RESUMEN DEL MANUAL «FUNDAMENTOS DE LA PSICOLOGÍA»

José Luis Martorell y José Luis Prieto
Editorial Centro de Estudios Ramón Areces. Colección de Psicología

(Preparado por Javier Echegoyen, profesor-tutor. El siguiente resumen sirve facilitar la memoria
de los conceptos y teorías fundamentales de la lección; para la comprensión de la misma,
el alumno debe estudiar cuidadosamente el manual de los profesores J. L. Martorell y J. L. Prieto.)

CAPÍTULO 8. El COGNITIVISMO

(Puedes ampliar los contenidos de la asignatura con la obra La psicología contemporánea
de Vicente Viqueira)

1.Psicología cognitiva y ciencia cognitiva

2.La psicología cognitiva del procesamiento de la información

2.1.¿Cómo surge la psicología cognitiva?

a)Influencias recibidas desde el paradigma filosófico del racionalismo

b)Influencias de la epistemología

c)Influencias a partir de nuevos lenguajes aplicados a áreas psicológicas: la obra de Broadbent

d)De la tradición racionalista: influencias de la Gramática Transformacional (Chomsky) y de la Teoría General de Sistemas (Von Bertalanffy)

e)Influencias recibidas de la ingeniería

De la Teoría de la Información

De la Teoría de autómatas

De la Cibernética

De la Teoría de las redes neurales

Del Modelo Computacional Simbólico

2.3.Puntos débiles de la psicología cognitiva del procesamiento de la información

3.El conexionismo

• Rasgos de los modelos conexionistas

3.1¿Cómo surge el conexionismo?
3.2.Características definitorias
3.3.Puntos débiles

Objetivos principales de la lección

1. Saber la extraordinaria importancia que ha tenido la aparición de la tecnología del ordenador en la Psicología.
2. Distinguir entre Ciencia Cognitiva, Psicología Cognitiva e Inteligencia Artificial.
3. Identificar el peculiar modo de entender la mente propia del cognitivismo.
4. Recordar las influencias sobre la psicología cognitiva del Racionalismo, la Teoría de la Comunicación, la Gramática Transformacional, la Teoría General de Sistemas, la ingeniería (Teoría de la Información, Teoría de Autómatas, Teoría de las redes neurales y el Modelo computacional Simbólico).
5. Comprender cómo la Psicología Cognitiva aparece por el fracaso y limitaciones del conductismo.
6. Distinguir perfectamente entre los dos modelos de Psicología Cognitiva: la Psicología del Procesamiento de la Información y el Conexionismo.
7. Distinguir las peculiaridades del modelo de ordenador de Von Neumann
8. Recordar las influencias positivas y negativas en la aparición del conexionismo.
9. Distinguir las peculiaridades de la computación en los modelos conexionistas.
10. Recordar las limitaciones del modelo del Procesamiento de la Información y del modelo Conexionista.
11. Saber las graves deficiencias que presenta la metáfora del ordenador como modelo de la mente humana.

