Modelo Conexionista

Llamamos conexionismo al paradigma que utiliza redes neuronales para

comprender y explica la vida psíquica y la conducta. Las redes neuronales son

conjunto de unidades interconectadas masivamente capaces de procesar y

almacenar información mediante la modificación de sus estados. Aunque con

matices, un psicólogo conexionista considera un fenómeno psicológico explicado

cuando el modelo neuronal que construye se comporta del mismo modo que

cuando los seres humanos realizan esa misma tarea.

 

Principios Básicos

El principio central del conexionismo es que los fenómenos mentales

pueden ser descritos por redes de unidades sencillas y frecuentemente iguales

que se interconectan. La forma de las conexiones y de las unidades varía de un

modelo a otro. Por ejemplo, las unidades de la red podrían representar neuronas y

las conexiones podrían representar sinapsis. Otro modelo podría hacer cada

unidad de la red una palabra, y cada conexión una indicación de similitud

semántica.

Propagación de activación

Un aspecto estrechamente relacionado y muy común de los modelos

conexionistas es la activación. En cualquier momento, una unidad de la red se

activa mediante un valor numérico que pretende representar algún aspecto de la

unidad. Por ejemplo, si las unidades del modelo son neuronas, la activación puede

representar a la probabilidad de que la neurona genere un pico en su potencial de

acción. Si se trata de un modelo de propagación de activación, entonces con el

tiempo la activación de una unidad se extenderá a todas las demás unidades

conectadas a ella. La propagación de activación es siempre una característica de

los modelos de redes neuronales, y es muy común en los modelos conexionistas

utilizados en psicología cognitiva.

Redes neuronales

Las redes neuronales son los modelos conexionistas más utilizados hoy en

día. Muchas investigaciones en las que se utilizan redes neuronales son

denominadas con el nombre más genérico de "conexionistas". Aunque hay gran

variedad de modelos de redes neuronales, casi siempre siguen dos principios

básicos relativos a la mente:

1. Cualquier estado mental puede ser descrito como un vector (N)-dimensional de

los valores numéricos de activación en las unidades neurales de una red.

2. La memoria se crea cuando se modifican los valores que representan la fuerza

de las conexiones entre las unidades neurales. La fuerza de las conexiones, o

"pesos", son generalmente representados como una matriz de (N × N)

dimensiones.

Realismo Biológico

La rama de las redes neuronales del conexionismo sugiere que el estudio

de la actividad mental es en realidad el estudio de los sistemas neurales. Esto

enlaza el conexionismo con la neurociencia, con modelos que implican diferentes

grados de realismo biológico. Los trabajos conexionistas por lo general no

necesitan ser biológicamente realistas, pero algunos investigadores de redes

neuronales, los neurocientíficos computacionales, intentan modelar los aspectos

biológicos de los sistemas naturales neuronales muy cerca de las denominadas

redes neuromórficas.

Aprendizaje

El aprendizaje siempre implica la modificación de los pesos de conexión.

Esto generalmente conlleva el uso de fórmulas matemáticas para determinar el

cambio de los pesos cuando se tienen un conjunto de datos consistente en

vectores de activación para un subconjunto de unidades neuronales.

Para formalizar el aprendizaje de esta manera los conexionistas tienen muchas

herramientas. Una estrategia muy común de los métodos conexionista de

aprendizaje es la incorporación del descenso de gradiente sobre una superficie de

error en un espacio definido por la matriz de pesos. Todo el aprendizaje por

descenso de gradiente en los modelos conexionistas implica el cambio de cada

peso mediante la derivada parcial de la superficie de error con respecto al peso. El

algoritmo de retropropagación se hizo popular en la década de 1980 y es

probablemente el algoritmo conexionista de descenso de gradiente más conocido

en la actualidad.

Estructura de los principios básicos conexionistas

Conexionismo eliminativo: Se trata de la forma más pura y radical promueve

redes neuronales más o menos literalmente ligadas a una contrapartida del

cerebro y eventualmente también del cerebelo o el hipocampo en las que no

se implementa ninguna clase de semántica o nivel simbólico. Afirma que los

símbolos, las variables y la manipulación de primitivas lógicas no

corresponden a nada que ocurra o se encuentre en el cerebro o en la mente.

Meramente mapea vectores de entrada contra vectores de salida, sobre la

base de un algoritmo de corrección de errores, tal como la propagación hacia

atrás. Es sustentada por filósofos como Georges Rey, por heideggerianos

como Varela, Winograd o Flores, tal vez por Daniel Dennett, y algo más cerca

de la computación real por Jeff Elman, para quien habría efectivamente

representación en el conexionismo, pero de carácter no simbólico y sensible al

contexto.

Conexionismo implementacional: En esta modalidad, la organización de las

redes es una representación, pero de más bajo nivel o más abstracta que el

nivel simbólico. Sostiene que la mente es una red neuronal, pero también un

procesador de símbolos a un nivel más elevado. Procura entonces que sea la

propia red la que implemente la manipulación. A veces se lo llama

conexionismo sub-simbólico, el autor más representativo es Paul Smolensky,

quien promueve dos niveles: una especificación algorítmica de los

mecanismos de procesamiento y una representación semántica que guarda

alguna analogía con el análisis componencial de la antigua antropología

cognitiva.

Conexionismo revisionista de procesamiento de símbolos: Es una forma

híbrida, intermedia entre las dos anteriores, una de las cuales ya era híbrida.

Los símbolos a procesar no serían los hechos y reglas simbólicas usuales,

sino otros más abstractos emanados del plano neuronal: funciones de umbral,

niveles de activación de pesos, campos magnéticos. Es quizá la modalidad

mayoritaria, y a pesar de los rumores que se han echado a rodar, está

“fuertemente comprometida al estudio de la representación interna y el

proceso.

Diferencias

A diferencia de la psicología cognitiva clásica que trata de descubrir los

verdaderos procesos que sigue la mente humana utilizando como modelo las

estructuras y modos representativos del ordenador, el conexionismo va a utilizar

como modelo las estructuras y modos representativos básicos del cerebro

humano:

Las unidades de procesamiento de la información son diferentes. El

cognitivismo ofrecía unidades amplias a las que se denominaban "nodos" o

"unidades cognitivas" que estaban dotadas de un significado ya que hacían

referencia a conceptos tales como sensaciones, percepciones... El

conexionismo, inspirado en la biología humana, aporta como unidad básica del

cerebro las neuronas. Las neuronas son las encargadas del procesamiento de

la información de la recepción y tratamiento de los estímulos la información.

Las neuronas se precisan por la intensidad o fuerza de conexión, las unidades

de procesamiento de la información de los conexionistas se caracterizan por

su naturaleza cuantitativa ya que se definen por su diferente patrón de

conexión que determinará el tipo de procesamiento de las señales y la

respuesta a la entrada de información.

A diferencia del cognitivismo, los conexionistas indican que las unidades de

procesamiento de la información interactúan entre ellas de forma idéntica que

las neuronas a través de las redes neurales.