Hispanopedia Wiki
Articulo de referencia

Modelo cognitivo

Un modelo cognitivo es una representación de uno o más procesos cognitivos en humanos u otros animales con fines de comprensión y predicción. Existen muchos tipos de modelos cog...

Hispanopedia WikiContenido en espanolLectura gratuita

Un modelo cognitivo es una representación de uno o más procesos cognitivos en humanos u otros animales con fines de comprensión y predicción. Existen muchos tipos de modelos cognitivos , que pueden abarcar desde diagramas de cajas y flechas hasta un conjunto de ecuaciones o programas informáticos que interactúan con las mismas herramientas que los humanos utilizan para completar tareas (por ejemplo, el ratón y el teclado del ordenador ). [ 1 ] : 7, 8 En términos de procesamiento de la información , el modelado cognitivo es el modelado de la percepción , el razonamiento, la memoria y la acción humanas . [ 2 ] [ 3 ]

El conocimiento sobre la representación de los procesos cognitivos en los seres humanos tiene su origen en la filosofía. Se basa en dos enfoques filosóficos opuestos, el internalismo y el externalismo, que en conjunto explican la naturaleza de la mente y su relación con el cuerpo y el mundo exterior. Desde la perspectiva internalista, el modelado de la percepción, el razonamiento, la memoria y la acción humanas es independiente del mundo exterior. [ 4 ] La literatura académica actual generalmente clasifica los modelos cognitivos del internalismo en tres grupos de representaciones de los procesos cognitivos en los seres humanos:

  • Los modelos de caja y flecha identifican los componentes involucrados en la cognición;
  • Los modelos computacionales explican las "reglas" que rigen cómo se mueve la información entre las estructuras definidas anteriormente;
  • Los sistemas dinámicos se centran en cómo cambia el sistema en cada instante. [ 5 ] [ 6 ]

Las ideas filosóficas de los profesores Andy Clark y David Chalmers han desarrollado un enfoque externalista para modelar la cognición, basado en el papel activo del entorno en la generación de procesos cognitivos: la tesis de la mente extendida . Según este enfoque, dado que los objetos externos desempeñan un papel significativo en la facilitación de los procesos cognitivos, la mente y el entorno actúan como un "sistema acoplado" que puede considerarse un sistema cognitivo completo en sí mismo. [ 7 ] El externalismo está representado por el modelo neurocognitivo madre-feto, que explica el desarrollo cognitivo en parte como una función del entorno. [ 8 ]

Relación con las arquitecturas cognitivas

Los modelos cognitivos pueden desarrollarse dentro o fuera de una arquitectura cognitiva , aunque no siempre son fáciles de distinguir. A diferencia de las arquitecturas cognitivas, los modelos cognitivos tienden a centrarse en un único fenómeno o proceso cognitivo (p. ej., aprendizaje de listas), en cómo interactúan dos o más procesos (p. ej., búsqueda visual y toma de decisiones ) o en realizar predicciones de comportamiento para una tarea o herramienta específica (p. ej., cómo afectará la productividad la implementación de un nuevo paquete de software). Las arquitecturas cognitivas tienden a centrarse en las propiedades estructurales del sistema modelado y ayudan a limitar el desarrollo de modelos cognitivos dentro de la arquitectura. [ 9 ] Asimismo, el desarrollo del modelo ayuda a identificar las limitaciones y deficiencias de la arquitectura. Algunas de las arquitecturas más populares para el modelado cognitivo incluyen ACT-R , Clarion , LIDA y Soar . [ 10 ]

Historia

El modelado cognitivo se desarrolló históricamente dentro de la psicología cognitiva / ciencia cognitiva (incluidos los factores humanos ) y ha recibido contribuciones de los campos del aprendizaje automático y la inteligencia artificial, entre otros. [ 11 ] Sin embargo, mucho antes de la "Revolución Cognitiva" de la década de 1960, los científicos ya comenzaron a abordar modelos matemáticos y mecánicos de la mente. La primera contribución al campo se realizó en 1885. Ludwig Lichtheim propuso una idea (más tarde ampliada por Carl Wernicke ) que podría considerarse el primer requisito previo del modelo "de caja y flecha", que mapea el procesamiento del lenguaje en "cajas" especializadas para el reconocimiento auditivo y la producción del habla, conectadas por vías neuronales (flechas). [ 12 ] Estableció el paradigma conexionista-localista, que sostiene que las funciones complejas como el lenguaje no se encuentran en un solo lugar, sino que resultan del flujo de información entre centros especializados. [ 13 ] En 1943, Warren McCulloch y Walter Pitts crearon un modelo matemático de una neurona como un conjunto de puertas lógicas para mostrar cómo el cerebro podía "computar" en su artículo " Un cálculo lógico de las ideas inmanentes en la actividad nerviosa ". [ 14 ] En el mismo año, Kenneth Craik argumentó en "La naturaleza de la explicación" que el cerebro es una "máquina de calcular" que construye modelos internos del mundo. [ 15 ] Los profesores Richard Atkinson y Richard Shiffrin iniciaron la era de "caja y flecha" en 1968 con el modelo de memoria multialmacén de Atkinson-Shiffrin . Esto hizo famoso el enfoque de " procesamiento de la información " al dibujar tres cajas distintas para la memoria, describiendo el flujo entre el registro sensorial (RS), la memoria a corto plazo (MCP) y la memoria a largo plazo (MLP). [ 16 ] En 1998, el profesor van Gelder publicó la hipótesis dinámica en la ciencia cognitiva. Su modelo dinámico describió cómo cambia el estado del sistema a lo largo del tiempo utilizando varias ecuaciones diferenciales basadas en datos de seguimiento de la dinámica interna. [ 17 ] La visión opuesta, externalista, sobre el desarrollo cognitivo fue propuesta por el profesor letón Igor Val Danilov en su modelo neurocognitivo madre-feto en 2024. [ 8 ]

