Thagard, 2008 La Mente-Introducción a Las Ciencias (Caps. 1 a 3)

7/25/2019 Thagard, 2008 La Mente-Introducción a Las Ciencias (Caps. 1 a 3)

http://slidepdf.com/reader/full/thagard-2008-la-mente-introduccion-a-las-ciencias-caps-1-a-3 1/48

Del

mismo

autor

Conceptual revolutions, Princeton

1992

Computational philosophy ofscience,

Massachusetts 1993

Mind

readings: Introductory selections on cognitive science,

Massachusetts 1998

How scientists explain disease, Princeton

2

Coherence in though t and action

Life

and mind: Philosophical issues

in iology and psychology, Massachusetts 2 2

Hot

thought: Mecha nisms and applications ofemotional cognition,

Massachusetts

2 6

Mente. Una introducción a las ciencias cognitivas, ha sido publicado

en italiano por Guer in i bajo el t í tulo:

La mente. Introduzione

alia scienza cognitiva; en

a l emá n por

Klett-Cotta bajo

el t í tulo:

Kognitionswissenschaft; en p o r t u g u é s p o r A r t m e d como Mente:

introdufao

á

ciencia cognitiva.

Hay igualmente

ediciones

en checo

y

en

coreano

y en dos

variantes

d el chino.

Paul Thagard

m nt

ntroducción a las

ciencias

cognitivas

Traducido por Silvia

Jawerbaum

y Julieta

arba

c o n o c i m i e n t o



Primera

ed i c ión

2008

© K a t z Editores

Sinclair

2949

B

1425

Buenos

Aires

Ferná n Gonzá l ez 59 Bajo A

28009

Madrid

www katzeditores com

Título de la edición original : Mind Introduction

to

cognitive science

© 2005 Massachusetts

Institute

o í Technology

The HIT

Press

Cambridge MA

ISBN Argentina:

978-987-1283-63-7

I S B N E s p a ñ a : 978-84-96859-21-0

1. Conocimiento.

I .

Jawerbaum

Si lvia trad. I I Barba

Julieta trad.

I I I

Tí tu lo

CDD 001

E l

contenido

intelectual de esta

obra

se

encuentra

protegido

po r

diversas leyes

y

tratados

internacionales que

prohiben

l a reproducc ión

ín t egra o

extractada realizada

po r

cualquier

procedimiento que no cuente con la autoriza ción

expresa de l

editor.

Diseño de colección: tholon

kunst

Impreso en la Argentina por Lat ingráfica S.R.L.

Hecho

el depósi to que

marca

la ley

11.723

índ i e

9 Agradecimientos

11

Prefacio

E N F O Q U E S D E L A S C I E N C I A S

C O G N I T I V A S

17 1.

Representación y computación

47 2.

Lógica

77 3- Reglas

101 4.

Conceptos

129

5. An alogías

153 6.

Imágenes

175 7.

onexiones

205

8.

Resumen y evaluación

E X T E N S I O N E S D E L A S C I E N C I A S

C O G N I T I V A S

223

9 .

El cerebro

245

10.

Las emociones

v

265

11.

La conciencia

289 12.

Cuerpo mundo y sistemas dinámicos

311 13. Sociedad

327

14.

El futuro de las ciencias cognitivas

343 Glosario

34 9

Bibliografía

381

índice temático



refacio

Las ciencias cognitivas dedicadas al estudio de la m ente y la inte

ligencia

desde

un punto de vista

interdisciplinario

son

fruto

de

la confluencia entre la filosofía a psicología la inteligencia arti

ficial la neurociencia la lingüística

y

la antropología. Sus orígenes

intelectuales se

remontan a

mediados

de

la década

de 1950

cuando

investigadores provenientes de distintos campos comenzaron a

formular teorí s de

la m ente valiéndose de representaciones

y pro

cesos

computacionales complejos. En cuanto a los orígenes insti

tucionales éstos datan de mediados de los años setenta época en

que se fundó la Sociedad de Ciencias Cognitivas en los Estados

Unidos y se publicó por primera vez la revista

Cognitive Science

Desde entonces

más de

sesenta

universidades estadounidenses y

europeas han creado

carreras

de ciencias cognitivas

y

muchas otras

universidades

dictan

materias relacionadas con

este

campo.

