Tema 1: Ciencia Cognitiva PDF

TEMA 1: CIENCIA COGNITIVA Es el conjunto de actividades que lleva a cabo nuestro cerebro que vamos a analizar desde una perspectiva no tan vinculada a los procesos celulares y moleculares. Es importante el nivel conductual y de integración de todo. Es frecuente distinguir diferentes niveles de anál...

TEMA 1: CIENCIA COGNITIVA Es el conjunto de actividades que lleva a cabo nuestro cerebro que vamos a analizar desde una perspectiva no tan vinculada a los procesos celulares y moleculares. Es importante el nivel conductual y de integración de todo. Es frecuente distinguir diferentes niveles de análisis: - Físico, fisiológico, conductual (implica la actividad global del organismo y es el que nos interesa). Nos interesa en general no qué moléculas van a actuar sino explicar cómo afecta eso al comportamiento del organismo. Cómo recordamos las cosas del pasado o lo que tenemos que hacer en el futuro. Lo que caracteriza a los procesos cognitivos: Marco de referencia más general -> CIENCIA COGNITIVA. Es un esfuerzo de integración de especialistas de diferentes ámbitos. Para caracterizar una disciplina necesitamos 3 cosas: un objeto de estudio un método característico que se haya acumulado un cuerpo de conocimiento suficiente como para reconocer que es una disciplina y no una ocurrencia. En los años 70 empieza a haber muchas publicaciones acerca de la ciencia cognitiva, donde se sitúan 6 disciplinas acercándose mucho a lo que conocemos como multidisciplinariedad. La ciencia ha evolucionado de forma que desde los griegos empiezan a aparecer diferentes aspectos y diálogos donde van apareciendo diferentes puntos de vista y matices. El objeto de estudio de la ciencia cognitiva en primer lugar fue la mente, pero se produjo una reacción frente al mentalismo, planteando la duda de que se pueda hacer ciencia sobre la mente. La psicología era una disciplina filosófica hasta finales del siglo XIX. En sus orígenes se ocupaba del estudio del alma y posteriormente de la mente. La psicología obtuvo un enfoque conductista y se experimenta un rechazo hacia la ciencia y mente. Lo que siguió desarrollándose fue la inteligencia, aún hoy existen muchos enfoques diferentes de esta. Los psicólogos de la inteligencia se centran en la elaboración de instrumentos de medida que permitan cuantificar factores que no son directamente observables. Se estableció correspondencia entre la edad del niño y las cosas que debería ser capaz de hacer. En realidad, el proceso de desarrollo de nuestro sistema cognitivo no es un proceso lineal, aunque al principio se pensaba que sí. Determinar las destrezas que tiene un niño permite atribuir una edad mental u otra. Para buscar estabilidad en eso se introduce el concepto de cociente intelectual. No existe el coeficiente sino cociente intelectual (viene de dividir la edad mental / edad cronológica X 100). Esto se va extendiendo y más tarde se descubre que la evolución de los niños no es lineal. Se conserva el término de cociente intelectual, pero en el baremo se compara en relación con otros datos y se obtiene el valor. Es un valor que se mantiene más o menos estable a lo largo de la vida. El rendimiento intelectual no se detiene y la máxima capacidad se da alrededor de los 50. Para los conductistas es un error intentar explicar lo que sucede en el cerebro. Los test de inteligencia son utilizados por los psicólogos de la inteligencia, que sirven para evaluar a un sujeto y manejar datos observables. Esto permite cuantificar. Van encontrando que el cociente intelectual es algo muy genérico y que alguien puede tener un cociente normal, pero destacar en determinadas tareas. Debido a esto empiezan a elaborar modelos que explican que tipos de tareas se relacionan entre sí. Van hablando de la estructura de la inteligencia, cómo se puede clasificar a los sujetos y a las tareas. La psicología de la inteligencia sigue desarrollándose durante esa época conductista. Sigue su desarrollo y aparece la psicología cognitiva, que intenta explicar cómo funcionan los procesos cognitivos. Se entabla una disputa de cierta importancia. Los defensores de la