Psicologia

La génesis y fundamentos del enfoque conexionista:

La psicología como muchas otras ciencias, ha estado marcada por el surgimiento y el declive de una serie de marcos teóricos. Estos marcos teóricos irrumpen en el contexto científico con el fin de dar respuestas a una serie de problemas o interrogantes. Su debilitamiento sin duda alguna estaba asociado a la aparición de una serie de problemas para los que no ofrece una solución satisfactoria. En ese momento, muchos científicos abandonan el marco teórico y se acogen a alguno nuevo que resulte más completo y prometedor. El análisis de estas cuestiones permite conocer que problemas originaron la crisis de los diferentes marcos teóricos vigentes, que aspectos de tales marcos teóricos obstaculizaron su solución y en donde radica el poder de los nuevos marcos teóricos para poder solventarlos.

Los modelos conexionistas empezaron a utilizarse masivamente en un momento en que los psicólogos se hallaban inmersos en un conjunto de problemas para los que el enfoque vigente (el enfoque clásico de la computación) no producía soluciones satisfactorias. Por otra parte, los modelos conexionistas, así como los del enfoque clásico, asumen los supuestos del enfoque computacional de la mente. Hablar de conexionismo es hablar de redes conexionistas, en definitiva es la esencia de este enfoque, un término que poco a poco fue acuñado durante la época de los años 70´s y que en los años ochenta tuvo un despliegue bastante amplio como propuesta teórica para responder a muchas cuestionamientos de la psicología por aquella época( Ballesteros 1995 )

Empezaremos por hablar de la red conexionista, es un modelo de procesamiento de la información basado en la acción de múltiples unidades de procesamiento interconectadas que operan en paralelo de acuerdo con principios inspirados en cómo trascurre el procesamiento de la información en el cerebro. Destacan en la definición tres elementos: modelo, procesamiento de la información y procesamiento de la información  en el cerebro. A continuación explicaremos cada uno de ellos por separado.

Modelo: Un modelo es una teoría especificada de forma clara, consistente y sin ambigüedades. Una misma teoría puede ser compatible con más de un modelo. Los modelos teóricos gozan de un alto nivel de formalización gracias al empleo de formulaciones matemáticas, de la lógica o de la programación informática. De este modo es posible derivar predicciones precisas, comprobar la consistencia interna de las formulaciones teóricas y comprobar la coherencia de los datos empíricos con tales formulaciones (Hilera 1995 )

Procesamiento de la información: Todo lo expresado en la parte anterior acerca del enfoque computacional de la mente vale para el concepto de procesamiento de la información, y por procesamiento de la información hay que entender aquellos procesos de naturaleza que transforman unas representaciones en otras al objeto de obtener información relevante acerca del estado del mundo y de ofrecer respuestas adecuadas a dicho estado y a los objetivos del sistema o del organismo.

Procesamiento de la información en el cerebro:  en este punto destacan cinco supuestos básicos de computación en el cerebro  generalmente presentes a lo largo de todo el inmenso campo de la teoría conexionista, el primero se refiere a que las neuronas integran información en paralelo; a pesar de las diferencias que puedan existir entre los diversos tipos de neuronas, todas coinciden en que una de sus operaciones básicas consiste en integrar información acerca del estado de las neuronas pre sinápticas. Además estas operaciones se realizan en paralelo, es decir de forma simultánea en un gran número de neuronas. Las neuronas excitadoras tienden a producir un potencial de despolarización, mientras que las neuronas inhibidoras tienden a producir hiperpolarización. Una forma simplificada de concebir la acción conjunta de las neuronas excitadoras y de las inhibidoras es por medio de la suma de los efectos  excitatorios  menos la suma de los de los efectos inhibitorios. Si la suma sobrepasa un cierto umbral de despolarización, la neurona receptora dispara un potencial de acción que se propaga a través de su axón hacia otras neuronas post sinápticas. Esta proceso aparece en todas las redes conexionistas y se concibe, igualmente, como una suma de los efectos de las señales inhibidoras procedentes de otras unidades de procesamiento y representadas mediante cantidades numéricas específicas (Mayor 1990)

 En segundo lugar las neuronas pasan información a otras neuronas acerca del input total que reciben; las neuronas no se limitan a disparar un potencial de acción toda vez que el input total sobrepasa un umbral de despolarización, sino que transforman dicho input en una variable continua: la tasa de disparos de potenciales de acción. Cuanto mayor es el input mayor es la tasa de disparos. Por supuesto, la relación entre input y tasa de disparos no es lineal, ya que esta última tiene un máximo y un mínimo (desde varios cientos de disparos por segundo durante períodos muy breves hasta unos cinco disparos por segundo en fase de reposo (Rumelhart 1986)  En las redes conexionistas de manera análoga, unidades de procesamiento adoptan un estado de activación cuyo valor es el resultado de aplicar una función sobre el input neto. Dicha activación se propaga posteriormente a otras unidades.

