Conexionismo e instrucción - Publicaciones
Transcripción
Conexionismo e instrucción - Publicaciones
Conexionismo e instrucción Rosa María Pons Parra* José Manuel Serrano González-Tejero** Recibido: Septiembre 2 de 2011 Aceptado: Septiembre 30 de 2011 Conexionism and instruction Palabras clave: Conexionismo, Resumen ,QWHOLJHQFLDDUWL¿FLDO El estudio comienza con un análisis de los esfuerzos de la psicología cognitiva por Procesamiento humano de la entender cómo se representa el conocimiento sobre el mundo y cómo operan los información, Simulación de procesos cognitivos para alcanzar esa representación. Tras diferenciar entre proce- procesos. samiento simbólico (procesamiento serial de la información) y procesamiento no simbólico y subsimbólico (procesamiento distribuido en paralelo), el trabajo se centra en este último desde la perspectiva conexionista, describiendo las unidades y los procesos de procesamiento. A continuación, describe también el aprendizaje en el modelo conexionista para abordar las implicaciones de este en la educación escolar y fundamentalmente en la enseñanza universitaria, estableciendo un modelo hipotético que resalta la importancia del procesamiento paralelo a la hora de simular el aprendizaje. Enseguida, compara los modelos de procesamiento serial y paralelo, y concluye con la importancia que pueden tener en el momento actual los modelos híbridos de procesamiento. Key words: Conexionism, Abstract $UWL¿FLDOLQWHOOLJHQFH+XPDQ This research aims to analyze of the ways cognitive psychology attempts to understand information processing, Process KRZNQRZOHGJHDERXWWKHZRUOGLVUHSUHVHQWHGDQGKRZFRJQLWLYHSURFHVVHVZRUN simulation. to achieve that representation. After differentiating between symbolic processing (serial processing of information), and non-symbolic processing and subsymbolic (parallel distributed processing), this paper focus on the latter from conexionism, describing the units and prosecution processes. The following describes learning in WKHFRQH[LRQLVPPRGHOWRWDFNOHLWVLPSOLFDWLRQVLQVFKRROHGXFDWLRQDQGPDLQO\ in higher education, by establishing a hypothetical model which highlights the importance of parallel processing when stimulating learning. Finally, it compares serial and parallel processing models, and sums up with the importance of the hybrid processing models nowadays. * Profesora contratada de la Universidad de Murcia. [email protected] ** Profesor titular de la Universidad de Murcia, España. [email protected] Educ. Humanismo, Vol. 13 - No. 21 - pp. 51-82 - Diciembre, 2011 - Universidad Simón Bolívar - Barranquilla, Colombia - ISSN: 0124-2121 http://portal.unisimonbolivar.edu.co:82/rdigital/educacion/index.php/educacion CONEXIONISMO E INSTRUCCIÓN 52 Introducción plicar «lo que el sujeto hace», se puede plantear La psicología cognitiva, como escuela psi- en los términos del dualismo tradicional de cuer- cológica o, mejor, como paradigma psicológico, po y mente. De manera que el conductismo da tiene una historia reciente. De hecho, aunque al- poca importancia al cuerpo y a las predisposi- JXQDVSURSXHVWDVGH¿QDOHVGHORVDxRV\GHOD ciones genéticas de la conducta, aunque también década de los 50 se puedan considerar como los rechaza la mente, de la que prescinde de forma primeros esbozos de esta forma de hacer psico- explícita como elemento explicativo y, en mu- logía, es a partir de los años 60 cuando realmen- chos casos, incluso llega a combatirla. Podría- te se empieza a extender por el mundo entero, mos decir, entonces, que la psicología conductis- compitiendo en los centros de estudio y de inves- ta estudia la conducta para explicar la conducta. WLJDFLyQ FRQ HO FRQGXFWLVPR DO TXH ¿QDOPHQWH desbancó como paradigma dominante. Esta idea del ambientalismo y del organismo vacío entra en crisis en los años 60, cuando los El conductismo supuso uno de los mayores principios explicativos básicos que los susten- esfuerzos de los psicólogos por hacer de su disci- tan son ampliamente cuestionados, tanto por los plina una ciencia. Los principios metodológicos etólogos y por las investigaciones que emanan que exigió a la ciencia psicológica (experimen- desde las neurociencias como por los propios de- tación, rechazo de la introspección, empleo de sarrollos de la disciplina psicológica. FDWHJRUtDV H[SOLFDWLYDV GH¿QLGDV RSHUDFLRQDOmente, etc.) fueron un adelanto y una conquista Por parte de la psicología cognitiva, la críti- que la mayoría de los psicólogos consideran, hoy ca se referirá básicamente al olvido de la mente. día, irrenunciables. Sin embargo, estos triunfos En efecto, sabemos que la psicología cognitiva se vieron claramente empañados en dos cuestio- resultó atractiva, fundamentalmente, porque in- nes fundamentales: trodujo de nuevo en la psicología temas como (OFRQGXFWLVPRHUDXQDSVLFRORJtDVLQVXMHWR el de la atención, la percepción, la memoria, el SVLFRORJtDGHORUJDQLVPRYDFtR pensamiento y el lenguaje, que son al parecer 6X SUHWHQVLyQ WHyULFD IXQGDPHQWDO FRQVLV- irrenunciables para toda psicología que busque tía en explicar toda la conducta a partir del ser completa y que el conductismo a duras pe- aprendizaje, por lo que para esta teoría son nas pudo incluir en sus investigaciones. Y como los refuerzos y los estímulos presentes en la compendio de todas estas capacidades y activi- vida de los organismos los que determinan su dades, la psicología cognitiva resaltó el valor modo de relacionarse con el medio y de resol- de la mente. De nuevo la mente entra, así, en la ver sus problemas adaptativos. psicología, y, además, es explicada con métodos que se heredan del conductismo y que albergan Esta paradójica «renuncia al sujeto» para ex- la tan manida pretensión de objetividad, por Educ. Humanismo, Vol. 13 - No. 21 - pp. 51-82 - Diciembre, 2011 - Universidad Simón Bolívar - Barranquilla, Colombia - ISSN: 0124-2121 http://portal.unisimonbolivar.edu.co:82/rdigital/educacion/index.php/educacion ROSA MARÍA PONS PARRA, JOSÉ MANUEL SERRANO GONZÁLEZ-TEJERO 53 cuanto la psicología cognitiva rechaza la intros- vidades mentales que no son cogniciones, es de- pección como acceso privilegiado a lo psíquico cir, las actividades mentales que no consisten en y favorece los informes objetivos obtenidos en informar o describir el mundo, solo pueden en- ODERUDWRULR6LPSOL¿FDQGRVLHOPHQWDOLVPRWUD- WUDUFRQHQRUPHVGL¿FXOWDGHVHQHOSURJUDPDGH dicional pretende estudiar la mente mirando a la investigación cognitivo (y aquí hay que incluir mente, la psicología cognitiva busca estudiar la fundamentalmente el mundo de las emociones y mente mirando la conducta. En este sentido, la el de la motivación): estar triste no es tener un psicología cognitiva considera irrenunciable la estado informativo determinado, desear no es te- referencia a la mente como causa de la conducta, ner una representación del mundo, aunque, evi- pero también considera irrenunciable la obser- dentemente, el problema es que la información vación objetiva de la conducta para el descubri- PDQHMDGDSRUHOVXMHWRWLHQHXQDFODUDLQÀXHQFLD miento de las estructuras y procesos mentales, tanto en la emoción y en el sentimiento, como supuestamente elicitadores de la conducta. en el deseo y la voluntad. En términos clásicos, la psicología cognitiva estudia la dimensión in- Pero la diferencia con otros mentalismos no solo radica en el método sino en los conceptos telectual de la psique, pero no la emotiva y la volitiva. y categorías fundamentales con los que intenta comprender la mente, es decir, la diferencia esencial está en la idea de mente. En su forma de entender la información y en el modo de procesarla, fueron importantes cierWDV LGHDV ¿ORVy¿FDV \ ORV DYDQFHV WHFQROyJLFRV La categoría explicativa básica que utiliza el en informática. En primer lugar, y mirando de paradigma cognitivo es la de información: «la FDUDD OD ¿ORVRItD OD LQÀXHQFLD PiV FODUDWLHQH mente es una entidad capaz de recibir, almace- que ver con las tesis racionalistas. En segundo nar y procesar de diversos modos la información lugar, por la importancia que se le da a las re- y de generar una conducta en virtud de dichas presentaciones, ya que el trato con las cosas está actividades». Podemos decir así que “lo más ge- determinado por el conocimiento que el sujeto neral y común que podemos decir de la psico- tiene del mundo, conocimiento que ha de estar ORJtD FRJQLWLYD HV TXH UH¿HUH OD H[SOLFDFLyQ GH presente de algún modo en él para que su con- la conducta a entidades mentales, a estados, a GXFWDUHVXOWHH¿FD]$HVWDIRUPDYLFDULDGH©VHU procesos y a disposiciones de naturaleza mental, mundo» se le suele llamar representación, y la para los que reclama un nivel de discurso pro- investigación de su estatus y de sus peculiari- pio” (Rivière, 1987, p. 21). Esta tesis primordial dades es precisamente uno de los temas princi- tiene importantísimas consecuencias en la idea pales en el paradigma cognitivo. Las entidades de mente y de psicología propuesta por este pa- WLHQHQFRQWHQLGRVHPiQWLFRVLJQL¿FDQDOJRSRU radigma. Por ejemplo, parece claro que las acti- HMHPSOR FRQFHSWRV ¿JXUDV IRUPDV iQJXORV Educ. Humanismo, Vol. 13 - No. 21 - pp. 51-82 - Diciembre, 2011 - Universidad Simón Bolívar - Barranquilla, Colombia - ISSN: 0124-2121 http://portal.unisimonbolivar.edu.co:82/rdigital/educacion/index.php/educacion CONEXIONISMO E INSTRUCCIÓN 54 notas, propiedades, etc.) y gracias a dicho signi- computador como metáfora del funcionamien- ¿FDGRVRQUHIHUHQFLDVDOPXQGR'HHVWHPRGR to cognitivo humano” (Pozo, 2010, p. 43). Esta las representaciones se convierten en las uni- analogía está basada en el test de Turing, según dades informativas que maneja el sujeto, cuyo el cual, si la ejecución de dos sistemas de pro- procesamiento determina la conducta. Pero las cesamiento, en una determinada tarea, alcanza representaciones se combinan unas con otras si- XQ LVRPRU¿VPR TXH GL¿FXOWD OD GLVWLQFLyQ HQ- guiendo reglas y el rendimiento de cada una de tre ambos, los dos sistemas deben considerarse las facultades mentales (percepción, memoria, idénticos. OHQJXDMHDWHQFLyQHWFHVHQFLDOPHQWHHVGH¿nido a partir de las distintas reglas de transfor- La tecnología existente estableció el modo mación y combinación de las representaciones. concreto de concebir las formas de instanciar De este modo, reglas y representaciones son dos la representación y de procesar la información. de los elementos conceptuales básicos del cog- Aunque en los primeros años de la informáti- nitivismo y dan lugar a uno de los programas de ca, hubo algunos intentos de construir sistemas investigación más característicos de este para- DUWL¿FLDOHV GH SURFHVDPLHQWR TXH UHSURGXMHVHQ digma: el procesamiento de la información. algunos aspectos muy abstractos del cerebro (el perceptrón1 o el adaline2, por ejemplo), el mo- De esta manera, podemos considerar el pro- delo que sin embargo tuvo más éxito fue el del cesamiento de la información como un sistema ordenador Von Neumann, al punto que los orde- representacional que se organiza en tres niveles nadores actuales son ejemplos de este modelo. (Ballesteros, 1992, p. 345): Sus características principales son las siguientes: a) El nivel semántico, que explica por qué