Resumen de Howard Gardner: The Mind’s New Science
1. Definición de ciencia cognitiva
I define cognitive science as a contemporary, empirically based effort to answer long-standing epistemological questions –particularly those concerned with the nature of knowledge, its components, its sources, its development, and its deployment.
Five features or aspects are generally associated with cognitive-scientific efforts, though
not every cognitive scientist embraces every feature (the first two features incorporate the central beliefs of current cognitive science, the latter three concern methodological or strategic characteristics)1:
1. The belief that, in talking about human cognitive activities, it is necessary to speak about
mental representations and to posit a level of analysis wholly separate from the biological
or neurological, on the one hand, and the sociological or cultural, on the other.
2. The faith that central to any understanding of the human mind is the electronic
computer. Not only are computers indispensable for carrying out studies of various sorts,
but, more crucially, the computer also serves as the most viable model of how the human mind functions.
3. The deliberate decision to de-emphasize certain factors which may be important for cognitive functioning but whose inclusion at this point would unnecessarily complicate the cognitive-scientific enterprise. These factors include the influence of affective factors or emotions, the contribution of historical and cultural factors, and the role of the background context in which particular actions or thoughts occur.
4. The faith that much is to be gained from interdisciplinary studies. At present most cognitive scientists are drawn from the ranks of specific disciplines –in particular, philosophy, psychology, artificial intelligence, linguistics, anthropology, and neuroscience (I shall refer to these disciplines severally as the "cognitive sciences"). The hope is that some day the boundaries between these disciplines may become attenuated or perhaps disappear altogether, yielding a single, unified cognitive science.
5. The claim that a key ingredient in contemporary cognitive science is the agenda of issues, and the set of concerns, which have long exercised epistemologists in the Western
philosophical tradition. To my mind, it is virtually unthinkable that cognitive science
would exist, let alone assume its current form, had there not been a philosophical tradition dating back to the time of the Greeks.
2. El establecimiento de los fundamentos de la ciencia cognitiva
El Hixon Symposium y el desafío al conductismo
-Hixon Symposium (Septiembre de 1948): “Cerebral Mechanisms in Behavior”.
1 Estos aspectos determinan un parecido de familia, más que una definición en términos de condiciones necesarias y suficientes.
-Rango amplio de temas de discusión: comparación cerebro-computadora (von Neumann, matemático), paralelo entre sistema nervioso y “dispositivos lógicos” (W. McCulloch, matemático y neurofisiólogo).
-Lashley (psicólogo): “The Problem of Serial Order in Behavior”: descubrimiento de los componentes necesarios para una ciencia cognitiva y ataque a las fuerzas que impedían su surgimiento.
-Contexto disciplinar de la psicología de Lashley:
(a) Comienzos de siglo: inserción de métodos experimentales en investigación psicológica, pero con predominio de la introspección (que no permitía la acumulación de conocimiento crucial para la ciencia).
(b) Ataque conductista al introspeccionismo (Pavlov, Skinner, Thorndike, Watson, 1920s-1940s):
i. Tesis 1: el psicólogo debe restringirse a métodos públicos de investigación, que cualquier científico pueda aplicar y cuantificar;
ii. Tesis 2: el psicólogo debe enfocarse exclusivamente en la conducta, abandonando temas como la mente, el pensamiento, la imaginación, los planes, los deseos, los símbolos, las ideas, etc.
iii. Supuesto: los individuos son reflectores pasivos de las fuerzas y factores del entorno, no actúan por sus propios eventos mentales internos.
-Críticas de Lashley al conductismo:
(a) Para que los descubrimientos sobre el cerebro o las computadoras impacten en la psicología es necesario confrontar el conductismo.
(b) Cualquier teoría de la actividad humana debe explicar conductas complejas (especialmente las lingüísticas), que por su dificultad no han sido consideradas por el conductismo.
(c) El marco teórico de la neurofisiología (cadenas asociativas simples entre estímulos y respuestas) no puede dar cuenta de conductas serialmente ordenadas, porque la velocidad de la conducta es mayor que la que requeriría la cadena causal, y porque ciertos errores en estas conductas muestran una anticipación a lo que debería seguirse según la cadena causal. Conclusión: las secuencias conductuales deben ser planificadas previamente, de manera jerárquica (comienza con planes más generales y se prosigue con los de grano más fino). La estructuración cerebral determina la manera en que el individuo responderá a un estímulo.
(d) El sistema nervioso no está, como sostiene el conductismo, mayormente inactivo, y es falso que reflejos aislados se activan sólo cuando formas específicas de estímulos aparecen: el sistema nervioso consiste en un conjunto de unidades activas y organizadas jerárquicamente, en la que el control emana desde el centro, y el estímulo queda relegado a la periferia.
Un momento crítico en la historia de la ciencia
-Otros impedimentos para el cognitivismo: las escuelas filosóficas (positivismo, fisicismo, verificacionismo) que desdeñaban entidades inobservables e incapaces de medir; la intoxicación con psicoanálisis, que era incapaz de construir una ciencia a partir de entrevistas clínicas e historias personales retrospectivas, y constituía un campo no susceptible a la refutación; la destrucción del establishment científico europeo por parte del totalitarismo; el cambio de agenda del establishment científico norteamericano durante la segunda guerra mundial.
-Consecuencias positivas de la guerra: estímulo de ciertas actividades científicas y tecnológicas. Tuvo lugar el surgimiento de las computadoras, para realizar grandes cálculos. Hubo desarrollos de ingeniería (como la maquinaria antiaérea desarrollada por N. Wiener) que permitieron ciertas analogías entre las nuevas tecnologías y los procesos nerviosos o mentales que permitían desarrollar ideas de planificación, propósito y feedback con precisión matemática. Los médicos obtuvieron nueva información sobre el cerebro en sus tratamientos a los heridos por la guerra. Los psicólogos estudiaron los efectos de la propaganda y la selección de hombres apropiados para conducir unidades de combate. -Hacia fines de los ’40 se comenzó a notar la necesidad de una nueva y definitiva ofensiva científica a la mente humana. Gran parte del trabajo que se completó en la posguerra surgía de esfuerzos teóricos previos que habían sido oscurecidos por el conductismo o que habían sido transformados por los eventos de la guerra de maneras no anticipadas. Estas ideas constituyeron los inputs teóricos clave de la ciencia cognitiva.
Los inputs teóricos clave de la ciencia cognitiva Matemática y computación
-Hacia el cambio de siglo Gottlob Frege desarrolló una nueva forma de lógica que destronó a la lógica silogística de Aristóteles que había perdurado hasta entonces. Esta nueva lógica involucraba la manipulación de símbolos abstractos. A comienzos del siglo XX, Russell y Whitehead intentaron reducir las leyes básicas de la aritmética a proposiciones de la nueva lógica, y su trabajo tuvo influencia sobre matemáticos como Wiener y von Neumann, que contribuyeron a fundar la ciencia cognitiva.
-El trabajo lógico-matemático más importante para la ciencia cognitiva fue desarrollado por el entonces desconocido matemático Alan Turing durante los 30s. En 1936 desarrolló una noción de máquina simple, la “máquina de Turing”, que en principio podía hacer cualquier cálculo posible. Esta máquina “teórica” requería sólo una cinta infinitamente larga que pudiera pasar por la máquina, y un escáner que leyera lo que estaba en la cinta, la cual estaba dividida en cuadrados idénticos que o bien estaban en blanco o bien contenían una barra. La máquina podía hacer cuatro movimientos con la cinta: moverla hacia la izquierda, moverla hacia la derecha, borrar la barra o imprimir la barra. Sólo con estas cuatro operaciones la máquina podía ejecutar cualquier programa expresado en un código binario (como el código de espacios en blanco y barras).
-El teorema de Turing y su demostración fue de importancia para la investigación sobre dispositivos computadores, pues sugirió que un código binario, compuesto sólo de ceros y unos, haría posible el desarrollo y la ejecución de un número indefinido de programas, y que en principio era posible construir máquinas que operaran con ese principio.
