiosos articulos de ciencias
potencial te6rico para dar cuenta del desempefio psicol6gico cognitivas: The MIT encyclopedia of the cognitive sciences (Wil-
como en su capacidad practica para mejorar ese desempefio. son y Keil, 1999) [trad. esp.: Enciclopedia MIT de ciencias cogni-
6. El MCRM no esta completo. No todos los aspectos del pensa- tivas];A companion to cognitive science (Bechtel y Graham, 1998);
miento y Ia inteligencia humana pueden ser explicados unicamente Encyclopedia of cognitive science (Nadel, 2003).
44 I lA MENH iiEPRESENfACION Y COMPUTACION ! 45
Historia de las ciencias cognitivas: Gardner (1985); Thagard Diccionario de ciencias cognitivas de la Universidad de
(1992, cap. 9). Alberta: <http://web.psych. ualberta.ca/ ~mike/Pearl_Street/
Trabajos introductorios: Johnson- Laird (1988 ); Stillings et al. Dictionary/ dictionary.html>
(1995); Dawson (1998); Sohel (2001). Sociedad de Ciencias Cognitivas: <http://www.
Colecciones de articulos de ciencias cognitivas: Polk y Sei- cognitivesciencesociety.org/>
fert (2002); Thagard (1998). Cogprints (archivo de articulos de ciencias cognitivas):
Manuales de psicologia cognitiva: Anderson (2ooo ); Medin, <http:/ I cogprints.ecs.soton.ac. uk/>
Ross y Markman (2001); Sternberg (2003). Diccionario de filosofia de la mente:
Introducci6n a Ia inteligencia artificial: Russell y Norvig (2003); <http:/ /www.artsci.wustl. edu/ ~philos/MindDict/>
Winston (1993). Introducci6n ala filosofia de la mente y las cien- Science Daily (noticias sobre la mente y el cerebra):
cias cognitivas: Graham (1998); Clark (2001). <http:/ /www.sciencedaily.com/news/mind_brain.htm>
Manual general de lingi.iistica contempon1nca: Akmajian et Sitio de ciencias cognitivas de Yahoo!:
al. {2001). <http:/ I dir.yahoo.com/ Science/ cognitive_science/>
Neurociencia cognitiva: LeDoux (2002); Kosslyn y Koenig (1992).
Enfoque computacional: Churchland y Sejnowski (1992).
Introducci6n ala antropologia cognitiva: D'Andrade (1995).
NOTAS
_;;'
48 LA M[NH LOGICA I 49
su forma. Para que la conclusion resulte de las dos prcmisas, no sos obtienen creditos". Aquf, "asistir" representa una relacion
importa que el silogismo se refiera a estudiantes cansados. Pode- entre un estudiante y un curso. La logica moderna naci6 en 1879
mos decir "estantes" en Iugar de "estudiantes", "cromados" en con la obra del matematico aleman Gottlob Frege (1960 ), qui en
1 " ap1·JCa dos " o reemp Iazar "M ana
1ugar ue ' " par "M areas " y 1a con- disefio un sistema formal de 16gica mucho mas general que el
clusion de que Marcos es cromado se deduce de las nuevas pre- de Aristoteles. La influencia de Frege en Bertrand Russell y en
misas, incluso aunque no tenga demasiado sentido. Aristoteles muchos otros l6gicos llevo a descubrir modos de aumentar Ia
ya utilizaba sfmbolos para indicar la forma de la inferencia: capacida9 representacional y deductiva de la l6gica formal.
Las primeras teorias computacionales fueron desarrolladas
Todos losE son A. por 16gicos como Alonzo Church y Alan Turing. En la decada
MesE. de 1930, Church y Turing, entre otros, idearon esquemas mate-
MesA. maticos para determinar que problemas podian resolversc por
media de procesos computacionales. Esos esquemas resultaron
La novedad aristotelica de analizar los siiogismos teniendo en equivalentes entre si, lo que clio sustento ala hip6tesis segun la
cuenta solo su forma y dejando de lado su contenido ha sido cualla noci6n intuitiva de procedimiento efectivo de c6mputo
fundamental para Ia logica. La utilidad de ese metodo fue cues- se corresponde con conceptos matematicos tales como el de com-
tionada par Ia psicologia, como veremos mas adelantc, en la sec- putabilidad de la maquina de Turing. Cuando surgieron las com-
cion acerca de la validez psicol6gica del enfoque logico. putadoras digitales en las decadas de 1940 y 1950, la teorfa mate-
El silogismo es una forma de inferencia deductiva en la que matica de la computabilidad fue una herramienta muy uti) en
la conclusion se deriva necesariamente de las premisas. Si las la comprensi6n de las operaciones realizadas por esas compu-
premisas son verdaderas, Ia conclusion tambien es verdadera. tadoras. Noes de sorprender, entonces, que cuando naci6la inte-
La inferencia inductiva es mas riesgosa, pues implica una incer- ligencia artificial a mediados de la decada de 1950, investigado-
tidumbre. Si todos los estudiantes que uno conoce leen mucho, res con conocimientos matematicos, como John McCarthy, hayan
se concluye por inferencia inductiva que todos los estudiantes considerado que la l6gica era el instrumento mas adecuado. Vere-
leen mucho. Pero la conclusion bien podria ser erronea; por mos, sin embargo, que otros cientificos como Allen Newell, Her-
ejemplo, en un curse de cesterfa, serfa ·dificil determinar que bert Simon y Marvin Minsky se inclinaron por otras opciones.
estudiantes leen mucho y cuales no.
Si bien el silogismo fue el tema dominante en los debates de
logica formal durante dos mil afios, esta forma no basta para
representar todas las inferencias. Los silogismos estan muy bien CAPACIDAD REPRESENTACIONAL
para predicados simples como "ser estudiante", pero no sirven
para representar relaciones como la indicada por el verbo "asis- La l6gica formal moderna cuenta con recursos para represen-
tir" en oraciones como esta: "Los estudiantes que asisten a cur- tar muchas clases de inferencias deductivas. El sistema mas sim-
50 I LA iHNTE tOGICA I 51
ple es el de la logica proposicional, en la que se utilizan formu- "Martin"). Estos ultimos se denominan constantes. En laver-
las del tipo de p y q para representar proposiciones tales como sion que se suele ensefiar en los cursos introductorios de filo-
"Paula esta en la biblioteca" y "Martin esta en la biblioteca': Las sofia, la proposicion "Paula es estudiante" se representa E(p ),
formulas simples se combinan para generar formulas mas com- don de pes el individuo "Paula" (y ya no una proposicion enter a)
plejas por medio de la utilizacion de simbolos tales como 1\ ("y"), y E es el predicado "ser estudiante". En ciencias de Ia computa-
v ("o"), .- ("si ... entonces"). Por ejemplo, la oraci6n "Si Paula ci6n, la misma proposicion suele representarse asi: ser-estudiante
esta en la biblioteca, entonces Martin esta en la biblioteca" se (Paula). Ademas de atribuir propiedades simples a individuos,
representa p- q. Este tipo de oraciones se llaman condiciona- los predicados pueden denotar relaciones entre dos o mas enti-
les; estan formadas por un antecedente (la clausula condicio- dades. Por ejemplo, la oraci6n "Paula estudia filosofia" queda-
nal propiamente dicha) y un consecuente (la pro posicion intro- ria representada como estudiar (Paula, filosofia).
ducida por "entonces"). Para expresar la negacion y afirmar que Mas aun, la logica de predicados tiene la capacidad de repre-
"no p" se utiliza el simbolo ~: -p. Con estos elementos basicos sentar formalmente expresiones cuantificadas, ya que cuenta
pueden representarse formalizaciones de oraciones mas com- con otras dos clases de simbolos: cuantificadores ("todos",
plejas. Por ejemplo, la oraci6n "Si Paula o Martin estan en la "alguno") y variables (x, y). Por ejemplo, la oracion "Los estu-
biblioteca, entonces Debora no esta en la biblioteca" se repre- diantes leen mucho" se representa asi:
senta as!: (p v q) - -d, donde p equivale a "Paula esta en la
biblioteca", q es el simbolo para "Martin esta en la biblioteca" y (para todo x) [estudiante (x) -leer mucho (x)].
des e1 equivalente de "Debora esta en la biblioteca".
Existen otros sistemas l6gicos, mas complcjos, en los que es Literalmente, la formula se lee "Para todo x, si x es estudiante,
posib1e representar otros tipos de operadores proposicionales. x lee mucho': que equivale a decir que todos los estudiantes leen
La logica modal, por ejemplo, agrega simbolos para la posibili- mucho.
dad y la necesidad, y asi hace posible la representacion de ora- La oraci6n "Los estudiantes que cursen materias obtendran
ciones como "Es posible que Paula este en la biblioteca': La logica creditos" se formaliza de la siguiente manera:
epistemica puede expresar la difcrencia entre "creer" y "saber".
Asi, dentro de este sistema, Kp equivale a "Se sabe que p". La (para todo x) (para todo y) [ (estudiante (x) 1\ materia (y) 1\ cur-
logica deontica, por su parte, permite codificar conceptos como sar (x,y))- obtener creditos (x)]
la prohibici6n o el permiso.
Dentro de la logica formal, las proposiciones se representan Si bien la formula parece complicada, su lectura es relativamente
como todos indivisibles; el sistema no permite expresar su estruc- sencilla: "Para todo x, sixes estudiante, y para todo y, donde y
tura interna. Para eso existe la l6gica de predicados. En la logica es materia, six cursa y, entonces x obtiene creditos".
de predicados, los simbolos basicos son los que permiten dis- En este pun to, ellector podria preguntarse que tienen que ver
tinguir predicados ("ser estudiante") de individuos ("Paula", todos estos simbolos matematicos con la psicologia y la mente.
52 I lA !HNT£ .OGiCA I 53
La respuesta es que muchos de los trabajos en ciencias cogniti- este en Ia biblioteca", la l6gica formal puede combinarse con
vas induyen rudimentos de l6gica, sobre todo cuando analizan modelos complementarios, como Ia teoria de probabilidades,
los procedimientos mentales deductivos. Como minimo, es nece- que asigna valores entre o y 1 a las proposiciones. Asi, el enun-
sario saber que las personas entienden enunciados como "Los ciado anterior podria representarse como P(p) = 0,7 si la pro-
estudiantes que cursen materias obtendran creditos" y los uti- babilidad de que Paula este en la biblioteca es de 0,7.