este /DLQIRUPDFLyQHVWiORFDOL]DGDHQSDUWHVItVL- VLVWHPDVDEHFXiOHVVRQVXVREMHWLYRV cas concretas: si guardo en el disco duro de E (OQLYHOVLPEyOLFRTXHFRGL¿FDPHGLDQWHH[- mi ordenador lo que ahora estoy escribiendo, presiones simbólicas el contenido semántico, la información se almacenará físicamente en al tiempo que dicta las reglas que permiten un lugar preciso, al que el ordenador sabrá PDQLSXODUGLFKRVVtPERORV\ acceder mediante un sistema preciso de diUHFFLRQHV c) El nivel físico que actúa como soporte material del sistema. /DLQIRUPDFLyQVHSURFHVD³en serie”: si hago “La concepción del ser humano como «pro- cesador de la información» se basa, pues, en la 2 aceptación de la analogía entre la mente humana y el funcionamiento de un computador. Para ser más exactos, se adaptan los programas de (OSHUFHSWUyQHVXQWLSRGHQHXURQDDUWL¿FLDORHQVXFDVRGH UHGQHXURQDODUWL¿FLDO El adaline (de ADAptative LINear Element, aunque originalmente el nombre correspondía a ADAptative LInear NEuron) HV XQ WLSR GH UHG QHXURQDO DUWL¿FLDO /D GLIHUHQFLD HQWUH HO adaline y el perceptrón estándar es que el perceptrón solo tieQH FDSDFLGDG SDUD FODVL¿FDU \D TXH XWLOL]D XQD IXQFLyQ XPbral sobre la suma ponderada de las entradas, a diferencia del adaline, que es capaz de estimar una salida real. Educ. Humanismo, Vol. 13 - No. 21 - pp. 51-82 - Diciembre, 2011 - Universidad Simón Bolívar - Barranquilla, Colombia - ISSN: 0124-2121 http://portal.unisimonbolivar.edu.co:82/rdigital/educacion/index.php/educacion ROSA MARÍA PONS PARRA, JOSÉ MANUEL SERRANO GONZÁLEZ-TEJERO 55 que “corra” un programa en mi ordenador, las gía cognitiva consiste, por tanto, en determinar instrucciones de que este consta se realizarán cómo se representa el conocimiento. El número siguiendo un orden, y una en cada unidad de GHWHRUtDVTXHWUDWDGHH[SOLFDUFyPRVHFRGL¿FD tiempo, nunca dos (o más) en el mismo mo- almacena y recupera el conocimiento ha demos- PHQWRXQ~QLFRSURFHVDGRU trado una falta de acuerdo y una dispersión con- /DLQIRUPDFLyQFRQODTXHWUDEDMDHORUGHQD- ceptual que ha generado una serie de constructos GRUHVVLJQL¿FDWLYDDOPHQRVHQHOQLYHOGHO distintos y diferenciados, a la hora de explicar programador: una palabra, una letra, una lí- este proceso de representación. Por ello, algunos QHDXQiQJXORXQD¿JXUDHWF autores proponen albergar este subparadigma en (O RUGHQDGRU FRQVWD GH SDUWHV ItVLFDPHQWH un paradigma más general, como es el construc- diferenciadas para tareas realmente diferen- tivista, que, además, permita incluir los elemen- tes: grandes estructuras como la memoria, los tos emotivos y volitivos (Serrano y Pons, 2008, periféricos, la unidad lógico-matemática, la 2011). XQLGDGGHSURFHVDPLHQWRFHQWUDOHWF /D LQIRUPDFLyQ HVWi FRQWURODGD GHVGH XQD Esta es la razón por la que los chunks3 del parte privilegiada del ordenador: la unidad procesamiento humano de la información o las central de procesamiento (CPU), unidad que unidades representacionales que utiliza este se encarga de establecer las jerarquías en la subparadigma de la psicología cognitiva, se pue- DFWXDFLyQ\HOFRQWUROGHOVLVWHPD den agrupar en un conjunto amplio de estructu- /DVUHJODVGHSURFHVDPLHQWRGHVFULEHQWUDQV- ras como: las redes semánticas (Quillian, 1968), formaciones que atienden a restricciones ló- los sistemas de producción (Anderson, 1983), gicas, semánticas y sintácticas. los esquemas (Rumelhart, 1989), los guiones o scripts 6FKDQN ODV imágenes mentales La teoría psicológica cognitiva clásica tomó estas ideas y las trasladó a la psicología, de ma- (Serrano, 2008), los modelos mentales (JohnsonLaird, 1980) y los marcos0LQVN\ nera que, partiendo de la idea de que la mente era como un programa informático y el cerebro Una «red semántica4» o «esquema de repre- como el hardware del ordenador, intentó descri- sentación en red» es una forma de explicación ELUHOÀXMRGHODLQIRUPDFLyQFRQODLGHDGHTXH del conocimiento en la que los conceptos y sus la mente procesa la información a través de «ma- interrelaciones se designan mediante un grafo. croestructuras» que la transforman a su manera. De este modo, la investigación debía centrarse en buscar el auténtico modo en el que se produ- cen las representaciones (Pons y Serrano, 2011). El principal problema actual de la psicolo- 4 8Q FKXQN HV XQ IUDJPHQWR GH LQIRUPDFLyQ (Q FRPSXWDFLyQ distribuida, es un conjunto de datos que se envía a un procesador o cada una de las partes en que descompone el problema para su paralelización. Conviene no confundir ‘red semántica’ semantic network con ‘web semántica’ semantic web. Educ. Humanismo, Vol. 13 - No. 21 - pp. 51-82 - Diciembre, 2011 - Universidad Simón Bolívar - Barranquilla, Colombia - ISSN: 0124-2121 http://portal.unisimonbolivar.edu.co:82/rdigital/educacion/index.php/educacion CONEXIONISMO E INSTRUCCIÓN 56 En un grafo (o red semántica), los elementos se- to en que la primera fue seleccionada. Un siste- mánticos se representan por nodos. Cierto tipo de ma de producción es parcialmente conmutativo relaciones no simétricas requieren grafos direc- si existe un conjunto de reglas que al aplicarse FLRQDOHVTXHXVDQÀHFKDVHQOXJDUGHOtQHDVSRU en una secuencia particular transforma un estado tanto, dos elementos semánticos entre los que se ‘A’ en otro ‘B’, y si con la aplicación de cual- admite que se da la relación semántica que re- quier permutación posible de dichas reglas se presenta la red, estarán unidos siempre mediante puede lograr el mismo resultado. Un sistema de XQDOtQHDXQDÀHFKDXQHQODFHRXQDDULVWD(Q producción es conmutativo, si es monotónico y caso de que no existan ciclos, estas redes pueden parcialmente conmutativo. ser visualizadas como árboles. Las redes semánticas son usadas a la hora de elaborar, entre otras cosas, mapas conceptuales y mentales. Una «imagen mental» es una experiencia que, en muchas ocasiones, se asemeja considerablemente a la experiencia de percibir un objeto, Un «sistema de producción» es una estructu- suceso o escena, con la diferencia de que puede ra que facilita la descripción y la ejecución de un producirse cuando ese elemento no se encuentra proceso de búsqueda, y consiste en: realmente expuesto a los sentidos. D 8QFRQMXQWRGHIDFLOLGDGHVSDUDODGH¿QLFLyQ GHUHJODV b) Mecanismos para acceder a una o más bases GHFRQRFLPLHQWRV\GDWRV Un «guión» (script) es un archivo de órdenes o de procesamiento por lotes que por lo regular se almacena en un archivo de texto plano. Los F 8QD HVWUDWHJLD GH FRQWURO TXH HVSHFL¿FD HO scripts son casi siempre interpretados, pero no orden en el que las reglas son procesadas, y todo programa interpretado es considerado un OD IRUPD GH UHVROYHU ORV FRQÀLFWRV TXH SXH- script. El uso habitual de los scripts implica la den aparecer cuando varias reglas coinciden realización de diversas tareas como combinar VLPXOWiQHDPHQWH\ componentes y/o interactuar con el sistema ope- d) Un mecanismo que se encarga de ir aplicando las reglas. rativo o con el usuario. Por este uso, es frecuente que los shells sean a la vez intérpretes de este tipo de programas. /RVVLVWHPDVGHSURGXFFLyQVHGH¿QHQFRPR un conjunto de características que permiten vi- Se denomina «marco» (frame) a una estructu- sualizar la mejor forma en que pueden ser imple- ra de datos que contiene una descripción general mentados. Se dice que un sistema de producción de un objeto, que se deriva de conceptos básicos es monotónico si la aplicación de una regla no \ GH OD H[SHULHQFLD (Q ,QWHOLJHQFLD $UWL¿FLDO evita que más tarde se pueda aplicar otra que es básicamente una estructura de conocimiento también pudo ser aplicada en el mismo momen- que contiene una secuencia estereotipada de ac- Educ. Humanismo, Vol. 13 - No. 21 - pp. 51-82 - Diciembre, 2011 - Universidad Simón Bolívar - Barranquilla, Colombia - ISSN: 0124-2121 http://portal.unisimonbolivar.edu.co:82/rdigital/educacion/index.php/educacion ROSA MARÍA PONS PARRA, JOSÉ MANUEL SERRANO GONZÁLEZ-TEJERO 57 ciones. Un marco encierra toda la información se organiza en torno a prototipos. Ello permite su descriptiva y de comportamiento concerniente ajuste a una gran variedad de situaciones a partir DXQFRQFHSWRGHPDQHUDFRPSDFWDFRGL¿FDGD GH XQD VHULH GH HOHPHQWRV ¿MRV FRQ OR FXDO VH y fácilmente accesible (por ejemplo, la palabra logra una gran economía cognitiva. «elefante» nos hace evocar un marco que contieQHODLPDJHQJUi¿FDGHHVWHDQLPDOSHURWDPELpQ Los esquemas se construyen gracias a una su peso y la vegetación tropical de su hábitat na- poderosa maquinaria inductiva especializada tural). HQ DSUHVDU UHJXODULGDGHV D¿UPDFLRQHV \ GLIHrencias (negaciones) en las situaciones, compor- $SDUWLUGHODLGHDLQLFLDOGH0LQVN\VHKDQ tamientos e ideas que perciben las personas en desarrollado dos corrientes opuestas: los marcos su entorno. Esta maquinaria opera siguiendo los como prototipos y los marcos como clases. La principios del aprendizaje implícito, que es la SULPHUDD¿UPDTXHHOKRPEUHDSUHQGHDSDUWLUGH forma más común de cognición humana y a tra- ejemplos particulares que luego generaliza: un vés de la cual detectamos y procesamos incons- prototipo incluye la descripción completa de un cientemente información sobre posibles covaria- individuo particular, representativo de una cate- ciones entre características o sucesos del mundo goría (por ejemplo, el ruiseñor es un prototipo de circundante. Por esta razón, los esquemas, se ave). En la aproximación de clases, un marco es construyen inadvertidamente y su contenido es la descripción general, esquemática, de una cla- difícil de verbalizar. se y constituye una descripción incompleta que incluye solo los atributos comunes a todos los Finalmente, un «modelo mental» es una re- individuos de esa clase. Las clases se relacionan presentación episódica que incluye personas, ob- formando una jerarquía que parte de una clase jetos y sucesos enmarcados en unos parámetros general y se va especializando (por ejemplo, el espaciales, temporales, intencionales y causales marco ‘ave’, como especialización de la clase PX\VLPLODUHVDORVXWLOL]DGRVSDUDFRGL¿FDUVL- vertebrados, contiene información común a to- tuaciones reales (De Vega, Díaz y León, 1999). das las aves: vuela, tiene plumas, etc.). En este esquema, aprender es ubicar un nuevo conoci- Conexionismo miento en la posición adecuada de la jerarquía. En la segunda mitad de los años 80, surge XQD PRGL¿FDFLyQ VXVWDQFLDO HQ HO SDUDGLJPD Los «esquemas» son estructuras complejas cognitivo con el desarrollo de una variación pa- de datos que representan los conceptos genéri- radigmática que utiliza una nueva arquitectura cos almacenados en la memoria. La organiza- no simbólica y que se conoce con el nombre de ción interna de este conocimiento en la memoria conexionismo. De manera concreta, en 1986, D. semántica sigue principios de tipicidad, esto es, E. Rumelhart y J. L. McClelland editan Parallel Educ. Humanismo, Vol. 13 - No. 21 - pp. 51-82 - Diciembre, 2011 - Universidad Simón Bolívar - Barranquilla, Colombia - ISSN: 0124-2121 http://portal.unisimonbolivar.edu.co:82/rdigital/educacion/index.php/educacion CONEXIONISMO E INSTRUCCIÓN 58 distributed processing, obra considerada como la idea de ‘cómputo’, consideran que el mode- la “Biblia” del conexionismo y que supuso el lo del