psicología cognitiva dicen que los psicólogos de la inteligencia elaboran instrumentos, pero no explican nada. Sin embargo, ellos refutan que elaboran un modelo que indica como realizamos las tareas, pero en realidad no son capaces de explicar las diferencias individuales. En la ciencia cognitiva se quería describir los fenómenos, de forma que la parte del conductismo donde no se explica nada resulta insuficiente. El objeto de la ciencia cognitiva es por tanto el pensamiento. Nos interesa explicar qué hace nuestro sistema cognitivo para organizar el conocimiento o adquirirlo. El pensamiento es la capacidad de manejar representaciones. En definitiva, si algo caracteriza el sistema cognitivo es que no maneja el mundo real. Nos imaginamos o representamos en nuestra cabeza las cosas. Se hacen interiorizaciones del mundo real que yo incorporo en mi sistema cognitivo. Las representaciones podemos crearlas. Cuando conocemos algo que no habíamos conocido nunca creamos una representación. Esta luego se almacena. A continuación, se recupera. Luego se transforman, corrigiéndolas. Cuando hablamos del almacenamiento y recuperación nos referimos a la memoria. El método que se utiliza para estudiar el pensamiento es diferente para cada ámbito del hexágono que hemos visto. Tiene que ser un método científico, pero la filosofía no la utiliza. A la inteligencia artificial le importa que lo que se haga funcione y por tanto que sea eficaz, no tanto cómo sea el método (científico, filosófico…). No hay un método o un acuerdo entre todas las disciplinas, pero se tiene que llegar a hacer simulación en el ordenador. La ciencia cognitiva no es una disciplina sino un marco disciplinar en el que cooperan expertos de diferentes disciplinas. La neuropsicología sería el interfaz entre la neurociencia y la psicología cognitiva. 1. NEUROCIENCIA COGNITIVA Lesión cerebral: A la neuropsicología le interesa cómo se pueden recuperar funciones después de haberlas perdido. Para ello se estudiaban pacientes con lesiones cerebrales en tiempos de guerra, donde se descubrían procedimientos nuevos que permitían salvar incluso la vida del paciente. La neuropsicología trata de establecer la relación entre el sistema cognitivo y el cerebro. Tiene un enfoque más clínico mientras que la neurociencia es más teórica. Técnicas de neuroimagen funcional: el desarrollo de estas técnicas se debe al desarrollo de los ordenadores. Sin ordenadores no hacemos nada. La magnetoencefalografía (MEG) es una técnica que registra la actividad funcional cerebral, mediante la captación de los campos magnéticos producidos durante la sinapsis neuronal y que son proyectados al exterior, indicando donde se produce actividad cerebral. Lo que nos llega es la actividad cortical principalmente. Se empezaron a desarrollar en la primera mitad del siglo pasado. El registrar la actividad cerebral durante un tiempo me permite ver si se asemeja a casos normales o no. Los potenciales evocados por eventos (ERP, por sus siglas en inglés) es la medida de la respuesta cerebral, resultado directo de un evento específico sensorial, cognitivo o motriz. Es decir, es la respuesta electrofisiológica estereotipada a un estímulo. Se registran con MEG normalmente. La PET y fMRI registran el metabolismo de nuestro cerebro, donde se produce el consumo de agua o glucosa, donde utilizamos marcadores como isótopos radiactivos. No me indican lo que pasa en cada momento del procesamiento cognitivo de la persona. Me dice qué estructuras han estado implicadas a lo largo del proceso. Tienen muy buena resolución espacial pero no temporal. En el caso de la MEG registramos la señal que viene del cerebro. En estos dos últimos no hay ningún tipo de invasión, mientras que en las dos primeras sí. En ERP y MEG se registra a tiempo real. El dipolo cubre cierta zona de la corteza, por lo que resume la actividad de una zona amplia, es de mala resolución desde punto de vista espacial pero no temporal. Inteligencia artificial: en realidad se refiere a cómo el ordenador nos está siendo útil para explicar cómo funciona el sistema cognitivo. Para ello acudimos a la metáfora del ordenador. Metáfora del ordenador: damos por hecho lo que hace el ordenador porque se lo hemos mandado nosotros. El ordenador aporta un modelo explicativo. Hablamos de una versión débil y fuerte porque el sistema cognitivo humano hace cosas parecidas a las del ordenador. ▪ Versión débil: como si de un ordenador se tratara.  ▪ Versión fuerte: el ordenador y la mente humana hacen lo mismo, pero no de la misma manera, sino computando símbolos. Simulación de procesos: tras elaborar un modelo que explica lo que hace el sistema cognitivo hay que formalizar la descripción metiéndolo en el ordenador, de forma que se pueda programar. Esto me permite ver si el modelo funciona. Inteligencia artificial: pretende resolver los problemas de la forma más eficaz posible. ENFOQUES Computacionalismo simbólico: los símbolos en realidad son las representaciones a las que nos referíamos como objeto de estudio en cuanto al pensamiento. Estudiamos tanto su formato como su contenido. El formato es algo de carácter general dentro del cual encontramos 2 tipos: Proposicional: una proposición es una unidad mínima de representación que se caracteriza por ser una predicación de un argumento. Decir algo, resaltar algo en relación con un argumento. Tiene relación esta predicación, se establece una relación entre el argumento (aquello sobre lo que pivota todas las relaciones) y las predicaciones. Según esta teoría lo que tenemos en nuestra memoria almacenado va a ser un conjunto de predicaciones. [A,p] se refiere al conocimiento que tengo de un argumento. El argumento es el tema sobre el que estamos tratando. La relación que establecemos a través de la predicación es otra característica. Hay una cierta sintaxis, hay unas reglas por las que puedo establecer una relación entre el argumento y la predicación (puedo utilizar diferentes tipos de reglas). Tienen que ser abstractas. No tienen que depender del caso concreto. Cuando yo veo un perro, tendré una serie de proposiciones que no dependerá del perro que veo en concreto. Además, es amodal, tendrá la misma notación independientemente de la modalidad de presentación del estímulo. Es decir, las proposiciones son iguales si nos presentan el estímulo de diferentes formas. Se establece una relación arbitraria con el objeto que se está representando. Da igual que presente el estímulo verbal, visual o auditivamente. Las proposiciones mostrarán la predicación sobre el argumento de la misma manera. El tipo de relación que existe entre la proposición y el objeto que representa es arbitrario. Tienen valor de verdad. Yo predico algo con respecto a un argumento y esto puede ser verdadero o falso, no hay valores intermedios. Desde el punto de vista de la implementación al ordenador tiene la ventaja de que esto utiliza un código binario. Cuando nos encontramos teóricos que tratan de explicar cómo funciona el sistema cognitivo partiendo de la idea de que en nuestro sistema cognitivo tenemos almacenadas una serie de proposiciones => todas las que tienen el mismo argumento => constituyen el conocimiento que yo tengo acerca de ese argumento. ¿Cuáles almacenamos? Normalmente, almacenamos las proposiciones que son relevantes, las que tienen valor de verdad verdadero, no las falsas. Sin embargo, hay ocasiones en las que, por las características => el individuo almacenará una proposición de valor falso porque la proposición de valor verdadero no era lógica. Ej.: un delfín es un mamífero. Es decir, la proposición delfín=pez es falsa. Por un lado, estamos suponiendo que como es amodal => da igual cómo presentemos el conocimiento, éste nos vale con almacenarlo una vez. Estaríamos hablando de economía cognitiva. Representaciones analógicas: dicen que sí que existe una relación entre la representación que tengo y la modalidad sensorial en la que presentamos el estímulo. En líneas generales va a suponer que tendremos un sistema cognitivo que tiene diferentes componentes para almacenar diferentes tipos de información. A partir de aquí generamos una imagen. Esas imágenes mentales tienen varias características específicas que las diferencian de las proposiciones: Las representaciones