lizan para hacer inferencias. A diferencia de otros modelos que
presentaremos en este capitulo, la 16gica de predicados tiene la
capacidad de representaci6n necesaria para expresar ese enun-
ciado en un lenguaje formal. CAPACIDAD COMPUTACIONAL
Si bien Ia l6gica de predicados tiene un sinnumero de apli-
caciones, sus limitaciones se hacen evidentes cuando tratamos En sf mismas, las representaciones no son suficientes para dar
de traducir un texto producido en cualquier lengua natural. cuenta del pensamiento. Hacen falta operaciones que combinen
Podriamos hacer la prueba con el parrafo anterior. En la pri- y modifiquen esas representaciones, y que permitan obtener
mera oraci6n aparece la expresi6n "en este punto"; la am- otras representaciones. En l6gica, las conclusiones se extraen
pliaci6n de la 16gica de predicados para dar cuenta de las refe- por medio de la aplicaci6n de reglas de inferencia a un con-
rencias deicticas y temporales es un tema complicado. Tam bien junto de premisas. Dos de las reglas inferenciales mas conoci-
aparece una men cion de la primera persona del plural en el verbo das reproducen la estructural de un condicional:
"presentaremos': Si bien para ellector es facil inferir que esa per-
sona se refiere a Paul Thagard, el autor de este libro, formalizar Modus ponens
esa referencia no es tarea sencilla. Ademas, la primera oraci6n p~q
Martin no esta en la biblioteca, el modus tollens permite con- cursar (Mariela, Estadistica 1) ____,. poder cursar (Mariela, Esta-
cluir que Paula tampoco. distica 2)
La l6gica de predicados tambien cuenta con reglas para ope- poder cursar (Mariela, Estadistica 2) 1\ estar disponible (Esta-
rar con cuantificadores tales como "todos" o "algun". Por ejem- distica 2) ____,. cursar (Mariela, Estadistica 2)
plo, la regia de reemplazo del universal permite inferir ser-sim- cursar (Mariela, Estadistica 2) ___,. poder cursar (Mariela, Meto-
patico (Paula) de (para todo x) (simpatico (x) ), es decir que de dos de Investigaci6n)
Ia pro posicion "Todos son simpaticos" puede concluirse "Paula poder cursar (Mariela, Metodos de Investigaci6n) 1\ estar dis-
es simpatica': Una aplicaci6n mas compleja es la del siguiente ponible (Metodos de Investigaci6n) ~ cursar (Mariela, Meto-
silogismo: Todos los estudiantes leen mucho; Maria es estu- dos de Investigaci6n)
diante; ergo, Maria lee mucho. La representaci6n formal seria: cursar (Mariela, Estadistica 1) 1\ cursar (Mariela, Estadistica
(para todox) (estudiante (x)) ____,..(leer mucho (x)); (estudiante 2 ) 1\ cursar (Mariela, Metodos de Investigaci6n) 1\ cursar ( otras
(Maria))~ (leer mucho (Maria)). siete materias) ____,. obtener (Mariela, titulo de grado en psi-
Las reglas abstractas de inferencia como el modus ponens no cologia).
son en sf mismas operaciones de procesamiento. Para que haya
operaciones computacionales, tienen que formar parte de un El ultimo condicional es una representaci6n un tanto burda
sistema que las aplique a las proposiciones con la forma l6gica de "Si Mariela aprueba dos cursos de Estadistica, Metodos de
correcta. Desde el punto de vista l6gico, el razonamiento deduc- Investigaci6n y otras siete materias, entonces puede obtener
tivo consiste en Ia aplicaci6n de reglas de inferencia formales a un titulo de grado en psicologfa". Asi, Mariela puede utilizar
premisas con determinada forma 16gica. estos condicionales y el modus ponens como regia de inferen-
cia para elaborar un plan que, en terminos 16gicos, seria una
deducci6n desde un estado inicial en el que no se ha cursado
Soluci6n de problemas ninguna materia hasta el estado final, es decir, el de la obten-
Planificaci6n. Muchos problemas de planificaci6n admiten solu- ci6n del titulo.
ciones en las que se utiliza la deducci6n l6gica. Pensemos en el Para que la planificaci6n sea realizable desde el pun to de vista
siguiente caso: Mariela es estudiante de psicologia. El plan de estu- computacional, la deducci6n tiene que ser mas acotada que las
dios indica que, para obtener el titulo, tiene que cursar diez mate- reglas de inferencia generales de la l6gica formal. La l6gica pro-
rias, entre elias dos cursos de Estadistica. Estadistica 1 es correla- posicional, por ejemplo, contiene este regia de conjunci6n:
tiva de Estadistica 2, y a su vez es necesario aprobar Estadistica 2
antes de cursar Metodos de Investigaci6n, otra de las materias obli- Conjunci6n
gatorias. Observando el plan de estudios y aplicando la regla de p
reemplazo del universal, Mariela puede inferir los condicionales q
que se aplican a su caso: Entonces, p 1\ q.
56 I lA MENTE LO~ilA I 57
Esta regla funciona dentro de un sistema 16gico, pero a nivel riencia. Resuelto un problema, tendra que pasar por todo el pro-
computacional podria tener consecuencias desastrosas. Si Mariela ceso deductive una vez mas si tiene que volver a resolverlo, a
ha cursado las dos materias de estadistica, bien podria inferir: menos que se le incorpore algun metodo de aprendizaje a par-
cursar (Mariela, Estadistica 1) 1\ cursar (Mariela, Estadfstica 2). tir de la experiencia.
En cambia, no ganaria nada con hacer la inferencia adicional Lo presentado aqui noes mas que una resefia superficial del
(aunque sea valida) trabajo realizado en inteligencia artificial en relaci6n con la pla-
nificaci6n deductiva (veanse, por ejemplo, Dean y Wellman,
cursar (Mariela, Estadistica 1) 1\ cursar (Mariela, Estadistica 2) 1991; Russell y Norvig, 2003). Debe quedar en claro, sin embargo,
1\ cursar (Mariela, Estadistica 1) 1\ cursar (Mariela, Estadistica 2). que si bien la deducci6n l6gica puede ser una forma tltil de repre-
sentar la resoluci6n de problemas de planificaci6n, el enfoquc
Las inferencias sin limite de este tipo agotarian la memoria de tiene _algunas dificultades. En capitulos posteriorcs mostrare-
cualquier sistema inteligente -humano o artificial- en poco mos otros enfoques p~ra la planificaci6n.
tiempo.
Como metoda de planificaci6n, la deducci6n es intuitiva- Toma de decisiones. Desde el punto de vista 16gico, la planifi-
mente atractiva. Sin embargo, presenta una serie de problemas caci6n deductiva consiste en encontrar un camino para llegar
computacionales. En primer lugar, es demasiado lenta, pues se de un estado inicial a un estado final u objetivo. tOut~ ocurre
necesita una enorme cantidad de inferencias para elaborar pla- cuando hay mas de un camino razonable para seguir? En el
nes, incluso los mas sencillos, si bien es cierto que existen diver- ejemplo de la secci6n anterior, el plan deductive de Mariela
sas estrategias computacionales para hacerla mas eficaz. En era cursar Estadistica 1, Estadistica 2 y Metodos de lnvestiga-
segundo termino, la planificaci6n puramente deductiva es mon6- ci6n, en ese orden. Pero en el transcurso de la carrera, nues-
tona: las conclusiones obtenidas siguen siendo verdaderas por tra estudiante podria tener que tomar decisiones que la obli-
mas premisas que agreguemos. Esto significa que la (mica ope- garan a elegir entre acciones alternativas. Filosofia, Filologia
raci6n permitida es sacar nuevas conclusiones. (La monotonia o Literatura podrian ser las opciones para la materia obliga-
es la propiedad de una funci6n matematica de conservar el orden toria de humanidades, por ejemplo. En este caso, la deducci6n
dado, es decir, de ser mon6tonamente creciente o mon6tona- no alcanza para decidir que materia cursar, pues cualquiera de
mente decreciente. El razonamiento humano no tiene esa pro- los tres caminos la llevaria al objetivo deseado ( cumplir con
piedad, en tanto no se limita a agregar nuevas ideas, sino que el requisite de cursar una materia hurnanistica). Mariela debe
tambien deja de lado ideas viejas.) Los expertos en inteligencia decidir entonces emil de las tres materias le permitira cum-
artificial han creado varias estrategias para convertir ala 16gica plir con otros objetivos: aprender algo interesante, no tener
en un sistema no mon6tono, pero son m_uy costosas desde el que leer rnucho o tener un horario c6modo. La deducci6n
pun to de vista computacional. Por ultimo, un planificador pura- puede servir para pensar en algunas de las posibles consecuen-
mente deductive no tiene la capacidad de aprender de la expe- cias de cada opci6n. Si Literatura se dicta a las ocho de la
58 I LA MENH LOG I; A I 59
manana, Mariela podria deducir que se tendria que levantar 0 )as variables del modelo. No obstante, existen tecnicas muy inge-
muy temprano para llegar a horario. Por el contrario, hay con- niosas que permiten mantener el razonamiento probahilistico
secuencias que no son tan claras, dado que los estudiantes sue- dentro de limites manejables (Neapolitan, 1990; Pearl, 1988,2000 ).
len no conocer a priori todas las caracteristicas de un curso. Mas adelante nos ocuparemos de la relaci6n entre las probabili-
Asi, muchas veces, Ia toma de decisiones implica evaluar tam- dades y las decisiones que to man las personas en su vida cotidiana.
bien probabilidades. Mariela podrfa pensar que Filosofia es mas
interesante que Filologia (o viceversa), o que Literatura le sera Explicaci6n. Mientras que en el caso de Ia planificaci6n el pro-
mas uti! que Filologia. Por lo tanto, su decision dependera tanto blema es c6mo alcanzar determinados objetivos, Ia explicaci6n
de sus objetivos como de sus estimaciones de las probabilidades nos exige comprender por que sucedi6 algo. Supongamos que
que tiene cada acci6n de garantizar ellogro de los mismos, de Martina y Franco han quedado en encontrarse en el bar de la
modo que en Ia toma decisiones hay Iugar para juicios en los facultad pero el muchacho no aparece. Es l6gico que la chica se
que se aplica !a teoria de probabilidades, donde P(plq) repre- pregunte entonces cual pudo haber sido e1 motivo de la ausen-
senta la probabilidad de p dado q. En nuestro ejemplo, P (ser cia. AI igual que los planes, las explicaciones pueden verse como
interesante/ Filologia) expresa Ia idea de Mariela de que si elige deducciones l6gicas de lo que queremos ~xplicar a partir de lo
e1 curso de Filologia, es probable que aprenda algo interesante. que ya sabemos. Asi, Martina podria enterarse de que Franco
Para cakular la probabilidad, Mariela puede recurrir a su cono- esta estudiando para un examen y que cuando estudia se olvida
cimiento general de los cursos de Filologia de su universidad y de sus compromises sociales. Partiendo de esa informacion y
de Ia medida en que esos cursos son interesantes. Para decidir aplicando un metoda deductivo, Martina puede llegar a una
siva a cursar Filosofia, Filologia o Literatura, tendra que calcu- explicaci6n de por que Franco no acudi6 a la cita.
lar el valor esperado de cada opci6n, considerando Ia probabili- La idea de que las explicaciones son deducciones 16gicas fue
dad de los distintos resultados y la medida en que cada uno de elaborada y defendida por el fil6sofo de la ciencia Carl Hempel
ellos cumple con los objetivos planteados. (1965). Esto es particularmente cierto en las disciplinas cienti-
Existen sistemas computacionales para Ia toma de decisiones ficas mas matematicas, como la fisica. Sin embargo, tal como
basados en calculo de probabilidades. Holtzman (1989) utiliz6la veremos en otros capitulos, no todas las explicaciones son de
teo ria de probabilidades y otros conceptos form ales para crear un naturaleza deductiva. Mas aun, no todas las deducciones son
sistema inteligente de toma de decisiones que ayudara a las pare- explicativas. Por ejemplo, la altura de un mastil puede dedu-
jas que no podian tener hijos a elegir el tratamiento de fertiliza- cirse de la sombra que proyecta sumada a Ieyes de trigonometria
ci6n mas adecuado. El desarrollo de sistemas de computaci6n y 6ptica, pero no por eso podemos afirmar que la longitud de Ia
probabilisticos es mas complicado de lo que parece, pues las pro- sombra de un mastil constituye una explicaci6n de su altura.
babilidades pueden ser "explosivas" desde el pun to de vista com- Son muy pocos los casos de explicaciones que pueden obte-
putacional: Ia cantidad de probabilidades necesarias puede incre- nerse por deducci6n l6gica. En nuestro ejemplo, eso seria posi-
mentarse exponencialmente con el aumento de las proposiciones ble si Franco fuera muy estricto y faltara a sus compromises sola-
60 I LA ~1ENH UiG!CA ! 6.1
mente si estuviera enfermo. Entonces, Martina podria aplicar el perfeccionar las tareas de planificacion, toma de decisiones y
modus ponens: "Si Franco falta a una cita, esta enfermo; Franco explicaci6n? Dentro del enfoque l6gico no se ha hecho dema-
talto a Ia cita conmigo; por lo tanto, Franco esta enfermo". Sin siado para mejorar la capacidad de resolucion de problemas; sin
embargo, en la mayoria de los casos habra mas de una explica- embargo, las representaciones logicas pueden ser de mucha uti-
cion posible. Asi como cuando se clabora un plan deben esta- lidad para describir ciertos tipos de programas de aprendizaje.