computador no responde al conocimien- cambio de rumbo en la psicología cognitiva. Es to que, en el momento actual, se tiene sobre el común señalar la radicalidad de dicho cambio, funcionamiento del cerebro, ya que parece muy hasta el punto de que algunos autores dicen que poco probable que nuestro cerebro implemente con el conexionismo se da realmente un cambio programas que puedan funcionar de manera ‘se- de paradigma. rial’: si se tiene en cuenta que una neurona necesita de unos pocos milisegundos para realizar (Q HO FRQH[LRQLVPR FRQÀX\H XQ FRQMXQWR una función y que una tarea de un cierto nivel de de enfoques de los ámbitos de la inteligencia complejidad puede realizarse en unos cientos de DUWL¿FLDO SVLFRORJtD FRJQLWLYD FLHQFLD FRJQLWL- milisegundos, el cerebro solo podría pasar por YDQHXURFLHQFLD\¿ORVRItDGHODPHQWH(QHVHQ- unos cien pasos discretos para realizar la tarea, cia, este concepto presenta los fenómenos de la lo que Feldman (1985) llamó el programa de mente y del comportamiento como procesos que los 100 pasos. Por esta razón, para que pueda emergen de redes formadas por unidades senci- pasar a través de los miles de pasos de informa- llas interconectadas. En Psicología, esta nueva FLyQFRGL¿FDGDHQXQSURJUDPDGHRUGHQDGRUHV forma de estudiar y explicar la mente y la con- necesario que funcione en paralelo. Además, el ducta recibe el nombre de deconexionismo (aun- modelo conexionista niega la necesidad de un TXH RWURV SUH¿HUHQ HO WpUPLQR ³QHRFRQH[LRQLV- programa almacenado y de un lenguaje interior mo”, para distinguirlo del antiguo conexionismo (constituido por la manipulación de símbolos), propuesto por Alexander Bain en la segunda mi- por lo que el conexionismo está constituido por tad del siglo XIX, autor que también subrayó la modelos no simbólicos o subsimbólicos en los importancia de las conexiones entre neuronas, y que la actividad surge por la fuerza de las co- ODLQYHVWLJDFLyQ\H[SHULPHQWDFLyQ¿VLROyJLFD nexiones entre las unidades del sistema, no de ORVVtPERORVFRGL¿FDGRVdentro del sistema (los Dado que, para este paradigma, el procesa- pesos de las conexiones determinarán el funcio- miento y el almacenamiento de la información namiento de las redes). Finalmente, como cada recaen en amplios conjuntos de elementos sim- unidad de procesamiento corresponde a un ras- ples (las unidades de las redes conexionistas), el go (letra, número, palabra, etc.) las representa- modelo de procesamiento conexionista se llama ciones en los sistemas conexionistas se encuen- también Procesamiento Distribuido en Parale- tran distribuidas entre las distintas unidades de lo (o PDP). la red. En términos generales, podríamos decir que la perspectiva conexionista tiene como ob- En efecto, aunque los conexionistas ofrecen jetivo investigar los niveles subsimbólicos que una explicación del procesamiento basada en subyacen a los formalismos de alto nivel, tales Educ. Humanismo, Vol. 13 - No. 21 - pp. 51-82 - Diciembre, 2011 - Universidad Simón Bolívar - Barranquilla, Colombia - ISSN: 0124-2121 http://portal.unisimonbolivar.edu.co:82/rdigital/educacion/index.php/educacion ROSA MARÍA PONS PARRA, JOSÉ MANUEL SERRANO GONZÁLEZ-TEJERO 59 como esquemas, sistemas de producción, etc., ma manera que otros semejantes que ya exis- que son utilizados por el paradigma cognitivo ten en el sistema. 6PROHQVN\ /RV FRQH[LRQLVWDV SLHQVDQ 7LHQHQODFDSDFLGDGGHFRPSOHWDUXQSDWUyQ que la representación mental no puede ser expli- TXHVHHQFXHQWUDHVSHFL¿FDGRGHPDQHUDLQ- cada adecuadamente apelando a la analogía con completa, proporcionando las activaciones las características computacionales de una má- correspondientes en los nodos que carecen de quina Turing-Von Neumann y, en contraste con ellas. los enfoques proposicionales simbólicos clási- 7ROHUDQLPSHUIHFFLRQHVGHPDQHUDTXHFXDQ- FRVD¿UPDQTXHHOFRQRFLPLHQWRQRSXHGHHVWDU do se ‘lesionan’ algunas unidades, su funcio- localizado, ya que no se encuentra almacenado namiento se resiente, pero no se imposibilita. como tal. En los enfoques de procesamiento distribuido (OHQIRTXHFRQH[LRQLVWDGH¿HQGHTXHHOFR- en paralelo, los conceptos input/output se repre- nocimiento es el resultado de la activación de sentan como diferentes patrones de activación una red de conexiones entre unidades muy sim- sobre el mismo conjunto de unidades. De mane- SOHV QHXURQDV DUWL¿FLDOHV VLPLODUHV SHUR QR ra que es posible asociar conceptos similares y LGHQWL¿FDEOHVDODVQHXURQDV'HPDQHUDTXHHQ generalizar propiedades al compartir los mismos una red conexionista, el proceso computacional subpatrones de actividad. total está descrito en términos de las interacciones entre miles de procesadores restringidos y la Redes neuronales representación de conocimiento está distribuida (Q ,QWHOLJHQFLD $UWL¿FLDO ORV PpWRGRV GH a través de estas redes formadas por unidades y computación basados en redes neuronales se in- conexiones (Iza y Ezquerro, 1999). Por tanto, cluyen en un campo de computación que pres- recuperar un determinado contenido representa- cinde del enfoque algorítmico tradicional y toma cional supone una reconstrucción5. Una cuestión FRPRPRGHORORVVLVWHPDVELROyJLFRVHVWDQXH- LPSRUWDQWHVLQHPEDUJRHVFyPRVHFRGL¿FDHQ va forma de computación incluye, entre otras, la tales sistemas el input y el output. lógica borrosa, las redes neuronales y el razonamiento aproximado, y recibe los nombres de Las redes conexionistas están dotadas de las computación cognitiva, computación del mundo siguientes propiedades: real o «Computación Soft», para distinguirlo del 7LHQHQ FDSDFLGDG GH DXWRJHQHUDUVH \D TXH enfoque algorítmico tradicional o «Computación nuevos inputsSXHGHQFODVL¿FDUVHGHODPLV- Hard». Así, en Psicología, se le llama conexionismo al paradigma (o subparadigma) que utiliza «redes neuronales» para comprender y explicar 5 Esta concepción está inspirada en la realización de una máquina de Boltzmann (Rumelhart y McClelland, 1986). la vida psíquica y la conducta. Educ. Humanismo, Vol. 13 - No. 21 - pp. 51-82 - Diciembre, 2011 - Universidad Simón Bolívar - Barranquilla, Colombia - ISSN: 0124-2121 http://portal.unisimonbolivar.edu.co:82/rdigital/educacion/index.php/educacion CONEXIONISMO E INSTRUCCIÓN 60 /DVUHGHVQHXURQDOHVDUWL¿FLDOHVGHQRPLQD- través de una función logística sobre la base das habitualmente como RNA o, por sus siglas de la suma de las entradas de cada unidad. en inglés ANN) son los modelos conexionistas (ODOJRULWPRGHDSUHQGL]DMHFDGDWLSRGHUHG PiV XWLOL]DGRV KR\ HQ GtD \ SRGUtDQ GH¿QLUVH PRGL¿FD VXV FRQH[LRQHV GH GLVWLQWD IRUPD como «un retículo que “colabora” para producir (por lo general, cualquier cambio matemáti- un estímulo de salida». Muchas investigaciones FDPHQWHGH¿QLGRTXHVHGpHQORVSHVRVGHODV en las que se utilizan redes neuronales son de- FRQH[LRQHVDORODUJRGHOWLHPSRVHUiGH¿QL- nominadas con el nombre más genérico de “co- do como un “algoritmo de aprendizaje”). nexionistas”. Aunque hay gran variedad de modelos de redes neuronales, casi siempre siguen Los conexionistas están de acuerdo en que dos principios básicos relativos a la mente: las redes neuronales recurrentes (en las cuales &XDOTXLHU HVWDGR PHQWDO SXHGH VHU GHVFULWR las conexiones de la red pueden formar un ci- como un vector (N)-dimensional de los valo- clo dirigido) son un modelo del cerebro mejor res numéricos de activación en las unidades que las redes neuronales feedforward (redes sin neurales de una red. ciclos dirigidos). Muchos modelos recurrentes /DPHPRULDVHFUHDFXDQGRVHPRGL¿FDQORV conexionistas también incorporan la teoría de valores que representan la fuerza de las co- los sistemas dinámicos y son bastantes los inves- nexiones entre las unidades neurales. La fuer- WLJDGRUHVFRPR3DXO6PROHQVN\TXHKDQDUJX- za de las conexiones, o “pesos”, son general- mentado que los modelos conexionistas evolu- mente representados como una matriz de (N cionarán hacia sistemas dinámicos no lineales × N) dimensiones. con un enfoque plenamente continuo y de múltiples dimensiones. La mayoría de los distintos modelos de redes neuronales se caracterizan por: La rama de las redes neuronales del conexio- /D LQWHUSUHWDFLyQ GH VXV XQLGDGHV VH SXH- nismo sugiere que el estudio de la actividad den interpretar como neuronas individuales o mental es en realidad el estudio de los sistemas como grupos de estas. neurales. Esto permite enlazar el conexionismo /D GH¿QLFLyQGHODDFWLYDFLyQKD\PXOWLWXG con la neurociencia y con modelos que implican de formas de describirla. Por ejemplo, en una diferentes grados de realismo biológico. Por lo 6 máquina de Boltzmann la activación se in- general, los trabajos conexionistas no necesitan terpreta como la probabilidad de generar un ser biológicamente realistas, pero algunos inves- pico de potencial de acción, y se determina a tigadores de redes neuronales, los neurocientí¿FRV FRPSXWDFLRQDOHV SRU HMHPSOR LQWHQWDQ modelar los aspectos biológicos de los sistemas 6 Una máquina de Boltzmann es un tipo de red neuronal capaz de aprender mediante representaciones internas. naturales neuronales muy cerca de las denomi- Educ. Humanismo, Vol. 13 - No. 21 - pp. 51-82 - Diciembre, 2011 - Universidad Simón Bolívar - Barranquilla, Colombia - ISSN: 0124-2121 http://portal.unisimonbolivar.edu.co:82/rdigital/educacion/index.php/educacion ROSA MARÍA PONS PARRA, JOSÉ MANUEL SERRANO GONZÁLEZ-TEJERO 61 QDGDV³UHGHVQHXURPyU¿FDV´$PXFKRVDXWRUHV Los elementos presentes en la mayoría de los les atrae del conexionismo la clara relación que modelos conexionistas, pueden sintetizarse en el se puede encontrar entre la actividad neuronal y siguiente decálogo (Raimínguez, 2009). la cognición, aunque estos planteamientos han 1. La red es un conjunto de unidades de proce- sido duramente criticados por ser excesivamente reduccionistas. samiento (neuronas) muy simples. 2. Las neuronas interactúan entre sí mediante las conexiones que las asocian. En una primera aproximación, podríamos 3. Tanto los estímulos que afectan a las unida- GH¿QLU ODV UHGHV QHXURQDOHV FRPR FRQMXQWRV GH des de entrada, como las señales de salida se unidades interconectadas masivamente capaces expresan en términos cuantitativos. de procesar y almacenar información median- 7RGD XQLGDG GH OD UHG YLHQH GH¿QLGD SRU WH OD PRGL¿FDFLyQ GH VXV HVWDGRV $XQTXH OD un nivel de activación expresado de forma VLJXLHQWH D¿UPDFLyQ H[LJLUtD LPSRUWDQWHV SUH- cuantitativa. cisiones, en general se puede decir que el psi- 5. Toda conexión viene caracterizada por un va- cólogo conexionista considera que ha explicado lor de fuerza del trazo o peso de la conexión, un fenómeno psicológico (el reconocimiento de también expresado de forma cuantitativa. formas, la producción de lenguaje, la memoria, 6. El procesamiento y almacenamiento de la in- etc.) cuando el modelo neuronal que construye formación se realiza de forma paralela y dis- se comporta del mismo modo que los seres hu- tribuida. manos cuando realizan la misma tarea. No hay 7. Existen reglas o funciones que computan la que olvidar que el conexionismo participa de información en distintos niveles del proce- una idea común con la psicología cognitiva clá- VDPLHQWR SDUD OD PRGL¿FDFLyQ GHO QLYHO GH sica: para ambos la mente es un sistema capaz de activación a partir de las entradas, para la procesar información, un sistema capaz de reci- producción de la salida a partir del nivel de bir señales de entrada, almacenar información y activación, etc.). provocar información de salida, a partir, tanto de 8. Existen reglas o funciones de aprendizaje que la información de entrada, como de la informa- OHSHUPLWHQDODUHGPRGL¿FDUORVSHVRVGHODV ción almacenada y los mecanismos de cómpu- conexiones para acomodar de modo cada vez to. Dada esta suposición de que los fenómenos más perfecto la información de entrada a la mentales y la conducta son consecuencia de ele- salida requerida. mentos internos al sujeto, el conexionismo con- 9. La función de cada unidad es simplemen- sidera adecuada la explicación cuando la red que te realizar cálculos con las entradas que re- construye es capaz de realizar, a partir del vector ciben y producir la información que envían a de entrada, los distintos cómputos que provocan las unidades con las que están conectadas. el vector de salida deseado. 