-Turing incluso sugirió, en 1950, que uno podía programar una máquina para que sea imposible para un interlocutor discriminar sus respuestas de las de un ser humano. Esta noción fue llamada “el test de Turing”, el cual es usado para refutar a quien dude que una máquina puede pensar: si un observador no puede distinguir las respuestas de una máquina de las de un humano, entonces la máquina pasa el test de Turing.
-Los interesados en el pensamiento humano se dieron cuenta de que si podían describir con precisión los procesos de conducta y pensamiento de un organismo, podrían diseñar una computadora que operara de manera idéntica. Esto permitía testear en computadoras las distintas concepciones sobre el funcionamiento del ser humano, e incluso construir computadoras que uno pudiera considerar que piensan como humanos.
-Partiendo de ideas de Turing, von Neumann desarrolló la idea de diseñar un programa que instruyera a la máquina de Turing a reproducirse a sí misma. Esta fue la idea de un programa almacenado: la computadora era controlada por un programa que se almacenaba en su memoria interna, de modo que no tuviera que ser reprogramada para cada nueva tarea. Ésta fue la primera vez que se concibió que una computadora podía preparar y ejecutar sus propios programas.
El modelo neuronal
-W. McCulloch y el lógico W. Pitts mostraron en 1943 que las operaciones de una célula nerviosa y sus conexiones con otras células nerviosas (una “red neural”) podía ser modelada en términos de la lógica. Los nervios podían ser pensados como enunciados lógicos, y la propiedad de activación o no activación de nervios podía ser comparada con la operación del cálculo proposicional en la que un enunciado es verdadero o falso. Así como una proposición puede implicar otra, la activación de una neurona conduce a la activación de otra. La conclusión era que todo lo que podía ser descrito exhaustivamente y sin ambigüedad es realizable por una red neural finita apropiada.
-Gracias a esta idea, la noción de máquina de Turing se perfilaba en dos direcciones: hacia un sistema nervioso compuesto de innumerables neuronas “todo o nada” (activadas o desactivadas), y hacia una computadora que pudiera realizar cualquier proceso descrito sin ambigüedad. Mientras Turing había mostrado la posibilidad en principio de máquinas computadoras de gran poder, McCulloch y Pitts demostraron que una de esas máquinas, el cerebro humano, podía ser pensado como operando por los principios de la lógica, y entonces como una computadora poderosa.
-McCulloch sostuvo que los problemas fundamentales de la epistemología pueden formularse y resolverse sólo a la luz del sistema nervioso central, y ató sus afirmaciones sobre el pensamiento demasiado fuertemente a los conocimientos de su tiempo sobre el sistema nervioso. Se le critica que su analogía entre la lógica y el cerebro es demasiado directa, y que en realidad debe buscar analogías en un nivel más alto (McCarthy).
-Uno de sus adelantos fue el apoyo a la investigación sobre las propiedades específicas de las células nerviosas individuales, lo cual ayudo a entender algunos de los aspectos más importantes del sistema nervioso. Además, actualmente revive en ciencias de la computación las ideas sobre la naturaleza y las conexiones de las células nerviosas.
La síntesis cibernética
-Durante sus trabajos en los 30s y 40s sobre servomecanismos, N. Wiener comenzó a pensar en la naturaleza del feedback y de los sistemas auto-correctores y auto-regulatorios, sean mecánicos o humanos. Colaboró con V. Bush, que fue pionero en el desarrollo de computadoras analógicas, y le interesaba el trabajo de McCulloch y Pitts. Sin embargo, fue más lejos que todos sus contemporáneos con la convicción en la coherencia entre estos variados desarrollos científicos y tecnológicos.
-Wiener concibió estos nuevos desarrollos como constituyendo una nueva ciencia, centrada en temas de control y comunicación. Para él los problemas en ingeniería del control y de la comunicación eran inseparables, al centrarse no en las técnicas de la ingeniería eléctrica, sino en la noción de mensaje, sea éste transmitido por medios eléctricos, mecánicos o nerviosos.
-Con sus colaboradores Rosenblueth y Bigelow, Wiener introdujo la idea de que es legítimo hablar de máquinas que exhiben feedback como motivadas por fines, como calculando las
diferencias entre sus fines y sus ejecuciones reales, y como trabajando para reducir esas diferencias.
-También desarrollaron una nueva noción de sistema nervioso central. Éste no es más un órgano auto-contenido, que recibe inputs de los sentidos y realiza descargas sobre los músculos. Por el contrario, algunas de sus características más singulares sólo pueden ser explicadas como procesos circulares que emergen del sistema nervioso hacia los músculos, y reingresan en el sistema nervioso por los órganos sensoriales, sean propiocepctores u órganos de los sentidos especiales. Esto significó un nuevo paso en el estudio de la parte de la neurofisiología que se ocupaba del sistema nervioso como un todo integrado. Estas ideas son análogas a las críticas de Lashley al conductismo.
-En 1948 integró sus ideas sobre el sistema nervioso, la computadora electrónica y la operación de otras máquinas en la nueva ciencia de la cibernética, definida como el campo completo de la teoría del control y la comunicación, sea en la máquina o en el animal. No obstante, esta síntesis no es más que un ejemplo pionero, y ganó más adeptos en la URSS que dentro de la ciencia cognitiva.
La teoría de la información
-A C. Shannon, un ingeniero electrónico, se le atribuye el desarrollo de la teoría de la información. A fines de los 30s vio que los principios de la lógica (en términos de proposiciones verdaderas y falsas), podían ser usados para describir los dos estados (encendido y apagado) de los conmutadores de transmisión electromecánicos (electromechanical relay switch), de modo que circuitos eléctricos como los de las computadoras podían encarnar operaciones fundamentales del pensamiento.
-Junto con W. Weaver, Shannon desarrolló la noción clave de la teoría de la información: la información puede ser pensada de forma enteramente divorciada del contenido específico, como siendo simplemente una decisión entre dos alternativas igualmente plausibles. La unidad básica de la información es el bit (dígito binario), y es la cantidad de información requerida para seleccionar un mensaje de dos alternativas igualmente probables.
-La intuición de Wiener [¿¿Shannon??] hizo posible que se pensara a la información con independencia de un dispositivo de transmisión particular, posibilitando un enfoque en la eficacia de cualquier comunicación de mensajes por cualquier mecanismo. De este modo, uno podía considerar a los procesos cognitivos con independencia de cualquier corporización particular, oportunidad que sería aprovechada por los psicólogos que pretendían describir los mecanismos subyacentes al procesamiento de cualquier información.
-Recientemente se ha cuestionado entre los científicos cognitivos la idea de que es posible tratar toda la información de forma equivalente, ignorando cuestiones de contenido.
Los síndromes neurofisiológicos
-Durante las guerras se aprendió mucho sobre la afasia (déficit en el lenguaje), la agnosia (dificultad en el reconocimiento) y otras formas de patología mental que surgían como consecuencia del daño cerebral.
-Uno de los descubrimientos fue que había similitudes en las patologías que traspasaban los límites culturales y lingüísticos, lo cual era un indicador de que las capacidades cognitivas en el sistema nervioso se organizan con más regularidad que la permitida por explicaciones puramente ambientales de los procesos mentales.
-Además, los patrones de colapso no podían ser explicados en términos de una disrupción entre estímulo y respuesta, sino en términos de una jerarquía de respuestas conductuales alteradas.
-Los perfiles de habilidades y discapacidades que emergen con el daño cerebral proveyó de sugerencias fecundas acerca de cómo puede estar organizada la mente humana en individuos normales.
Encuentros catalíticos y escritos influyentes
-Hubo numerosos encuentros entre estos interesados en temas de cognición (de los cuales el Hixon Symposium fue sólo uno, aunque de especial importancia por las ideas manifestadas allí sobre la conexión cerebro-computadora y sobre el desafío al conductismo), y un número significativo de publicaciones (como Design for a Brain de Ashby, los escritos de lingüística de Jakobson, los de neuropsicología de Hebb, los de antropología de Bateson, y los trabajos de Bartlett, Lévi-Strauss, Luria, Piaget y Vygotsky) que ayudaron a promover una nueva ciencia interdisciplinar de la mente.