blecerse distintos caminos para llegar al objetivo, Martina ten- Pensemos en los problemas de aprendizaje con que se encuen-
dra que ser capaz de pensar mas de una explicacion a partir de tran los estudiantes cuando recien llegan a la universidad. En
distintas premisas con estructura de condicional: general, noes mucho lo que saben acerca de la oferta de cursos
0 el tipo de personas con las que se cruzan1n. Pronto empiezan
Si Franco esta enfermo, entonces no aparecera. a acumular informacion al respecto, a partir de ejemplos par-
Si Franco ha tenido un accidente, entonces no aparecerci. ticulares de cursos e individuos y por medio de generalizacio-
Si Franco se ha enamorado de otra chica, entonces no aparecera. nes inductivas. Las generalizaciones burdas pueden incluir pro-
posiciones tales como: "Las clases de filosofia son divertidas (o
Si Martina no supiera emil es el valor de verdad de las condi- aburridas, segun la.experiencia personal)" o "Las clases de esta-
ciones enumeradas (es decir, side verdad Franco esta enfermo distica son muy exigentes': Son inductivas en el sentido de que
o tuvo un accidente o se enamor6 de otra), no le seria posible implican un margen de incertidumbre, un salto de lo que se sabe
deducir automaticamente que Franco no ira a encontrarse con con certeza a lo que es, en el mejor de los casos, probable. Los
ella, pero sf podria formular hip6tesis de que fue lo que ocurri6. estudiantes que hayan cursado dos materias de filosofia podrian
Este tipo de inferencia, en la cual se formula una hipotesis para estar en condiciones de hacer una generalizaci6n a partir de
llegar a una explicaci6n, se denomina abducci6n. El termino fue informacion que puede expresarse en un lenguaje logico del
acufiado por el fil6sofo norteamericano Charles Peirce (1992). siguiente modo:
Asi, Martina podria concluir por abducci6n que Franco esta
enfermo, en tanto esta hipotesis, sumada ala regia de que si entretenido (Filosofia 1)
Franco esta enfermo no ira a la cita, le permite explicar por la entretenido (Filosofia I I)
via deductiva por que Franco no fue. La inferencia abductiva Entonces (para todo x) (curso de filosofia (x) -> entretenido (x) ).
es un metodo de aprendizaje tan eficaz como riesgoso.
La conclusion inductiva es que todo curso de filosofia es entre-
tenido, pero es evidente que puede haber cursos de filosofia muy
Aprendizaje aburridos (pensemos en algo como ... jFilosofia del armado de
Los sistemas inteligentes deberian ser capaces no solo de resol- cestos!).
ver distintos tipos de problemas sino tambien de usar la expe- Los programas informaticos que realizan generalizaciones
riencia pasada para mejorar el rendimiento. lC6mo podemos inductivas no siempre usan representaciones logicas como input.
lGur· I 63
62 I LA MENlf
tas podrfan ser las de Ia figura 2.1. La mayo ria de las personas una persona esta en el bar, tiene mas de veintiun afios". Luego
advierten que es necesario dar vuelta la carta A para verificar si se les pide que elijan que cartas dar vuelta para saber si la regla
tiene un 4 del otro !ado. Esa respuesta puede interpretarse como se cumple entre EN BAR, -EN BAR, 23 y 18. A diferencia de lo
una aplicacion del modus ponens, pues la regia "Si A, entonces que sucede en el experimento con abstracciones (letras y mime-
4", sumada a la premisa "/\', indica que debemos dar vuelta esa ros), en este caso, la mayoria de los sujetos advierten que es necc-
carta para verificar la conclusion. Por el contrario, son pocos los sario dar vuclta no solo Ia carta EN BAR para constatar Ia edad
que verifican el7, de modo que la mayoria pasa por alto el hecho del individuo sino tambien la carta con el numero 18 para veri-
de que, si esa carta tuviera una A del otro !ado, la regia en cues- ficar que del otro lado diga -EN BAR.
ti6n quedaria refutada. Advertir que se necesita dar vuelta la Cheng y Holyoak (1985) sostienen que, para realizar este tipo
carta 7 implica la aplicaci6n del modus tollens: "Si A, entonces de tareas, las personas no se valen de la logica mental sino de
4; 7 es -4; por lo tanto, Ia otra cara tendra que ser-A para que esquemas pragmaticos de razonamiento. Por ejemplo, un esquema
Ia regia sea valida". Algunos de los sujetos se confunden y dan de permiso tiene la forma "Six quiere hacer y, entonces x tiene
vuclta las cartas B y 4, sin darse cuenta de que esas cartas no z':
que cumplir con la condicion Asi, la razon porIa cuallos par-
tienen la men or pertinencia para determinar la validez de la regia ticipantes del experimento se desenvuelven mucho mejor con
en cuesti6n. el ejemplo concreto del bar que con el abstracto de las letras y
los numeros es que en el primer caso se puede aplicar el esquema
r----. de permiso con naturalidad. La aplicaci6n psicol6gica de reglas
I
iA l
I
'
j __
I
I
_lI
~~-1
l__j [:1 !_LI y esquemas esta tratada en los capftulos 3 y 4.
El critico mas acerrimo de la logica mental ha sido el psic6logo
Figura 2.1. Cartas de Ia tarea de selecci6n de Wason. Philip Johnson-Laird (1983). Johnson-Laird y Ruth Byrne (1991)
sostienen que el razonamiento deductive no se lleva a cabo por
El objetivo de este tipo de experimentos no es mostrar que las medio de reglas logicas ni de reglas o esquemas de contenido espe-
personas son tontas y violan las reglas de la logica formal. Los clfico, sino que utiliza modelos mentales, es decir, representacio-
resultados son interesantes porque indican que, en realidad, la nes mentales cuya estructura se corresponde con las situaciones
mente humana cuenta con representaciones y procesos compu- que representan. Cuando se interpreta un condicional como "Si
tacionales muy distintos de los de la l6gica formal para realizar una carta tiene la A de un lado, entonces tendra un 4 del otro,: se
este tipo de tareas. Otras pruebas muestran que el problema de construye una representaci6n mental como la siguiente:
las cartas de Wason se resuelve con mas facilidad si sedan ejem- [A]4
plos concretes y conocidos. Supongamos que el investigador donde "[A]" se refiere a un modelo en el que una carta tiene
dice a los participantes que, de un lado, las cartas contienen escrita una A en una de sus caras y "4" significa que, en ese modelo,
informacion acerca de individuos que estan en unbar y, del otro, Ia carta tiene un 4 escrito del otro lado. Jonson-Laird y Byrne
las edades de los parroquianos, mas una regia de este estilo: "Si explican el patron de comportamiento de los sujetos en la tarea
68 I tA MENlf
LOGIC/, I 69
de selecci6n a partir del supuesto de que se tienen en cuenta solo En un modele asi planteado, no hay jugadores de futbol que
las cartas que estan explicitamente representadas en el modelo no puedan levantar objetos pesados, de modo que la conclusion
de la regia. De ahi que la primera carta que se da vuelta sea la que es obvia. Las inferencias mas complejas, con distintas combi-
tiene la A y que muchos pasen por alto la carta con el 7. naciones de cuanti:ficadores y negaci6n, requieren modelos mas
La teoria de los modelos mentales tambien se ha aplicado a complejos y el grado de dificultad de una inferencia se corres-
distintos tipos de razonamiento con cuantificadores. Para Ia ponde con la complejidad del modelo que se debe construir en
l6gica formal, el razonamiento con cuantificadores se vale pri- cada caso. Rips (1994) y O'Brien, Braine y Yang (1994) han res-
mero de reglas de inferencia como la de reemplazo del univer- pondido ala propuesta de Johnson-Laird con argumentos que
sal para eliminar los cuantificadores; en un segundo paso, de demuestran que la 16gica mental explica la evidencia empirica
reglas de Ia 16gica preposicional como el modus ponens; y, por mejor que los modelos mentales. La teoria de modelos menta-
ultimo, de otro grupo de reglas que permiten reinsertar los cuan- les, sin embargo, ha tenido muchisimas aplicaciones a distin-
tificadores. Tomemos el siguiente razonamiento sencillo: tos tipos de pensamiento humano, incluido el de causa-efecto
(Goldvarg y Johnson-Laird, 2001).
Todos los jugadores de futbol tienen fuerza. Asi como Johnson-Laird ha puesto en tela de juicio la perti-
Todos los que tienen fuerza pueden levantar objetos pesados. nencia de la l6gica formal para el estudio del razonam.iento
Por lo tanto, todos los jugadores de futbol pueden levantar obje- deductive, otros psic6logos concluyen a partir de datos empi-
tos pesados. ricos que el razonamiento inductive poco podria tener que ver
con el calculo de probabilidades. Tversky y Kahneman (1983)
Para la 16gica, este es un razonamiento valido, tal como se observa muestran que, a veces, las personas violan la regla segun la cual
al aplicar la regla de reemplazo del universal para convertir las la probabilidad de una conjunci6n sera menor o igual que la
premisas en proposiciones no cuantificadas: "Sixes jugador probabilidad de uno de los conjuntos: P(p /1. q) ~ P(p ). Volva-
de futbol, entonces x tiene fuerza"; "Six tiene fuerza, entonces mos a nuestro amigo Franco y supongamos que le interesan la
x puede levantar objetos pesados". Por medio de reglas de la literatura seria, el cine europeo y la politica internacional. Se nos
l6gica proposicional se llega a "Sixes jugador de futbol, enton- pide que determinemos la probabilidad de que haya ido ala uni-
ces x puede levantar objetos pesados", que luego se generaliza versidad, de que sea carpintero y de que sea universitario y car-
de modo tal que per mite la introducci6n del cuantificador uni- pintero. Quienes participan en experimentos de este tipo tien-
versal: "Para todo x, sixes jugador de futbol, entonces x puede den a considerar como mas probable que Franco haya ido ala
levan tar objetos pesados': universidad que que sea carpintero, lo cual no es un resultado
Por el contrario, Johnson-Laird sostiene que la mente no opera muy sorprendente que digamos. Lo que si llama la atenci6n es
con formulas abstractas sino con modelos como e1 siguiente: que los sujetos tambien consideran que la tercera opci6n es mas
probable que la segunda, con lo cual parecen ir en contra de la
jugador-de-futbol fuerza levantar-objetos-pesados teoria de probabilidades. En realidad, cuando tenemos que resol-
70 I LA MENTE lOG I (A 71
tados son incompatibles con una teoria que conciba el razo- l6gica. Por ejemplo, un codigo estructural podria tormularse
namiento logico como un con junto de reglas de inferencia for- asf: "Si una viga tiene un (mico apoyo, la profundidad de empo-
males. Despues de analizar distintos estudios por neuroima- tramiento debera ser mayor que el valor de una determinada pro-
genes del razonamiento silogistico, Goel (2003) concluye que porcion de la luz libre". Ellenguaje de programacion PROLOG,
este comprende dos caminos neuronales en los que se inclu- que utiliza representaciones 16gicas y tecnicas deductivas, se ha
yen tanto el sistema lingUfstico como los sistemas visoespacia- aplicado a problemas de disefio edilicio en los que hay que satis-
les. El debate contemporaneo entre la logica mental y los mode- facer restricciones fisicas y legales. Por otro lado, Levesque ct al.