10. Dado que toda la actividad de la red no es Educ. Humanismo, Vol. 13 - No. 21 - pp. 51-82 - Diciembre, 2011 - Universidad Simón Bolívar - Barranquilla, Colombia - ISSN: 0124-2121 http://portal.unisimonbolivar.edu.co:82/rdigital/educacion/index.php/educacion CONEXIONISMO E INSTRUCCIÓN 62 otra cosa que cálculos o transformaciones de Unidades de entrada: Les correspon- Q~PHURV VH SXHGH D¿UPDU TXH HQ UHDOLGDG de este nombre por recibir información de la red neural es un dispositivo para compu- fuentes externas a la propia red. Si la red tar una función, es decir, un sistema capaz de dispone de sensores (por ejemplo, un es- transformar la información de entrada en in- cáner), la información externa es informa- formación de salida. La función presente en FLyQVHQVRULDOVLODUHGHVWiFRQHFWDGDFRQ la red y que realiza el cómputo es básicamen- otras redes, las unidades de entrada reci- te el patrón o conjunto de pesos sinápticos de EHQGDWRVGHODVVDOLGDVGHODVRWUDVUHGHV las unidades. en otros casos, simplemente, las unidades de entrada reciben los datos que el usua- En la Tabla 1, se resumen los elementos y mecanismos básicos para el procesamiento de rio de la red introduce manualmente en el ordenador. las redes conexionistas: Unidades de salida: Ofrecen las señaLos elementos básicos de procesamiento de les o información al exterior de la red y, la información en el cerebro son las neuronas por lo tanto, dan la respuesta del sistema. y dado que los modelos conexionistas son mode- Si la red dispone de conexiones con sis- los de inspiración biológica, también a las unida- temas motores (robots, por ejemplo), su des básicas encargadas del procesamiento en las respuesta será la intervención en el mundo redes conexionistas se las llama habitualmente ItVLFR VL OD UHG HVWi FRQHFWDGD FRQ RWUDV neuronas. Aunque también podemos encontrar redes, su respuesta se compondrá de datos en la literatura los términos “células”, “unida- GH HQWUDGD SDUD HVWDV ~OWLPDV UHGHV \ VL GHV´³QHXURQDVDUWL¿FLDOHV´³QRGRV´\HOHPHQ- simplemente, son redes que utilizamos en tos de procesamiento (PE’s) o simplemente “ele- nuestro ordenador, las unidades de salida mentos” (Figura 1). Cada una de estas unidades ofrecen datos al usuario para su posterior representa una variable, un rasgo, un concepto, tratamiento. etc. Las unidades no tienen existencia física real y se implementan mediante programas de orde- Unidades ocultas: Aunque no todas nador. La función de estas unidades se relaciona las redes poseen este tipo de unidades, las esencialmente con la recepción y tratamiento de UHGHVPtQLPDPHQWHVR¿VWLFDGDVODVLQFOX- la información: recibir información a partir de yen. Estas unidades no tienen una relación las conexiones que mantienen con otras neuro- directa ni con la información de entrada nas, elaborar o transformar la información reci- ni con la de salida, por lo que no son “vi- bida y emitir información de salida hacia otras sibles” al ambiente exterior a la red (de neuronas. Existen tres tipos de unidades: ahí su nombre). Su función es procesar la Educ. Humanismo, Vol. 13 - No. 21 - pp. 51-82 - Diciembre, 2011 - Universidad Simón Bolívar - Barranquilla, Colombia - ISSN: 0124-2121 http://portal.unisimonbolivar.edu.co:82/rdigital/educacion/index.php/educacion ROSA MARÍA PONS PARRA, JOSÉ MANUEL SERRANO GONZÁLEZ-TEJERO 63 Tabla 1 Elementos de la estructura conexionista Conceptos y mecanismos básicos para el procesamiento en las redes conexionistas La entrada (input) total Un conjunto de n unidades de procesamiento (neuronas DUWL¿FLDOHVTXHUHFLEHQLPSXOVRVGHHQWUDGDGHRWUDVXQLdades y envían impulsos de salida a las restantes unidades (nodos). Cada nodo puede representar una variable, un rasgo, un concepto, etc. Estas neuronas no tienen existencia física real y se implementan mediante programas de ordenador. La regla de propagación Una regla de propagación que consiste en una función (generalmente lineal) que permite obtener, a partir del producto de las entradas y los pesos, el valor potencial postsináptico de la neurona. El estado de activación Las conexiones Un estado de activación de cada unidad (neurona), a(n). entre las Este estado de activación es función de las entradas que unidades recibe la unidad y determina la salida que se envía a las (las sinapsis) restantes unidades. El estado de activación global viene dado por un vector de orden n y es la magnitud más imSRUWDQWHGHODUHGQHXURQDOGHKHFKRHOYHFWRU¿QDOGH activaciones es la magnitud que se suele comparar con los datos experimentales que se desea interpretar. La regla o función de Una regla de activaciones que combine, en un instante deactivación terminado, los impulsos de entrada en cada unidad junto con la activación actual de la unidad para obtener la activación en el instante siguiente. La salida (output) de las El peso sináptico Un vector de orden n que representa los impulsos de saliunidades da de cada unidad. Estos impulsos de salida son función de la activación de cada una de las unidades. Una función de transferencia que, a través de un cociente, La función de transferencia relaciona la respuesta (modelada) de un sistema con una señal de entrada o excitación (también modelada). Reglas de aprendizaje El patrón de Este patrón puede representarse mediante una matriz de conexión pesos o conexiones W(n, n) que se multiplica por el vector de salida para obtener el vector de impulsos de entrada de FDGDXQLGDG/DVFRQH[LRQHVSXHGHQVHU¿MDVRYDULDEOHV En este último caso, suelen depender del vector de activación. Conceptos y elementos de la estructura conexionista Las unidades Características y condiciones Educ. Humanismo, Vol. 13 - No. 21 - pp. 51-82 - Diciembre, 2011 - Universidad Simón Bolívar - Barranquilla, Colombia - ISSN: 0124-2121 http://portal.unisimonbolivar.edu.co:82/rdigital/educacion/index.php/educacion CONEXIONISMO E INSTRUCCIÓN 64 información en niveles más complejos, fa- neuronas) y ofrecen información al mismo des- YRUHFHUFyPSXWRVPiVH¿FDFHV tino (al usuario, a sistemas motores o a otra capa de neuronas). La información que puede recibir una red, la que puede ser almacenada y la que puede emitir, Las sinapsis, por su parte, son las conexiones está determinada en gran medida por lo que se entre las neuronas. En la mayor parte de redes llama el abanico de entrada (fan-in) y el abanico las sinapsis son unidireccionales, es decir, que de salida (fan-out). El abanico de entrada es el la neurona k transmite información a la neuro- número de elementos que excitan o inhiben una na j y la neurona j la recibe, pero nunca llega a unidad dada. El abanico de salida de una unidad ocurrir lo contrario. Sin embargo, en redes como es el número de unidades que son afectadas di- ODVGH+RS¿HOGODVVLQDSVLVVRQELGLUHFFLRQDOHV rectamente por dicha unidad (Figura 2). Hay dos tipos de sinapsis: Sinapsis inhibidora: En este tipo de Se llama capa (o nivel, o estrato) al conjunto conexión el impulso transmitido por una de neuronas que reciben información de la mis- neurona inhibe la activación de la neuro- ma fuente (información externa, otra capa de na con la que está conectada: si la neuro- Figura 1 1HXURQDDUWL¿FLDOGH0F&XOORFK3LWWV Educ. Humanismo, Vol. 13 - No. 21 - pp. 51-82 - Diciembre, 2011 - Universidad Simón Bolívar - Barranquilla, Colombia - ISSN: 0124-2121 http://portal.unisimonbolivar.edu.co:82/rdigital/educacion/index.php/educacion ROSA MARÍA PONS PARRA, JOSÉ MANUEL SERRANO GONZÁLEZ-TEJERO 65 Figura 2 Red neuronal na k le transmite a la neurona j un impulso ñal o información que por dicha conexión que inhibe a esta, el nivel de activación se le envía (se suele representar este tipo de la neurona j decrecerá en función del de conexión mediante puntos huecos) (Fi- peso establecido para dicha conexión y de gura 3). la cantidad de información que se transmite por dicha sinapsis (se suele represen- El peso sináptico o peso de la conexión es uno tar la sinapsis inhibidora mediante puntos de los conceptos más importantes en las redes, y negros). ello por varias razones: En primer lugar porque los cómputos de la red tienen que ver esencial- Sinapsis excitadora: En este tipo de PHQWHFRQHOORVHQVHJXQGROXJDU\FRQFUHWDQ- conexión el impulso transmitido por una GR OD D¿UPDFLyQ DQWHULRU SRUTXH ORV FiOFXORV neurona excita la activación de la neuro- que el sistema realiza a partir de la información na con la que está conectada: si la neuro- de entrada para dar lugar a la información de sa- na k está conectada mediante una sinapsis OLGDVHEDVDQHQGLFKRVSHVRV\HQWHUFHUOXJDU excitadora con la neurona j, el nivel de ac- porque en cierto modo (como veremos) son el tivación de la unidad j aumentará si le lle- análogo a las representaciones de los objetos en ga información por dicha conexión desde los modelos cognitivos tradicionales. la neurona k, y lo hará en función del peso de la conexión y de la magnitud de la se- Una sinapsis es fuerte, o tiene un gran peso Educ. Humanismo, Vol. 13 - No. 21 - pp. 51-82 - Diciembre, 2011 - Universidad Simón Bolívar - Barranquilla, Colombia - ISSN: 0124-2121 http://portal.unisimonbolivar.edu.co:82/rdigital/educacion/index.php/educacion CONEXIONISMO E INSTRUCCIÓN 66 Figura 3 Tipos de sinapsis de conexión, si la información por ella recibi- la neurona j recibe la información que la neu- da contribuye en gran medida en el nuevo es- rona k emite, pero habitualmente se designa por tado que se produzca en la neurona receptora, y WMN o wMN (del inglés weight, peso). Dado que en es débil en caso contrario. Los pesos sinápticos ocasiones es importante representar mediante un son valores numéricos, se expresan en términos vector la totalidad de los pesos correspondientes numéricos sencillos (generalmente números en- a las conexiones de varias neuronas con una sali- teros o fraccionarios negativos o positivos) con da, y que se reserva para dicho vector correspon- los que “se ponderan” las señales que reciben diente al peso la “W” mayúscula, cuando nos re- por dicha sinapsis. ferimos al peso correspondiente a una conexión parece más adecuado utilizar la “w” minúscula. En la literatura sobre redes, encontramos ligeras variantes en la notación