La enseñanza de las ciencias cognitivas no es

tarea

sencilla

pues

los estudiantes llegan con formaciones académ icas mu y

d i

versas.

Yo personalmente

dicto

en la Universidad de

W aterloo

desde

1993 una materia muy con currida titulada Introducción

a las

Ciencias

Cognitivas. Por u n lado se inscriben en

m i

cátedra

estudiantes con conocimientos avanzados de computación pro

venientes de

carreras de

computación científica o ingeniería que

saben

poco de psicología o filosofía pero por

otro

lado vienen

muchos estudiantes que están familiarizados con

esas

discipli-





nfoques de las ciencias

cognitivas



Representación y computación

E L E S T U D I O D E L M E N T E

¿Quién no se ha preguntado alguna vez cómo funciona la mente?

Todos realizamos a diar io una gran variedad de tareas menta-

les desde resolver problemas en el trabajo o la escuela

hasta

tomar decisiones vinculadas con nuestra vida personal encon-

trar los motivos de las

acciones

de los demás o a dq uirir

nuevos

conceptos como el de

telefonía celular o Internet El

ob jetivo

principal

de la ciencia cogn itiva es encon trar las explicaciones

de cómo se realizan esas formas de pensamiento. Esta disciplina

científica no se

l imita

a describir los distintos tipos de estrate-

gias de aprendizaje y de resolución de problemas sino que

ofrece

una explicación acerca de cómo realiza la mente esas operacio-

nes. Ade má s da cuenta de los

casos

en los que la m ente no fun-

ciona con la eficacia

deseada;

por ejemp lo cuando se toma n

decisiones equivocadas

Comprender cómo funciona la mente es importante para

muchas actividades prácticas. Si los

docentes saben

cuáles son

los mecanismos de pensamiento de los estudiantes podrán apli-

car los métodos de enseñanza

adecuados

Para los ingenieros y

otros profesionales

dedicados

al diseño de prod ucto s es impor-

tante

saber

cuáles son los probables procesos mentales que per-

mitirán que los futuros usuarios hagan un uso

eficaz

o ineficaz































Lógica

La lógica f orm al no ha sido el enfoque más influyente en el estu-

dio psicológico de la representación m ental pero hay razones

para

que

abordemos

el tema en uno de los capítulos iniciales

de nuestro libro. En p rime r lugar muchas de las ideas funda-

mentales sobre la representación y la computación han sur-

gido en el ámb ito de la lógica. En segundo término muchos filó-

sofos

e investigadores del campo de la inteligencia

artificial

se

valen de la lógica

para

estudiar el razonamiento. Por últim o la

lógica tiene una gran capacidad de representación y los demás

modelos de representación mental que quizá

sean

más eficien-

tes en el aspecto computacional y tengan mayor plausibilidad

psicológica deberían

aspirar

a tener una

capacidad

similar.

La lógica formal empezó con Aristóteles

hace

más de dos

mil año s. El filósofo griego h izo un estudio sistemático de

infe-

rencias

como las que transcribimos a continuación:

odos

los estudiantes son aplicados.

María es estudiante.

María es aplicada.

Esa

clase

de inferencia con dos premisas y una conclusión recibe

el nombre de si logismo Aristóteles describió distintos tipos de

silogismos

y

demostró que pueden

analizarse

exclusivamente por



























74 I

L

M NT



Modelo explicativo

Las personas tienen representaciones mentales similares a las

proposiciones de la lógica de predicados.

Las personas cuentan con un

conjunto

de procedimientos

induc

tivos y deductivos que se aplican a

esas

proposiciones.

La aplicación de esos procedimientos a las proposiciones da ori

gen a las inferencias.

Sin embargo, no se puede afirmar que la lógica proporciona

las ideas centrales sobre la representación y la computación que

necesitan las

ciencias

cognitivas,

pues

existen

enfoques

más

eficaces

y más realistas desde el punto de vista psicológico para

dar cuenta del pensamiento.