los mentales se vale de tres metodos de las ciencias cognitivas: ( 1997) desarrollaron un lenguaje de programacion de base l6gica
los experimentos psicologicos, los modelos computacionales para aplicar en e! control superior de robots y procesos indus-
y los experimentos neurol6gicos. triales. Si bien la l6gica es una de las herramicntas preferidas de
los expertos en inteligencia artificial, los sistemas inteligentes
en sf se valen de reglas, casas y redes neuronales, todas repre-
sentaciones que trataremos en futuros capftulos. No obstante,
APLICABILIDAD PRACTICA cada vez mas sistemas incluyen razonamientos probabilisticos;
por ejemplo, el caso de un tutor artificial que opera con la inccr-
Como enfoque de las ciencias cognitivas, la l6gica no ha sido tidumbre respecto del conocimiento y los objetivos de los estu-
de gran utilidad en el campo de la educaci6n, en tanto no echa diantes (Conati, Gertner y Vaniehn, 2002).
luz sabre la comprensi6n del aprendizaje. Piaget e Inhelder
(1969) han hecho algunos intentos por relacionar algunos prin-
cipios del desarrollo cognitive humano con categorias logicas,
pero para la teoria educativa contemporanea la logica propo- RESUMEN
sicional no desempefia ningun papel de importancia en los dis-
tintos estadios evolutivos. Desde otra perspectiva, sin embargo, La logica formal proporciona un conjunto de herramientas muy
la logica puede ser interesante para la educacion, en tanto puede utiles para estudiar la naturaleza de las representaciones y los
servir para mostrar como mejorar el razonamiento. De heche, procesos computacionales. La logica proposicional y la l6gica
como se sabe que esto es necesario, han proliferado los cursos de predicados sirven para expresar f01·mas complejas de cono-
de 16gica formal y pensamiento critico. La logica deductiva y cimiento y, gracias a reglas como el modus ponens, much as infe-
la teoda de probabilidades constituyen herramientas muy uti- rencias pueden entenderse en terminos de deducci6n logica. El
les para determinar como deben llevarse a cabo algunas clases esquema explicative para el enfoque 16gico seria el siguiente:
de pensamiento.
Dym y Levitt (1991) han encontrado una relaci6n entre cier- Objetivo de la explicaci6n
tos requisitos de disefio en ingenieria y los enunciados de la tPor que las personas realizan determinadas inferencias?
r:··
74 I lA MENTE ljGICA I 75
76 lA MfNH
sentaci6n del conocimiento. Las he presentado juntas porque propiedades representacionales y computacionales. A diferen-
en ambas las inferencias se basan en principios muy generales cia de la mayoria de los modelos computacionales l6gicos, que
y abstractos. no fueron concebidos como modelos de la cognici6n humana,
En este capitulo hemos mostrado un unico enfoque para los modelos de reglas se han aplicado a la psicologia desde un
los modelos mentales, pero existen otras clases importantes de comienzo. El primer programa de inteligencia artificial fue el
razonamientos que uti!izan modelos (Magnani, Nersessian y Te6rico L6gico, ideado por Allen Newell, Cliff Shaw y Her-
Thagard, 1999). bert Simon (1958). Introducido en una computadora rudimen-
taria en 1956, el programa resolvfa ejercicios de 16gica formal.
Su comportamiento no era el de un mero sistema inteligente
complejo desde el punto de vista matematico sino el de un
modelo del razonamiento l6gico humano. Ademas de reglas
de inferencia, el Te6rico L6gico incluia reglas estrategicas para
la busqueda eficiente de pruebas. Pronto se convirti6 en el pri-
mer marco general para el estudio del pensamiento humano:
el Solucionador General de Problemas (en ingles, General Pro-
blem Solver o GPS; Newell y Simon, 1972), que utilizaba reglas
para simular soluciones humanas para distintos tipos de pro-
blemas, como los criptoaritmeticos que se ilustran mas ade-
lante. En inteligencia artificial, las reglas suelen denominarse
"producciones".
r:--
78 I lA MlNlf RlGlA) I 79
Despues del Solucionador General de Problemas, hubo dos En cuarto lugar, pueden utilizarse para reproducir reglas de infe-
sistemas cognitivos de reglas que tuvieron una influencia impor- rencia como el modus ponens: SI tenemos una regia del tipo "si .. .,
tante en el desarrollo de las ciencias cognitivas, dada su gran entonces ... "y la condici6n es verdadera, EN'fONCEs la consccuen-
aplicabilidad a la cognici6n humana. El primero fue el sistema cia tambien sera verdadera. Como vemos en el ultimo ejemplo,
ACT, creado por John Anderson (1983, 1993), que ha tenido una las reglas pueden incluir mas de una condicion y mas de una
enorme cantidad de apiicaciones en psicologia. El segundo fue acci6n: sr uno se inscribe con la debida anticipaci6n, ENTONCES
SOAR, un poderoso programa basado en reglas con muchisi- conseguird vacantes en las materias que mas le interesen y tendrd
mas posibilidades de aplicaci6n en psicologia y computacion, que hacer menos cola.
disefiado por john Laird y Paul Rosenbloom (Newell, 1990; Podria parecer extrafio que los sistemas de reglas hayan tenido
Rosenbloom, Laird y Newell, 1993). tanta irnportancia para las ciencias cognitivas, ya que las reglas
El objetivo de este capitulo no es describir estos sistemas en no tienen Ia elegancia representacional de las formulas logicas.
dctalle, sino analizar que es lo que hace que las reglas sean tan De hecho, la logica proporciona formas estandarizadas de repre-
importantes desde el punta de vista computacional y psicolo- sentar relaciones y operaciones basicas ("y", "o", "no") que puc-
gico. En los capitulos siguientes, sin embargo, presentaremos den expresarse de distintas formas en un sistema de reglas. Pero
teorias alternativas de la cognicion segun las cuales el pensa- los sistemas de reglas ganan en capacidad computacionallo que
miento humano no puede reducirse a reglas, al menos no en pierden en rigor representacional. Una de las ventajas es que
su totalidad. las reglas no tienen que interpretarse en terminos de val ores de
verdad: mientras que la generalizaci6n 16gica (para todo x) (estu-
diante (x) _,. estudiar mucho (x)) debe interpretarse como una
afirmacion universal de que todo estudiante estudia mucho, Ia
CAPACIDAD REPRESENTACIONAL regia sr xes estudiante, ENTONCES x estudia mucho se interpreta
por defecto, es decir, como una generalizacion aproximada que
Pese a su estructura sencilla -una condicion (si ... ) y una con- admite excepciones. De hecho, podriamos tener otra regia como
secuencia o accion (ENTONCES ... )-,las reglas pueden usarse para esta: s1 x es estudiante y elige solo materias faciles, ENTONCES x
representar distintos tipos de conocimiento. En primer lugar, no estudia mucho. Las dos reglas pueden formar parte del mismo
pueden codificar informacion general sobre el mundo: sr x es sistema sin que el resultado sea una contradicci6n (que el mis-
estudiante, ENTONCES x estudia mucho. Luego, tambien pueden mo estudiante estudie inucho y no estudie mucho ), pues las ope-
representar informacion sobre como hacer casas en el mundo: raciones computacionales de un sistema de reglas pueden garan-
sr uno se inscribe con La debida anticipaci6n, ENTONCES conse- tizar que solo se aplique la regia mas adecuada.
guird vacantes en las materias que mas le interesen. Tambien pue- A diferencia de la logica, los sistemas de reglas tambien pue-
den expresar regularidades lingi.iisticas: SI el nucleo del sujeto esta den representar informacion estrategica acerca de como actuar.
en plural, ENTONCES el verba principal tambien estara en plural. Las reglas pueden contener acciones que !levan al cumplimiento
?
80 I LA MENTE R£GlAS I 81
1;
r·
82 I lA MENlE RlGLAS I bj
de varias reglas de las que no somas conscientes. En el capitulo intermedios, como llegar a Ia autopista. La primera clase de razo-
11 desarrollaremos el tema de la concicncia y su rclacion con el namiento, en cambio, seria asi: "Por la avenida principalllego a
pensamiento. la carretera, y por la carretera llego ala autopista ... ': En los dos
casos se trata de encontrar una sucesi6n de reglas que puedan
Planificaci6n. Muchos cstudiantes abandonan su ciudad para aplicarse para llegar del punta de partida al objetivo; lo que
ira la universidad. De ben resolver entonces el problema de como difiere es la estrategia.
regresar los fines de semana o cuando termina el semestre. Los Otro metoda posible es la busqueda bidireccional, en la que
medios para llegar de la universidad ala casa pueden expresarse se combina el avance y el retroceso en el razonamiento: del punto
a traves de reglas: de partida hacia adelante y del objetivo hacia atras. Aunque
muchos problemas de planificacion pueden explicarse en termi-
SI vamos en auto por la autopista, ENTONCES podemos volver nos de razonamientos basados en reglas, este tipo de planifica-
de Ia universidad a nuestra ciudad. ci6n se complica cuando hay muchas reglas que son potencial-
sr tomamos la carretera, ENTONCES podemos ir de la universi- mente pertinentes y el sujeto tiene que elegir cual aplicar en cada
dad a la autopista. paso. La resoluci6n de problemas por media de reglas se pa rece
si tomamos la avenida principal, ENTONCES podemos ir de la mucho ala deduccion 16gica, con la diferencia de que, en el caso
universidad a la carretera. de las reglas, las estrategias para la aplicaci6n de la regia correcta
SI tomamos un autobtls en la terminal, ENTONCES podemos vol- en el mom en to indicado tienen un papel fundamental.
ver de la universidad a nuestra ciudad. Lo mismo vale para los problemas de planificacion que de ben
Sl tomamos un auto bus de Ia universidad ala terminal, ENTON- resolver los estudiantes en las materias que cursan. Suponga-
CES podemos llegar a la terminal. mos que estamos frente a un problema matematico cuyo enun-
ciado dice que un estudiante tarda 75 minutos en ir de la uni-
Habrfa otras posibilidades tam bien, como to mar el tren o hacer versidad ala casa de sus padres, que queda a 100 kilometros, y la
autostop. Los estudiantes que deben resolver el problema de pregunta que hay que contestar es cual es la velocidad media
c6mo regresar a su casa el fin de semana pueden buscar en el del viaje. Las reglas, que se plasman en las operaciones mate-
universo de acciones posibles (ira la terminal, tamar la auto- maticas, nos muestran c6mo pasar de Ia informacion del enun-
pista, etc.) y elaborar un plan que los lleve adonde quieren ir. ciado a la respuesta que podemos inferir a partir de ella. Sin
Las reglas pueden usarse para razonar hacia adelante o hacia embargo, muchas veces es util moverse hacia atnis, desde el obje-
atras. Un ejemplo de lo segundo seria: "Para llegar a casa, tengo tivo (en este caso, la respuesta que estamos buscando) hasta la
que tomar la autopista, y para eso tengo que tomar la carrete- informacion inicial. Pero en los dos casas pretendemos encon-
ra, que implica tamar la avenida principal primero, que a su trar una secuencia de reglas que nos proporcione una camino
vez presupone que debo buscar el auto". El objetivo es llegar a para ir del punto de inicio al objetivo final. No obstante, no
casa, pero el plan se elabora pasando por una serie de objetivos toda planificacion puede hacerse a traves de reglas. Hay casos
f~~
84 I lA MENTE REGli\S I 85
en los que el uso de esquemas o analogias es mucho mas ade- vacantes cuando fuimos a inscribirnos. Incluso sin saber con
cuado, como veremos en capitulos posteriores. certeza si de hecho se cumplen las condiciones enunciadas en
las reglas (que la materia sea obiigatoria para distintas can·eras
Toma de decisiones. A pesar de su utilidad para la planifica- que el docente a cargo sea popular), es posible conjeturar
0
cion, las reglas no suelen ser de mucha ayuda cuando se trata que Ia aplicacion de las reglas se verifica (vease la seccion dedi-
de decidir entre planes alternatives. Volviendo al ejemplo ante- cada al aprendizaje abductive mas adelante). Podemos concluir
rior, las reg! as sirven al estudiante que desea volver a su casa para entonces que la busqueda de explicacioncs puede analizarse en
elaborar dos planes, pero no le permiten decidir emil seguir. Se terminos de razonamientos hasados en reglas cuando hay una
puede ir en auto, en autobl"1s o en tren, pero Ia decision final secuencia de reglas que nos permita inferir lo que necesitamos
entre esos medias de transporte depende de consideraciones explicar de lo que ya sabemos.