Conceptos principales de la lección

Psicología Cognitiva – Ciencia Cognitiva – mentalismo – mapas cognitivos – cognitivismo – sistema binario – psicología cognitiva del procesamiento de la información – «homunculus» – modelos computacionales – sistema con distribución – paralela y cálculo estadístico – modelos conexionistas – paradigma – procesamiento y flujo de la información – cognición humana – Inteligencia Artificial (I.A.) – neurociencias – representación mental – Innatismo – lenguaje asociativo – epistemología – conductismo – empirismo – principio de inducción – racionalismo – neoconductistas – «representalistas»  – «presentalistas» – Teoría de la Comunicación – diagramas de flujo – lenguaje mentalista introspectivo – lenguaje neurofisiológico – Gramática Transformacional – sistema finito de reglas – asociacionismo – reglas de formación – reglas de transformación – estructura superficial – estructura profunda – universales lingüísticos – Teoría General de Sistemas – mecanicismo – Sistema – Teoría de la Información – Canal de información – dualismo cartesiano – res extensa – res cogitans – unidades de información (bits) – modelo máquina – Teoría de autómatas – Autómata – Máquina de Turing – máquinas digitales – autómata o máquina de estados finitos – autómata o máquina de propósito universal – Cibernética – comportamiento propositivo – retroalimentación – servomecanismos – conducta intencional – modelo cibernético – Teoría de las redes neurales – Modelo Computacional Simbólico – cálculo proposicional lógico – modelo ordenador de Von Neumann – Superestructuras: base de datos y ejecutivo – Modelo de procesamiento secuencial – Operacionalismo – neopositivismo – Psicología al Aprendizaje – Etología – variables teóricas inobservables – funcionalismo – módulos – módulos sensoriales (transductores) – módulos perceptuales (sistemas de entrada) – módulos de memoria – Enfoque estructural (diagramas de flujo) – Enfoque funcional (niveles de procesamiento) – sistema general unificador – modelos neurales – el «fondo» como lo no computable – formato de representación mental – formato de representación mental proposicional – constructo explicativo – formato de representación mental en «código amodal» – la mente como un canal transmisor de la información – metáfora o analogía del ordenador – concepciones constructivistas – algoritmo – heurística – sistemas «aferentes» de funcionamiento – procesadores bidireccionales – computación, computable – Conexionismo – unidad central de procesamiento – redes o esquemas conexionistas – capas de las redes conexionistas – «unidades input» – «unidades output» – capa intermedia – «unidades ocultas» – valor numérico de activación de las unidades – fuerza de la conexión o peso numérico – conexiones con peso positivo o «excitatorias» – conexiones con pesos negativos o «inhibitorias» – patrones input – patrones output – algoritmos y fuerzas de las conexiones entre unidades – modelos computacionales – patrones de activación – simulación por ordenador – modelo del cerebro – unidad de procesamiento (en el conexionismo) – procesamiento distribuido (información distribuida) – procesamiento o computación en paralelo – procesamiento secuencial – procesamiento localista – información almacenada de forma simbólica o representacional – información almacenada como pesos de las fuerzas de conexión – procesamiento como combinaciones estadísticas de la activación (en el conexionismo) – tareas cognitivas de alto nivel – computación neural – problema de la generalización – computadores analógicos paralelos

Autores principales citados en el texto

Tolman – Neisser – Miller – Gallanter – Pribram – Watson – Skinner – Hull – Broadbent – Chomsky – Von Bertalanffy – Shannon – Turing – Wiener – McCulloch – Pitts – Newel – Shaw – Simon – Von Neumann – Fodor – Anderson – Searle – Dreyfus – Bower – Pylyshyn – Smolensky – Rumelhart – McClelland

1. Psicología cognitiva y ciencia cognitiva

A partir de la Segunda Guerra Mundial, con la revolución de la tecnología del ordenador, la psicología vuelve a ser mentalista al retomar la mente humana como objeto de estudio. Tolman, en el marco del conductismo, ya había propuesto los mapas cognitivos como elemento explicativo, por lo que para algunos es el primer cognitivista. Pero el origen del nuevo mentalismo hay que situarlo en la máquina teórica de Turing: el autómata de estados finitos. Influyeron también Shannon y Wiener: el primero demostrando que los circuitos electrónicos podían utilizarse para simular las operaciones lógicas del cálculo proposicional, lo que permitía entender la información en un sistema binario independiente del contenido y de la naturaleza del mecanismo, con lo que empezó a comprenderse el pensamiento como cómputo (cálculo). Wiener con su estudio de los servomecanismos mostró la posibilidad de especificar de manera científica y precisa los comportamientos dirigidos hacia metas y sometidos a planes. Estas aportaciones fueron muy importantes porque parecían sugerir que la psicología del procesamiento de la información podía intentar explicar la intencionalidad y la  cognición sin tener que recurrir al «homunculus» u hombre interior, tan rechazado por los conductistas. Sin embargo hay que recordar que en la actualidad los modelos computacionales que simulan la actividad neuronal no lo hacen como cálculo lógico en un sistema de procesamiento secuencial, sino como un sistema con distribución paralela y cálculo estadístico (modelos conexionistas).

