7-05-2018 (ER)

lunes, 7 de mayo de 2018

Teoría Coneccionista

Cómo se puede construir la cognición desde elementos sensibles: teoría

coneccionista.
Ideas principales:
-El sistema cognitivo es una red de elementos simples.
-Cognición = aprendizaje = cambios en las fuerzas de acoplamiento entre elemetnos.
-Representaciones =vector de actividad => está distribuido en la red.

Precursores:
 Paper de McCulloch y Pitts (1943): "A logical calculus of the ideas immanent in
nervous actividy"
Inmanente significa indivisible: hay un cálculo lógico que está indisolublemente
unido a la actividad nerviosa.
Demuestran que las neuronas son capaces de realizar, y realizan cálculos lógicos.
Consecuencias de este artículo:
-Se deducía que pensar era hacer cálculos lógicos.
-Idea del computador de Von Neuman (computador tal como lo conocemos
hoy en día); y el cognitivismo.

Función 'AND': es verdadera sólo si ambas proposiciones son verdaderas: "si A y B,

entonces C". Ejemplo: "Si papá da plata y mamá da permiso, entonces Francisca irá a
la fiesta". Es necesario que A: Papá de plata, y que B: Mamá da permiso, sean
verdaderas para C: "Francisca irá a la fiesta" sea verdadera.
McCulloch y Pitts se dieron cuenta de que esto se podía graficar con tres neuronas:
una que sea A, otra B, y otra C. Si sólo A o sólo B se activan, no logran activar la
neurona C. Deben activarse ambas para poder activar C.

Función 'OR': "Si A o B, entonces C". Basta que una de las dos sea cierta, para que
C sea cierta. Ejemplo: "Si mamá me da plata, o papá me da plata, entonces podré ir
al Lollapalooza".
La regla de activación de estas neuronas: la línea de activación es 1 (A o B).
 Para estos autores, estas neuronas no aprendía, sino que venían genéticamente
determinadas

Consecuencias:

1. Desarrollo de la Cibernética: se comprende que los seres vivos han de ser

entendidos como máquinas.

2. Invención del Computador Digital: arquitectura de John Von Neuman. Lograr

hacer una máquina que piense, es decir, una máquina que haga cálculos
lógicos. CPU: unidad central de procesamiento. Para acceder a la CPU se
necesita que los cálculos sean guardados en alguna parte: necesidad de
memoria. Además, se necesitaban dispositivos de entrada (input) y de salida
(output).

3. Aparición del Cognitivismo: La cognición: cálculos lógicos. Es 'el reverso de la

moneda': por un lado: 'si construyo una máquina que haga cálculos lógicos,
entonces consigo una máquina que piensa. Por el otro lado de la moneda, si
estoy preocupado del pensamiento, debo investigar por qué el pensamiento se
reduce a cálculos lógicos. El cognitivismo el estudio de por qué el pensamiento
es algorítmico. Chomsky es uno de los exponentes más importantes del
cognitivismo.

4. Perceptrón: son las neuronas lógicas de McCulloch y Pitts, más el concepto de

aprendizaje. Para estos autores, las neuronas no aprendían, sino que venían
determinadas. Frank Rosenblat desarrolló el modelo del perceptrón, basado
en las ideas de McCulloch y Pitts, y en una regla de aprendizaje basada en la
corrección del error. Con ello planteó un dispositivo entrenable, bajo la regra
de aprendizaje supervisado tipo hebbiana (regla asociativa: si dos neuronas se
activan al mismo tiempo, se fortalece su relación).
Como es un sistema entrenable, no tiene que saber nada al principio, ya que
aprenderá. Las reglas de aprendizaje señala que la red neuronal irá
aprendiendo por medio de la sinapsis. La sinapsis se irá modificando. La matriz
de conectividad se entrena.
Otros modelos de redes neurales coneccionistas:

 Modelo Pandemonium (Oliver Selfridge, 1959): Un estímulo visual activaba un

'demonio' de imagen, que enviaba esa información a una serie de 'demonios de
característica', que veían si ciertas características estaban o no estaban presentes en
la imagen. Estos demonios de características se conectan con una segunda capa: los
'demonios cognitivos', que continúan procesando estas características. Finalmente,
el 'demonio de decisión' decide cuál de los demonios cognitivos está en lo correcto.

El pandemonium de Selfridge usaba dos tipos de aprendizaje:

-Inicialmente en una fase de aprendizaje supervisado, los pesos entre
demonios computacionales y demonios cognitivos eran entrenados para
optimizar el funcionamiento.
-En una segunda fase, de selección darwiniana, los demonios inútiles eran
eliminados y los útiles eran usados para crear nuevos demonios por mutación o
combinación de dos demonios útiles.

 Richard Richens (1956): "Redes semánticas". Él se dio cuenta de que la semántica

podía reducirse a redes en que los elementos eran sustantivos, y las líneas eran
relaciones.
 Marvin Minsky y Seymour Papert (1969): Publicaron 'Perceptron'. Los perceptrones
sólo pueden resolver problemas linealmente separables. Los 'O' son verdaderos
solamente cuando una de las opciones es verdadera y la otra es falsa. Si ambas son
verdaderas, entonces el 'O' es falso.
Ejemplo: 'O voy a hacer ejercicio, o me quedo almorzando': sólo puedo hacer una
de las dos cosas.
En este modelo, se objeta que se trace una 'línea', en donde todo lo verdadero
quede en un lado, y todo lo falso en el otro.
  Rumelhart, McClelland, PDP Research Group: (1987): el problema de lo exclusivo se
puede resolver si se tienen dos capas de neuronas.

Consecuencias y estado actual:

Renacimiento del conexionismo:
1. Cualquier estado mental puede ser descrito por un vector de activación de
cada neurona en un momento dado. El estado de activación de una red es el
pensamiento que tiene esta red.
2. El aprendizaje viene dado por la modificación en la matriz de pesos sinápticos.
Propuestas actuales:
1. Redes recurrentes. (La salida de la red vuelve a alimentar a la red)
2. Redes continuas o casi continuas gobernadas por ecuaciones diferenciales y
descritas por dinámicas no lineales.

Cibernética
Conceptos de EMBODYMENT y ENACCIÓN.

-Embodyment: los procesos cognitivos pueden estar directamente construidos en la

estructura de la máquina o del sistema, sin necesidad de recurrir a cálculos lógicos. Están
construidos directamente en la estructura de la mente. Por ejemplo: la función de
caminar: no se necesitan circuitos eléctricos para hacerlo: sólo la mecánica lo puede
permitir (video de unas piernas mecánicas que caminan, o las esculturas de Theo Jansen)

-Enacción: Las funciones cognitivas funcionan bajo ciertas condiciones ambientales, en

ciertos espacios. La evolución ha hecho que las estructuras se adapten al medio en el que
se desarrolló. Nuestra visión es enactiva: sólo bajo ciertas condiciones podemos ver (que
haya luz, por ejemplo).

Son conceptos solamente si se considera que la cognición es parte de un

sistema/máquina. Es decir, tienen sentido en el contexto de la cibernética.