analógicas son elementos de una imagen mental —algo que se produce en el sistema cognitivo, a partir de estímulos que recibimos a través de nuestros sentidos. ➔ Veo un perro, tengo una imagen almacenada de un perro, una imagen icónica. Le oigo ladrar, tengo una imagen ecóica, y una imagen áptica cuando lo toco… Esto supone que se establece una cierta vinculación espacio- temporal. Se sitúa. La memoria tiene un carácter episódico, es algo situado en el espacio y tiempo. ➔ Se consideran unidades de almacenamiento. Nosotros analizamos a través de nuestros receptores sensoriales los estímulos sensoriales y almacenamos esa información que hemos detectado. ➔ Esas imágenes mentales van incorporando información que nosotros vamos almacenando y que, de alguna manera, vamos haciendo cada vez más abstracta. Las imágenes mentales son concretas, están vinculadas a objetos concretos. La imagen que asociamos al perro tiene unos contornos más borrosos que lo que tendría esa imagen. Está vinculada con una modalidad de presentación de estímulo específica. Para seleccionar los datos, establecer las relaciones y transmitir la información emplearemos como criterio fundamental la semejanza. Esto explicaría por qué si tú le enseñas al niño un delfín, el niño piensa que es un pez. Cuando nosotros suponemos que utilizamos representaciones analógicas estamos suponiendo que hay distintos formatos de representación para cada una de las modalidades sensoriales y otras para los estímulos verbales. Podemos suponer que tenemos imágenes mentales para las modalidades sensoriales y proposiciones para representar estímulos verbales. Por tanto, se podría decir que nuestro sistema cognitivo es un sistema de representación de formato múltiple. Los procesos no pueden funcionar en vacío. Los procesos son el tipo de cómputos que llevamos a cabo con esas representaciones. Las representaciones solo son funcionales cuando están siendo procesadas y los procesos no pueden ser ejecutados en vacío. No podemos pensar en abstracto. Nuestros procesos siempre operan utilizando representaciones. Cuando nosotros recordamos, recordamos algo. Cuando nosotros almacenamos, almacenamos algo. Arquitectura cognitiva: esta tiene que ver en parte con el soporte físico, en el que se lleva a cabo la actividad cognitiva (sería como el software del ordenador). El ordenador, en un momento determinado, puede hacer aquello para lo que el soporte físico le capacita. En nuestro cerebro => es capaz de hacer muchas cosas, pero no es capaz de hacerlas todas si no desarrolla estrategias para ello. Qué es lo que puede hacer el sistema por el contenido que tiene, por la arquitectura que tiene… estaremos identificando cuáles son los componentes del modelo de nuestro sistema cognitivo y qué es lo que hace cada uno de estos componentes. Dentro de las arquitecturas cognitivas distinguimos dos tipos fundamentales: - Unimodales: suponen que en el sistema cognitivo todo el conocimiento está representado en el mismo formato. El hecho de que sean unimodales no quiere decir que sean simples. Pueden ser complejas cuando estamos describiendo los componentes del sistema cognitivo que van a desarrollar diferentes funciones, pero todas ellas operan sobre representaciones del mismo tipo. - Multimodales: tenemos diferentes almacenes que manejan diferentes tipos de representaciones. Veamos una ARQUITECTURA ACT (ANDERSON). Se describió en 1983. De acuerdo con este modelo, cuando recibimos un estímulo lo codificamos una vez llega a nuestros receptores sensoriales, convirtiéndolo en un estímulo que ya sabemos qué significa. Esto accede a nuestra memoria de trabajo o memoria operativa. A partir de ahí, se produce un almacenamiento. Esto va a tu memoria declarativa, donde se almacena el conocimiento declarativo. Esta información se puede recuperar y utilizar. El conocimiento declarativo describe las cosas, tiene un carácter explicativo. Es normalmente fácil de verbalizar. Podemos explicar ese tipo de cosas almacenadas en ese tipo de memoria. Cuando necesitamos algo de ahí, se produce una recuperación de la memoria declarativa, que pasa a la operativa o de