2. La psicología cognitiva del procesamiento de la información

La psicología cognitiva como nuevo paradigma se consolidó a partir de tres enfoques: el de la teoría de la información, el del flujo de la información y el del procesamiento de la información. El libro de Neisser (1967) «Cognitive Psychology» es uno de los primeros textos de este paradigma. Neisser propuso como objetivo de la psicología la comprensión de la cognición humana, tarea análoga al proyecto de averiguar en qué lenguaje ha sido programado un ordenador: los dos sistemas seleccionan, almacenan, recuperar, combinan y dan salida a la información.

La psicología cognitiva se relaciona con otras disciplinas como la inteligencia artificial, la lingüística, y la neurociencia formando todas ellas lo que se ha llamado Ciencia Cognitiva.

Características de la ciencia cognitiva

• Su carácter representacional: la actividad cognitiva humana debe ser descrita en función de símbolos, esquemas, imágenes, ideas y otras formas de representación mental.
• Establece una analogía entre la mente humana y el ordenador

Los inicios del paradigma cognitivo están en la obra «Plans and the structure of behavior» (1960), de Miller, Gallanter & Pribram. En esta obra se utiliza la metáfora del ordenador y se introducen conceptos mentalistas como los de imágenes, planes, estrategias, etc.

2.1. ¿Cómo surge la psicología cognitiva? 

Influencias «positivas»: 

a) Influencias del paradigma filosófico del racionalismo

• Innatismo: la consideración de que los procesos mentales son algo heredado.
• El lenguaje no es asociativo sino matemático
• La actividad mental es estrictamente racional, lo que supone el olvido de la emociones, pasiones, etc.
• La actividad mental nace de ella misma, no del exterior.

b) Influencias de la epistemología

Diferencias entre el conductismo y el cognitivismo

• El conductismo estuvo influido por el empirismo y su defensa del principio de inducción como base de construcción del conocimiento; el cognitivismo por el racionalismo
• El conductismo no admite conceptos mentalistas en sus explicaciones; el cognitivismo sí (por la influencia del racionalismo).
• El cognitivismo es representalista: emplea inobservables como elementos explicativos. El conductismo de Watson y Skinner era presentalista al limitar la explicación a lo estrictamente observable; los neoconductistas (Hull y Tolman) sin embargo eran representalistas (pero no propiamente mentalistas).

c) Influencias a partir de nuevos lenguajes aplicados a áreas psicológicas: la obra de Broadbent

La obra de Broadbent, «Percepction and communication» (1958) fue el primer ensayo en el uso del lenguaje de la teoría de la comunicación para aplicarlo a una materia psicológica: la atención auditiva. Para muchos es un pionero del enfoque del procesamiento de la información (y por lo tanto de conceptos como «información», «procesamiento de la información»…) al considerar que el lenguaje de los diagramas de flujo era adecuado para explicar lo que puede ocurrir en las personas, y ello sin caer en un lenguaje mentalista introspectivo, ni en un lenguaje neurofisiológico, ni limitarse a la conducta visible.

d) En la tradición racionalista, la psicología cognitiva va a recibir influencias de la Gramática Transformacional (Chomsky) y de la Teoría General de Sistemas (Von Bertalanffy).

La Gramática Transformacional

  Chomsky, su fundador, creyó que el lenguaje es un sistema finito de reglas que genera de modo automático las infinitas oraciones de la lengua.

• La gramática de ese lenguaje está constituida por reglas de formación (asociacionistas) y reglas de transformación (no-asociacionistas).
• Las frases constan de dos niveles: una estructura superficial (propia de cada lengua) y de una estructura profunda (que contiene los universales lingüísticos, que son de carácter innato).
• Las reglas de transformación relacionan las estructuras superficiales con las profundas.