mas complejas, entre las que se incluyen nuevas objetivos: pre-
cia, tiempo y co modi dad, par ejemplo. Por lo tanto, para Ia toma
de decisiones es necesario complementar el razonamiento basado Aprendizaje
en reglas con otros procedimientos, como el calculo del valor Muchos tipos fundamentales de aprendizaje se representan con
esperado (capitulo 2) o la determinacion de Ia coherencia expli- absoluta facilidad en terminos de la adquisici6n, la modifica-
cativa (capitulo 7). cion y la aplicaci6n de reglas. Algunas reglas pueden ser inna-
tas, es decir, formar parte de los mecanismos biologicos de los
E:x'Plicaci6n. Como alirmamos en el capitulo 2, la explicacion puede que estamos dotados cuando nacemos. sr una basurita nos entra
verse como un tipo de proceso deductivo que puede llevarse a en el ojo, ENTONCE_S pestaiieamos, por ejemplo, noes algo que un
cabo par medio de inferencias logicas o de reglas. Algunas clases organismo con ojos tenga que aprender. Algunos investigado-
de formulacion de hipotesis pueden entenderse como una bus- res que trabajan en el campo de las ciencias cognitivas sostie-
queda de explicaciones a traves de reglas. Supongamos que que- nen que muchas reglas lingiiisticas tam bien son innatas, lo cual
remos inscribirnos en una materia para la que no hay mas vacan- es bastante mas polemico. Sin embargo, nadie se atreveda a afir-
tes. Podriamos aplicar entonces distintas reglas, como estas dos: mar que las reglas para anotarse en la universidad son innatas.
s1 una materia es obligatoria para mas de una carrera, ENTON- lC6mo se adquieren, entonces?
cEs se llena el cupo rapidamente. Como los enunciados logicos que vimos en el capitulo 2, las
sr una materia tiene un docente a cargo que es muy popular, reglas pueden aprenderse por generalizaci611 inductiva: una can-
ENTONCES se llena el cupo rapidamente. tidad de ejemplos particulares se generalizan en forma de regia.
Hay reglas que necesitan muchos ejemplos para formarse: nose
El conocimiento de que, en efecto, la materia que nos interesa puede inferir de una sola clase de ingenieria que la ingenieria
tiene un docente muy popular, sumado a la aplicacion de la es dificil ode un solo curso de filosofia que la filosofia es inte-
segunda regla, nos permite explicar por que ya no quedaban resante. Son reglas que se adquieren gradualmente a partir de
r-:- ,_
~-.
86 I lA MENTE REG!',' I 87
Ia experiencia de la vida universitaria: SIxes una materia de com- Como vimos en el capitulo 2, las reglas tambien pueden uti-
putaci6n, ENTONCES preparar x llevani mucho tiempo; SI, quiero lizarse en el aprendizaje abductivo. Supongamos que tenemos
conseguir vacante en un curso muy concurrido, ENTONCES debo un amigo que esta enojado y deprimido. Es natural en ese caso
inscribinne con anticipaci6n. que queramos buscar explicaciones de por que esta asL Por gene-
En la generalizaci6n inductiva, las reglas seforman partiendo ralizaci6n inductiva hemos adquirido la regla sr a unestudiante
de ejemplos. Tambien pueden formularse a partir de otras reglas, leva mal en un examen, ENTONCES ese estudiante estani enojado
por medio de un procedimiento que en el modelo SOAR de la y deprimido. Utilizando esa regia podriamos pensar que nues-
i
I. cognici6n se denomina "agrupaci6n" (chunking) yen el modelo tro amigo esta enojado porque le ha ido mal en un examen. Ese
ACT se llama "com posicion': Supongamos que hemos recurrido seria un razonamiento abductivo, pues estarfamos invirtiendo el
I orden de una regla para proporcionar una explicaci6n de lo ocu-
i a muchas reglas para planificar como ir de la universidad a casa
,,·I~ y que finalmente encontramos una buena secuencia para ir de rrido. Ese tipo de inferencia es muy riesgoso, clara esta, dado
.}l~
;.~·:
la universidad a Ia carretera y de alli ala autopista que nos lleva que podria haber una explicacion mucho mas plausible para el
ti:~ a casa. La proxima vez que necesitemos utilizar esa secuencia, estado en que se encuentra nuestro amigo. Par ejemplo, una fun-
~; ya no sera preciso hacer toda la busqueda nuevamente, sino que dada en esta regla: sr alguien sufre un desengai1o amoroso, ENTON-
;;
~.
podcmos agrupar los componentes en una regla general: SI quiero CES esa persona estd enojada y deprimida. Elegir la mejor cxpli-
~~
ir de la universidad a mi casa, ENTONCES voy w auto. De la misma caci6n para una situaci6n determinada implica un proceso de
~
~··
;N inferencias mucho mas complejo, que presentamos en el capi-
~
manera, la primera vez que armamos un horario para el cur-
~
,::
sado de materias, es probable que tengamos que realizar una tulo 7. No obstante, las reglas pueden ser muy utiles cuando las
!t: busqueda compleja para encontrar un plan, pero cuando ya explicaciones son del tipo de la primera de este ejemplo. Vemos
1:
!1
tenemos expericncia podemos recurrir a una regla de orden entonces que el razonamiento abductivo va bien con el razona-
~ superior: SI quiero tener un buen horario, ENTONCES es mejor miento basado en reglas (Thagard, 1998), aunque presentare-
l~
~ juntar las clases de las distintas materias en Iugar de tenerlas en mos otros tipos de representaciones que tambien cuadran.
~
w dias separados. Ya veremos en la seccion sabre plausibilidad psi- Las reglas tambien pueden utilizarse para describir procesos
a col6gica que el proceso computacional de agrupar reglas se ha de aprendizaje lentos con incrementos peri6dicos, asignando a
"
~
ll
l u
utilizado como modelo de muchos tipos de aprendizaje. cada regia un valor numerico que representa su utilidad o plau-
,,
lf
j.l Otra forma de derivar unas reglas de otras es la especializaci6n, sibilidad. Par ejemplo, cada vez que aplicamos con exito la regia
ll! proceso por medio del cual se modifica una regla existente para sr quiero ir de la universidad ami casa, ENTONCES voy en auto,
ll'~
aplicarla a una situacion en particular. Par ejemplo, si un viernes esta gana fuerza e incrementa sus posibilidades de que volva-
d par la tarde trasladarse en auto se hace un poco dificil por el tran- mos a utilizarla en el futuro. En sintesis, las reglas pueden for-
marse a partir de ejemplos o de otras reglas, aplicarse en pro-
sito pesado, la experiencia puede llevarnos a generar una regia
1
'l1.~: especializada del tipo de si quiero ir de la universidad a mi casa, es cesos de razonamiento abductivo y evaluarse cuantitativamente
~~ viernes par la tarde y estoy apurado, ENTONCES es mejor no ir en auto. segun el exito de su aplicacion.
I
11
Iu
:,;:,,-
88 I lA IHNIE R£GI AS I 89
tes, Chomsky (2002) pone en duda su concepcion de la grama- 0 sumada a E da 0. Eso podria llevarnos a pensar en una regia
tica como un sistema de reglas. asi: 51 se suma cero (0) a un numero, ENTONCES el numero no cam-
bia. De Ia aplicacion de esa regla podemos concluir que E es 0.
Luego, si observamos la cuarta columna, advertimos que A +A
::: o, de manera que A tiene que ser s. Sin embargo, optar por
PLAUSIBILIDAD PSICOL6GICA este tipo de razonamiento puede complicarnos Ia existencia, por-
que en else presupone que no nos llevamos nada de la columna
De todos los enfoques computacionales- representacionales pre- de Ia derecha (L + L = R, y N + R = B). Conclusion: R debe ser
sentados en este libra, los sistemas de reglas son los que han eJ dobie deL y un numero lo suficientemente pequefio para que
tenido, sinlugar a dudas, la mayor cantidad de aplicaciones psi- no tengamos que llevarnos nada cuando lo sumamos a N. En
cologicas. Es imposible repasarlas todas en una seccion tan breve nuestra forma habitual de hacer sumas, elllevarse algo de una
como esta, de modo que me limitare a mostrar las formas mas columna a otra implica la regia sJ los digitos que se sum an dan 1 o
comunes de recurrir a sistemas de reglas para dar cuenta del 0 mas, ENTONCES hay que escribir solo el segundo digito y llevarse
pensamiento. el primero ala siguiente columna ala izquierda. Asi, hay otro valor
Newell (1990) ha mostrado las aplicaciones del modelo SOAR posible para E: si E = 9, entonces 0 + E = 0, siempre y cuando
en una enurme cantidad de fen6menos psicologicos. Por ejem- nos llevemos un digito de Ia columna N + R = B. Con este pu nto
plo, en Ia resoluci6n de problemas criptoaritmeticos, que son departida y sus consecuencias, mas las reglas de adicion y arras-
problemas en los que los numeros se sustituyen por letras (Newell tre que conocemos, mas el conocimiento de reglas adicionales
y Simon, 1972). Dado el enunciado DONALD+ GERALD= ROBERT, como sr un digito aparece en la primera columna de un numcro,
hay que reemplazar cada letra por un numero distinto del o al ENTONCES ese digito noes cero (0), podemos llegar ala respuesta
9 para que la ecuacion sea correcta. Las reglas son muy utiles (no sin esfuerzo, claro esta). Con el sistema SOAR se pueden mode-
para resolver problemas como este, que se representa con mas lizar distintos aspectos de este tipo de razonamiento utilizando
claridad de la siguiente forma (como el algoritmo que suele un conjunto de operadores que asignan valores numericos a los
usarse para las sumas): digitos y constatan que los resultados no sean contradictories.
