La Primera Revolución Cognitiva (II Parte): El desarrollo del enfoque conexionista.
La arquitectura conexionista o de redes neuronales, tuvo éxito precisamente en aquellas tareas que no pudo abordar el enfoque simbólico, como los patrones de reconocimiento, la comprensión del habla, la capacidad de aprendizaje y el desarrollo de una mayor autonomía en la ejecución de las tareas. Estas actividades, que aparentemente resultan sencillas de ejecutar para un ser humano, eran muy difíciles de implementar en un sistema computacional clásico, lo cual indicaba que los cerebros operan de una manera distinta a las máquinas von Neumann. Paulatinamente, se fueron replanteando algunas ideas convencionales, haciéndose evidente, como señala Varela, que la conducta inteligente más compleja y sofisticada no es la del experto, sino “la del bebé que puede adquirir el lenguaje a partir de manifestaciones cotidianas dispersas, y puede constituir objetos significativos a partir de lo que parece un mar de luces.”[1]
A diferencia del modelo centralizado y serial de GOFAI, el conexionismo opera en forma distribuida y en paralelo, pues se basa en una red de procesadores simples similares a las neuronas, llamados nodos o unidades, los cuales están interconectados dinámicamente entre sí. Cuando un nodo o unidad está encendido, manda señales de output a los nodos vecinos, las cuales varían en fuerza o intensidad dependiendo del grado de activación que presente ese sector de la red. La fuerza de la conexión entre los nodos se denomina peso, el que al aumentar disminuye la resistencia de las conexiones, fortaleciendo la transmisión y recepción de las señales. Los pesos varían en función de la experiencia, lo que significa que como resultado de su operar la red cambia su estructura, modificando la fuerza de sus conexiones, lo cual permite construir sistemas capaces de aprender de maneras naturales.[2]
La idea de que el aprendizaje es mediado por variaciones estructurales en las sinapsis es tradicionalmente atribuida a Donald Hebb, quien en el año 1949, publicó un libro titulado “
“Cuando un axón de la célula A está lo suficientemente próximo como para excitar una célula B y de forma repetida o persistente interviene en la descarga de ésta, se produce algún proceso de crecimiento o cambio metabólico en una o ambas células, de tal forma que aumenta la eficiencia de A como una de las neuronas que provocan la descarga de B.”[3]
Esta conjetura, conocida como sinápsis de Hebb o hipótesis del aprendizaje neuronal de Hebb, si bien no pudo ser comprobada en ese entonces en el tejido neuronal, contribuyó significativamente al desarrollo del conexionismo y, en la actualidad, ha podido ser corroborada gracias al desarrollo de la tecnología utilizada por la neurociencia.
En una red conexionista, el aprendizaje opera en base a un proceso de retroalimentación que ajusta los pesos entre las unidades de acuerdo a un algoritmo de aprendizaje o de retropropagación, que le permite al sistema corregir paulatinamente sus errores hasta llegar a un estado de ejecución aceptable. La red cambia los pesos de las conexiones, sus estados internos, haciendo el cálculo de probabilidades necesario para que la salida resultante se aproxime lo más posible a la salida correcta u óptima. Este proceso recursivo de cambios estructurales, supone la existencia de un cierto tipo de memoria, que le permite al sistema, teniendo como base su experiencia, recordar cómo procesar un determinado input o entrada. Sin embargo, esta capacidad de la red que se puede distinguir como memoria, no corresponde a un almacén o dispositivo de memoria similar al que utilizan las máquinas von Neumann, sino más bien a un patrón de interacciones recursivas que el sistema es capaz de utilizar.
El operar característico de las redes conexionistas, les permite contar con una autonomía y flexibilidad de la que adolecen los modelos que operan bajo un procesamiento serial, haciendo posible que estos sistemas presenten conductas inteligentes como resultado de su dinámica organizacional, es decir, la inteligencia se presenta como un fenómeno que emerge de la forma de operar que tiene el sistema. Estas propiedades emergentes que presentan las redes neuronales, son una característica que las diferencia claramente de las arquitecturas clásicas, pues lo que un observador distingue en el operar de estas redes como un actuar integrado y significativo, inteligente, es resultado de una compleja integración de agentes sencillos que presentan propiedades elementales, prenderse o apagarse, sin la necesidad de contar con una unidad de supervisión central.
[1] Varela, F., Thompson, E., Rosch, E. The Embodied Mind: Cognitive Science and Human Experience. MIT Press, Cambridge, Mass. 1991. Edición en español, De Cuerpo Presente: Las ciencias cognitivas y la experiencia humana, Ed. Gedisa, Barcelona. 1997. p. 113.
[2] Tienson, John. An introduction to connectionism. The Southern Journal of Philosophy 126. 1987. En Rabossi, Eduardo (comp.). Filosofía de la mente y ciencia cognitiva. Ed. Paidós. Barcelona. 1995.
[3] Hebb, Donald. The Organization of Behavior. Wiley&Sons.
No hay comentarios.:
Publicar un comentario