La Teoría General de Sistemas

   Von Bertalanffy, su creador, defiende una postura antimecanicista. Utiliza análisis matemáticos y conceptos de ingeniería, cibernética y teoría de la información para entender los sistemas. La lógica característica de los sistemas es la misma en sistemas tan diversos como los físicos, biológicos, psicológicos o sociales. El objetivo de esta teoría es hallar modelos lógico-matemáticos que sean comunes a todos los sistemas. Algunas características de los sistemas:

• El todo es algo más que la suma de las partes.
• Poseen una organización.
• Los elementos del sistema son interactivos, no sumativos.

e) Influencias recibidas de la ingeniería

De la Teoría de la Información

La Teoría de la Información formulada por Shannon establecía que la información transmitida a través de un canal podía estudiarse mediante formulaciones matemáticas. El modelo tenía cinco partes: una fuente de información, un transmisor, un canal, un receptor y un destinatario. Esta teoría influyó primero en campos muy específicos de la psicología y al final de los años cincuenta se transformó en una metáfora que abarcaba muy diversos campos; con ella se creyó posible cuantificar la realidad física en unidades de información, resolver el dualismo cartesiano y descubrir el puente que comunicaba la res extensa con la res cogitans; sin embargo fracasó.

Objeto de estudio: la cuantificación de lo real en unidades de información (bits).

Método: siguiendo el modelo máquina, tratamiento matemático de la información.

Concepción del organismo: concepción de la mente como:

• Canal de información.
• Algo pasivo.

De la Teoría de autómatas

Autómata significa cualquier mecanismo capaz de moverse por sí mismo. También se llama así a la máquina que ejecuta un programa de ordenador. En este contexto fue muy importante la llamada «máquina de Turing».

Objeto de estudio: creación de máquinas de propósito universal, máquinas caracterizadas por:

• Tener un movimiento propio
• Realizar cualquier tipo de cálculo

Método: modelo máquina de Turing y derivadas de ésta (máquinas digitales). La máquina de Turing fue un diseño teórico y concebida como un autómata de estados finitos (atención: error en la p. 138, se dice «estados infinitos») y de propósito universal; se trata de una estructura simple que podía realizar cualquier tipo de cálculo.

Concepción del organismo: la mente es algo activo, capaz de pensar, entendiendo por pensar procesar información.

De la Cibernética

Creada por Norber Wiener al descubrir similitudes entre los seres vivos y algunos sistemas de ingeniería electrónica. Lo común era el comportamiento guiado por un fin, por un propósito: tanto los animales como ciertas máquinas creadas por los ingenieros eran capaces de autorregularse. A este comportamiento Wiener lo llamó comportamiento propositivo, conducta guiada por un propósito.

Objeto de estudio: construcción de modelos generales (que no sólo simulen comportamiento humano) de autocontrol, principalmente de retroalimentación. La construcción de servomecanismos. Los servomecanismos son máquinas:

• Que computan diferencias entre estados deseables (metas) y estados reales actuales.
• Dotadas de «intención» (inteligentes).
• Que permiten explicar la conducta intencional de los organismos de un modo mecánico.

Método: modelo cibernético (servomecanismo).

Concepción del organismo: activo y propositivo.

De la Teoría de las redes neurales

En 1948 McCulloch y Pitts presentaron su comprensión del cerebro como un sistema de procesamiento. Creyeron que la mente se podía entender en términos neurofisiológicos, a partir de la consideración de que si la neurona actúa mediante un proceso de todo-nada, activada o desactivada, entonces se la podía representar, formalmente, empleando la lógica binaria.

Objeto de estudio: representar las cadenas de proposiciones lógicas (el pensamiento) en un hardware biológico, frente al hardware físico de la cibernética.

Método: analogía lógica (verdadero-faso) – electrónica (encendido-apagado) – neural (excitación-inhibición).

Concepción del organismo: activo y propositivo.

Del Modelo Computacional Simbólico

La psicología de los años 60 entendía al hombre como un procesador activo de la información y quiso descubrir el sistema de procesamiento que a partir de los estímulos generaba respuestas de las personas. Dos orientaciones:

• Algunos como Neisser y Broadbent quisieron conceptualizar el pensamiento a través de la analogía del ordenador,
• Otros como Newel, Shaw y Simon intentaron crear programas de ordenador que simularan el pensamiento. Dos ejemplos: «El Teórico Lógico», dedicado a probar teoremas de forma similar a la humana, y «El Solucionador General de Problemas», equivalente en su actuación al comportamiento humano.