-En gran medida todos estos desarrollos tuvieron lugar fuera de los campos de estudios establecidos, como actividades extracurriculares desde la perspectiva de las líneas predominantes (psicología conductista, lingüística estructural, antropología social funcionalista, neuropsicología del aprendizaje animal). Hizo falta eventos más dramáticos para que estos desarrollos adquirieran un lugar central.
[Hipótesis para trabajo: el rol preponderante de lo institucional en la constitución de la ciencia cognitiva (por sobre las críticas al conductismo)].
3. La ciencia cognitiva: las primeras décadas
Una fecha de nacimiento consensuada
-Parece haber un consenso en que la ciencia cognitiva fue reconocida oficialmente en 1956. En este año tuvo lugar el Simposio de Teoría de la Información en el MIT, en el que Newell y Simon presentaron la primera prueba completa de un teorema llevada a cabo por una computadora, Chomsky presentó su propio enfoque sobre la gramática, y Miller su trabajo sobre la memoria a corto plazo. Por aquella época el lenguaje del procesamiento de información llegó a la psicología, ámbito en el que surgieron los trabajos de Bruner, Goodnow, Austin y Miller. Se publicó The Computer and the Brain de von Neumann. En neurociencia se registraron impulsos de neuronas únicas del sistema nervioso. Surgió la antropología cognitiva o etnosemántica. Comenzó a desarrollarse la inteligencia artificial. En filosofía, se usó la metáfora computacional para resolver los problemas filosóficos clásicos acerca de la mente: se concibió al cerebro como el hardware computacional y a la mente como el software. Paralelamente, hubo algunos desarrollos en etología animal.
1960: fortalecimiento
-Durante los ‘60s germinaron las semillas plantadas en los ‘50s. La ciencia cognitiva obtuvo apoyo financiero gubernamental y privado, y su inserción académica (especialmente desde la fundación en 1960 del Center for Cognitive Studies en Harvard) permitió que tuviera nuevos adeptos.
-Ciertos libros sirvieron para difundir las ideas en boga. En Plans and the Structure of
Behavior, de 1960, Miller, Pribram y Galanter criticaron la idea de arco reflejo de la
psicología conductista y adoptaron un enfoque cibernético de la conducta. Unos años después comenzaron a aparecer libros de textos de psicología cognitiva, siendo Cognitive
Psychology de Ulric Neisser, de 1967, el más influyente (si bien criticaba varios puntos
importantes de la metáfora computacional de la mente). En The Sciences of the Artificial (1969), Simon proveía una explicación filosófica de su enfoque: tanto la computadora como la mente humana son entidades físicas que procesan, transforman, elaboran y manipulan símbolos de varios tipos. En 1972, Newell y Simon publican Human Problem
Solving, en donde describen los programas solucionadores de problemas. En 1964, Fodor y
Katz editaron The Structure of Language, en donde reunieron artículos acerca de la nueva lingüística. Computers and Thought, editados en 1963 por Feigenbaum y Feldman, y
Semantic Information Processing, editado en 1968 por Minsky, presentaban los nuevos
avances en inteligencia artificial. En el campo de la antropología se destacó Cognitive
Anthropology (1969) de Tyler.
-El clima intelectual predominante era que se estaba desarrollando una revolución similar a la revolución en física del siglo XVII: se creía que había muchos descubrimientos por hacer, que se tenía el método apropiado para hacerlos, que se requería una nueva matemática, una nueva ontología y un nuevo punto de vista sobre el método científico, y que se debía pelear contra hábitos intelectuales e institucionales obsoletos.
La iniciativa de Sloan
-La fundación privada Alfred P. Sloan Foundation estimuló a comienzos de los ‘70s un programa de neurociencias, un conjunto de disciplinas que exploran el sistema nervioso, que incluyen la neuropsicología, la neurofisiología, la neuroanatomía y la neuroquímica. -La fundación tenía interés en financiar otro proyecto similar, y los científicos cognitivos lograron convencer 1976 a la fundación de que financiara con veinte millones de dólares un proyecto en esta disciplina.
-La iniciativa de la Sloan Foundation tuvo un efecto catalítico sobre el desarrollo del campo de la ciencia cognitiva. Se fundó la revista Cognitive Science, cuyo primer número fue publicado en 1977, y en 1979 se fundó una sociedad con el mismo nombre. Se desparramaron programas, cursos, periódicos y el resto de la parafernalia escolar acerca de la ciencia cognitiva, incluyendo libros de divulgación como The Universe Within (1982) de Hunt y esta misma obra.
-Esta declaración del nacimiento de un campo disciplinar fue vitalizante, pero no aseguraba un consenso interno, ni un progreso científico apreciable. Había tensiones acerca de cuál era el campo, quién lo entendía, quién lo amenazaba, y en qué dirección debía progresar. -Un síntoma de esta falta de consenso fue el “State of the Art Report” de la Sloan Foundation. Ese reporte decía que la razón de ser de ese campo disciplinar era un objetivo de investigación común: descubrir las capacidades representacionales y computacionales de la mente y su representación estructural y funcional en el cerebro. Presentó además un esbozo de las interrelaciones disciplinares que ya se habían forjado (filosofía-psicología, filosofía-lingüística, psicología-lingüística, psicología-IA, psicología-antropología, psicología-neurociencia, lingüística-IA, lingüística-antropología, lingüística-neurociencia, antropología-neurociencia) y de las que quedaban por forjar (IA, filosofía-antropología, filosofía-neurociencia, IA-antropología). La comunidad recibió negativamente el reporte, posiblemente porque cada científico lo leyó desde su propia
disciplina, y percibió el esfuerzo ecuménico de sus autores como un insulto a sus disciplinas o programas de investigación particulares. Además, como no hay un paradigma acordado, ningún conjunto común de supuestos y métodos, los científicos cognitivos suelen proyectar sus propios paradigmas a la totalidad del campo.
-A pesar de esta falta de consensos, podemos esbozar una formulación tentativa del campo de la ciencia cognitiva.
Aspectos clave de la ciencia cognitiva
-Los primeros dos aspectos que veremos representan los supuestos centrales del campo, mientras que los otros tres son aspectos metodológicos o estratégicos.
Representaciones
-Es legítimo y necesario postular un nivel separado de análisis: el nivel de la representación.
-Las entidades propias de este nivel son las entidades representacionales: símbolos, reglas, imágenes –las representaciones que se encuentra entre el input y el output. En este nivel se investiga los modos en que estas entidades representacionales se agrupan, se transforman o se contrastan con otras.
-El científico cognitivo no niega que para algunos propósitos vale explicar la conducta en términos de células nerviosas, de influencias culturales, o de eventos experienciales o fenomenológicos. Sin embargo, para los fines científicos propone a las entidades representacionales como las más adecuadas para esta explicación.
-Hay un abismo enorme entre los conceptos representacionales ordinarios (ideas, imágenes, símbolos, lenguaje de la mente) y los conceptos que pueden ser aceptados como constructos científicos aceptables. Antes de postular este nuevo nivel se debe mostrar su absoluta necesidad, y se debe describir la estructura y los mecanismos que son empleados en ese nivel.
-Algunos críticos de la ciencia cognitiva critican la postulación de este nuevo nivel, desde una concepción conductista y aplicando la navaja de Ockham: conviene hablar sólo de estructuras neurológicas y de conductas visibles, y no de ideas, conceptos o reglas.
-Otros críticos aceptan que se requiere un lenguaje de sentido común que utilice conceptos como los de planes, intenciones y creencias para explicar las conductas, pero que no es necesario un lenguaje científico separado y un nivel representacional de análisis: se puede ir directamente del lenguaje intencional ordinario al sistema nervioso, porque es en el sistema nervioso en donde están representados los estados intencionales.
-También hay discusiones entre los que aceptan la postulación del nivel representacional: algunos postulan que hay una única forma de representación mental, que tiene estructura proposicional; otros sostienen que hay al menos dos formas, una con estructura proposicional y otra con estructura de imagen; otros sostienen que se pueden postular múltiples formas y que es imposible determinar cuál es la correcta.
