Cambiar a contenido.

OCW UNED

Secciones
Herramientas personales
Inicio » Psicología » Psicología General II » temas_html » 1pp » t_4
Acciones de documento

PRIMER PARCIAL: TEMA 4

Índice de temas


  1. Planteamientos previos: del alumno escéptico y de la respuesta del profesor
  2. La arquitectura de la mente conexionista
    1. La metáfora cerebral de la mente
    2. Estructura de los modelos conexionistas
  3. Redes de capa única: el perceptrón
    1. El problema de la separabilidad lineal
  4.  Redes multicapa
  5. Redes recurrentes (feedback networks)
    1. Recurrencia e interacción: redes Hopfield
    2. Reconocimiento visual en una red autoasociada: identificando rostros
    3. Memorias direccionables por contenidos
  6. Redes competitivas (WTA networks)
    1. Redes IAC: reconociendo palabras
  7. Resonancia adaptativa
  8. Conclusiones

Este tema y el próximo los vamos a dedicar a estudiar la mente desde una perspectiva que irrumpió con fuerza a mediados de los ochenta y, desde entonces, ha estado compartiendo lugar en la ciencia cognitiva, con los modelos clásicos inspirados en el ordenador serial: el conexionismo.

Los modelos conexionistas entienden la mente de una forma muy diferente a los modelos simbólicos. Ahora no se toma el ordenador serial como modelo, sino que se recurre a la computación cerebral para elaborar modelos cognitivos explicativos del funcionamiento de la cognición. El hecho de inspirarse neuronalmente no quiere decir que los modelos de la mente elaborados desde el conexionismo pretendan ser teorías fisiológicas. Los conexionistas entienden que la mente procesa información –en este supuesto coinciden con los cognitivistas clásicos. Sin embargo, el procesamiento que defienden no es serial, inspirado en una máquina Turing o en un ordenador von Newmann.

Para llevar a la práctica sus ideas, el conexionismo descansa en el lenguaje de las RNAs. Éstas son sistemas más o menos complejos constituidos por unidades simples de computación, que desempeñan una función análoga a las neuronas y que se vinculan entre sí mediante conexiones –excitatorias o inhibitorias– de mayor o menor fuerza, generando complejos sistemas de computación en paralelo.

Una unidad de procesamiento de una RNA efectúa una computación o cálculo denominado función de transferencia. Este cálculo tiene en cuenta las señales que ingresa de otras unidades. A partir de ellas, se computa el valor de activación y se determina el egreso que enviará a otras unidades con las que esté conectada. Como se puede apreciar existe una estrecha analogía con el funcionamiento sináptico neuronal.

En el capítulo vamos a presentar primero cuestiones básicas de cálculo conexionista, todo ello ilustrado con numerosos ejemplos, pues entendemos que es la única manera de advertir las posibilidades computacionales que, para el estudio de la mente, disponen estos modelos. Trabajaremos con una de las redes más populares: el perceptrón. Posteriormente iremos avanzando hacia arquitecturas más sofisticadas, aunque el funcionamiento en todas ellas es prácticamente idéntico. Comenzaremos con las RNAs alimentadas hacia adelante, tanto unicapa como multicapa con unidades ocultas. Seguidamente, expondremos la idea de recurrencia y las posibilidades arquitectónicas que ofrece en el diseño de nuevas RNAs, tales como redes plenamente autoasociadas y redes tipo Hopfield, así como los conceptos de competitividad recogidos en las redes WTA (winner-takes-all). Finalizaremos exponiendo una de las ventajas que disponen estos modelos y que les capacita extraordinariamente en la simulación de la cognición humana: la actuación por resonancia adaptativa que permite que la red, mediante direccionamiento por contenidos, responda de forma análoga al ser humano en situaciones de incertidumbre o información parcial.

subir