Objeto de estudio: desarrollo del cálculo proposicional lógico.

Método: modelo ordenador de Von Neumann, que se caracteriza por ser un:

• Modelo de dos superestructuras: base de datos y ejecutivo.
• Modelo de procesamiento secuencial

Concepción del organismo: analogía mente-ordenador de Von Neumann.

Influencias negativas (aquello contra lo que la psicología del procesamiento de la información reaccionó):

• El operacionalismo del neopositivismo.
• La limitación del conductismo de reducir la Psicología al Aprendizaje.
• Los fracasos dentro del propio conductismo:
  • En la generalización de sus leyes a otras especies.
  • La prueba dada por la Etología de que no toda la conducta es aprendida.

2.2. Características definitorias de la psicología cognitiva del procesamiento de la información (modelo ordenador de Von Neumann)

• Utiliza un nuevo lenguaje, el del procesamiento de la información.
• Fundamentación empírica del estudio de la mente: se basa en la conducta observable; aunque postula estructuras mentales internas (las variables teóricas inobservables que trata de explicar).
• Lo que se observa directamente son los productos externos de los procesos mentales, pero no ellos mismos.
• Analogía mente-ordenador. Analogía de carácter funcional, no físico. Esta analogía tiene su precedente en los trabajos del matemático Turing, quien describió una máquina hipotética que podía simular cualquier cómputo, incluso los comportamientos inteligentes. Los ordenadores son equivalentes a la máquina de Turing, son sistemas de «propósito general» puesto que se pueden programar para cualquier tipo de cómputo. En cierto modo también el sistema nervioso humano se puede categorizar como un procesador de propósito general puesto que tiene gran versatilidad funcional.
• Considera al sujeto como activo respecto al medio en que vive, capaz de autorregularse, de generar «planes» de conducta para alcanzar las metas que persigue, y ello de forma propositiva.

Objeto de estudio: estudio de las dos superestructuras de que consta el ordenador de Von Neumann:

• De los modos (símbolos, imágenes…) en que debe ser codificada la información.
• De las reglas de transformación (programas) para hacer una computación más eficaz.

Método: modelo ordenador de Von Neumman:

• Pensar es procesar información.
• Procesar información es computar.
• Computar es manipular símbolos (calcular).
  • La computación se expresa mediante diagramas de flujo.
  • Se da en el nivel mental, no exclusivamente en el cerebro (funcionalismo) y es la base de la simulación.
  • El procesamiento es secuencial
  • Las reglas de trasformación (el procesamiento ejecutivo) son innatas
• Los símbolos (su semántica) conectan el mundo externo con el pensamiento.
• Los acontecimientos mentales son acontecimientos de información (diferencia con el antiguo mentalismo).
• La mente se estudia mejor fragmentándola en módulos, la mente es un sistema de subsistemas, cada uno con sus principios y reglas específicas. Estos módulos pueden ser:
  • Sensoriales (transductores).
  • Perceptuales (sistemas de entrada).
  • De memoria (codificación y almacén).

Concepción del organismo: el organismo es activo (analogía con el ordenador), capaz de establecer propósitos, planes y metas. Para su comprensión proponen términos mentalistas (influencia del racionalismo) y representalistas (utilizan «inobservables»). La concepción de la mente en la Psicología Cognitiva evolucionó en estos términos:

• Enfoque estructural (diagramas de flujo)
• Enfoque funcional (niveles de procesamiento)
• Modelos de comprensión del lenguaje.

En la actualidad se está abandonando la analogía mente-ordenador de procesamiento secuencial.