-Si bien todos los científicos cognitivos aceptan que los procesos mentales están en última instancia representados en el sistema nervioso central, no hay acuerdo acerca de la relevancia de la neurociencia para las investigaciones sobre cognición. La mayoría cree que la ciencia cognitiva puede desarrollarse con independencia de conocimientos detallados del sistema nervioso, sobre la base de que aun no poseemos esos conocimientos y de que se acepta el nivel de representación mental como autónomo. Con la consolidación del nivel cognitivo y los avances de las neurociencias esa distancia puede ser salvada. No es de
extrañar que a los neurocientíficos les entusiasme menos el nivel representacional que a los psicólogos, lingüistas y científicos de la computación.
Computadoras
-La computadora sirve, en primer lugar, como un modelo del pensamiento humano: si una máquina puede razonar, tener objetivos, revisar su conducta, transformar información, etc., entonces los seres humanos merecen ser caracterizados del mismo modo.
-En segundo lugar, la computadora sirve como una herramienta de trabajo.
-Algunos críticos sostienen que la computadora es otro modelo mecánico erróneo más que se propone para explicar la cognición humana. Consideran que es un error ver a los organismos activos como sistemas procesadores de información. El hecho de que se pueda simular la conducta no quiere decir que se haya alcanzado una descripción correcta de la conducta.
-El involucramiento con el modelo computacional es diferente en las distintas disciplinas que constituyen la ciencia cognitiva. Ese involucramiento es central en inteligencia artificial, y es aceptado con algunas reservas en la lingüística y la psicología. En la antropología y la neurociencia la cuestión es más problemática, en la medida en que unos consideran suficientes las explicaciones cerebrales y otros las culturales. En filosofía hay actitudes variadas: desde un entusiasmo descarado a un escepticismo virulento.
Menos énfasis en el afecto, el contexto, la cultura y la historia
-Si bien la exclusión de factores afectivos, contextuales, culturales e históricos en la explicación de la conducta no es una tesis explícita de la ortodoxia cognitivista, es claro que en la práctica esos factores son apartados, incluso por los antropólogos cognitivos.
-Esta exclusión puede deberse a su practicidad: la ciencia cognitiva no puede pretender incluir todos los factores, no sería capaz de construir una explicación completa de la acción, y los factores individuales pueden constituir una explicación bastante buena.
-Algunos críticos del cognitivismo sostienen que los mencionados factores no pueden ser explicados por la ciencia, porque pertenecen a dimensiones inherentemente humanísticas o estéticas, pero juegan un rol central en la experiencia humana.
-Otros críticos reconocen también que estos factores juegan un rol central, pero creen que son susceptibles de explicación científica: la ciencia cognitiva debe incorporarlos.
Creencia en los estudios interdisciplinarios
-Hay acuerdo en que no hay una ciencia cognitiva. En realidad, hay investigadores procedentes de diferentes disciplinas que creen que pueden interactuar productivamente para lograr una comprensión más poderosa de la que podrían lograr si trabajaran desde una única disciplina.
-Algunos escépticos sostienen que no se progresa componiendo disciplinas, y que es más conveniente que cada una ocupe su lugar.
-Otra crítica es que no es claro qué disciplinas contribuirán en última instancia a la ciencia cognitiva, por lo que se puede perder mucho tiempo en colaboraciones infructuosas.
-En el mejor de los casos, para estos críticos debe haber cooperación entre disciplinas, pero nunca una fusión total.
-Los problemas filosóficos clásicos son un ingrediente clave de la ciencia cognitiva, si bien no todos los científicos cognitivos lo consideran así.
-Sólo mediante la exploración de la historia de la filosofía puede mostrar a los científicos cognitivos que están tratando temas que fueron abordados antes por filósofos. Los científicos cognitivos pueden criticar que los problemas filosóficos fueron mal formulados, o no fueron resueltos, y que los filósofos hoy no tienen un rol que jugar en la ciencia cognitiva. Incluso los propios filósofos pueden pensar eso. Sin embargo, eso no quita que convenga revisar las concepciones filosóficas del conocimiento humano.
5. Psicología: el casamiento de los métodos con la sustancia
El programa de la psicología cognitiva
-Contra el conductismo, los nuevos enfoques hablaban de limitaciones estructurales a la cantidad de información que puede ser tomada, intentaban trazar los pasos involucrados en el procesamiento de esa información, y de postular estrategias generales para resolver problemas. El centro de atención se dirigió a las representaciones de la información dentro de la mente.
-Este cambio no se debe a un único factor, pero el surgimiento de la computadora y del lenguaje de teoría de la información que se usó para caracterizarla ayudó a legitimarlo. -Hay una distinción entre unidades de análisis moleculares o de pequeña escala y unidades de análisis molares o de gran escala. Así, algunos programas, como los de psicofísica tradicionales y los de procesamiento de información contemporáneos, muestran una inclinación por unidades de menor escala (bits, perceptos individuales, asociaciones simples examinadas en breves períodos de tiempo), presuponiendo que sólo mediante un entendimiento de las unidades y procesos elementales es posible construir una explicación definitiva de las unidades y procesos complejos. Por el contrario, quienes proponen un enfoque molar se inclinan por unidades de gran escala (problemas afrontados durante un largo período de tiempo, esquemas, marcos, estrategias), a las que consideran las propiedades más prominentes de la cognición humana, y por tanto sirven como punto de partida lógico: las unidades más grandes parecen más cercanas a los datos y las experiencias de la vida ordinaria.
-Esta distinción entre enfoques molares y moleculares se parece, pero no es idéntica, a la distinción entre enfoques arriba-abajo y abajo-arriba. Los enfoques arriba-abajo, de connotaciones racionalistas, suponen que el sujeto lleva a la tarea sus propios esquemas, estrategias o marcos que influencian fuertemente sus actuaciones. Los enfoques abajo-arriba, de connotaciones empiristas, suponen que los detalles de una situación o tarea focalizada ejercen una influencia primaria sobre la actuación del sujeto.
-Si bien estas dos distinciones no están lógicamente ligadas, típicamente se corresponden, por lo que con frecuencia las identificaremos.
-La exageración de esta dicotomía conduce a una distorsión del campo: casi todos los psicólogos tienen simpatía por ambos enfoques, y muchos se mueven constantemente de abordajes moleculares a molares. Además, la elección de un enfoque no necesariamente se realiza por considerarlo primordial: uno puede preferir un enfoque molecular no porque piense que la conducta se explica en última instancia en términos moleculares, sino con el fin de adaptar posteriormente los métodos a entidades molares.
-Otra tendencia a tener en cuenta es la creciente fisura y especialización dentro de la psicología. Muchos psicólogos ignoran lo que acontece en el resto del campo, dificultando el desarrollo de conceptos unificadores.
-También hay que mencionar la tendencia a la perfección metodológica. El diseño de estudios individuales y de conjuntos de estudios se ha hecho cada vez más elegante con la invención de nuevos instrumentos y la sofisticación de las técnicas estadísticas. Esta sofisticación es un logro positivo, pero no ha sido integrado completamente con la sustancia de la disciplina. Muchas cuestiones deben ser abordadas desde un enfoque molar, y estos métodos más rigurosos muchas veces no son apropiados para este enfoque.
Enfoques abajo-arriba
El número 7 mágico de George Miller
-En su artículo de 1956 “El número siete mágico, más o menos dos: algunos límites de nuestra capacidad para procesar información” Miller mostró que las habilidades del individuo para hacer distinciones absolutas entre estímulos, para distinguir un fonema de otro, para estimar números con exactitud y para recordar un número de objetos discretos en todos los casos parecían sufrir un cabio crucial cercano al nivel de los siete objetos. Si el número era menor, los individuos podían hacer esas tareas sin dificultades; si era mayor, comenzaban a fallar.
-Esta discontinuidad para Miller no era accidental, sino que surgía o bien por aprendizaje o bien por el diseño de nuestros sistemas nerviosos.
-Los humanos desarrollan modos de superar esas limitaciones: pueden agrupar elementos y tratarlos como una unidad, o hacer juicios relativos en vez de absolutos, o recodificar la información en un lenguaje y recordar este simbolismo más abstracto.
-El ensayo de Miller fue importante por varias razones: (i) porque agrupó un conjunto de datos dispersos para que apuntaran a una misma conclusión, (ii) porque al señalar que el número 7 no era accidental apuntó a investigar la naturaleza y estructura del mecanismo de procesamiento cognitivo, (iii) porque señalaba modos de trascender las limitaciones, y (iv) porque prometía conectar los datos recogidos durante años por los psicólogos con los nuevos enfoques de los científicos orientados a la ingeniería.