P R E G U N T A S P A R A P E N S A R - - -

1. ¿Qué puede ser difícil de expresar en el lenguaje form al de la

lógica?

2. ¿Suelen ser lóg icos nuestros razonamientos? ¿Deberían serlo

3. ¿Puede decirse que la deducción es un componente fundamen

tal

del pensamiento? ¿Có mo se llevan a

cabo

las

deducciones

4. ¿El razonamiento n o d eductivo está gobernado por leyes de

probabilidad?

5. ¿La estructura del lenguaje es la de la lógica?

L E C T U R A S

R E C O M E N D A D A S

Historia de la lógica: Prior

1967).

Manuales

de

lógica: Bergmann, Moor

y

Nelson

2003),

entre otros.

Problemas filosóficos y lógica formal: PoUock 1995).

Lógica e inteligencia artificial: Genesereth y Nilsson

1987);

Russell y Norvig

2 003 ) .

Defensa

del enfi)que lógico para el razonamiento deductivo:

Rips

1994)-

S I T I O S W E B

Introducción a la lógica: <http://peop le.hofstra.edu/faculty/

Stefan_Waner/RealWorld/logic/logicintro.html>

Lógica y program ación: <http://www.afm.sbu.ac.uk/

logic-prog/>

Modelos mentales: <http://vmw.tcd.ie/Psychology/

Ruth_Byrne/mental_models/index.html>

N O T A S

La lógica formal no se ocupa sólo de la sintaxis de las oracio

nes es decir, de su estructura) como hemos vist o en este capí

tulo, sino también de la semántica condiciones de verdad). Por

ejemplo, la co njun ción

p qes

verdadera si y sólo si

p

es ver

dadera y q es verdadera.

La mayoría de los sistemas artificiales de planificación que

ufilizan

lenguajes

lógicos no incluyen un conjunto completo

de reglas de inferencia sino un procedim iento inferencial que se

basa en una regla simple conocida como principio

de

resolución

Genesereth y Nilsson, 1987). Se trata de un

principio

algo com

plicado para explicar aquí pero que, básicamente, toma expre-

76

I l

M NT



siones que se han traducido a una versión simplificada de la

lógica de predicados y les aplica un poderoso operador para

ver qué se puede deducir a

partir

de

ellas.

Fikes y Nilsson 1971)

emplean la deducción lógica

en

un sistema de planificación deno-

minado

S T R i P S

que ha tenido aplicaciones en robótica y otros

campos.

La fórmula del teorema de

Bayes

es la siguiente:

P h/e)

= [P h) P e/h)] / P e).

En inteligencia arüficial, la lógica y la teoría de probabilidades

suelen

considerarse

como

enfoques

alternativos para la repre-

sentación del conocimiento. Las he presentado juntas porque

en ambas las inferencias se basan en principios muy generales

y

abstractos.

En este capítulo hemos mostrado un único enfoque para

los modelos mentales, pero existen otras

clases

importantes de

razonamientos que utilizan modelos (Magnani,

Nersessian

y

Thagard 1999 .

Reglas

Las reglas son estructuras de tipo condicional: s i A ENTON CES B .

Por ejem plo: si se cursan y aprueban cuarenta materias,

ENTON -

S

se

obtiene

una

licenciatura.

Las

reglas

tienen una

serie

de

propiedades representacionales y com putac ionales . A difer en-

cia de la mayoría de los modelos com putacionales lógicos, que

no fueron concebidos como modelos de la cognición humana,

los modelos de reglas se han

aphcado

a la psicología desde un

comienzo. El primer programa de inteligencia artificial fue el

Teórico Lógico, ideado por

Alien

Newell , Cl i f f Shaw y H er-

bert Simón

1958).

Introducido

en una computadora

rudimen-

taria

en 1956, el program a resolvía ejercicios de lógica

formal.