El sistema SOAR se ha utilizado tamhien para modelizar otros
DONALD
tipos de razonamiento de arden superior; por ejemplo, el que
+
se utiliza para hacer inferencias a partir de enunciados como
GERALD
"Algunos arqueros no son lanzadores" o "Todos los remeros son
lanzadores': El sistema no recurre ni a Ia logica mental ni a los
ROBERT
modelos mentales, los dos enfoques para la deduccion presen-
lComo podemos empezar a resolver el problema? Podriamos tados en el capitulo 2, sino a una busqueda dentro de un uni-
advertir que, en la segunda columna partiendo de la izquierda, verse de inferencias posibles, hasta que llega a Ia conclusion de
r:'·
que "Algunos arqueros son remeros". Desde el punto de vista cBS recibo una descarga electrica, y eso lleva al roedor a dejar de
logico, esta conclusion noes valida, pero el enfoque cognitivo accionar la palanca. Las reglas tambien pueden usarse para des-
de la deduccion se centra en como razonamos los seres huma- cribir los modelos mentales dinamicos con los que las personas
nos, de modo que incluye los errores que cometemos. perciben los cambios del mundo fisico: sr un auto choca contra
Newell tambien utiliza el sistema SOAR para dar cuenta de u.11 paste, ENTONCES el paste sea bolla. De hecho, la capacidad y las
varios aspectos del aprendizaje yen especial de la ley de poten- limitaciones de los seres humanos para manejarse en el mundo
cias de la pnictica, segun la cmd la tasa de aprendizaje dismi- fisico yen el entorno social tam bien pueden explicarse con reglas.
nuye cuanto mas se sabe. Esta ley se aplica a muchas tareas, Una vez que adquirimos un estereotipo, por ejemplo, lo aplica-
como escribir con un teclado o aprender a escribir las letras al mos en todas las situaciones posibles, incluso en mas de lo que
reves, tal como seven en nn espejo. Las agrupaciones de infor- corresponde.
macion que realiza el sistema SOAR permiten explicar por que Crowleyy Siegler (1993) han demostrado que las variaciones
la velocidad del aprendizaje disminuye cuanta mas experien- en la capacidad de los nifios para jugar al ta-te-ti o juego del
cia tenemos en una determinada tarea. Cuando comenzamos tres en raya pueden entenderse en terminos de la adquisici6n
a practicar, vamos integrando informacion con rapidez, y a de reglas sobre que movimientos esta permitido hacer, suma-
medida que construimos bloques de informacion se incrementa das al conocimiento estrategico de que regla aplicar en cada
la velocidad de la pnktica. Por ejemplo, cuando aprendemos a momento. A continuaci6n mostramos algunos ejemplos de
usar un teclado para escribir, al principia progresamos rapido reglas para jugar al ta-te-ti:
tanto en velocidad como en precision. Sin embargo, cuanto
mayores son los bloques de informacion que vamos constru- Jugada ganadora: SI hay una fila, columna o diagonal condos pie-
yendo, menos utiles se vuelven, pues las situaciones en las que zas mias y un espacio en blanco, ENTONCES tengo que utilizar el
podemos aplicarlos son cada vez menos frecuentes. Asi, la tasa espacio en blanco para ganar.
de aprendizaje de un sistema de reglas se desacelera con la prac- Bloqueo de la linea del oponente: SI hay una fila, columna o
tica, como sucede con el aprendizaje de los seres humanos. diagonal condos piezas de mi rival y un espacio en blanco, ENTON-
Holland et al. (1986) utilizan sistemas de reglas para explicar CES tengo que utilizar el espacio en blanco para evitar que com-
f'
94 I LA MENTE REGI.AS I 95
- -'v
/ '
-~-~-T--
()
en la adquisicion de capacidades tales como la resoluci6n de
problemas geometricos o la programaci6n informatica. Hay
rnuchisimos ejemplos que muestran Ia correspondencia entre
/~ - e1 desempefio de los sistemas de reglas y Ia conducta de los
seres humanos cuando piensan.
Figura 3J.. Aplicaci6n de las reglas del ta-te-ti o juego del tres en raya.
El turno del jugador que utiliza cruces se corresponde con los
condicionales de cuatro reglas: Ia jugada ganadora (casillero del angulo
superior izquierdo), Ia jugada de bloqueo (casillero del angulo inferior
PLAUSIBILIDAD NEUROLOGICA
dcrecho ), Ia jugada inicial (casillero central) y Ia jugada importante
(casillero del angulo superior izquierdo 0 del angulo inferior derecho ).
Adaptado de Crowley y Siegler (1993: 537), con autorizaci6n. Entre las reglas y las neuronas puede trazarse una analogia
un tanto burda, en tanto Ia sinapsis puede expresarse en una
das. La capacidad de jugar este juego mejora a medida que se regia: si una neurona se activa, ENTONCES provoca la activaci6n
adquieren reglas de este tipo y se establecen prioridades adecua- de la neUJ·ona con la que estd conectada. Sin embargo, se trata
das para su aplicaci6n. Muchos niiios en edad preescolar no han de una similitud superficial, pues en realidad poco se sabe de
incorporado Ia regia de bloqueo y otros Ia tienen pero Ia apli- como se implementan las reglas en el cerebro.Anderson (1993)
can incluso cuando podrian aplicar una que les permitiera ganar. presenta un bosquejo de implementacion neuronal de reglas
Los sistemas de reglas se han utilizado tambien para dar cuenta en ei sistema ACT. Tambien ha habido intentos de implemen-
de la adquisici6n y el uso dellenguaje. Anderson (1983) describe tar sistemas de reglas simples en redes neuronales artificiales
el conocimiento de Ia lengua inglesa en terminos de reglas como (capitulo 7). Mas recientemente, Anderson et al. (2004) rela~
Ia siguiente (version simplificada): cionan la nueva version del sistema ACT, denominada ACT-R,
con areas especificas del cerebra. Partiendo de tomografias
SI mi objetivo es comunicar una estructura de significado de la cerebrales de sujetos durante la resolucion de problemas, los
forma {relaci6n, agente, objeto }, ENTONCES tengo que establecer autores infieren que las reglas de producci6n se aplican en los
como objetivos parciales ganglios basales, un conjunto de nucleos que se hallan dentro
1. describir al agente de la materia blanca de la corteza cerebral. Tambien afirman
2. describir Ia relaci6n que los hechos que se corresponden con las reglas estan alma-
3· describir el objeto. cenados en un conjunto de memorias intermedias en Ia cor-
96 I LA ~1EtlTE RHit.~S ! <)7
teza prefrontal. Asi, el ACT, que se origin6 como un modelo dotarselos de una parte de la compleja capacidad de tomar
puramente cognitivo, se ha convertido tambien en un modelo decisiones gracias ala cuallos jugadores de carney hueso son
neurol6gico. El capitulo 9 del presente libro esta dedicado al tan eficaces.
estudio del cerebro, las tecnicas de diagn6stico por imagen y La mayoria de los sistemas expertos que se utilizan en el
los modelos neurol6gicos. gobierno y la industria son sistemas de reglas. De hecho, estos
fueron los primeros sistemas inteligentes que se crearon (Bucha-
nan y Shortliffe, 1984; Feigenbaum, McCorduck y Nii, 1988). El
conocimiento especializado de muchos ambitos distintos, desde
APUCABILIDAD PRACTICA Ia configuraci6n de computadoras hasta la exploraci6n petro-
lera, puede expresarse por medio de reglas. Algunos cjemplos de
Si el aprendizaje consiste en la adquisici6n de reglas, uno de los sistemas e:>...rpertos basados en reglas aparecen en las aetas del deci-
objetivos de la educaci6n tendni que ser ayudar a los estudian- rnonoveno congreso de innovaciones en inteligencia artificial
tes a mejorar esa capacidad. Anderson (1993) presenta muchas aplicada ( e incluso en ediciones anteriores ), publicadas por AAAI
aplicaciones de sistemas ACT basados en reglas en el ambito Press. Langley y Simon (1995) ofrecen una buena cantidad de
educativo, que incluyen la programaci6n de computadoras, la ejemplos de aplicaciones industriales de programas informati-
edici6n de textos y las pruebas geometricas. De hecho, los sis- cos que generan reglas a partir de ejemplos. Entre ellas se inclu-
temas de reglas se ban utilizado no solo para modelizar el des- yen el control de procesos quimicos, la toma de decisiones finan-
empefio de los alumnos sino tambien para crear tutores artifi- cieras y el diagn6stico de aparatos mecanicos.
ciales que los ayudan en el proceso de aprendizaje.
En ingenieria y campos relacionados, el disefio puede enten-
derse en terminos de reglas. Newell (1990) presenta una ver-
sion de SOAR que crea algoritmos informaticos valiendose de RESUMEN
98 I LA MfNH lilGIAS I 99
,,I
:i 100 ! LA M£:.11(
r-
!!!
(
damentales forman parte de la estructura de la mente y nose la forma de estereotipos y no de condiciones necesarias y sufi-
aprenden. cientes. En la decada siguiente, el analisis de los conceptos desde
El empirismo, en cambio, cuyos maximos representantes fue- la perspectiva computacional tom6 un nuevo cariz como con-
ron Lockey Hume, afirma que los conceptos se adquieren por secuencia del desarrollo de modelos conexionistas capaces de
medio de la experiencia sensible. La forma en que aprendemos aprender conceptos, seg"lm veremos en el capitulo 7.
un concepto como perro, por ejemplo, no es pensar en c6mo
son los perros sino conocer una buena cantidad de perros dis-
tintos. Aunque Jerry Fodor (1975), un fil6sofo de la mente que
ha recibido una fuerte influencia de Chomsky, defiende la hip6- CAPACIDAD REPRESENTACIONAL
~T~~-----:---___ problema de tener que elegir que regla se aplica en cada caso.
. _.-----
------
Jaboratono semmano
. . -------
taller a distancia lQue sentido tiene que el sistema cuente con la regia que nece-
sitamos sino podemos recuperarla para aplicarla en el mom en to
Figura 4.1. Organizaci6n jenirquica del concepto de materia. pertinente? En los sistemas conceptuales, en cambio, puede usarse
un metoda muy eficaz que se denomina herencia, segun el cu~l
se realizan inferencias a partir de la jerarquia que se establece
zacion de los conceptos en estructuras jenirquicas les confiere con el casillero "tipo': tHay un docente a cargo en un semina-
propiedades computacionales que los conjuntos de reglas (entre rio? La respuesta a esta pregunta podria no estar representada
las cuales no se establecen jerarquias) no tienen. Para muchos en el concepto seminario, pero puede inferirse de la informa-
conceptos fisicos, el casillero "parte" es muy importante, pues cion de que un seminario es un tipo de materia, y las materias
tambien funda una jerarquia: el parpado es una parte del ojo, suelen tener docentes a cargo. Nose trata de una deduccion
el ojo es una parte de la cara, la cara es una parte del cuerpo, y l6gica, ya que no todos las materias tienen docentes a cargo, pero
podriamos seguir la cadena. Tam bien esta relacion puede expre- es razonable esperar de un seminario que lo tenga si el concepto
sarse por media de reg] as (SIxes un parpado, ENTONCES x forma seminario hereda la expectativa del concepto materia en virtud
parte del ojo) pero, como veremos en Ia proxima secci6n, la orga- de que el primero es un tipo de la segunda.
nizacion jerarquica de los cas illeros y de los conceptos tiene unas tEn que pensamos cuando oimos la palabra "escritorio"? Es
cuantas ventajas desde el punta de vista computacional. probable que se nos aparezcan imagenes de sillas, lamparas o
Los conceptos no pueden constituir una teoria completa de papeles. No todo el pensamiento consiste en hacer el tipo de
la representaci6n mental, y de hecho nunca se pretendi6 que asi inferencias que proponen la logica o los sistemas de reglas. Si
fuera. La estructura conceptual de materia, por ejemplo, no bien el escritorio podria estar relacionado con una silla en vir-
incluye la informacion de que si en una materia no hay mas vacan- tud de una regia (todo escritorio tiene una silla), la asociacion
tes, el estudiante puede conseguir que se lo inscriba si cuenta con tambien podria ser mas informal: el escritorio es un mueble y
el permiso par escrito del profesor. Esa es una regla de las mate- la silla tam bien. Desde el pun to de vista computacional, esta aso-
rias que se aprende con ]a experiencia. Sin embargo, las propie- ciaci6n libre se define como un caso de propagaci6n de activa-
dades computacionales de las representaciones conceptuales aqui ci6n. De un concepto activo en una red, la activacion se propaga
presentadas hacen de los conceptos un complemento fundamen- a otros que entran en relaciones de tipo o de otras clases con
tal de las reglas en la modelizaci6n del pensamiento humano. este. La propagaci6n es como una especie de contagio elec-
~--~
trico: un objeto electrificado electrifica a otros que estan conec- ses sean muy participativas. Por lo tanto, para entender cual es
tados con el. Por ejemplo, si alga activa el concepto de eSC1·ito- la funci6n computacional de los conceptos, podemos incluir
rio, la activaci6n puede propagarse al concepto de mueble (en los pasos que acabamos de analizar dentro de un sistema de
tanto los escritorios son un tipo de mueble) y al de cajon (pues procesamiento:
los cajones son una parte del escritorio). A su vez, Ia activaci6n 1. El sistema tiene activados ciertos conceptos que represen-
de esos dos conceptos puede llevar ala activaci6n de otros con- tan una situaci6n.
ccptos relacionados con ellos, como mesa (otro tipo de mueble) 2. La activaci6n se propaga de esos conceptos a otros que
o madera (material del que estan hechos los cajones). Algunos son potencialmente relevantes.
sistemas de reglas incluyen un mecanisme de propagaci6n de 3· Se seleccionan los conceptos que se corresponden con la
activaci6n como complemento de la activaci6n de una regia para situaci6n en cuestion.
reproducir ]a forma en que las personas recuperan reglas de la 4· El sistema lleva a cabo inferencias sobre la situacion por
memoria (Anderson, 1983; Thagard, 1988). herencia con los conceptos seleccionados.