El enfoque británico al procesamiento de información
-En Gran Bretaña hubo otro movimiento que intentaba aplicar conceptos de la ciencia de la comunicación a la psicología, el cual surgió del trabajo de los psicólogos durante la Segunda Guerra Mundial.
-Colin Cherry se concentró en las capacidades de los individuos para obtener información de canales ruidosos. Hizo que los sujetos se concentraran en un mensaje transmitido por un oído, y descubrió que no podían decir mucho de lo que les llegaba por el oído opuesto, al que no prestaban atención; a lo sumo podían mencionar características gruesas de la señal (como si era música o discurso), pero no cambios en el contenido o el idioma.
-Donald Broadbent les presentó conjuntos de tres dígitos de manera simultánea a ambos oídos. Descubrió que los sujetos cometían menos errores cuando decían los dígitos presentados a un oído primero, y luego los presentados (al mismo tiempo) al otro.
-Estos trabajos dieron origen a un modelo de los procesos de pensamiento que se parecía al empirismo. Comenzaba con información de los sentidos, pero se concentraba en el hecho
de que los individuos tienen una capacidad limitada para la toma y el almacenamiento de información. Además, en lugar de hablar de los límites estructurales de un modo estático, Cherry y Broadbent buscaron determinar precisamente lo que sucede con esta información desde el momento en que se la recibe. Así, Broadbent fue el primer psicólogo moderno en describir el funcionamiento cognitivo con un diagrama de flujo.
El enfoque estratégico de Jerome Bruner
-En colaboración con Jacqueline Goodnow y George Austin, Bruner publicó en 1956 A
Study of Thinking, el cual creció del Cognition Project que Bruner dirigió en Harvard. El
tema del libro era la clasificación, categorización, o formación/adquisición de conceptos. El problema era cómo una persona, frente a un conjunto de elementos, llegaba a agruparlos en categorías.
-Los experimentos de Bruner consistían en indicarle al sujeto una determinada categoría, y mostrarle objetos para que diga si pertenecen o no a la categoría.
-Si bien este tipo de experimentos era similar a otros anteriores, diferían en que Bruner no concebía a los sujetos como simple reactores a estímulos, sino como solucionadores de problemas activos y constructivos. Trató de analizar las propiedades informacionales de largas secuencias de acciones, llamadas “estrategias” (escaneo sucesivo, focalización conservativa, focalización apostadora). Bruner descubrió que el mejor modo de explicar los actos individuales es en términos de esos patrones generales o estrategias, más que en términos de respuestas particulares a estímulos particulares.
Etapas posteriores del procesamiento de información
-Durante los ‘60s se precisaron algunos detalles del procesamiento de información a partir de los trabajos de Brodabent. Se destacan los trabajos de Moray y Treisman.
-Nielssen propuso una explicación informacional más compleja. Argumentó que un sujeto entiende una señal sintetizando una representación interna que se asocia con la señal. -Posteriormente, Broadbent revisó su modelo unidireccional de la atención, cambiándolo por uno de ida y vuelta.
-Sperling hizo experimentos para mostrar cuánta información de una sola vez puede tomar un individuo por medio de la visión.
-Sternberg estudió los detalles finos del procesamiento de información, llegando incluso a mediciones de tiempo.
Un modelo de la memoria
-Atkinson y Shiffrin propusieron un modelo influyente según el cual la memoria poseía tres almacenes: uno donde se registran inmediatamente los estímulos dentro del sistema sensorial apropiado, uno de corto plazo en donde la información entrante decae y desaparece rápidamente pero puede pasar al almacén de largo plazo.
-Allport criticó la idea de que el input informacional es serial (bits entrando uno tras otro en un solo punto), defendiendo que es paralelo (hay múltiples entradas en múltiples puntos). -Shannon sostuvo que la información contextual afecta el procesamiento de la información sensorial, por lo que un modelo abajo-arriba o afuera-adentro que trate los bits de información con independencia de su significado y contexto de presentación no hará justicia a la cognición humana.
-Las etapas del modelo de Atkinson y Shiffrin comienzan a diluirse cuando uno examina la cuestión más atentamente: la memoria a corto plazo no puede ser tan fácilmente separada
de la memoria intermedia, los procesos pre-atentos se mezclan con los buffers sensoriales, etc.
Enfoques arriba-abajo Unidades de análisis molares
-Estudios desarrollados por Bransford muestran que los sujetos no tienden a recordar la formulación exacta de las oraciones que encuentran, pero sí los significados de las oraciones. Esto demuestra que los individuos utilizan enfoques inferenciales e integradores al memorizar fragmentos del lenguaje, lo cual hace dudar de aquellos experimentos que se enfocan en la memoria de sílabas o frases que no tienen sentido. Los sujetos utilizan distintos esquemas organizadores que determinan el modo en que se interpreta la misma información sensorial. Además, los sujetos infieren algunas cosas de las oraciones que escuchan, y que muchas de sus respuestas se basan en esas inferencias, no en el contenido literal de las oraciones.
-Rumelhart ha postulado la existencia de una “gramática” para las historias: un conjunto de supuestos subyacentes acerca de cómo debe desarrollarse la trama de una historia. Esta gramática afecta el modo en que los sujetos interpretan historias: suelen recordar más fácilmente aquellas historias que respetan la gramática, y suelen olvidar o “normalizar” las historias que no la respetan.
-Estos nuevos enfoques no destronaron a los abordajes abajo-arriba, pero los investigadores comenzaron a apreciar que los sujetos no van a ejecutar las tareas como papeles en blanco. Por lo tanto, surge un enfoque alternativo que se centra en cómo el organismo, con estructuras ya preparadas para la estimulación, manipula y reordena la información que encuentra.
-Estos nuevos enfoques son ecológicos, y arriba-abajo, y llegaron incluso a influir en los estudios más conservadores sobre la memoria (por ejemplo, Bower, Craik, Lockhart). -Hay un avance con esta nueva perspectiva, porque no se limita a reconocer la existencia de procesos arriba-abajo, sino que describe sus detalles.
Síntesis y enfoques generales
-Los modelos clásicos de procesamiento de información eran ciegos con respecto al contenido: se asumía que cualquier tipo de información era procesada de la misma manera. No obstante, estos supuestos fueron cuestionados. Shepard y Metzler intentaron mostrar que en una tarea los sujetos comparan figuras geométricas para determinar si son iguales rotándolas mentalmente, lo cual parece mostrar que no se las representa de manera proposicional, sino como imágenes (Kosslyn). Del hecho de que las computadoras transmiten información en un único simbolismo no se sigue que los humanos también se restrinjan a uno.
-Uno de los problemas que enfrenta la psicología cognitiva es la partición del campo en muchas especialidades y subespecialidades. John Anderson propuso un intento ambicioso de unificación, un modelo general de la arquitectura de la cognición llamado “ACT” (o “CAP”: Control adaptativo del pensamiento”). Su noción central es la de sistema de producción: cuando un nodo de la red es lo suficientemente activado, surge una acción o producción. El sistema incluye varias formas de memoria (memoria de trabajo, memoria
declarativa, memoria de producción). Hay otros mecanismos: procesos de codificación, procesos de ejecución, procesos de almacenamiento, procesos de recuperación, etc.
-Algunos psicólogos defienden modelos como el de Anderson, mientras otros lo rechazan. Para algunos, ACT no es un sistema predictivo, sino un marco muy general que impone pocas limitaciones detalladas a la naturaleza del sistema cognitivo. Y los más escépticos sostienen que la búsqueda de una teoría tan general es una pérdida innecesaria de energía. -Aquí defendemos que es demasiado prematuro para abandonar los esfuerzos de describir un sistema cognitivo general. Incluso si quienes se atreven a hacer este tipo de cosas se equivocan, se puede aprender de sus errores. Por otra parte, el trabajo de Anderson parece estar basado más en la lectura de otros psicólogos que en la inmersión en los fenómenos reales del pensamiento, la memoria, etc. Hasta este punto, parece que ACT es más bien internamente coherente que conectado externamente con los procesos reales del pensamiento humano.