trabajo, que regulará una posible ejecución. La memoria procedimental se refiere a las acciones. Además de ese conocimiento declarativo —que nos permite saber qué son las cosas—, tenemos el conocimiento procedimental —dice cómo se hacen las cosas, no lo explica, solo permite hacerlas. Anderson dice que este conocimiento se representa a través de producciones, no de proposiciones. [C->A] => operación lógica => la implicación. Una determinada condición o estado de conocimiento implica una acción, pero no una descripción. Aquí no hay predicación sobre argumento, no se predica, se hace, se actúa. Pero, para tareas que tienen un cierto grado de complejidad, no tendremos una única condición y, asociada a la misma, una misma acción => tendremos múltiples condiciones, asociadas a una o un conjunto de acciones. A ese conjunto de todas las producciones que necesitamos para poder realizar una tarea se denomina sistema de producciones. Por eso de habla de memoria de producciones y no procedimental. La flecha indica implicación. En el sistema de producciones hay que incluir todas las condiciones posibles. Cuando se introduce a base de práctica, vamos almacenando esas producciones que ya hemos practicado. De tal forma que para aprender a llevar a cabo un tipo de acción hay que aprender a hacerlo a base de práctica. Cuando se repite una acción se va mejorando y perfeccionando, sin pasar por la memoria operativa, se va mejorando la memoria de producciones, pasando desapercibida, sin darnos cuenta. Se produce el proceso de igualación. Es la identificación en nuestra memoria operativa de nuestra condición de conocimiento; buscamos el lugar donde se encuentra esta. Es decir, la memoria de producciones puede proceder sobre sí misma. De hecho, en estos casos, la memoria declarativa y operativa ni se enteran. Por ejemplo —mejora del procedimiento de lectura. Hacer las tareas de forma más eficiente, en menos tiempo, sin que la memoria declarativa sepa cómo lo estamos haciendo. Sería la reorganización de las producciones. El tipo de conocimiento o de actividad es diferente entre la memoria declarativa y la de producciones. No dependen del estímulo sino del tipo de conocimiento que manejen. Cuando hay algo que no tengo almacenado en mi memoria de producciones tendré que buscar en la memoria declarativa, donde se recupera, pero se incorpora a la memoria de producciones cuando ya he practicado. El sistema de producciones me permite hacer una tarea concreta, si algo falta no podré completarla y tendré que buscar en otros sitios para encontrar la respuesta. Cuando se da una condición, busco en mi memoria de producciones y planifico una ejecución que será llevada a cabo por el órgano correspondiente. El ENFOQUE CONEXIONISTA dice que tenemos una red de conceptos. En una red, tenemos unos nodos. En esos nodos se sitúan los conceptos. Un concepto se relacionará con otros muchos en función de la relación que tengan. Cada una de las relaciones corresponderá a cada una de las cuerdas de la red. Cuando se intenta implementar en un ordenador es imposible porque estos sistemas son muy rígidos. Si se pudiesen manejar distintos tipos de relaciones a diferentes dimensiones => red multidimensional en las que habrá una cuerda o conexión entre cada nodo —concepto—. Si el concepto está en cada nodo —neurona—, si se muriese la neurona te quedarías sin concepto, siguiendo esta analogía. Se observa que esto no es así. El conocimiento pasaría así a otros nodos. Con la acumulación de experiencia se tiene un tipo de conocimiento experto —mejor organizado y en el que sabemos cómo hacer las cosas—. En un modelo conexionista => muchas unidades que participan en el proceso. Si se muere una, la labor se reparte entre todas las demás. Por las características en las que describimos cómo se organizan estas estructuras, si se daña o muere una, esto afectaría poco al funcionamiento del sistema. Si se dañan muchas, sí que se afectaría al sistema. Aquí la representación no existe en sí, forma parte del propio proceso, sería solo un estado del sistema de procesamiento. El PDP es un movimiento que quiere decir procesamiento dividido