utilizada para En los modelos conexionistas el conocimien- representar el peso sináptico de una conexión to que la red alcanza a partir del aprendizaje se entre la neurona k y la neurona j, de modo que representa mediante el llamado patrón de co- Figura 4 0RGHORGHQHXURQDGH5RVHQEODWWFRQHVSHFL¿FDFLyQGHIXQFLRQHV Educ. Humanismo, Vol. 13 - No. 21 - pp. 51-82 - Diciembre, 2011 - Universidad Simón Bolívar - Barranquilla, Colombia - ISSN: 0124-2121 http://portal.unisimonbolivar.edu.co:82/rdigital/educacion/index.php/educacion ROSA MARÍA PONS PARRA, JOSÉ MANUEL SERRANO GONZÁLEZ-TEJERO 67 nexión. Este patrón determina el modo de proce- la unidad k inhibe a la unidad j (la conexión es samiento de las señales y la respuesta del sistema inhibitoria). Si el número correspondiente a w es DQWHFXDOTXLHUHQWUDGDOD)LJXUDHVSHFL¿FDODV VLJQL¿FDTXHODXQLGDGk no está conectada a la IXQFLRQHVHQHOVHQRGHXQDQHXURQDDUWL¿FLDO unidad j (www.torredebabel.com). En los modelos más simples, la entrada total Aunque existen varios modelos para expresar correspondiente a cada unidad depende esencial- el procesamiento conexionista de la información, mente de los valores de entrada y de los pesos básicamente, podrían ser aglutinados en dos: las que ponderan el modo en que dichos valores redes secuenciales y las redes no-secuenciales. colaboran en la entrada total. Por ello, en estos modelos, el patrón de conexión es simplemente Las redes no-secuenciales, o redes puramente el conjunto de pesos correspondientes a cada una paralelas, son aquellas que asocian una represen- GHODVFRQH[LRQHVGHODUHGORVSHVRVSRVLWLYRV tación en su capa input con una representación indicarán entradas excitatorias y los negativos, en su capa output que se generaliza a nuevas si- entradas inhibitorias (Figura 5). Para representar tuaciones. Esta memoria semántica puede ser el el patrón de conexión, se utiliza una matriz de residuo del solapamiento de trazas episódicas, pesos W, en donde cada uno de los elementos de puesto que, en los modelos conexionistas, el co- la matriz (representado como wMN) indica el peso nocimiento se almacena en las conexiones entre correspondiente a la conexión de la unidad k y la unidades de procesamiento. unidad j. En este caso, el número correspondiente a w representa la intensidad o fuerza de la co- Las redes secuenciales son aquellas en las que QH[LyQ\HOVLJQRR±LQGLFDVLODXQLGDGk ex- solo existe un patrón input. En estos sistemas, cita a la unidad j (la conexión es excitatoria) o si la red detecta regularidades en la distribución Figura 5 Representación del patrón de conexión Educ. Humanismo, Vol. 13 - No. 21 - pp. 51-82 - Diciembre, 2011 - Universidad Simón Bolívar - Barranquilla, Colombia - ISSN: 0124-2121 http://portal.unisimonbolivar.edu.co:82/rdigital/educacion/index.php/educacion CONEXIONISMO E INSTRUCCIÓN 68 de elementos (objetos, situaciones, etc.) encaja- el marco de las redes neuronales conexionistas, dos entre sí (por ejemplo, letras en palabras y aunque, de todos modos, pueden considerarse palabras en oraciones). Desde un punto de vista como un caso especial de 3), puesto que el cam- psicológico (Elman, 1988), estas redes parecen bio de la fuerza de conexión de cero a algún otro más plausibles que las anteriores. Este tipo de valor, sea positivo o negativo, tiene un efecto red puede tener una doble tarea: similar al hecho de desarrollarse una nueva co- a. Extraer información estructural contenida en QH[LyQ\DODLQYHUVDVLHPSUHTXHVHPRGL¿TXH los elementos, y b. Extraer información estructural sobre el me- la fuerza de conexión situándola en cero es como VL VH SHUGLHVH XQD FRQH[LyQ H[LVWHQWH (Q GH¿nitiva, el aprendizaje en las redes conexionistas dio. FRQVLVWH HQ OD PRGL¿FDFLyQ GH ODV LQWHQVLGDGHV Algo similar ocurre cuando una red procesa inputs con una estructura común. GHODVFRQH[LRQHVODVUHJODVGHDSUHQGL]DMHQR son otra cosa que las reglas o procedimientos para cambiar los pesos sinápticos o pesos de las Una red conexionista es capaz de extraer los conexiones (Raimínguez, 2009). chunks (frames, scripts, etc.) de conocimiento compartidos por varios elementos. En la vida de la red, se suelen distinguir dos periodos o fases: durante la fase de aprendiza- El aprendizaje conexionista MH VH OD HQWUHQD SDUD TXH PRGL¿TXH VXV SHVRV En las redes neuronales, se dice que la red sinápticos hasta que su respuesta ante los patro- aprende cuando es capaz de ofrecer ante un de- nes de entrada sea correcta. En la fase de funcio- terminado patrón de entrada el correspondiente namiento real o fase de ejecución, la red ya es patrón de salida. Esta capacidad para empare- operativa y sus pesos sinápticos no volverán a jar adecuadamente los vectores de entrada y los VHUPRGL¿FDGRV$ORFXUULUHVWR~OWLPRODUHG\D vectores de salida lo consigue la red mediante la se puede utilizar en la tarea para la que ha sido PRGL¿FDFLyQ GH ORV SDWURQHV GH LQWHUFRQH[LyQ diseñada. Las redes neuronales biológicas realizan estas PRGL¿FDFLRQHVSRUPHGLRGHORVVLJXLHQWHVSUR- Existen varios modelos de aprendizaje, sien- cedimientos: do los principales el supervisado, el no supervi- (OGHVDUUROORGHQXHYDVFRQH[LRQHV sado y el reforzado. /DSpUGLGDGHODVFRQH[LRQHVH[LVWHQWHV /DPRGL¿FDFLyQGHODIXHU]DGHODVFRQH[LRnes que ya existen. Aprendizaje supervisado: En este modelo existe un agente externo (supervisor o maestro) que controla el proceso de aprendizaje de la Los aspectos 1 y 2 han sido poco tratados en red. La red debe relacionar dos fenómenos (X e Educ. Humanismo, Vol. 13 - No. 21 - pp. 51-82 - Diciembre, 2011 - Universidad Simón Bolívar - Barranquilla, Colombia - ISSN: 0124-2121 http://portal.unisimonbolivar.edu.co:82/rdigital/educacion/index.php/educacion ROSA MARÍA PONS PARRA, JOSÉ MANUEL SERRANO GONZÁLEZ-TEJERO 69 Y) mediante la presentación de un conjunto de pocos o muchos ciclos para el aprendizaje. La ejemplos (x1, y1), (x2, y2), ..., (xn, yn). En esta for- fase de aprendizaje termina cuando los pesos mulación, “X” representa las entradas e “Y”, las se estabilizan o convergen en unos valores óp- salidas requeridas. Se llama “juego de ensayo” al timos. En tal caso, la red consigue responder conjunto formado por las parejas anteriores: “pa- correctamente a todas las presentaciones de los trón de estímulos-respuesta deseada”. En algu- patrones estimulares del juego de ensayo. Aun- nos casos, no hay ninguna duda en cuanto a los que el ideal de aprendizaje es alcanzar el cien elementos que deben componer dicho juego de por cien de aciertos, se considera que concluye ensayo puesto que se conocen perfectamente to- cuando se minimizan razonablemente los errores dos los patrones que la red debe reconocer y sus ante el conjunto de ejemplos presentados. salidas correspondientes (esto ocurre, por ejemplo con el uso del perceptrón para el cómputo GHODVIXQFLRQHVOyJLFDVSHURHQODPD\RUtDGH los casos, no ocurre así, por lo que es preciso tener mucho cuidado en la elección del juego de ensayo y tratar de incluir en él los patrones más representativos del problema o fenómeno que se intenta computar. El maestro presenta a la red una entrada x y la red produce una salida Oi. Normalmente esta salida no coincide con la salida requerida, por lo que el maestro debe calcular el error de salida, ei = e(Oi, Yi) y proFHGHUDODPRGL¿FDFLyQGHORVSHVRVXWLOL]DQGR alguna regla de aprendizaje con la intención de aproximar la salida obtenida a la salida deseada. Aprendizaje no supervisado: En este tipo de aprendizaje, no existe ningún agente externo que YD\D PRGL¿FDQGR ORV SHVRV VLQiSWLFRV HQ IXQFLyQGHODFRUUHFFLyQGHODVDOLGDGHODUHGODUHG no compara su respuesta efectiva con la salida FRUUHFWDSXHVWRTXHQRVHOHHVSHFL¿FDFXiOKDGH ser dicha salida correcta. Con este aprendizaje se busca que la red se autoorganice y encuentre por sí misma características, regularidades, correlaciones o categorías en los datos de entrada. En el aprendizaje no supervisado, es necesario presentar un mayor número de patrones de entrada y utilizar reglas de aprendizaje diferentes a ODVTXHQRVVLUYHQSDUDHOFDVRDQWHULRUDGHPiV las arquitecturas de las redes suelen ser distintas 7UDV HVWD PRGL¿FDFLyQ VH SUHVHQWD HO VLJXLHQWH (por ejemplo, muchas de ellas tienen dos capas). patrón del juego de ensayo y se procede de la El modelo que comentamos tiene mucha impor- misma manera. Cuando se termina con el últi- tancia para los sistemas biológicos pues es evi- mo patrón del juego de ensayo, se debe empezar dente que la cantidad de habilidades aprendidas GHQXHYRSXHVORVSHVRVVHKDQPRGL¿FDGR\HV con la ayuda de un “profesor” es muy inferior a preciso comprobar que la red responde adecua- la que se aprende “espontáneamente”. Un ejem- damente. A cada uno de los pasos completos del plo destacado son los mapas autoorganizados MXHJRGHHQVD\RVHOHOODPDFLFORGHSHQGLHQGR 620 R UHGHV GH .RKRQHQ \ ODV UHGHV de la complejidad del problema, serán precisos de Grossberg (2010). Educ. Humanismo, Vol. 13 - No. 21 - pp. 51-82 - Diciembre, 2011 - Universidad Simón Bolívar - Barranquilla, Colombia - ISSN: 0124-2121 http://portal.unisimonbolivar.edu.co:82/rdigital/educacion/index.php/educacion CONEXIONISMO E INSTRUCCIÓN 70 Aprendizaje reforzado: En cierto modo es al peso. En la década de 1980, se hizo popular el una variante del aprendizaje supervisado pues algoritmo de retropropagación, que es probable- también utiliza un supervisor que examina las mente el algoritmo conexionista de descenso de VDOLGDVGHOVLVWHPDVLQHPEDUJRHQHODSUHQGL- gradiente más conocido en la actualidad. zaje reforzado, no se dispone de salidas deseadas precisas por lo que tampoco es posible computar Conexionismo y educación el error para cada una de las unidades de salida. Como acabamos de ver, la psicología cogniti- El supervisor valora el comportamiento global va, en general, y el conexionismo, en particular, de la red mediante un criterio y en función de han hecho un gran esfuerzo durante décadas por pO PRGL¿FD ORV SHVRV PHGLDQWH XQ PHFDQLVPR entender cómo se representa el conocimiento so- de probabilidades. Para ilustrar la diferencia en- bre el mundo y cómo operan los procesos cog- tre este tipo de aprendizaje y el supervisado se nitivos que se basan en él. Las distintas teorías suele indicar que, en el reforzado, el supervisor sobre la representación del conocimiento y de se comporta como un crítico (que opina sobre los procesos cognitivos han dedicado una parte la respuesta de la red) y no como un maestro importante de este esfuerzo al campo educati- (que indica a la red la respuesta concreta que vo y, en concreto, al aprendizaje escolar, ya que debe generar), mientras que en el supervisado procesos como el aprendizaje, la comprensión y el supervisor se comporta como un maestro. En la memoria componen una parte esencial de la el aprendizaje reforzado, los algoritmos son más maquinaria constructiva que da sentido al mun- complejos que en el supervisado y el tamaño de do que nos rodea y que permite relacionar todo las muestras superior. Uno de los algoritmos más lo nuevo con el conocimiento existente. Estos conocidos para este tipo de aprendizaje es el al- procesos tienen un protagonismo indiscutible en goritmo asociativo con recompensa y penaliza- los escenarios instruccionales