2.3. Puntos débiles de la psicología cognitiva del procesamiento de la información

• Fodor: creyó que la complejidad de los seres humanos exige entender la mente como un  conjunto de subunidades separadas «módulos» y que pueden estudiarse de forma relativamente independiente (percepción, memoria, lenguaje, pensamiento); pensó también que aún no se ha conseguido integrar los modelos cognitivos en una teoría comprensiva de la mente.  Por su parte, Anderson propone un sistema general unificador, pero su enfoque se sitúa más del lado del conexionismo al establecer que el procesamiento de la información es paralelo y guarda relación con modelos neurales.
• Searle y Dreyfus han señalado que algunos aspectos de la mente humana podrían no ser computables. Para ellos existen algunas habilidades fundamentales y posturas hacia el mundo -que ellos llaman «fondo»- que rechazan todo intento de análisis computacional.
• Los psicólogos cognitivos no se ponen de acuerdo sobre los formatos de la representación mental. Algunos creen que es proposicional. Por su parte, Anderson, Bower y Pylyshyncriticaron la noción de imagen mental, al considerar que no es un constructo explicativo válido en una teoría cognitiva. Dado que las representaciones imaginativas se verbalizan y las expresiones verbales despiertan imágenes, Pylyshyn creyó que debía existir un tercer código amodal, un formato abstracto y distinto a los códigos auditivo o verbal y visual.
• Algunos señalan que la psicología cognitiva, más que formar un paradigma (o conjunto de creencias o preconcepciones que en una época determinada comparte una comunidad científica), es un conjunto de subparadigmas. Los psicólogos cognitivistas han utilizado distintos conceptos de máquinas para ofrecer modelos en la concepción del organismo:
  • La primera metáfora, basada en la teoría de la comunicación (Shannon) concebía la mente como  un canal transmisor de la información,  por tanto como pasiva
  • Pero para su funcionamiento la mente necesita, además de los canales de transmisión, sistemas de memoria, por lo que la metáfora fue sustituida por la metáfora del ordenador, y en los años ochenta por concepciones constructivistas, en las que los diversos niveles interactúan combinando la información de los datos y la del propio sistema; ahora se entiende la mente como activa, como un sistema de procesamiento análoga al ordenador. Pero desde esta metáfora surgen dudas muy importantes:
    • El procesamiento ¿es serial o en paralelo?
    • Las estrategias de solución de problemas ¿son algorítmicas o heurísticas?
    • ¿Cuál es el formato de las representaciones?

Sobre la idoneidad de la metáfora del ordenador:

• Los ordenadores son eficientes resolviendo problemas simbólicos bien definidos; los seres humanos somos muy buenos resolviendo problemas ambientales y sociales mal definidos
• Los ordenadores son sistemas «aferentes» de funcionamiento: codifican, almacenan y transforman información simbólica: pero las personas y los animales son procesadores bidireccionales (la conducta compleja vuelve al ambiente que sirvió de estímulo).
• Es muy difícil interpretar la intencionalidad de los actos psíquicos y de fenómenos muy subjetivos, que no parecen computables,  en términos de procesamiento de la información.
• El ordenador excluye la afectividad, la motivación, la personalidad,…
• El ordenador basa sus decisiones en la lógica, el hombre no siempre
• La terminología cognitiva (rutina, flujo de información), carece de realidad psicológica,  referente empírico y univocidad.
• No hay plausibilidad fisiológica:
  • El cerebro no puede computar a nivel semántico, sino sólo excitaciones e inhibiciones nerviosas.
  • El cerebro no procesa secuencial o serialmente.

La psicología cognitiva acabó ofreciendo explicaciones con un lenguaje casi filosófico y centrándose  en el estudio de los programas de ordenador creados por la Inteligencia Artificial.

Inteligencia Artificial

Concepto: quiere crear máquinas y programas para estas máquinas con la que puedan reproducir la conducta inteligente (razonamiento, lenguaje, solución de problemas, toma de decisiones,…).

Diferencia fundamental entre Psicología Cognitiva e Inteligencia Artificial

• Psicología Cognitiva: trata de descubrir los verdaderos procesos que sigue la mente humana cuando procesa la información (el «software de nuestra mente»).
• I.A.: pretende que las máquinas se comporten de manera inteligente, aunque a la base de dicho comportamiento la máquina siga unos procesos distintos a los humanos.