La organizacion de la informacion en estructuras concep-
tuales es sumamente util cuando se trata de atravesar situa-
ciones nuevas. Cuando empiezan a cursar una materia, los estu- Resoluci6n de problemas
diantes la ubi can rapidamente dentro de su sistema conceptual: Planificaci6n. La primera vez que nos enfrentamos a una situa-
seminario, pan comido y otras categorias. El proceso tiene dos ci6n nueva -la inscripcion a materias, por ejemplo-, necesita-
p:tsos fundamentales: correspondencia e inferencia. Encontrar remos recurrir a reglas generales para saber como proceder. Si
los conceptos mas adecuados para aplicar a una materia implica resolvemos con exito las primeras inscripciones, sera mas facil
encontrar correspondencias entre los casilleros de distintas en las subsiguientes, pues bastara con seguir la misma secuen-
materias ya cursadas y la informacion especifica de que dispo- cia de procedimientos. En ese caso, habremos adquirido el guion
nemos sabre la nueva. Por ejemplo, si el curse nuevo tiene de la inscripci6n a materias. Vista asi, la planificacion no con-
solo diez inscriptos, esa informacion se cmTesponde con el casi- siste en una busqueda ni en un conjunto de deducciones logi-
llero de taller, una de cuyas caracteristicas es que se dicta en cla- cas, sino en la aplicacion de conceptos. Dada una representa-
ses de pocos alumnos. En cambia, si cuando llegamos vemos ci6n de la situaci6n por la que tenemos que pasar y unos
~
[ que hay unos cien estudiantes esperando la clase, es probable objetivos que debemos cumplir (inscribirnos en las materias
n
~ que asociemos esa situacion con el concepto de seminario. Una que nos interesan, por ejemplo), recuperamos de Ia memoria
Il! vez que se encuentra la correspondencia entre una situacion y el concepto que mejor se corresponda con la situacion y los
~
tj un concepto, se hacen inferencias sabre la situacion mediante objetivos planteados (en este caso, el de inscripci6n). Luego,
~ la extrapolaci6n del conjunto de expectativas que generan todos aplicamos el guion asociado a ese concepto para ver que pasos
II
I'
~ los rasgos del concepto. Asi, una vez que la materia se clasifica seguir yen que orden (llenar el formulario, pagar los arance-
~ les, etcetera) .
como taller, el estudiante inscripto en ella esperara que las cla-
•~
~
L
fi
-r ,
py...
Sin embargo, la aplicacion de conceptos solo es posible cuando ajusta a lo que se necesita. El concepto del jefe sabre el em plea-
contamos con informacion organizada que se corresponde con do ideal puede tener casilleros adecuados, tales como "inteli-
la situacion nueva. Despues de su primer afio en la universi- gencia" o "laboriosidad", pero tambien puede incluir requisitos
dad, los cstudiantcs ya han adquirido un conjunto de esque- que no tienen relaci6n directa con lo que significa scr un buen
mas muy utiles y aplicables a distintos contextos educativos. Los empleado, como "raza" o "genera". Entonces, si bien es cierto que
alumnos de primer afio, en cambio, s6lo tienen almacenados los en muchas de las decisiones que tomamos a diario aplicamos los
esquemas del colegio secundario, y si intentan aplicarlos pue- conceptos adquiridos, es bueno que no sea asi en todos los casos.
den llegar a soluciones erroneas. Por ejemplo, los estudiantes Recurrir a los conceptos ya internalizados para tamar una deci-
que se inscriben en mi curso de Introduccion a las Ciencias Cog- sion es un metodo facil y rapido, pero cuando decidimos de ese
nitivas a veces esperan que los contenidos se parezcan a los de modo obliteramos la enorme cantidad y complejidad de las cues-
materias con las que ya estan familiarizados (filosofia, psicolo- tiones (acciones y objetivos) que forman parte de una toma de
gfa o informatica), y entonces se les hace dificil encontrar corres- decisiones reflexiva.
pondencias entre los conceptos adquiridos y los contenidos nue-
vos, que son interdisciplinarios. Los guiones son de suma utilidad Explicaci6n. Al igual que los planes, las explicaciones suelen pre-
cuando se los aplica a situaciones que se repiten con frecuen- sentarse en forma de esquemas. A veces mezclamos conceptos
cia, pero pueden complicarnos en situaciones nuevas que no sociales cuando damos explicaciones, quiza con mayor frecuen-
encajan en los esquemas que ya tenemos almacenados. Pense- cia de lo que deberiamos.lPor que se qued6 Federico despierto
mos en el dicho popular: Para quien s6lo tiene un martillo, todo toda la noche trabajando en un programa? Porque es fanatico
se parece a un clavo. Moraleja: a veces es bueno romper los esque- de las computadoras. lPor que Sara se viste siempre de negro?
mas y abandonar el martillo a tiempo cuando nos encontramos Porque es bohemia.lPor que Alicia se sac6 un diez en el examen
frente a un tornillo. sin estudiar? Porque la materia es pan comido. Estos ejemplos
ilustran como muchas veces proporcionamos explicaciones en
Toma de decisiones. Lo mismo puede decirse de la aplicaci6n virtud de una correspondencia casi automatica entre un con-
de conceptos en la toma de decisiones. En algunas situaciones, cepto y una situaci6n en la que este parece encajar.
recurrir a guiones conocidos para tomar decisiones nuevas fun- Los conceptos tambien pueden usarse para dar explicacio-
ciona a la perfecci6n, como cuando vamos a la heladeria y ele- nes mas reflexivas. En ciencia, las explicaciones suelen tener el
gimos siempre los mismos gustos de helado. Pero hay circuns- tinte deductivo que les confieren la l6gica y los sistemas de reglas.
tancias en las que aplicamos esquemas sin reflexionar en lomas Las leyes generales de la ffsica (fuerza = masa x aceleraci6n ),
minimo. Por ejemplo, es frecuente que la selecci6n de personal por ejemplo, pueden aplicarse matematicamente para obtener
para una empresa responda al concepto que tenga el jefe de lo una explicaci6n deductiva del movimiento de los planetas. Sin
que es un buen empleado en lugar de ser producto de una eva- embargo, hay muchos otros campos, como la biologia evolutiva
luaci6n de todos los candidatos para ver cual es el que mas se y las ciencias sociales, en los que es muy dificil formular leyes
112 I lA IH NTE CONCEPTOS I 113
generales. En csos casos, la explicacion puede caracterizarse como Ya hemos visto distintas instancias de aplicacion del esquema
la aplicaci6n de un esquema con un objetivo (el fen6meno que explicative fundamental de las ciencias cognitivas. En el resu-
hay que explicar) y un patron que permite proporcionar la expli- men del capitulo 1 proporcionamos un esquema explicative
caci6n. Aqui presentamos un esquema explicative simplifi- general basado en representaciones y procedimientos compu-
cado en el que se utiliza la teoria de Ia evolucion por selecci6n tacionales, mientras que en los resumenes de los capitulos 2 a 7
natural de Darwin para explicar por que una especie tiene una presentamos esquemas explicativos especificos para los distin-
caracteristica determinada (tomado de Thagard, 1999; veanse tos enfoques representacionales. Los aspectos de Ia mente y la
tambien Kitcher, 1993, y Schank, 1986): inteligencia desarrollados en la segunda parte de este libro son
mas dificiles de formalizar en esquemas de este tipo.
Objetivo de la explicaci6n
lPor que una especie tiene una caracteristica determinada?
Aprendizaje
Modelo explicative Las reglas, segun hemos visto, pueden tener tres origenes dife-
La especie tiene un con junto de caracteristicas variables. rentes: pueden ser innatas, pueden formularse a partir de la
La especie esta expuesta a presiones ambientales. experiencia o pueden inferirse de otras reglas. Las mismas tres
Las presiones ambientales favorecen a los individuos de la espe- respuestas pueden darse para responder al interrogante sobre
cie que tienen esa caracteristica. ei origen de los conceptos. La respuesta sera distinta segun el
Asi, los individuos de la especie con esa caracteristica tienen concepto de que se trate. Los niflos aprenden a razon de unas
mas posibilidades de sobrevivir y reproducirse que los miem- diez palabras por dia y, con ellas, adquieren los conceptos corres-
bros de la especie que carecen de esa caracterfstica. pondientes.
De este modo, con el tiempo, la mayoria de los individuos de la Pensemos en el concepto de rostra humano, que consiste de
especie acaba teniendo esa caracteristica. dos ojos, dos orejas, una nariz y una boca. Es posible que los
bebes adquieran el concepto a traves de Ia experiencia, luego
Los terminos en cursiva son variables que pueden llenarse con de haber visto una cara tras otra. Sin embargo, existe evidencia
muchos ejemplos distintos. Si quisieramos explicar por que algu- empirica de que los niflos no tienen que aprender cual es Ia
nas bacterias son resistentes a algunos antibi6ticos, podriamos estructura tipica de una cara, sino que nacen sabiendo que cspe-
aplicar el esquema valiendonos de las correspondencias entre rar de su aspecto y sus componentes. Del mismo modo, hay
"caracteristica" y "resistencia a los antibi6ticos", y "bacteria" y pruebas experimentales de que los conceptos fisicos basicos,
"especie". Los antibi6ticos constituyen presiones ambientales, como objeto, son innatos, pues, desde muy pequefios, los nifios
de modo que las bacterias con resistencia a los antibioticos ten- demuestran tener expectativas muy fuertes respecto de como
dran mas posibilidades de sobrevivir y reproducirse basta que tienen que comportarse los objetos (por ejemplo, cuando un
la especie en su conjunto sea resistente. objeto desaparece detnis de otro y despues vuelve a aparecer).
w:··: . .