-Algunos investigadores, especialmente Jerry Fodor, han sugerido que la mente debe ser vista como constituida por dispositivos de procesamiento de información en gran medida separados, como compuesta de dispositivos diferentes para cada tipo específico de contenido. Este modularismo sostiene que los módulos han evolucionado para desarrollar formas específicas de análisis de manera rápida y encapsulada, que la comunicación entre módulos ocurre sólo subsecuentemente, y que incluso si hay un procesador central o una función ejecutiva, difícilmente se pueda dar cuenta de ella. Esta concepción se opone a las teorías ciegas al contenido o a las que creen en facultades horizontales, como la de Anderson, según las cuales todas las facultades trabajan de la misma manera para cualquier tipo de contenido. Una consecuencia del modularismo podría ser que la psicología puede dejar de pretender ser una disciplina unificada, por lo cual es bueno que se prosiga con el trabajo en explicaciones sintéticas como las de Anderson.
-Hay algunos críticos de la psicología cognitiva que deploran la artificialidad de sus investigaciones, argumentando que los modelos más convincentes se basan en actividades que tienen poco que ver con las prácticas ordinarias de los humanos. Como señala Neisser, la insistencia en el modelo computacional y en los escenarios artificiales de laboratorio conduce a una carencia de una psicología ecológicamente válida que de cuenta de los tipos de cuestiones que los humanos encuentran y resuelven en la vida cotidiana. Entre quienes defienden modelos más ecológicos se cuentan Gibson, Rosch, los Bahrick y Wittlinger.
6. Inteligencia artificial: la herramienta experta
Las ideas de inteligencia artificial
-Acuerdos. Casi todos acuerdan en que la inteligencia artificial busca producir, en una computadora, un patrón de output que sería considerado inteligente si fuera exhibido por seres humanos.
-Desacuerdos.
Algunos puntualizan el diseño de programas, otros los lenguajes de programación, otros incluyen el hardware mecánico y el componente conceptual humano además del software.
Algunos quieren simular exactamente los procesos de pensamiento humano, mientras que otros se contentan con cualquier programa que conduzca a consecuencias inteligentes. Algunos tienen una “visión débil” de la metáfora del pensamiento, para la cual el diseño de programas “inteligentes” es sólo un medio de probar teorías sobre cómo los humanos podrían llevar a cabo operaciones cognitivas, mientras que otros tienen una “visión fuerte”, para la cual una computadora programada apropiadamente es en realidad una mente, en el sentido en que se puede decir literalmente que entienden y tienen otros estados cognitivos. Hay una tensión entre “generalistas” y “expertos”, que refleja la discusión entre perspectivas modularistas y de procesamiento central en la psicología: para los generalistas hay programas o familias de programas que pueden ser aplicados a cualquier tipo de problema; para los expertos los programas deben contener un conocimiento más detallado acerca de un dominio específico y restringirse a ese dominio.
Para algunos la inteligencia artificial tiene importancia científica (muchos sostienen que reemplaza a la epistemología); para otros no es una ciencia, sino una forma de ingeniería aplicada sin el basamento teórico de una disciplina científica.
Antecedentes históricos
-En 1938 Shannon mostró que los circuitos que podían ser encontrados en una máquina electrónica podrían ser expresados en términos de una ecuación booleana: el sistema verdadero-falso era paralelo a los interruptores encendido-apagado, o a los estados abiertos y cerrados de un circuito. Cualquier operación que pueda ser descrita en un conjunto finito de pasos puede ser llevada a cabo por estos circuitos.
-En 1936 Turing propuso su idea de que una tarea computacional explícitamente enunciada podría ser ejecutada por una máquina que poseyera un conjunto finito apropiado de instrucciones. Comenzó a pensar en la relación entre el pensamiento humano y el pensamiento artificial, lo que derivó en el famoso test de Turing.
-Bush comenzó a construir máquinas capaces de resolver ecuaciones diferenciales.
-Hacia 1943 McCulloch y Pitts desarrollaron sus ideas sobre redes neurales; especialmente la idea de que todo lo que pueda ser expresado exhaustivamente y sin ambigüedad puede ser realizado por una red finita apropiada de neuronas. El cerebro podía ser visto como una máquina de una forma más precisa que antes, y ser pensado como una máquina de Turing. -Wiener estaba aunando las corrientes de la cibernética, un nuevo campo interdisciplinar que investigaba los mecanismos de retroalimentación en materia orgánica y en autómatas. -A von Neumann suele atribuírsele la idea de un programa almacenado, donde las operaciones de la computadora pueden ser controladas por medio de un programa o conjunto de instrucciones, almacenado en la memoria interna de la computadora, siendo por tanto innecesario reprogramar la computadora para cada nueva tarea. También exploró las analogías y las diferencias entre las computadoras y el cerebro.
El verano de 1956 en Dartmouth
-En el verano de 1956 un grupo de jóvenes matemáticos y lógicos se encontraron en Dartmouth College con la conjetura de que cualquier aspecto de la inteligencia en principio puede ser describible tan precisamente que una máquina podría simularlo. Se expusieron las capacidades de las computadoras para llevar a cabo las siguientes tareas cognitivas: jugar al ajedrez (Alex Bernstein), jugar a las damas (Arthur Samuel), probar teoremas lógicos (Newell y Simon), modelar redes neurales (Nathan Rochester), y probar teoremas euclidianos (Minsky).
-Los propósitos de la reunión no fueron satisfechos, pero las ideas propuestas por la generación anterior (Wiener, von Neumann, McCulloch, Turing) podían ahora ser llevadas a cabo mediante el diseño de máquinas y la escritura de programas acerca de los cuales la anterior generación sólo había especulado.
Programas para problemas: Allen Newell y Herbert Simon
A. Logic Theorist
-Su primer programa, Logic Theorist (LT), podía probar teoremas de los Principia de Russell y Whitehead.
-Para desarrollarlo se enfrentaron a la dificultad de escribir programas directamente en el lenguaje de las computadoras: necesitaban un lenguaje de nivel superior, más simple para el programador humano, que pudiera ser traducido automáticamente al lenguaje de la computadora. Por ello diseñaron lenguajes de procesamiento de información (LPI), o lenguajes de procesamiento de listas.
-El procesamiento de lista fue una técnica que resolvió el problema de la distribución del almacenaje en una memoria limitada de computadora, y permitió que los programadores crearan estructuras de datos para almacenar la información de una forma accesible similares a los procesos de pensamiento humano.
-El programa contiene las reglas básicas de operación: una lista de axiomas y teoremas previamente demostrados. Luego, el programa recibe una nueva expresión lógica y se le instruye que descubra una prueba. El programa trata todas las operaciones que puede para encontrar una prueba. Si encuentra una, la prueba es impresa en una larga tira de papel, si no la encuentra, el programa declara que no puede resolver el problema y detiene sus operaciones.
B. General Problem Solver
-El proyecto más ambicioso de Newell y Simon fue el de desarrollar un solucionador general de problemas (SGP), un programa cuyos métodos en principio podrían ser utilizado para resolver todo tipo de problemas.
-El proyecto no pretendía diseñar un programa que simplemente resolviera problemas, sino que lo hiciera imitando los procesos seguidos por humanos normales al resolverlos. Para ello recolectaron protocolos que registraran las introspecciones y anotaciones de los sujetos que se involucraban en la resolución de problemas.
-En un análisis de medios-fines, uno primero establece la forma deseada de resolver el problema, y luego compara el lugar actual en el proceso de solución con el objetivo final deseado. Si esas dos instancias coinciden, el problema ha sido resuelto. Si no coinciden, el solucionador clarifica la diferencia y busca métodos para reducirla. Hay una tabla que asocia los fines del sistema con operadores que pueden ser de utilidad para lograrlos. Al computar la diferencia entre el estado actual y el fin, el sistema selecciona un operador asociado con esa diferencia y prueba si el operador es aplicable a la situación actual. Si es aplicable, y produce un resultado más cercano al estado deseado, se lo repite. Si es inaplicable, el sistema genera una sub-meta, que se propone reducir la diferencia entre la situación actual y la situación en la que el operador puede ser aplicado. Este proceso se repite hasta que la meta es lograda, o hasta que se demuestre que no puede ser lograda con la información dada, o con los operadores disponibles para el programa.