3. El conexionismo

Como consecuencia de esta tendencia formalista, desde los años ochenta algunos autores han propuesto un nuevo enfoque, el conexionista
En algunas tareas el ordenador es más rápido que el hombre en el procesamiento de la información; sin embargo hay otras, más complejas, en las que el cerebro humano emplea menos tiempo que el ordenador: por ejemplo, en el juego del ajedrez los hombres no tienen en cuenta muchos movimientos posibles de las piezas y se centran en un grupo muy reducido de jugadas; por su parte, el ordenador evalúa un número muy elevado de posibilidades que el cerebro humano descarta.
Los psicólogos quieren comprender en base a qué, cómo, el ser humano realiza con más eficacia que el ordenador tareas complejas, y para resolver estas cuestiones el conexionismo ofrece un modelo en el que existen un elevado número de unidades elementales que computan según un determinado modo de conexionarse. Frente a este punto de vista, la psicología cognitiva anterior creía en la existencia de macroestructuras que almacenan mucha información simbólica sobre las que actúa una unidad central de procesamiento aplicando un cierto número de reglas (modelo de ordenador de Von Neumann). 

Rasgos de los modelos conexionistas

1. Computación en paralelo realizada por muchos elementos simples.

2. Las redes conexionistas suelen estar formadas por dos capas

• La capa de entrada (aunque en el libro no aparece este título), formada por unidades que reciben los datos de entrada, «unidades input».
• La capa de salida (aunque en el libro no aparece este título), formada por unidades que ofrecen los datos de salida del sistema o red, «unidades output».

3. En los modelos más recientes se añade una capa intermedia con unidades de conexión entre las anteriores, «unidades ocultas».

4. Cada elemento computa teniendo en cuenta:

• Un valor numérico de activación que cada uno tiene asignado.
• Los valores de los elementos con los que están conectados
• La fuerza de la conexión  o peso numérico entre la unidad y las unidades con las que se relaciona. Las conexiones con peso positivo se llaman «excitatorias» y las de pesos negativos «inhibitorias» (al modo en que las redes neurales del cerebro tienen conexiones excitatorias e inhibitorias).

5.  El flujo de la computación en las redes conexionistas comienza con la entrada de información en la red representada en términos cuantitativos; las unidades de entrada toman esos datos numéricos y realizan cálculos sobre ellos dando lugar a otros números. A su vez, estos números son computados por otras unidades siguiendo fórmulas matemáticas o algoritmos de distintos tipos, y atendiendo a si las conexiones son inhibitorias (peso negativo para los cálculos) o excitatorias (peso positivo para los cálculos); este proceso se sigue hasta que las unidades de salida «producen» a su vez otros números, que son los datos de salida. De nuevo, pues, la información, en la salida, está representada cuantitativamente.

Como se puede apreciar, en los modelos conexionistas la computación consiste en transformar los patrones input de actividad en patrones output, y ello en función de algoritmos y de las fuerzas de las conexiones entre unidades (que equivaldrían a los programas en un ordenador convencional). Dada la importancia que en las redes conexionistas se le otorga a los pesos  o fuerzas de las conexiones, se suele indicar que en dichas redes el conocimiento se codifica de forma abstracta en dichos pesos. Smolensky señala también que estas redes o esquemas conexionistas tienen la capacidad de programarse a sí mismas, pueden aprender por sí mismas. Esto quiere decir que si una red conexionista tiene, por ejemplo, la función de reconocer patrones, bastaría al principio «entrenar a la red» consiguiendo que empareje adecuadamente distintas muestras de input-output; la red habría modificando sus pesos y con ello podría emparejar bien entradas hasta entonces no presentadas con las salidas correspondientes.

Podría parecer que los modelos conexionistas, al emplear palabras tan relacionadas con el cerebro, son modelos del sistema nervioso, sin embargo, muchos modelos conexionistas se presentan únicamente como modelos computacionales, y quieren dar cuenta de los supuestos cálculos que nuestra mente realiza con la información de entrada para convertirla en distintos tipos de información de salida, por lo que hay que interpretarlas como teorías psicológicas, no fisiológicas. Este enfoque empieza a tener una fuerte presencia en las ciencias cognitivas a partir de 1986, con la publicación por parte de Rumelhart y McClelland del libro «Procesamiento Paralelo Distribuido: Investigaciones de las microestructuras de la Cognición».