porque están muy ción, presentado por Barto y Anandan (1985). LPSOLFDGRVHQODPRGL¿FDFLyQ\WUDQVIRUPDFLyQ del conocimiento que se produce como conse- Para formalizar el aprendizaje, concebido de cuencia de la participación de las personas en esta manera, los conexionistas tienen muchas situaciones de enseñanza y aprendizaje (Rodrigo herramientas. Una estrategia muy común de los y Correa, 2004). métodos conexionistas de aprendizaje es la incorporación del descenso de gradiente sobre una La importancia de los modelos de represen- VXSHU¿FLHGHHUURUHQXQHVSDFLRGH¿QLGRSRUOD tación del conocimiento y de los procesos cog- matriz de pesos. Todo el aprendizaje por descen- nitivos en los escenarios académicos ha determi- so de gradiente en los modelos conexionistas im- nado que numerosos investigadores vayan más plica el cambio de cada peso mediante la deriva- allá del análisis crítico de las teorías cognitivas, GDSDUFLDOGHODVXSHU¿FLHGHHUURUFRQUHVSHFWR para vislumbrar las aplicaciones e implicaciones Educ. Humanismo, Vol. 13 - No. 21 - pp. 51-82 - Diciembre, 2011 - Universidad Simón Bolívar - Barranquilla, Colombia - ISSN: 0124-2121 http://portal.unisimonbolivar.edu.co:82/rdigital/educacion/index.php/educacion ROSA MARÍA PONS PARRA, JOSÉ MANUEL SERRANO GONZÁLEZ-TEJERO 71 de estas en el ámbito de la educación escolar. los procesos de enseñanza y aprendizaje», una Esta situación no ha sido ajena a los estudiosos posible cuestión a la que deben responder es la GHO FRQH[LRQLVPR 6FKQHLGHU \ *UDKDP de determinar la verdad o falsedad del siguiente Snowling, 1998) y su acción se ha extendido enunciado: El proceso de interacción entre igua- a diversos campos educativos como ortogra- les posibilita una mejor construcción de los sig- fía (Berninger et al., 2000), lectura (Foorman, QL¿FDGRV JUDFLDV DO SDSHO TXH MXHJDQ WDQWR HO 1994), lengua (Mellow, 2004), física (Campana- FRQÀLFWRVRFLRFRJQLWLYRFRPRODFRQVWUXFFLyQ rio, 2004) o matemáticas (Raftopoulos y Cons- guiada del conocimiento que se establece entre tantinou, 2004), incluido el aprendizaje en red los participantes. Nuestros estudiantes suelen *ODVVPDQ\.DQJ decir que esta proposición es «verdadera» y el error puede deberse a la interferencia que ejer- Simulación de un proceso de aprendizaje cen conocimientos inadecuados, a la ausencia de en Psicología mediante un modelo conexionis- conexiones entre los esquemas que soportan las ta teorías explicativas, y/o a la falta de activación A continuación, presentamos la simulación de ideas previas que no han sido consideradas de un modelo basado en nuestra experiencia do- relevantes para la solución del problema (Figura cente en las materias de Psicología de la Educa- 6). ción y Psicología de la Instrucción. Pongamos que, por ejemplo, un alumno ha En las pruebas de estas disciplinas que los determinado que las teorías que pueden dar alumnos deben realizar para comprobar el ni- FXHQWD GH HVWD D¿UPDFLyQ VRQ ODV WHRUtDV GH vel de comprensión alcanzado en el tema so- 3LDJHW \9LJRWVN\ WHQGUHPRV HQ FXHQWD TXH OD bre «Variables interpersonales implicadas en Psicología de la Educación y la Psicología de la Figura 6 Activación de las teorías Educ. Humanismo, Vol. 13 - No. 21 - pp. 51-82 - Diciembre, 2011 - Universidad Simón Bolívar - Barranquilla, Colombia - ISSN: 0124-2121 http://portal.unisimonbolivar.edu.co:82/rdigital/educacion/index.php/educacion CONEXIONISMO E INSTRUCCIÓN 72 Instrucción pertenecen al Departamento de Psi- construcción errónea o incompleta que hace que cología Evolutiva y de la Educación) e ignora los esquemas, en palabras de Piaget (1978), se las aportaciones que Deutsch puede efectuar HQFXHQWUHQ LQVX¿FLHQWHPHQWH DOLPHQWDGRV 3RU desde su teoría de la cooperación y la compe- ejemplo, existe una tendencia bastante común tición (Departamento de Psicología Social). Si entre los alumnos universitarios a considerar las considera solo las aportaciones de la Escuela de WHRUtDV GH 3LDJHW \ 9LJRWVN\ FRPR LQFRPSDWL- *LQHEUDKLSyWHVLVGHOFRQÀLFWRVRFLRFRJQLWLYR bles y mutuamente excluyentes, de manera que y de la Escuela Histórico-cultural Soviética (ley toman como base explicativa una de las dos teo- de doble formación), tal vez no perciba que esa rías, incluso cuando los datos empíricos denie- solución únicamente es verdadera en una situa- gan alguno de los postulados básicos sobre los ción de aprendizaje cooperativo (rara vez en una que se asientan (Figura 7). situación de aprendizaje individualista y nunca en una situación de aprendizaje competitivo) en Esta situación nos conduce al tercer tipo de la que, por su propia naturaleza, existe una in- errores, que se encuentra larvado en los dos an- terdependencia positiva de objetivos, con lo que WHULRUHVSHURTXHWLHQHXQHVWDWXVHVSHFt¿FRORV estaríamos ante lo que hemos denominado erro- errores debidos a la ausencia de conexiones en- res por falta de activación de ideas previas, es tre esquemas. Estos errores, que han sido denun- decir, la ‘fuerza’ con la que ejercen su presencia FLDGRV HQ HO LQIRUPH '(6(&2 'H¿QLWLRQ DQG ODVWHRUtDVGH3LDJHW\9LJRWVN\LPSLGHODDFWLYD- Selection of Competences), parten de la base de ción de otras teorías relevantes para el problema XQDPDODSODQL¿FDFLyQGHODVGLVFLSOLQDVGHXQD (ver Figura 7, donde los trazos discontinuos re- titulación que, tradicionalmente, ha venido bus- presentan conexiones negativas y los continuos FDQGR HO ORJUR GH FRPSHWHQFLDV HVSHFt¿FDV GH conexiones positivas). materia y no el logro de competencias de profesión. De esta manera, el profesor de una dis- Algunas veces, esos errores tienen su base ciplina se ha preocupado en diseñar el proceso en interferencias cognitivas motivadas por una instruccional con el objetivo de que los alumnos Figura 7 Patrones activación y desactivación de las teorías Educ. Humanismo, Vol. 13 - No. 21 - pp. 51-82 - Diciembre, 2011 - Universidad Simón Bolívar - Barranquilla, Colombia - ISSN: 0124-2121 http://portal.unisimonbolivar.edu.co:82/rdigital/educacion/index.php/educacion ROSA MARÍA PONS PARRA, JOSÉ MANUEL SERRANO GONZÁLEZ-TEJERO 73 Figura 8 Confrontación de teorías alcancen un dominio adecuado de los contenidos incapaces de ‘conectar’ los contenidos de las de su disciplina (diseños logocéntricos), olvi- distintas disciplinas, sino que no conectan los dando que el alumno no debe ser un experto en contenidos de una misma área de conocimien- una materia sino en una profesión, es decir, no to y ni siquiera los de una misma materia. Esto se trata de formar a un alumno con un amplio se debe a que se dedica muchísimo más tiempo dominio en, pongamos por ejemplo, Psicología a «estudiar» teorías que a «confrontar» teorías. de la Educación, sino formar un pedagogo com- Veámoslo en la línea del ejemplo que estamos petente, un maestro competente o un psicólogo PDQHMDQGR\VLPSOL¿FDQGRDOPi[LPRODVLWXD- competente. De modo que los contenidos de la FLyQFRQODVWHRUtDVGH3LDJHW\9LJRWVN\ disciplina deben ser adaptados a las necesidades profesionales (diseños por competencias). La primera teoría (Piaget) consta de tres pos- (QHVWHVHQWLGRSRGHPRVD¿UPDUTXHHQODHQ- tulados (uno de ellos, P1-2, es consecuencia de señanza universitaria (probablemente también los dos primeros). Esta teoría presenta, además, en otros niveles educativos), existe una desco- una hipótesis ad hoc que se introduce para dar nexión interdisciplinar y, lo que es más grave, cuenta de un dato particular (Df) que pudiera te- una desconexión intradisciplinar que conduce a ner especial importancia y que se deriva de uno una especie de esquizofrenia semántica en nues- GHORVSRVWXODGRV/DVHJXQGDWHRUtD9LJRWVN\ tros universitarios: los estudiantes no solo son consta de dos postulados. Las conexiones po- Educ. Humanismo, Vol. 13 - No. 21 - pp. 51-82 - Diciembre, 2011 - Universidad Simón Bolívar - Barranquilla, Colombia - ISSN: 0124-2121 http://portal.unisimonbolivar.edu.co:82/rdigital/educacion/index.php/educacion CONEXIONISMO E INSTRUCCIÓN 74 sitivas se muestran mediante líneas continuas (Thagard, 1993). Esta coherencia depende tanto y representan ejemplos de datos que son con- del número de hechos conocidos y nuevos que secuencia de los postulados correspondientes o explican las teorías como de su grado de articu- que pueden ser explicados por dichos postula- lación. dos. Las conexiones negativas representan contradicciones entre datos y postulados debidas, La idea básica que subyace al enfoque de por ejemplo, a que alguno de esos datos entra Thagard es la eliminación, en la representación HQFRQÀLFWRFRQXQGHWHUPLQDGRSRVWXODGRSDUD ¿QDO GH OD UHG YHFWRU GH DFWLYDFLRQHV GH XQD evitar que el modelo sea muy farragoso no se información por otra con la que la primera está muestran las conexiones negativas entre los pos- conectada negativamente. Esta es quizá la apli- tulados de las distintas teorías que, lógicamente, cación más evidente e inmediata del tipo de red tienden a desactivarse entre sí). que estamos estudiando y es una de las posibilidades más fructíferamente explotadas. De he- El cambio conceptual (entendido como el paso de un conjunto de ideas alternativas, casi siempre inadecuadas, a un conjunto de concep- cho, suele ser el ejemplo típico que se propone en los libros de texto introductorios (Rumelhart y McClelland, 1986). ciones más acordes con las comúnmente admitiGDVSRUORVFLHQWt¿FRVKDVLGRXQRGHORVREMHWLvos tradicionales de la enseñanza (Marín, 1999). El cambio conceptual se inspira en el cambio GHVGH XQD WHRUtD FLHQWt¿FD D RWUD ELHQ GLVWLQWD o bien integradora de teorías previas, y es un SURFHVRELHQHVWXGLDGRHQ¿ORVRItDGHODFLHQFLD (Campanario, 2002). Un modelo sencillo, como el que estamos utilizando en este trabajo, puede ayudarnos a entender el papel de las explicacio- En nuestro ejemplo, como se pretende evitar que una teoría «derrote» a otra, se establecerá XQD FDQWLGDG ¿MD GH FRQH[LyQ LQWHUQD SDUD DPEDVWHRUtDVGHPDQHUDTXHHVWDFDQWLGDG¿MDVH «reparta» entre los postulados que las componen (el modelo es muy simple y solo representa uno de los muchos posibles dentro del marco general conexionista). QHV\ODVHYLGHQFLDVFLHQWt¿FDVHQHOSURFHVRGH integración de teorías. Thagard ha analizado el En este sentido, el modelo conexionista es un cambio conceptual considerando las condiciones buen simulador para determinar cómo se puede JOREDOHVGHFRKHUHQFLDGHODVWHRUtDVFLHQWt¿FDV llevar a cabo el establecimiento de nuevas co- El elemento más llamativo del enfoque de Tha- nexiones entre esquemas y/o conocimientos pre- gard es el uso que hace del formalismo mate- vios. Compliquemos algo más la situación. Ima- mático de redes neuronales para implementar la ginemos que el conocimiento de una teoría parte coherencia global de las teorías en competencia del dominio de diez postulados básicos (nodos) Educ. Humanismo, Vol. 13 - No. 21 - pp. 51-82 - Diciembre, 2011 - Universidad Simón Bolívar - Barranquilla, Colombia - ISSN: 0124-2121 http://portal.unisimonbolivar.edu.co:82/rdigital/educacion/index.php/educacion ROSA MARÍA PONS PARRA, JOSÉ MANUEL SERRANO GONZÁLEZ-TEJERO 75 y la otra teoría de tres. La matriz de conexiones Tabla 2 (Tabla 2) representa el conocimiento del alum- Matriz de conexiones no relativo al dominio de ambas teorías