El Conexionismo

El Conexionismo: Otra forma de pensar acerca del Desarrollo Cognitivo

“La naturaleza no siempre necesita proporcionar las soluciones; frecuentemente es

sufi ciente con dejar disponibles las herramientas apropiadas, que pueden así irse

eligiendo para solucionar los problemas según van surgiendo” (Elman, et al., 1996,

p. 78).

A lo largo del amplio recorrido que hemos hecho en las páginas precedentes sobre las teorías

del desarrollo cognitivo, hemos mencionado reiteradamente el enfoque “conexionista”

como uno de los más actuales y prometedores dentro de la perspectiva computacional.

El punto esencial —ya lo hemos indicado—, es que el “conexionismo”

supone una nueva metáfora de la mente que sustituye el modelo del “ordenador” por el

modelo del “cerebro” o, más concretamente, por el entramado de conexiones neuronales

que son la base de su funcionamiento. Pero esto, curiosamente, no signifi ca que el

conexionismo sea más “organicista”, ya que continúa claramente en la línea “mecanicista”; ni que abandone la perspectiva computacional, puesto que las simulaciones computacionales siguen siendo la principal herramienta de trabajo. La idea central de este nuevo paradigma, en la que se recoge su planteamiento y objetivo general, puede expresarse de forma sencilla: lo que pretenden los modelos conexionistas es mostrar cómo la conducta compleja “emerge” de sistemas computacionales que manejaninformación local y cómo pueden aprender de la experiencia sobre la base de unos pocos —aunque potentes— algoritmos.

La razón que explica esta “facilidad” con que pueden modelarse los procesos evolutivos, es que en

los modelos conexionistas el aprendizaje y el desarrollo dependen tanto del estado interno

del sistema como de las condiciones externas del ambiente. Pero quizá lo más signifi cativo es que, desde esta óptica y sobre la base de “estructuras neuronales”, los modelos conexionistas pueden reconsiderar muchas cuestiones básicas del desarrollo, incorporando y volviendo a defi nir los énfasis de cualquier otra adscripción cosmológica o epistemológica.

Como puede suponerse, pese a la novedad y distancia que parece haber entre las demás

manifestaciones del cognitivismo y el conexionismo, éste no ha surgido de la nada. Muy

al contrario, se trata sólo del último eslabón de una cadena de propuestas y trabajos que

comienzan en la neurofi siológia del siglo pasado y que reúne nombres tan importantes como

los de Jackson, Luria o Hebb. Con estas raíces, nada hay de extraño en la nueva analogía del “cerebro” como modelo de la mente, puesto que constituye, en realidad, la extensión productiva de una forma de pensar “biológicamente orientada”. Más aún, en la medida en que el cerebro es el soporte biológico del pensamiento pasa de ser un simple modelo analógico a constituir el

propio fundamento del conexionismo. Pero, precisamente por el paralelismo que acabamos de apuntar, los precedentes del conexionismo no se encuentran sólo en las observaciones sobre el funcionamiento del soporte fi siológico y neuronal, sino también en las observaciones sobre cómo se relaciona ese funcionamiento con las competencias psicológicas. Aunque existe una gran diversidad de modelos conexionistas, todos ellos se constituyen a partir de los mismos componentes básicos: un conjunto de unidades de procesamiento elementales y un conjunto de conexiones de mayor o menor fuerza entre ellas. Sobre esta base se conforman estructuras interconectadas o redes, más o menos complejas, en las que —a la manera de un sistema neuronal artifi cial—, los distintas nodos o unidades envían y reciben señales excitatorias e inhibitorias. Además, como puede observarse en el modelo (b) —el más canónico—, la arquitectura básica incluye los tres niveles usuales (unidades de entrada, internas u ocultas y de salida), siendo el nivel interno el responsable principal del procesamiento en orden a emitir la respuesta fi nal. Así, y de acuerdo con el nivel de discriminación que se implemente, entradas muy

similares pueden llegar a producir respuestas muy diferentes. Pero no es nuestra intención aquí entrar en el complejo y potente aparato matemático que

se aplica a las computaciones de un modelo conexionista, sino hacer notar mínimamente el

potencial que encierran para modelar las curvas del desarrollo a partir de la implementación

de funciones “no lineales” de activación. Por supuesto, no es lo mismo diseñar un modelo conexionista para, simplemente, resolver una tarea mediante una confi guración apropiada de unidades y conexiones, que diseñarlo de manera que por sí mismo llegue a esa confi guración desde una de menor rendimiento; esto es, es mucho más difícil diseñar modelos que “aprendan” o el modo de “entrenarlos” para que el aprendizaje se produzca. Pero estas difi cultades y limitaciones pueden superarse de diversas formas. Por una parte, se han formulado algoritmos que constituyen auténticos procedimientos de aprendizaje, como el de “retro-propagación del

error”, ya que permite al sistema ir ajustando los pesos de las conexiones en función de

la evaluación de los resultados de la salida. De manera, pues, que en principio no parece haber muchas limitaciones en lo que un modelo conexionista puede representar, si bien, por supuesto, tampoco es ninguna panacea. Esta interpretación dinámica del procesamiento, como resultado del juego interactivo de fuerzas (de conexión y activación), es la que permite dar cuenta de la complejidad y del carácter esencialmente interactivo que acompaña al desarrollo cognitivo. En este mismo sentido pueden considerarse, además, como sistemas autoorganizados, en la medida en que son capaces de descubrir por sí mismos las formas en que se confi gura la información de entrada y adaptarse a las mismas. El punto de partida —en todos lo sentidos—, es un hecho simple al que ya hemos aludido, que es reconocido por todos y que ha sido extensamente documentado en los últimos años: pese a su inmadurez, los recién nacidos exhiben un repertorio

...