114 I lA MEN!f CONCEPTOS I 115
Asi, si bien es poco plausible que todos los conceptos, incluidos es Ia combinaci6n de una casa y una cuna, sino un Iugar don de
los del tipo de reproductor de DVD o telefcno m6vil, sean inna- se cria y atiende a nifios de corta edad. Algunas combinacio-
tos, algunos conceptos basicos, junto con los mecanismos para nes novedosas o metaforicas implican un componente abduc-
formar otros nuevos, parecen integrar eJ apara to mental del que tivo, en tanto sc necesita formular algun tipo de hip6tesis para
estamos dotados al nacer. explicar la combinacion y su significado. Asi, una oveJa negra
AJgunos conceptos se adquieren a partir de ejemplos, asi como noes una oveja de color negro, sino una persona que se com-
algunas reglas se formulan por generalizacion inductiva. En algu- porta de un modo distinto al del resto de los miembros de un
nos casos, es necesario estar expuesto a muchos ejemplos antes grupo. Para entender este concepto, es necesario saber que casi
de llegar al concepto, como cuando los nifios aprenden a distin- todas las ovejas son blancas y que, por lo tanto, una oveja negra
guir un perro de otro animal. En cambio, cuando ya se tiene bas- es rara y contraria al res to (Kunda, Miller y Claire, 1990). Exis-
tante conocimiento, Ia adquisicion de conceptos se simplifica y ten modelos computacionales para las combinaciones concep-
solo bastan unos pocos ejemplos. Si entramos a una clase y vemos tuales simples (Thagard, 1988), pero todavia nose han creado
que tiene solo diez estudiantes y que, en vez de exposiciones a modelos para dar cuenta de las combinaciones de tipo abduc-
cargo del profesor, se estimula la discusi6n y el debate, ese solo tivo. Costello y Keane (2ooo) presentan una teoria computa-
ejemplo sera suficiente para adquirir el concepto de taller. Por cional que explica la creatividad y la eficacia de las combina-
supuesto, siempre es posible revisar los conceptos adquiridos a ciones conceptuales.
la luz de experiencias posteriores. Al igual que las reglas, que se Las inferencias abductivas pueden hacerse echando mano
ajustan en contenido y plausibilidad en virtud del uso frecuente, de esquemas que incluyen informacion causal. A continuaci6n
los conceptos pueden modificarse como consecuencia del presentamos el guion de una enfermedad contagiosa como el
encuentro con nuevos ejemplos. En la actualidad existen nume- resfrfo:
rosos modelos computacionales de adquisici6n de conceptos
(Langley, 1996), yen el capitulo 7 presentamos abordajes cone- Enfermedad contagiosa
xionistas de la adquisicion conceptual. Contacto: La persona entra en contacto con ciertos gcrmenes
No todos los conceptos se forman a partir de ejemplos; algu- (virus o bacterias).
nos se crean combinando otros preexistentes. En el caso de con- Incubacion: Los germenes se multiplican.
ceotos tales como carzal de musica o correo electr6nico, recurri- Sintomas: Los germenes hacen que la persona presente sinto-
•
mos a ejemplos concretes para completar los detalles, pero el mas tales como que le gotee la nariz.
grueso del contenido coincide con los rasgos de los conceptos Cura: Con el tiempo, el sistema inmunitario del cuerpo mata
separados que integran el nuevo concepto. Algunas combina- los germenes.
ciones conceptuales son transparentes: un hospital escuela es un
hospital utilizado para la formaci on de nuevas generaciones de Asi, si presentamos sintomas como el de la nariz, podemos com-
medicos. Otras son un poco mas complejas: una casa cuna no pletar el casillero correspondiente en el guion y luego comple-
-~~'i"~-~
~ ·.
tar el casillero "contacto" despues de inferir por abduccion que tura dellexico mental, la formacion de palabras y la adquisici6n
debemos estar en contacto con germenes. del U:xico.
La adquisicion dellenguaje no consiste solo en la internali-
zacion de reglas gramaticales, sino que tambien implica el de-
Lenguaje san·ollo de todo un sistema conceptual. Los linguistas de la tra-
En terminos linguisticos, los conceptos se representan con pala- dici6n chomskiana presuponen una separacion tajante entre
bras. Si bien es cierto que no todos los conceptos necesitan de Jexico y gramatica, pero los defensores de la gramatica cogni-
palabras que los describan, existe una fuerte correspondencia tiva han presentado objeciones de peso contra esa distinci6n
entre las palabras de una lengua y muchos de los conceptos (Taylor, 2003). Langacker (1987) y Lakoff (1987) afirman que
que manejamos. En el capitulo anterior nos referimos a la rela- las estructuras sintacticas estan ligadas ala naturaleza y al sig-
ci6n entre la gramatica y las reglas linguisticas. Sin embargo, el nificado de los conceptos.
conocimiento dellenguaje no se agota en las reglas; las pala- tCual es el significado de un concepto y cual es su aporte al
bras son necesarias para insertarlas en las estructuras linguisti- significado de una oracion? Este es un interrogante que durante
cas. El conjunto de palabras que se encuentran en un dicciona- mucho tiempo ha desconcertado a los filosofos, quienes a su vez
rio se denomina lexica; por analogia, el conjunto de conceptos se han ocupado mucho de ely han proporcionado una buena
representados en la mente se clenomina lexico mental. cantidad de respuestas diferentes. Por un lado, el significado de
De acuerdo con George Miller y otros especialistas, ellexico un concepto parece derivarse del significado de otros concep-
mental tiene una organizacion jenirquica (Fellbaum, 1998). Miller tos. Asi, el significado de trotar se deriva de los de correry rcipi-
y sus colaboradores disefiaron un lexica electronico enorme al damente. Por otro lado, el significado conceptual esta relacio-
que denominaron WordNet, que tiene mas de sesenta mil entra- nado con las observaciones del mundo que hacen los hablantes,
das de palabras del ingles. En ese lexico, las entradas de sustan- de modo que saber que quiere decir trotarpuede ser consecuen-
tivos como "perro" estan organizadas· jenirquicamente, dividi- cia de haber visto trotar a una o a varias personas o animales.
das en tipos y partes, en distribuciones similares a las que Por lo general, las definiciones de los conceptos no son solo
ilustramos en la secci6n "Capacidad representacional" de este reproducciones de las definiciones de otros conceptos, pues las
capitulo (vease la figura 4.1). Las entradas de verbos que dena- definiciones exactas son mas bien escasas. Tampoco se agota
tan acciones, como "inscribirse" o "correr", tienen otro tipo de un concepto con un conjunto de ejemplos. Por lo tanto, una teo-
organizaci6n, dividida en formas de hacer distintas cosas. Por ria del significado debe explicar como se relacionan los concep-
' ejemplo, "correr" es una forma de trasladarse y "trotar" es una
~~ tos entre si y con el mundo (vease el capitulo 12). Los dos aspec-
r forma de correr. En el caso de los adjetivos, la organizacion de tos son fundamentales para entender la relacion entre los
! las entradas es distinta. El uso dellenguaje depende de la capa- conceptos y el uso dellenguaje.
i cidad de almacenar y utilizar los conceptos denotados por los
i
i! sustantivos, adjetivos y verbos. Miller (1991) analiza la estruc-
!\
II
l
CONCtrlOS I 119
118 I LA MENTE
que el mango. Cuando se pide a los sujetos que enumeren dis- concepto esta estrechamente vinculado con los ejemplos gra-
tintos miembros de una categoria conceptual, los mas tipicos cias a los cuales fue posible su adquisicion. Segun esta teoria, la
suelen ser los que se mencionan primero (Rosch, 1973). Por ejem- aplicacion de un concepto no consiste en buscar corresponden-
plo, si se nos pide que digamos nombres de mamiferos, lo mas cias con el prototipo, sino en comparar los ejemplos nuevas con
probable sera que mencionemos perro antes que ballena. De los ya almacenados. En este sentido, seria similar al razonamiento
acuerdo con Rosch y Mervis (1975), el juicio acerca de cm1n tipica anal6gico, presentado en el capitulo 5· Barsalou et al. (2003) sos-
es una especie de ave esta en correlaci6n directa con cuales de tienen que el procesamiento conceptual depende de modalida-
bs propiedades comunmente atribuidas a las aves (volar, cons- des espedficas como la percepcion, de modo que el concepto
truir nidos, etc.) tiene Ia especie en cuestion. Asi, el colibri y e) auto esta asociado en la memoria con las experiencias senso-
pingiiino son aves, y seguramente ambos responderian ala defi- riales que hemos tenido de los autos.
nicion de m·e si se pudiera formular con exactitud, pero desde Murphy y Medin (1985), Keil (1989) y otros especialistas pro-
el punto de vista cognitive son catcgorfas muy diferentes, pues ponen modelos conceptuales superadores de los prototipos y
colibrf esta mucho mas cerca del prototipo de ave que pingiiino. los ejemplos. A veces la aplicaci6n de conceptos es una cues-
Analizar los conceptos como prototipos permite explicar algu- ti6n de explicacion causal ademas de la correspondencia de ras-
nas caracteristicas de su aplicaci6n, incluidos los errores que gos. De este modo, cuando definimos a un borracho como una
coinetemos al usarlos. Por ejemplo, cuando Brewery Treyens persona capaz de arrojarse en una piscina con las ropas puestas,
(1981) pidieron a los sujetos de su estudio que enumeraran los sabemos que este noes un rasgo ni definitorio ni tipico del con-
objetos que habian vista en una ofici na de la universidad donde cepto ebriedad, pero encaja con la idea de no saber lo que uno
los habfan dejado esperando, muchos mencionaron haber visto hace que forma parte del concepto: cuando estan borrachas,
libros, pese a que no habia ninguno en esa oficina. El error res- las personas hacen tonterias. Murphy (2002, cap. 6) hace un
ponde a que los libros forman parte del prototipo de oficina aca- repaso de la evidencia psicologica de que los conceptos forman
dbnica. Tambien se han llevado a cabo experimentos con el parte del conocimiento general del mundo. Por ella, quiza sea
objeto de desentrafiar algunas de las cuestiones relacionadas con adecuado pensar que los conceptos tam bien se codifican en reglas
la combinaci6n conceptual (Smith et al., 1988). del tipo de SIx esta borracho, ENTONCES x no sabe lo que hace.
La teoria de prototipos se condice con el enfoque computa- En ese caso, llegar ala conclusion de que alguien esta borracho
cional de los conceptos como estructuras de marcos en las que no tendrfa que ver con hallar correspondencias con un proto-
se enumeran propiedades tfpicas. Sin embargo, existen datos tipo de ebriedad, sino con realizar una inferencia de tipo abduc-
empiricos que indican que la estructura de los conceptos nose tive utilizando reglas. Kunda, Miller y Claire (1990) proporcio-
agota en los prototipos. Barsalou (1983) y otros investigadores nan evidencia de que esto es lo que de hecho ocurre en la
sostienen que los conceptos son mucho mas flexibles y depen- combinacion conceptual. Podemos concluir entonces que los
dientes del contexto que las listas de propiedades tfpicas. Por conceptos estan relacionados con tres tipos de informacion: ras-
su parte, algunos psic6logos afirman que el conocimiento de un gos tipicos, ejemp]os y reglas.
l ~ -~·
--~~:::'"-"
,,
I
122 I LA MENTE
l
;
COIHEPTOS I 123
algunos que combinan las reglas con los marcos (Buchanan y Objetivo de la explicaci6n
Shortliffe, 1984). El sistema mas ambicioso en la actualidad es lpor que las personas presentan un tipo particular de conducta
Cyc (abreviatura de "enciclopedia" en ingles), que se vale de mas inteligente?
de un mill6n de reglas para codificar una gran parte del cono-
cimiento ordinaria en que se apoya la conducta inteligente en }1odelo explicativo
distintos campos (Lenat y Guha, 1990 ). Cyc tiene una base de Las personas tienen un conjunto de conceptos organizados en
datos en la que hay miles de representaciones de objetos y con- casillas entre las cuales se establecen relaciones jerarquicas de
ceptos de Ia vida cotidiana, organizados por medic de una espe- tipo, parte y otras.
cie de ontologia que parte de conceptos basicos: cosa, individuo, Las personas cuentan con un conjunto de procedimientos para
animal. La secci6n mas general del sistema ontologico de Cyc la aplicacion de los conceptos: propagacion de la activaci6n, bus-
puede encontrarse en el sitio web mencionado en la lista corres- queda de correspondencias, herencia y otros.
pondiente a este capitulo. La aplicacion de esos procedimientos a los conceptos genera la
conducta.
Los conceptos pueden convertirse a reglas, pero en ellos la infor-
macion se codifica de otra manera. Eso hace posibles otros meca-
RESUMEN nismos computacionales.
SITIOS WEB