que, en principio, parecen sin relación (Postulados 1-7 y 8-10). Los valores de la matriz corresponden a las conexiones de nodos entre sí: el valor 0 hace referencia a ausencia de conexión entre nodos, los valores positivos (conexiones positivas) a la conexión de un nodo con otro o consigo mismo (si existieran valores negativos indicarían que P1 P2 P3 P4 P5 P6 P7 P8 P9 P10 P1 1 1 0 0 0 0 0 0 0 0 P2 P3 1 0 1 1 1 1 0 1 0 0 0 0 0 1 0 0 0 0 0 0 P4 P5 P6 0 0 0 0 0 0 1 0 0 1 1 1 1 1 0 1 0 1 0 0 0 0 0 0 0 0 0 0 0 0 P7 0 0 1 0 0 0 1 0 0 0 P8 0 0 0 0 0 0 0 2 1 0 P9 P10 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 2 1 1 2 GRVFRQFHSWRVSUHVHQWDQVLJQL¿FDGRVFRQWUDULRV por lo que la utilización de uno desactivaría al otro). caso 1 x 10-7). Los resultados serían los siguientes: Con una sencilla simulación matemática, podemos comprobar que si se activa cualquier elemento de alguno de los dos dominios de conocimientos, solo se activan los elementos correspondientes a ese dominio. En efecto, siguiendo Vector inicial [1, 0, 0, 0, 0, 0, 0, 0, 0, 0] 9HFWRU ¿QDO > .00, .00, .00] La interpretación de los resultados es muy simple: por más que insistamos en activar un es- HOPRGHORSURSXHVWRSRU.LQWVFKSHUPL- quema determinado (bloque superior izquierdo), tiremos que la activación se propague. Para ello, si no existe relación con la otra teoría (bloque elegiremos un vector columna de activaciones inferior derecho), resulta imposible que esta se con todos los componentes con el mismo valor active. (1/n), con lo que, en nuestro caso, el vector de Tabla 3 0DWUL]GHFRQH[LRQHVPRGL¿FDGD activación tendría todos sus componentes iguales a 0’1. A continuación multiplicamos repetidamente la matriz de conexiones por el vector de activaciones (normalizando7 el vector en cada iteración), deteniendo el proceso cuando GRVYHFWRUHVVXFHVLYRVGL¿HUHQHQWUHVtHQXQD cantidad criterio elegida previamente (en nuestro 7 La normalización se efectúa haciendo que la suma de los componentes del vector de activaciones sea igual a 1. P1 P2 P3 P4 P5 P6 P7 P8 P9 P10 P1 1 1 0 0 0 0 0 0 0 0 P2 1 1 1 0 0 0 0 0 0 0 P3 0 1 1 1 0 0 1 0 0 0 P4 P5 P6 0 0 0 0 0 0 1 0 0 1 1 1 1 1 0 1 0 1 0 0 0 0 0 0 0 0 1 0 0 0 P7 P8 P9 P10 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 1 0 0 0 0 2 1 0 0 1 2 1 0 0 1 2 Educ. Humanismo, Vol. 13 - No. 21 - pp. 51-82 - Diciembre, 2011 - Universidad Simón Bolívar - Barranquilla, Colombia - ISSN: 0124-2121 http://portal.unisimonbolivar.edu.co:82/rdigital/educacion/index.php/educacion CONEXIONISMO E INSTRUCCIÓN 76 Ahora bien, si, por efecto del aprendizaje, se un enfoque de red neuronal que destacó el ca- establece una conexión entre postulados de am- rácter paralelo del procesamiento neuronal, y la bas teorías (por ejemplo, P6 y P9), la activación naturaleza distribuida de las representaciones de un nodo cualquiera conduce a la activación de neuronales. Dicho enfoque proporciona a los in- todos los nodos, vía conexiones indirectas. vestigadores un marco matemático general en el que operar. Dicho marco implica ocho aspectos Vector inicial [1, 0, 0, 0, 0, 0, 0, 0, 0, 0] principales: 9HFWRU ¿QDO > 8QFRQMXQWRGHunidades de procesamiento, .18, .30, .18] representadas por un conjunto de números enteros. A pesar de su simplicidad, este modelo nos 8QDactivación para cada unidad representa- permite interpretar, tanto el caso de la reconcilia- da por un vector de funciones dependientes ción integradora propuesto por Ausubel (1960), del tiempo. como el de los dos niveles superiores de equili- 8QDfunción de activación para cada unidad, bración propuestos por Piaget (1978). En efecto, representada por un vector de funciones de por una parte, al utilizar nodos que representan activación. conceptos o proposiciones y conexiones entre 8Q patrón de conectividad entre las unida- ellos, permite el establecimiento de relaciones des, representado por una matriz de números HQWUH GRPLQLRV HQ FRQÀLFWR R DSDUHQWHPHQWH reales que indica la fuerza de conexión. sin relación (reconciliación integradora). Por 8QD regla de propagación que extienda las otra parte, la necesidad de asegurar una equili- activaciones a través de las conexiones, re- bración en las interacciones entre subsistemas presentada por una función de salida de las (teorías particulares) y entre estas y un modelo unidades. general que las engloba, posibilita, por un lado 8QD regla de activación para combinar las la conservación de las teorías particulares y, por entradas a una unidad y determinar su nueva otro, su integración en un sistema de conjunto activación, representada por una función de de carácter paradigmático (i.e. teorías construc- activación actual y de propagación. WLYLVWDVļSDUDGLJPDFRQVWUXFWLYLVWD 8QDregla de aprendizajeSDUDPRGL¿FDUODV conexiones, basada en la experiencia y repre- A modo de conclusión: Procesamiento serial de la información versus procesamiento distribuido en paralelo sentada por un cambio en los pesos sobre la base de cualquier número de variables. 8Qentorno que provee al sistema de la expe- El enfoque conexionista que prevalece hoy riencia, representado por conjuntos de vecto- en día fue originalmente conocido como Pro- res de activación para algunos subconjuntos cesamiento Distribuido en Paralelo (PDP) y es de unidades. Educ. Humanismo, Vol. 13 - No. 21 - pp. 51-82 - Diciembre, 2011 - Universidad Simón Bolívar - Barranquilla, Colombia - ISSN: 0124-2121 http://portal.unisimonbolivar.edu.co:82/rdigital/educacion/index.php/educacion ROSA MARÍA PONS PARRA, JOSÉ MANUEL SERRANO GONZÁLEZ-TEJERO 77 Tras la lectura de este breve trabajo, se puede buido en paralelo (PDP) hace la simula- apreciar el contraste entre dos posibles formas ción mediante arquitecturas semejantes a de hacer psicología cognitiva (procesamiento las del cerebro. serial de la información y procesamiento distribuido en paralelo) y se pueden esbozar algunas El PSI propone un sistema basado en la semejanzas y diferencias entre ambos enfoques. lógica y un sistema de reglas que imponen restricciones semánticas y sintácticas para Parece claro que un primer punto común es realizar los cómputos (como ocurre en los la referencia a la computación: ambas teorías programas de ordenador de la Inteligencia entienden la mente como un sistema que pro- $UWL¿FLDO WUDGLFLRQDO HO FRQH[LRQLVPR cesa información y responde al medio a partir sin embargo utiliza herramientas matemá- de dicho procesamiento. Pero ni siquiera en este ticas para la realización de los cómputos punto, que sin duda es el que da continuidad a las que se supone realiza nuestra mente. dos corrientes, se da el acuerdo: La psicología cognitiva clásica entien- El objetivo del PSI es el descubrimien- de el procesamiento como la aplicación de to de las reglas que rigen los procesos un conjunto de reglas a entidades situadas mentales y de los elementos o estructuras en el mundo real (entidades reconocibles). EiVLFDVGHOSURFHVDPLHQWRKXPDQRHOGHO Sin embargo, el conexionismo entiende PDP, es el descubrimiento de redes ade- el procesamiento como el cálculo de las cuadas para la simulación de tareas ca- señales de salida a partir de los cómpu- racterísticamente mentales y de reglas de tos que realizan las unidades de la red en DSUHQGL]DMHH¿FLHQWHV función de los pesos de las conexiones y de ciertas funciones matemáticas que de- Otro contraste que se suele destacar es terminan la activación de dichas unidades HOTXHVHUH¿HUHDODSUHQGL]DMHORVPRGH- y las salidas correspondientes a cada una los clásicos rechazan el asociacionismo y de ellas. tienden a defender posiciones más innatistas, el conexionismo parece una vuelta Las dos teorías proponen el uso de al asociacionismo (las redes neuronales la simulación por ordenador para la com- no son otra cosa que asociaciones entre probación de las hipótesis relativas a los unidades). Y, puesto que las redes comien- procesos mentales, pero mientras que el zan el aprendizaje con pesos establecidos Procesamiento Serial de la información aleatoriamente, el conexionismo tiende (PSI) propone la simulación en el ordena- a defender la idea de la mente como una dor convencional, el procesamiento distri- “tabula rasa”, siendo la experiencia, el Educ. Humanismo, Vol. 13 - No. 21 - pp. 51-82 - Diciembre, 2011 - Universidad Simón Bolívar - Barranquilla, Colombia - ISSN: 0124-2121 http://portal.unisimonbolivar.edu.co:82/rdigital/educacion/index.php/educacion CONEXIONISMO E INSTRUCCIÓN 78 ambiente en el que se desenvuelve la red, ques. Durante su desarrollo, algunos investiga- y no factores innatos, lo que provoca la dores han argumentado que el conexionismo y aparición de los pesos adecuados para el la IA convencional son totalmente compatibles, procesamiento y el almacenamiento de la aunque no se ha alcanzado un consenso pleno información. sobre esta cuestión. Las diferencias entre los dos enfoques más citados son las siguientes: Mientras el conexionismo se hacía cada vez (Q ,$ FRQYHQFLRQDO VH SODQWHDQ PRGHORV más popular en la década de 1980, hubo una reac- simbólicos que no se asemejan en nada a la ción contraria por parte de algunos investigado- estructura cerebral subyacente, mientras que UHV LQFOX\HQGR D -HUU\ )RGRU 6WHYHQ 3LQNHU \ en conexionismo se aborda un modelado de otros, que argumentaban que el conexionismo, “bajo nivel”, tratando de asegurar que los tal y como se estaba desarrollando, corría el pe- modelos se asemejen a estructuras neurológi- ligro de olvidar lo que veían como los progresos cas. realizados por el enfoque clásico de la Inteligen- /D ,$ FRQYHQFLRQDO VH FHQWUD JHQHUDOPHQWH FLD$UWL¿FLDO ,$ HQ ORV FDPSRV GH OD FLHQFLD en la estructura de símbolos explícitos (mo- FRJQLWLYD\OD3VLFRORJtD/D,QWHOLJHQFLD$UWL¿- delos mentales9) y reglas sintácticas para su cial convencional argumenta en este sentido que manipulación a nivel interno, mientras que la mente opera mediante la realización de ope- los conexionistas se centran en el aprendizaje raciones simbólicas puramente formales, como mediante estímulos procedentes del medio y 8 una máquina de Turing . Algunos investigadores en el almacenamiento de esta información en señalaron que la tendencia hacia el conexionis- forma de conexiones entre neuronas. PRHUDXQHUURU\DTXHVLJQL¿FDEDXQDUHYHUVLyQ /RV SDUWLGDULRV GH OD ,$ FRQYHQFLRQDOFUHHQ hacia el asociacionismo y el abandono de la idea que la actividad mental interna consiste en la de un lenguaje del pensamiento. Por el contrario, manipulación de símbolos explícitos, mien- estas tendencias hicieron que otros investigado- tras que los conexionistas creen que la mani- res fueran atraídos hacia el conexionismo. pulación de símbolos explícitos es una representación muy pobre de la actividad mental. El conexionismo y la IA convencional no /RVSDUWLGDULRVGHOD,$FRQYHQFLRQDODPH- tienen porqué ser excluyentes, pero el debate, a nudo plantean subsistemas simbólicos de do- ¿QDOHVGHODGpFDGDGH\SULQFLSLRVGHODGH PLQLR HVSHFt¿FR GLVHxDGRV SDUD DSR\DU HO 1990, condujo a la oposición entre los dos enfo- DSUHQGL]DMH HQ iUHDV HVSHFt¿FDV GHO FRQRFL- 8 Una máquina de Turing (MT) es un modelo computacional que realiza una lectura/escritura de manera automática sobre una entrada llamada cinta, generando una salida en esta misma cinta. 