En tercer lugar el cerebro está estructurado en capas; las neuronas están organizadas en estructuras independientes o capas, cuando la información es procesada por una capa, envía el resultado a la siguiente y así sucesivamente. Es también común especialmente en el córtex, que la información fluya en doble  sentido. La estructura de las redes conexionistas suele reflejar esta organización en capas.

En cuarto lugar la influencia de una neurona sobre otra depende de la fuerza de conexión entre ambas; la fuerza de conexión entre neuronas se corresponde con el concepto de eficacia sináptica, por elevada que sea la tasa de disparos de un grupo de neuronas presinápticas, la neurona receptora no recibirá prácticamente ningún input si la eficacia de la sinapsis implicada es nula. Por el contrario, si estas sinápsis son muy eficaces los cambios en las tasas de disparos de las neuronas pre sinápticas se traducirán en grandes cambios en el input recibido por la neurona receptora. Un modo simplificado de captar esta propiedad en las redes conexionistas consiste en asumir una relación multiplicativa entre la señal de salida de una unidad emisora y la fuerza de conexión entre dicha unidad y la unidad receptora (Vega 1984)

 En quinto lugar el aprendizaje consiste en cambios en la fuerza de conexión (eficacia sináptica entre las neuronas) la experiencia con los estímulos que nos rodean producen cambios en la fuerza de las conexiones entre nuestras neuronas. Estos cambios son la base neurofisiológica del aprendizaje y la memoria. Aunque no se conoce muy bien cómo se producen, existe buena evidencia de que constituyen la esencia del aprendizaje. Dos ejemplos de la modificación de la eficacia sináptica son la potenciación a largo plazo y la depresión a largo plazo (Hilera1995) Consisten en cambios de la eficacia sináptica detectados cuando se produce la estimulación eléctrica de grupos de neuronas pre sinápticas y la estimulación simultánea (directa o indirecta) de grupos de neuronas post sinápticas donde proyectan las anteriores (Mayor 1990). En las redes conexionistas, el aprendizaje consiste en cambios en los pesos de las conexiones entre las unidades. Estos cambios se producen debido a la experiencia con los estímulos y conforme a reglas diversas.

En sexto y último lugar las neuronas y sus conexiones codifican la información en forma distribuida, cuando se habla de representaciones distribuidas, hay varias cosas implicadas. En primer lugar, indica que la representación de un objeto conlleva la activación de un gran número de neuronas y que tales neuronas participan en la representación de otros objetos. Lo contrario, las representaciones locales, consistiría en que cada objeto queda codificado por una sola neurona, o alternativamente, que no existe ningún grado de solapamiento entre los patrones de actividad neuronales producidos por diferentes objetos. Las representaciones distribuidas están asociadas al concepto de codificación gruesa, la cual implica dos cosas: 1) que las neuronas no están perfectamente sintonizadas con respecto al contenido que codifican, sino que admiten variaciones que pueden llegar a ser importantes. 2) existe un solapamiento entre los contenidos codificados por las diferentes neuronas. De este modo el conjunto de aspectos al que responde una neurona es muy parecido al conjunto de aspectos al que responde la neurona vecina. De hecho si una neurona no responde por alguna razón su ausencia funcional será perfectamente suplida por la neuronas vecinas (Vega1984 ) La codificación gruesa, la redundancia informativa y la organización de las neuronas en mapas son la norma en el cerebro. Por último, las representaciones distribuidas están asociadas a la superposición de patrones en las mismas conexiones. Es decir, en lugar de destinar un grupo diferente de conexiones para almacenar la información de cada objeto, la información de un gran número de objetos se almacena en el mismo grupo de conexiones. Todas estas propiedades están presentes en gran medida en las redes conexionistas.

...