-El proyecto del SGP fue abandonado, porque su generalidad no era tan amplia como sus creadores habían pretendido, y porque el campo de la IA continuó por otras direcciones. No
obstante, el proyecto puede ser considerado como el primero en simular un espectro de la conducta simbólica humana. Además, ocupó un rol importante en la concepción de Simon y Newell de la empresa de la IA, según la cual toda inteligencia involucra la manipulación de sistemas simbólicos, manipulación que ahora podía ser desarrollada también por máquinas. C. Visión de la inteligencia artificial
-El concepto de sistema físico de símbolos fue considerado por Newell y Simon como la doctrina central de la ciencia de la computación. El trabajo del teórico es el de identificar el conjunto de procesos que opera sobre expresiones simbólicas para producir otras expresiones que crean, modifican, reproducen, o transforman estructuras simbólicas. -Una noción clave es la de sistema de producción, en el que una operación será llevada a cabo si una condición específica es satisfecha. Los programas consisten en secuencias largas de sistemas de producción que operan en la base de datos. Ese sistema es una especie de enlace estímulo-respuesta computacional: mientras los estímulos (condiciones) sean apropiados, la respuesta (producción) será ejecutada.
-Lo que demostraron Newell y Simon fue: (i) que las computadoras podían desarrollar conductas que si fueran exhibidas por humanos serían consideradas inteligentes, y (ii) que los pasos seguidos por sus programas tienen un parecido no-trivial con los pasos que se observan en la resolución de problemas humana.
-Tanto la mente humana como la computadora resuelven problemas de formas similares, sin importar las diferencias de hardware: son sistemas que procesan información a lo largo del tiempo siguiendo un orden más o menos lógico. Habiendo registrado los procedimientos realizados por sujetos humanos involucrados en las mismas tareas, el equipo logró encontrar muchas analogías. Newell y Simon no defendían un isomorfismo a nivel estructural entre el hardware y el cerebro, sino a nivel de la teoría del procesamiento de información. Este enfoque duró unos veinticinco años, y sólo recientemente se comenzó a prestar atención a lo que se sabe sobre el sistema nervioso dentro de la comunidad de la inteligencia artificial.
D. Críticas
-La información usada por un programa es colocada en él por humanos, por lo que el solucionador de problemas sólo hacía aquello para lo que fue programado. A esto Newell y Simon respondieron que en la medida en que el programa no realizaba una repetición mecánica de pasos, sino que usaban reglas para resolver problemas a los cuales no había sido expuesto antes, la conducta era tan inteligente como la de un humano: los humanos también han de ser pensados como programados con reglas.
-Los seres humanos pueden improvisar atajos o heurísticas, mientras que las computadoras repetirán el mismo proceso, a menos que puedan ser programadas para aprender de esfuerzos anteriores. Conscientes de esta limitación, Newell y Simon se propusieron diseñar programas capaces de aprender.
-El SGP sólo se proponía resolver desafíos lógicos, que se prestan a la expresión mediante formas simbólicas sobre las que se puede operar. Por lo tanto, el SGP sólo podía resolver problemas lógico-matemáticos. No obstante, muchos problemas resueltos por humanos no son fácilmente expresables por medio de lógica simbólica.
-Minsky no contribuyó muy activamente a la literatura sobre IA, ni se asocia una línea de trabajo a él, pero formó a un grupo activo de estudiantes.
-T. G. Evans desarrolló un programa a fines de los ‘60s que resolvía analogías de tipo visual. Si se le mostraban dos figuras F y G que mantenían una relación de analogía A, el programa era capaz de seleccionar de un grupo de figuras otro par, F’ y G’, que también mantenían la relación A. El programa describe a F y G como figuras, y caracteriza la diferencia entre las descripciones (en términos como “dentro”, “sobre”, etc.); luego aplica la diferencia identificada como una regla de transformación a F’, para llegar a un patrón que tenga la misma descripción que uno de los patrones candidatos (G’).
-Daniel Bobrow diseñó STUDENT, capaz de resolver el tipo de problemas de álgebra que podían encontrarse en libros de matemáticas de secundaria. El programa asumía que cada oración del problema era una ecuación. Se le daba conocimiento acerca de ciertas palabras para ayudarle a localizar la ecuación, analizando la sintaxis de las oraciones por medio de esos significados conocidos. STUDENT exhibe a la vez los poderes y las limitaciones de los programas de esa época: los programadores podían diseñar máquinas capaces de actuar inteligentemente, pero los procedimientos que éstas usaban eran muy diferentes a los empleados por humanos ordinarios. Mientras las computadoras podían desconocer el dominio de aplicación de las ecuaciones matemáticas (su conocimiento es puramente sintáctico), los humanos en general se valdrían de sus conocimientos de ese dominio para resolver el problema.
Listas y lógica: John McCarthy
-Uno de sus mayores logros de McCarthy fue el diseño de LISP (“list processing”), el lenguaje de computación que se volvió el más usado en el campo de la IA. LISP se preocupa por la presentación y manipulación de listas, de ítems de listas, y de listas de listas. El poder de LISP se deriva de que es un lenguaje recursivo, capaz de describir y manipular estructuras y conjuntos de estructuras.
-McCarthy también tuvo ideas fuertes sobre los fines de la IA y los modos de lograrlos. Para él, el modo de hacer máquinas inteligentes es usando un enfoque formal riguroso en el que los actos que producen inteligencia sean reducidos a un conjunto de relaciones lógicas o axiomas que puedan ser expresados precisamente en términos matemáticos. El sistema de McCarthy se basaba en la fe en la consistencia de un sistema de creencias y en el punto de vista de que todo conocimiento puede ser pensado en términos puramente lógicos. Si este enfoque fuese adoptado, sería posible usar técnicas de demostración de teoremas que no sean dependientes de los detalles de los dominios particulares. McCarthy era un defensor de estos puntos de vista extremadamente generales. McCarthy trabajó en el diseño de una modificación no-convencional de la lógica estándar para modelar el razonamiento de sentido común, y su colega Hayes trató de formular en términos lógicos los procesos de pensamiento de la física de sentido común.
Otros hitos en la programación
-Feigenbaum diseñó DENDRAL, capaz de determinar, a partir de la enorme cantidad de datos de los espectrógrafos, qué compuesto orgánico estaba siendo analizado. El programa formulaba hipótesis sobre la estructura molecular del compuesto, y luego testeaba esas hipótesis mediante posteriores predicciones. El output definitivo era una lista de posibles compuestos moleculares listados en términos de plausibilidad decreciente. Sus resultados se compararon favorablemente con los de químicos expertos. A diferencia de programas
anteriores, usaba mucho conocimiento almacenado sobre química, y no emulaba los modos en que seres humanos resolverían el problema.
-Por otra parte Colby y Weizenbaum desarrollaron programas capaces de dialogar. Ambos programas podrían, durante un tiempo, engañar a una persona. No obstante, alguien que conociera el diseño del programa, o que pudiera inferir que se trata de una máquina, podría desenmascararlo. Esto se debe a que, como en el caso de STUDENT, los programas no entienden las palabras usadas, sino que están diseñados para responder de un cierto modo a ciertas palabras.
El fenomenal SHRDLU
-Terry Winograd desarrolló un programa llamado SHRDLU, un experto que realmente “entiende” el lenguaje, aunque trabaja en un dominio muy limitado.
-Winograd diseñó para su programa un mundo de bloques simples que podían ser apilados y dispuestos de varias formas. Su programa era lo suficientemente sofisticado en su conocimiento lingüístico como para llevar a cabo un conjunto complejo de instrucciones. Además, SHRDLU da muestras de que esas instrucciones son de hecho entendidas (una de esas muestras es que el programa pide clarificación cuando las instrucciones son ambiguas).
-El mundo simulado era pequeño, y el número de acciones que podía llevar a cabo y el número de preguntas que podía responder era muy limitado. No obstante, dentro de su universo particular, el programa se comportaba de un modo plausible, percibiendo distinciones y llevando a cabo órdenes, sugiriendo que entendía lo que se le decía.
