Fundamentos de la Teoría Neurocomputacional de la Mente y Modelos de Redes Neuronales

Teoría Neurocomputacional de la Mente (TNM): Fundamentos y Modelos Conexionistas

Los avances que se producen en el campo de las neurociencias, la posibilidad del estudio de los procesos cerebrales y el desarrollo de modelos de la mente desligados de los modelos de computación clásicos van a permitir el desarrollo de una Teoría Neurocomputacional de la Mente (TNM).

La TNM está ligada al abandono de un principio que se consideraba básico en la ciencia cognitiva clásica. La crisis de los sistemas clásicos de computación y de la ciencia cognitiva clásica asociada a ellos tuvo como consecuencia inmediata la necesidad de desarrollar nuevos sistemas computacionales.

Diferencias entre Modelos Simbólicos y Conexionistas

La diferencia fundamental entre los modelos simbólicos y los modelos conexionistas radica en su enfoque:

• Modelos Simbólicos: Recurren a las propiedades formales de un sistema simbólico para simular los sistemas cognitivos.
• Modelos Conexionistas: Se basan en diseños que tratan de copiar la estructura del cerebro.

Características de los Sistemas Nerviosos

Paul y Patricia destacan tres características que definen a los sistemas nerviosos, fundamentales para el diseño conexionista:

1. Procesamiento en Paralelo: Los sistemas nerviosos son máquinas en paralelo.
2. Unidad Fundamental: La unidad fundamental de procesamiento es la neurona.
3. Sistemas Recurrentes: Las redes de neuronas forman sistemas recurrentes.

Un sistema conexionista es, por lo tanto, una red de procesadores con un diseño tipo PDP (Procesamiento Distribuido en Paralelo) cuyos elementos básicos son unidades simples, similares a neuronas, que reciben el nombre de nodos de la red.

Estructura de las Redes Neuronales

Las redes neuronales pueden formar tres tipos de capas en función de las conexiones que establezcan:

• Unidades de Entrada: Tienen conexiones fuera del sistema.
• Unidades de Salida: También tienen conexiones con el exterior.
• Unidades Ocultas: Carecen de conexiones fuera del sistema, pero permiten establecer conexiones sinápticas entre distintos niveles del sistema.

Para los modelos conexionistas, los estados y procesos mentales pueden ser explicados a partir de los sistemas computacionales basados en redes neuronales. La TNM sostiene que una red neuronal genera un mapa topográfico de dimensiones en el que se produce una representación de una porción de realidad.

Modelos Conexionistas Principales

Existen dos grandes modelos conexionistas:

1. Modelos Localistas

En estos modelos, cada nodo representa una entidad, una propiedad o un concepto simple. La conexión entre los distintos nodos formará una red que se corresponderá con la representación de entidades o de conceptos más complejos.

2. Modelos Subsimbólicos

En estos modelos, los nodos no representan nada por sí mismos; es el vector de activación que conecta los distintos nodos lo que funciona como una representación.