9 Un modelo mental es un mecanismo del pensamiento mediante el cual un ser humano, u otro animal, intenta explicar cómo funciona el mundo real. Es un tipo de símbolo interno o representación de la realidad externa. Educ. Humanismo, Vol. 13 - No. 21 - pp. 51-82 - Diciembre, 2011 - Universidad Simón Bolívar - Barranquilla, Colombia - ISSN: 0124-2121 http://portal.unisimonbolivar.edu.co:82/rdigital/educacion/index.php/educacion ROSA MARÍA PONS PARRA, JOSÉ MANUEL SERRANO GONZÁLEZ-TEJERO 79 miento (por ejemplo, lenguaje, intencionali- este desarrollo relativamente reciente aún no ha dad, números), mientras que los conexionis- alcanzado un consenso aceptable entre aquellos tas postulan uno o un pequeño conjunto de que trabajan en otros campos, tales como la psi- mecanismos de aprendizaje muy generales. FRORJtDROD¿ORVRItDGHODPHQWH A pesar de estas diferencias, algunos teóricos Parte del atractivo de las descripciones de han propuesto que la arquitectura conexionista la IA convencional radica en que son relativa- es simplemente la forma en que el sistema de mente fáciles de interpretar, y por lo tanto pue- manipulación de símbolos es implementado en den ser vistas como una contribución a nuestra el cerebro orgánico. Esto es en gran medida lógi- comprensión de determinados procesos menta- co, pues se sabe que los modelos conexionistas les, mientras que los modelos conexionistas son pueden implementar sistemas de manipulación por lo general más oscuros, en la medida en que de símbolos del tipo de los utilizados en los mo- solo se pueden describir en términos muy gene- delos de la IA convencional. De hecho, esto debe UDOHV HVSHFL¿FDQGR DOJRULWPRV GH DSUHQGL]DMH de ocurrir así, al ser uno de los propósitos de los número de unidades, etc.) o en términos de bajo sistemas conexionistas el explicar la capacidad QLYHOTXHGL¿FXOWDQODFRPSUHQVLyQGHORVSURFH- humana para realizar tareas de manipulación de sos cognitivos. En este sentido, los modelos co- símbolos. La cuestión reside en si esta manipu- nexionistas pueden aportar datos para una teoría lación de símbolos es la base de la cognición en general del conocimiento sin que ello represen- general. Sin embargo, las descripciones compu- te una teoría útil del proceso particular que está tacionales pueden ser útiles descripciones de la siendo modelado. El debate podría considerarse cognición de alto nivel, por ejemplo, de la lógica. HQFLHUWDPHGLGDXQPHURUHÀHMRGHODVGLIHUHQcias en el nivel de análisis en el que se enmarcan El debate sobre si las redes conexionistas las teorías particulares. eran capaces de producir la estructura sintáctica observada en razonamientos de tipo lógico fue La reciente popularidad que han adquirido tardío, y el hecho de que los procedimientos uti- ORVVLVWHPDVGLQiPLFRVHQ¿ORVRItDGHODPHQWH lizados eran muy improbables en el cerebro, hizo debido fundamentalmente a las publicaciones de que la controversia persistiera. Hoy en día, los autores como Tim van Gelder (Port y Van Gel- DYDQFHV GH OD QHXUR¿VLRORJtD \ GH OD FRPSUHQ- GHU 9DQ *HOGHU KD DxDGLGR XQD sión de las redes neuronales han llevado a la ela- nueva perspectiva al debate. De ahí que, en el boración de modelos que han tenido éxito en la momento actual, muchos autores argumentan superación de gran número de aquellos primeros que cualquier división entre el conexionismo y SUREOHPDV3DUDORVQHXURFLHQWt¿FRVODFXHVWLyQ la IA convencional queda mejor caracterizada fundamental sobre el conocimiento se ha incli- como una división entre la IA convencional y nado a favor del conexionismo. Sin embargo, los sistemas dinámicos. Educ. Humanismo, Vol. 13 - No. 21 - pp. 51-82 - Diciembre, 2011 - Universidad Simón Bolívar - Barranquilla, Colombia - ISSN: 0124-2121 http://portal.unisimonbolivar.edu.co:82/rdigital/educacion/index.php/educacion CONEXIONISMO E INSTRUCCIÓN 80 Nuestra opinión es que PSI y PDP no son modelos incompatibles. Opinión que está arrai- las ciencias. Enseñanza de las Ciencias, 22(1), pp. 93-104. JDQGR HQ OD FRPXQLGDG FLHQWt¿FD GH WDO PRGR De Vega, M., Díaz, J. y León, I. (1999). Proce- que empiezan a aparecer modelos conexionistas samiento del discurso. En M. de Vega y F. KtEULGRV+HOLH\6XQ0DUFXV6XQ Cuetos (Eds.), Psicolingüística del espa- 1998). La mayoría de los autores que se mueven ñol (pp. 271-306). Madrid: Trotta. en esta línea trabajan con una mezcla de repre- Elman, J. L. (1988). Finding structure in time. sentaciones simbólicas y de representaciones CRL Technical Report 8801, Center for subsimbólicas (modelos de redes neuronales). Research in Language, University of California, San Diego. Referencias Anderson, J. (1983). The Architecture of Cognition. Cambridge, MA: The MIT Press. Feldman, J. A. (1985). Connectionist models and their applications: Introduction. Cognitive Science, 9, pp. 1-2. Ausubel, D. P. (1960). The use of advance or- Foorman, B. R. (1994). The relevance of a con- ganizers in the learning and retention of nectionist model of reading for ‘The Great meaningful verbal material. Journal of Debate’. Educational Psychology Review, Educational Psychology, 51, pp. 267-272. 6(1), pp. 25-47. Ballesteros, S. (1992). La representación del co- *ODVVPDQ0\.DQJ0-3UDJPDWLVP nocimiento en los sistemas conexionistas. connectionism and the internet: A mind’s Psicothema, 4(2), pp. 343-354. perfect storm. Computers in Human Be- Barto, A. G. y Anandan, P. (1985). Pattern re- havior, 26(6), pp. 1412-1418. cognizing stochastic learning automata. Grossberg, S. (2010). Towards building a neural IEEE Transactions on Systems, Man, and QHWZRUNV FRPPXQLW\ Neural Networks, Cybernetics, 15, pp. 360-375. 23, pp. 1135-1138. %HUQLQJHU9:$EERWW5'%URRNVKHU5 Helie, S. y Sun, R. (2010). Incubation, insight, /HPRV = =RRN ' \ 0RVWDIDSRXU ( DQG FUHDWLYH SUREOHP VROYLQJ $ XQL¿HG (2000). A connectionist approach to ma- theory and a connectionist model. Psy- NLQJ WKH SUHGLFWDELOLW\ RI (QJOLVK RUWKR- chological Review, 117(3), pp. 994-1024. JUDSK\ H[SOLFLW WR DWULVN EHJLQQLQJ UHD- Iza, M. y Ezquerro, J. (1999). Representación ders: Evidence for alternative, effective conexionista y procesamiento del discur- strategies. Developmental Neuropsycho- so. Anales de Psicología, 15(2), pp. 303- logy, 17(2), pp. 241-271. 318. Campanario, J. M. (2004). El enfoque conexio- Johnson-Laird, P. N. (1980). Mental model in nista en psicología cognitiva y algunas cognitive science. Cognitive Science, 4, aplicaciones sencillas en didáctica de pp. 71-115. Educ. Humanismo, Vol. 13 - No. 21 - pp. 51-82 - Diciembre, 2011 - Universidad Simón Bolívar - Barranquilla, Colombia - ISSN: 0124-2121 http://portal.unisimonbolivar.edu.co:82/rdigital/educacion/index.php/educacion ROSA MARÍA PONS PARRA, JOSÉ MANUEL SERRANO GONZÁLEZ-TEJERO 81 .LQWVFK : Comprehension: A para- Quillian, M. R. (1968). Semantic memory. En digm for cognition. Cambridge: Cambrid- 0 / 0LQVN\ (G Semantic Informa- ge University Press. tion Processing (pp. 227-270). Cambrid- .RKRQHQ7Self-Organizing Maps. New <RUN1<6SULQJHU ge, MA: The MIT Press. Raftopoulos, A. y Constantinou, C. P. (2004). Marcus, G. F. (2001). The Algebraic Mind. In- Types of cognitive change: a dynamical, tegrating Connectionism and Cognitive connectionism account. En A. Demetriou Science. Massachusetts: Massachusetts y A. Raftopoulos (Eds.), Cognitive Deve- Institute of Technology. lopmental Change: Theories, Models, and Marín, N. (1999). Delimitando el campo de aplicación del cambio conceptual. Enseñanza de las Ciencias, 17, pp. 80-92. Measurement SS 1HZ <RUN NY: Cambridge University Press. Raimínguez, A. (2009). Teorías conexionis- Mellow, J. D. (2004). Connectionism, HPSG tas, la nueva Psicología. Recuperado de Signs and SLA Representations: Spe- www.conexionismo.com/leer_articulo. cifying Principles of Mapping between php?ref=teorias_conexionistas_la_nueva- Form and Function. Second Language psicologia-8ygh85|4 Research, 20(2), pp. 131-165. 0LQVN\ 0 / $ IUDPHZRUN IRU UHSUH- Rivière, A. (1987). El sujeto de la psicología cognitiva. Madrid: Alianza Editorial. VHQWLQJ NQRZOHGJH (Q 3 + :LQVWRQ Rodrigo, M. J. y Correa, N. (2004). Represen- (Ed.), The Psychology of Computer Vision tación y procesos cognitivos: esquemas y SS1HZ<RUN1<0F*UDZ modelos mentales. En C. Coll, J. Palacios Hill. y A. Marchesi (Eds.), Desarrollo psico- Piaget, J. (1978). La equilibración de las estruc- lógico y educación 2. Psicología de la turas cognitivas. Problema central del de- educación escolar (pp. 117-135). Madrid: sarrollo. Madrid: Siglo XXI. Alianza Editorial. Pons, R. M. y Serrano, J. M. (2011). La adqui- Rumelhart, D. E. (1989). The architecture of sición del conocimiento: Una perspectiva mind: A connectionist approach. En M. I. cognitiva en el dominio de las matemáti- Posner (Ed.), The Architecture of Cogni- cas. Educatio Siglo XXI, 29(2), pp. 117- tion (pp. 133-156). Cambridge, MA: The 138. MIT Press. Port, R. y Van Gelder, T. J. (1995). Mind as Rumelhart, D. E. y McClelland, J. L. (1986). Motion: Explorations in the Dynamics of Parallel Distributed Processing. Explora- Cognition. Cambridge, MA: MIT Press. tions in the Microstructure of Cognition. Pozo, J. I. (2010). Teorías cognitivas del aprendizaje. Madrid: Ediciones Morata. Vol. 1 y 2. Cambridge, MA: The MIT Press. Educ. Humanismo, Vol. 13 - No. 21 - pp. 51-82 - Diciembre, 2011 - Universidad Simón Bolívar - Barranquilla, Colombia - ISSN: 0124-2121 http://portal.unisimonbolivar.edu.co:82/rdigital/educacion/index.php/educacion CONEXIONISMO E INSTRUCCIÓN 82 6FKDQN5&Dynamic memory. Cambridge: Cambridge University Press. Schneider, W. y Graham, D. J. (1992). Introduc- Snowling, M. J. (1998). Connectionism and educational practice: a rejoinder. Educational and Child Psychology, 15(2), pp. 66-68. tion to connectionist modeling in educa- Sun, R. (2008). Introduction to computational tion. Educational Psychologist, 27(4), pp. cognitive modeling. En R. Sun (Ed.), The 513-530. Cambridge Handbook of Computational Serrano, J. M. (2008). Acerca de la naturaleza del conocimiento matemático. Anales de Psicología, 24(2), pp. 169-179. Serrano, J. M. y Pons, R. M. (2008). La concep- Psychology SS 1HZ <RUN 1< Cambridge University Press. Thagard, P. (1993). Cognitive revolutions. Princeton, NJ: Princeton University Press. ción constructivista de la instrucción. Re- Torre de Babel Ediciones (s.f.). Conexionismo. vista Mexicana de Investigación Educati- Recuperado de www.e-torredebabel.com/ va, 38, pp. 681-712. Psicologia/Conexionismo-Elementos- Serrano, J. M. y Pons, R. M. (2011). El construc- desuArquitectura.htm tivismo hoy: Enfoques constructivistas en Van Gelder, T. J. (1999). Dynamic approaches to educación. Revista Electrónica de Investi- FRJQLWLRQ,Q5:LOVRQ\).HLOHG7KH gación Educativa, 13(1), pp. 1-27. MIT Encyclopedia of Cognitive Scien- 6PROHQVN\ 3 2Q WKH SURSHU WUHDWPHQW of connectionism. Behavioral and Brain ces (pp. 244-246). Cambridge, MA: MIT Press. Sciences, 11, pp. 1-74. Educ. Humanismo, Vol. 13 - No. 21 - pp. 51-82 - Diciembre, 2011 - Universidad Simón Bolívar - Barranquilla, Colombia - ISSN: 0124-2121 http://portal.unisimonbolivar.edu.co:82/rdigital/educacion/index.php/educacion