3.1. ¿Cómo surge el conexionismo?

Influencias positivas recibidas

a) Del conductismo

• El aprendizaje siempre requiere la interacción adaptativa con el medio ambiente.
• El aprendizaje se produce por al repetición exitosa de los pesos de conexión.
• Rechazo del innatismo de reglas y estructuras: en el caso del conexionismo al señalar que los patrones de activación se adquieren por asociación; la acción del sistema no depende de reglas sino de cálculos estadísticos.
• Rechazo de la conciencia como fenómeno explicativo.

b) Del cognitivismo

• utilización de modelos como elemento metodológico explicativo (pero sin olvidar la experimentación).
• utilización de la simulación por ordenador

Influencias de carácter negativo, reacción frente

a) al conductismo

• los conductistas rechazaron lo mental; el conexionismo no rechazan los procesos mentales sino la conciencia como elemento explicativo.

b) al cognitivismo

• el cognitivismo era innatista, el conexionismo no.
• El cognitivismo carecía de plausibilidad fisiológica (el ordenador no es un buen modelo del cerebro); el conexionismo sigue un modelo del cerebro, aunque aún esté muy lejos de alcanzar una buena plausibilidad fisiológica.

3.2. Características definitorias

Objeto de estudio

• Estudio de las unidades de procesamiento.
• Estudio del almacenamiento de la información mediante los pesos de las fuerzas de conexión.

Método: modelo cerebro, con las siguientes características:

• Procesamiento distribuido (información distribuida) en gran número de unidades de procesamiento, y paralelo (frente al cognitivismo, que suponía grandes estructuras, y procesamiento localista y secuencial).
• La información no se almacena de forma simbólica o representacional, sino como pesos de las fuerzas de conexión, pesos que no tienen información simbólica sino que son meras señales de activación e inhibición.
• El modo de activación es:
  • Excitación e inhibición de cada unidad.
  • Acción de todo el sistema.
• El procesamiento no es otra cosa que combinaciones estadísticas de la activación (frente al cognitivismo que lo entiende como comparación de símbolos y en operación lógicas).
• El aprendizaje no es otra cosa que la modificación de los pesos de conexión y el establecimiento de nuevas conexiones.

Organismo: activo, en analogía con el cerebro.

3.3. Puntos débiles

• Los modelos conexionistas no tienen suficiente plausibilidad fisiológica
• Explicaciones que parecen caer en un círculo vicioso:
  • ¿Qué conexión tiene más peso?: la que lleva a la acción
  • ¿Cómo se produce la acción?: debido a las conexiones de mayor peso.
• No poseen suficiente evidencia empírica
• No está claro si los modelos conexionistas pueden ofrecer computaciones adecuadas para ejecutar tareas cognitivas de alto nivel
• No está claro que sean modelos que reproduzcan realmente la ejecución cognitiva humana
• Tampoco está claro que sirvan para ser modelos de la computación neural puesto que en los modelos conexionistas no se reproducen propiedades neurales importantes.
• Tampoco parece que los modelos sean capaces de ir más allá de las tareas para las que han sido específicamente diseñados (problema de la generalización).
• Es dudoso que los seres humanos aprendamos como supuestamente aprenden los modelos conexionistas.

Sin embargo Smolensky también afirma respecto del enfoque conexionista:

• Puede enriquecer la teoría de la ciencia cognitiva
• Puede ayudar a construir un modelo de la ejecución cognitiva humana de tareas de nivel superior.
• Puede establecer puentes entre la ciencia y la filosofía de la mente y ayudarnos a comprender mejor el problema mente/cuerpo
• Puede ayudar al avance de modelos de computación neural, al desarrollo de nuevos computadores analógicos paralelos y a una nueva teoría de la computación analógica paralela