-SHRDLU era más sofisticado que sus predecesores porque usaba una serie de especialistas lingüísticos. También poseía sistemas de creencias, conocimiento sobre resolución de problemas, y especialistas que detectan si una proferencia es una pregunta, una orden o un comentario.
-De acuerdo con Dennett, una de las mayores contribuciones de SHRDLU es su exploración de las demandas impuestas sobre cualquier sistema que sigue instrucciones, planea cambios en el mundo, y mantiene un registro de ellos, a pesar de que no sea exactamente análogo a un humano.
-SHRDLU también tenía limitaciones. No disponía de información semántica para distinguir entre los significados de palabras como “y”, “el” y “pero”. Además, no puede aprender a ejecutar mejor sus tareas. Un programa posterior similar, llamado HACKER, diseñado por Sussman, mostró que era posible que ocurriera ese aprendizaje.
Cuestiones cruciales
-Necesidad de sistemas expertos: mientras Newell y Simon lideraron la búsqueda de programas que pudieran tratar con cualquier tipo de problemas, hacia fines de los ‘60s las limitaciones de esos programas generales comenzaron a ser más evidentes. Feigenbaum sostuvo que sus maestros estaban trabajando con problemas de juguete, no con problemas del mundo real. El desarrollo de SHRLDU fue lo que terminó de evidenciar las limitaciones del programa generalista, y la necesidad de sistemas que poseyeran una gran cantidad de conocimiento especializado.
-Representación procedimental versus representación declarativa: algunos favorecían una representación declarativa (conocimiento codificado como un conjunto de hechos o declaraciones almacenados) y otros una representación procedimental (conocimiento codificado como un conjunto de acciones o procedimientos a ser llevados a cabo). Los
defensores de LISP (representación declarativa) sostenían que los lenguajes declarativos eran más fáciles de entender y usar, y conducían a programas más económicos. Los procedimentalistas sostienen que la inteligencia humana debe ser pensada como un conjunto de actividades que los individuos saben cómo hacer, encarnándose cualquier conocimiento en los procedimientos para lograr resultados. Actualmente se reconoce la necesidad de combinar ambos modos de representación.
-Tres ataques a la IA: Weizenbaum sostuvo que las afirmaciones de los teóricos de la IA eran demasiado excesivas, sin consonancia con los limitados logros que habían obtenido, y que se estaban confundiendo peligrosamente el ámbito de lo humano con el de las máquinas: hay experiencias únicamente humanas, como el amor y la moral. Dreyfus sostuvo que hay diferencias fundamentales entre los seres humanos y las computadoras que no pueden ser reducidas por la IA, porque los seres humanos tienen conciencia, tolerancia para la ambigüedad, un cuerpo que organiza y unifica la experiencia de objetos y de impresiones subjetivas, potencial para el aburrimiento, la fatiga y la falta de determinación, propósitos y necesidades claros que organizan su situación, y formas de inteligencia que no pueden ser descritas por reglas lógicas. Lighthill, un evaluador de la IA del gobierno británico, encontró relativamente poco que admirar y desaprobó la distancia entre las expectativas iniciales y los logros reales en los primeros veinte años de la IA (sólo guardó elogios para SHRDLU, defendiendo la tesis de Winograd de que la IA puede tener éxito en dominios limitados).
Innovaciones en los ‘70s
-A pesar de las críticas, los éxitos de la IA se renovaron. Había programas que eran capaces de percibir de manera holística; de usar el lenguaje creativamente; de traducir de un lenguaje a otro usando una representación semántica lingüísticamente neutra; de planear acciones de manera general e imprecisa, decidiendo los detalles en la ejecución; de distinguir entre diferentes tipos de reacción emocional de acuerdo con el contexto psicológico del sujeto, etc. A pesar de que el optimismo de los ‘50s no sería satisfecho, los logros del campo fueron notables.
-El epítome de la segunda oleada de energías y logros a comienzos de los ‘70s fue SHRDLU, habiendo un giro de los sistemas generalistas a los sistemas expertos, y una fusión de enfoques declarativos y procedimentales.
-Por la misma época se desarrolló una línea importante y controvertida: el uso de enfoques arriba-abajo para entender el lenguaje y otros dominios cognitivos. Schank sostuvo que un mecanismo capaz de entender un texto tiene expectativas acerca de cómo es un texto en general, y contiene un conjunto de conocimientos sobre los detalles del tema en cuestión. Esos “libretos” preestablecidos permiten tratar con textos de otro modo difíciles de entender. Minsky propuso la noción de marco: una estructura de conocimiento acerca de un dominio. En un marco se crea y se mantiene una descripción sustituyendo valores observados en lugar de valores predichos. Se supone que los individuos poseen cientos de marcos, y que combinaciones de ellos pueden ser invocadas en cualquier situación razonablemente compleja.
Pluralismos
-Para Minsky no hay un procesador general o central simple por el que pasa toda la información. En cambio, hay muchos agentes que pueden comunicarse entre sí, siendo cada uno un especialista de algún tipo, y que pueden manejar diferentes tipos de conocimiento
simultáneamente. Este enfoque no es una teoría susceptible de un testeo claro, sino un marco que conduce al diseño de programas que actúen más efectivamente y que modelen la actividad humana más fielmente.
-Minsky, Hinton y Anderson sugirieron que así como el cerebro es un mecanismo paralelo, no seriado, la simulación de la cognición humana debía ser llevada a cabo por computadoras que operaran de forma paralela. Así como el cerebro aprende, ejecuta muchas actividades con propósitos especiales, y tiene información dispersa por grandes circuitos reverberantes, los programas deben incluir muchos agentes individuales cooperando. Muchos anticipan que las arquitecturas paralelas serán una innovación de la IA.
Comprensión del lenguaje
-Schank y personas asociadas a él lograron producir programas capaces de dar resúmenes de historias, de hacer lecturas rápidas de artículos periodísticos, y de responder preguntas y realizar inferencias sobre la trama, los personajes y la motivación en una historia. Schank sostuvo que todo el lenguaje se reduce a un grupo básico de elementos conceptuales, e incluso propuso cuáles eran esos elementos y cómo funcionaban. Con esos elementos básicos uno podría construir un entendimiento general del lenguaje, centrado sólo en la semántica, excluyendo factores sintácticos. Se le critica la carencia de principios de su “sistema semántico”.
-Hay otras líneas de investigación. Woods y Quillian siguen el camino de la semántica. Marcus prefiere el de la sintaxis. Reddy desarrolló un programa que aborda el entendimiento del lenguaje desde distintos tipos de conocimiento (semántico, pragmático, sintáctico, léxico, fonémico y fonético) y analiza la señal en una variedad de niveles desde un segmento de sonido hasta la frase completa; cada fuente de conocimiento se fija en las hipótesis generadas por las otras, y apuesta a la mejor alternativa sobre lo que se dijo.
Percepción
-Rosenblatt desarrolló hacia 1960 un mecanismo capaz de reconocer letras y otros patrones. El mecanismo consistía en una grilla de cuatrocientas fotocélulas conectadas azarosamente con elementos asociadores que recolectaban los impulsos eléctricos. Minsky y Papert criticaron ese carácter azaroso, diciendo que era mejor encontrar previamente los principios que harían funcionar bien a la máquina y luego diseñarla. Por un tiempo se sostuvo que no se podía avanzar en el área del reconocimiento de formas usando sistemas basados en el modelo de las redes neurales.
-A comienzos de los ‘70s Winston desarrolló un programa capaz de aprender a reconocer configuraciones de bloques mediante la confrontación con ejemplos y contraejemplos de cada configuración.
-Waltz desarrolló un programa capaz de analizar una escena gráfica entera, de desarrollar una descripción tridimensional de los objetos de una escena dibujada, y de reconocer que dos dibujos diferentes son representaciones de la misma escena.
-Marr se propuso modelar las fases tempranas de la percepción de objetos y escenas siguiendo un enfoque chomskiano.
The Chinese Room
-Searle believes that understanding is a property that comes from a machine like the human brain which is capable of certain processes, such as having and realizing intentions. Searle