paralelo. Esto quiere decir que el conocimiento se traspasa de un sitio a otro. Se le llama modelo conexionista porque la activación que es la clave de este tipo de modelos se transmite de unas unidades a otras por un patrón de conductividad. Otros le han llamado modelos neurales artificiales, además de modelos subsimbólicos. En los modelos conexionistas nos encontraremos con varias novedades. Una de ellas es que no vamos a considerar que las representaciones son entidades, sino que son estados. En estos modelos tenemos varios tipos de unidades: Conjunto de unidades de procesamiento: son unidades de 3 tipos De entrada tienen un estado de activación en un momento dado. Modifican su estado de activación por lo que ocurre en el entorno De salida transmiten al exterior o al entorno el estado de activación del sistema Unidades ocultas podemos hacernos una idea de cómo se encuentran las unidades de entrada manipulando los estímulos y podemos ver el estado de activación en las unidades de salida, pero en estas que están entre medias, reciben la activación de las unidades vecinas en función de las conexiones que existen ente ellas. Esto cambia el estado de activación de las unidades intermedias, afectando a su vez a las de salida. Se pueden poner tantas capas como se quiera cuando se elabora un modelo conexionista. Además, en cada capa puedo poner tantas unidades como se quiera también. Además, tenemos un patrón de conectividad entre las unidades. Esto quiere decir que hay conexiones entre las unidades —conexiones entre unidades de la misma capa, de diferentes capas entre ellas, etc. Hay dos tipos de conexiones: - Excitadoras: tenderán a mantener o incrementar la activación de las unidades. - Inhibidoras: tenderán a disminuir la activación de la unidad de destino. Estas conexiones no son todas iguales, sino que tienen una cierta calidad que se representa con un coeficiente que es el peso sináptico. La unidad de activación se transmite multiplicado por ese peso sináptico al siguiente elemento, en el caso de la diapo será multiplicado *0,9. Teniendo en cuenta todos los pesos sinápticos hablamos de patrón de conectividad. La regla de propagación determina si solo se transmite cuando alcanza un valor, si lo hace siempre… Esto modifica el estado de activación de las unidades vecinas. Ese conjunto de estados de activación de todas las unidades del sistema es lo que llamamos patrón de activación. Esto se correspondería con una representación. Este tipo de sistemas funciona de forma que sabremos si la salida es correcta cuando tiende a estabilizarse el patrón de activación. Cuando no es correcta se debe modificar y se tiene que cambiar el patrón de conectividad. El sistema aprende y en función de sus experiencias de aprendizaje va cambiando el patrón. El conocimiento está establecido entre todas las unidades. Si se quita un elemento se reorganiza el sistema que tengo, de forma que el conocimiento no se pierde. Los valores o pesos sinápticos sí que cambian. Tendemos a dar la respuesta que ya nos ha servido en ocasiones anteriores. Así es como aprendemos un concepto nuevo, introduciendo un patrón de respuesta más. Estos modelos conexionistas funcionan de forma diferente a los simbólicos. Este tipo de modelos conexionistas no permite especificar lo que va a hacer. Para que una red conexionista ejecute una tarea compleja tenemos que limitar los valores o poner restricciones, entonces en vez de funcionar como secuencia de pasos tiene que funcionar como satisfacción de restricciones. Tenemos que establecer cuáles serían las respuestas incorrectas o los valores que no tiene que alcanzar la red. Este tipo de modelos sirve para explicar cómo realizamos tareas básicas, como el reconocimiento de las letras. En un modelo simbólico, el ordenador al encontrarse con un error puede no solucionarlo y dar error, pero el modelo conexionista es capaz de solucionarlo. Los modelos de computacionalismo simbólico no se implementan bien en los ordenadores para determinadas tareas. Sin embargo, los conexionistas no son buenos para tareas complejas. Por eso, actualmente se habla de arquitectura híbrida.