Su com portam iento no era el de u n mero sistema inteligente

complejo desde el punto de vista matemático sino el de un

modelo del razonamiento lógico humano. Además de reglas

de inferencia, el Teórico Lógico incluía reglas estratégicas para

la búsqueda eficiente de pruebas. P ronto se c onv irtió en el

pr i-

mer marco general para el estudio del pensamiento humano:

el

Solucionador General de Problemas (en ingl és. General Pro-

blem Solver o

P S

Newell y Simón, 1972), que utilizaba reglas

para simular soluciones humanas para distintos tipos de pro-

blemas, como los criptoaritméticos que se

ilustran

más

ade-

lante. En inteligencia artificial, las reglas suelen denom inarse

producciones .





















I L MENTE

Modelo explicativo

REGL S I

L E C T U R A S R E C O M E N D A D A S



Las

personas

tienen

reglas

mentales.

Las personas cuentan con un c onju nto de procedimientos para

la aplicación de las reglas dentro de un universo de posibles solu

ciones

y

con

otro

conjunto de procedimientos para la generación

de nuevas

reglas

La aplicación de

esos

proced imientos para la utilización y gene-

ración de reglas da origen a la condu cta.

Los modelos computacionales

basados

en

reglas

han dado

ori

gen a simulaciones muy detalladas de una enorme cantidad de

procesos

psicológicos

desde

la

resolución

de

problemas

crip

toaritméticos

o

la adquisición de determinadas habilidades

hasta

el

uso del lenguaje. Los sistemas de reglas también han tenido

utilidad práctica en

la

mejora de

la

enseñanza

y

el desarrollo

de sistemas artificiales in teligentes.

P R E G U N T A S P A R A P E N S A R

1. ¿Qué áreas del conocim iento pueden describirse con mayor

facilidad p or medio de reglas?

2. ¿Qué áreas

del

cono cim iento son más difíciles de explicar uti

lizando

reglas?

3. ¿Cuáles son las principales diferencias entre los sistemas de

reglas y

los

sistemas

lógicos

presentados

en el capítulo 2?

4 . ¿Cómo podrían

aplicarse

las reglas en el cerebro?

5. El cono cimien to del lenguaje ¿es innato

o

adquirido?

Fuentes

clásicas

sobre

la mente como

sistema

de

reglas:

Newell

y

Simón

1972),

Newell 1990); Anderson

1983,1993).

Enfoques

de

distintos tipos

de

aprendizaje

a

partir

de

siste-

mas de

reglas:

H ol land

etal 1986).

Utilización de

reglas

en el razonamiento:

Smith

Langston

y

Nisbett 1992); Nisbett

1993).

Teoría chom skiana

de l

lenguaje

e

im porta ncia de las reglas en

el con ocimiento lingüístico: Pinker 1994).

Carácter

innato

de la conducta humana en general: Pinker

2002).

Polémica en

torno

de la hipótesis del innatismo: Elman

etal

1996); Quartz y Sejnowski

2 002 ) .

S I T I O S

W E B

Página web del

sistema

C T en la Universidad

Carnegie

Mellon:

<http://act-r.psy.cmu.edu/>

Portal de

John

Anderson: <http://act-r.psy.cmu.edu/

people/ja/>

Portal de Stephen Pinker: <http://pinker.wjh.harvard .edu/>

Página web del

sistema

S O A R en la Universidad de Michigan:

< http://sitemaker. um ich.edu/soar >

N O T A S

Los

enfoques

que no están

basados

en

reglas

también pueden

describirse en términos

de

búsqu eda pero históricamente

ese

I l M NT

tipo de descripción ha

estado asociado con

lo s

sistemas

de

reglas

La metáfora de la biisqueda es adecuada para los problemas

bien



definidos en los que pueden

especificarse

lo s estados y los ope-

radores, pero es muc ho m enos clara en los problemas en los que

una determinada tarea im plic a el aprendizaje de

nuevas

repre-

sentaciones y operadores.

Una definición más técnica de la ley de potencias de la prác-

tica

es la siguiente: si el log arit m o del

tiempo

de reacción para

una tarea se gráfica en función del logaritmo del número de inten-

tos prácticos, el resultado es una recta con pendiente negativa .

Documents

Thagard, 2008 La Mente-Introducción a Las Ciencias (Caps. 1 a 3)