Modelos de caja y flecha

El modelo de caja y flecha representa la mente como un sistema de componentes funcionales (las "cajas") conectados por vías de flujo de información (las "flechas"). Este grupo de modelos describe lo que hace la mente sin necesariamente explicar cómo se activan las neuronas. [ 16 ] Las aplicaciones más influyentes de este modelo incluyen:

Modelo multialmacén de Atkinson-Shiffrin (1968) : Una teoría clásica de la memoria que propone que la información fluye a través de tres "cajas" distintas: Memoria sensorial , Memoria a corto plazo y Memoria a largo plazo. [ 16 ]

Modelo de filtro de Broadbent (1958) : Una de las primeras teorías de "cuello de botella" de la atención selectiva , que utiliza un diagrama de caja y flecha para mostrar cómo se filtra la información sensorial antes de llegar al procesamiento de nivel superior. [ 18 ]

Modelo de memoria de trabajo de Baddeley (1974/2000) : Refina la "caja de memoria a corto plazo" en un sistema multicomponente que incluye el ejecutivo central, el bucle fonológico y el bloc de notas visuoespacial. [ 19 ]

Norman y Shallice (1986) Modelo CS/SS : Un modelo de control cognitivo que utiliza "cajas" para representar la Programación de Contención (acciones rutinarias) y el Sistema de Atención Supervisora ​​(tareas complejas). [ 20 ]

Tres principios fundamentales:

Modularidad : la mente está compuesta de "módulos" separados. [ 21 ]

Procesamiento en serie (flujo direccional) : la información generalmente se mueve de forma lineal, paso a paso. [ 22 ]

Etapas discretas : cada caja completa su tarea en su totalidad antes de pasar el resultado a la siguiente. Esto es lo opuesto al enfoque de sistemas dinámicos, que ve todo como una superposición continua y desordenada. [ 16 ]

Modelos computacionales

Un modelo computacional es un modelo matemático en ciencias computacionales que requiere amplios recursos computacionales para estudiar el comportamiento de un sistema complejo mediante simulación por computadora . Los modelos cognitivos computacionales examinan la cognición y las funciones cognitivas mediante el desarrollo de modelos computacionales basados ​​en procesos, formulados como conjuntos de ecuaciones matemáticas o simulaciones por computadora. [ 23 ] El sistema en estudio suele ser un sistema no lineal complejo para el cual no se dispone fácilmente de soluciones analíticas simples e intuitivas. En lugar de derivar una solución analítica matemática al problema, se experimenta con el modelo cambiando los parámetros del sistema en la computadora y estudiando las diferencias en el resultado de los experimentos. A partir de estos experimentos computacionales se pueden derivar/deducir teorías de funcionamiento del modelo. Ejemplos de modelos computacionales comunes son los modelos de predicción meteorológica , los modelos de simuladores terrestres , los modelos de simuladores de vuelo , los modelos de plegamiento de proteínas moleculares y los modelos de redes neuronales . [ 24 ] [ 25 ] [ 26 ]

Simbólico

Un modelo simbólico se expresa en caracteres, generalmente no numéricos, que requieren traducción antes de poder ser utilizados. [ 27 ]

Subsimbólico

Un modelo cognitivo es subsimbólico si está formado por entidades constituyentes que no son representaciones en sí mismas, por ejemplo, píxeles, imágenes sonoras percibidas por el oído, muestras de señales; las unidades subsimbólicas en las redes neuronales pueden considerarse casos particulares de esta categoría. [ 28 ]

Híbrido

Las computadoras híbridas son aquellas que presentan características tanto de computadoras analógicas como digitales. El componente digital normalmente actúa como controlador y realiza operaciones lógicas, mientras que el componente analógico suele resolver ecuaciones diferenciales. Para más detalles, consulte el artículo sobre sistemas inteligentes híbridos .

Sistemas dinámicos

En el enfoque computacional tradicional , las representaciones se conciben como estructuras estáticas de símbolos discretos . La cognición se produce mediante la transformación de estas estructuras estáticas en pasos discretos y secuenciales. La información sensorial se transforma en entradas simbólicas, que a su vez producen salidas simbólicas que se transforman en salidas motoras . Todo el sistema opera en un ciclo continuo.

Lo que falta en esta visión tradicional es que la cognición humana ocurre de forma continua y en tiempo real. Descomponer los procesos en pasos de tiempo discretos puede no capturar completamente este comportamiento. Un enfoque alternativo consiste en definir un sistema con (1) un estado del sistema en un momento dado, (2) un comportamiento, definido como el cambio a lo largo del tiempo en el estado general, y (3) un conjunto de estados o espacio de estados , que representa la totalidad de los estados generales en los que podría encontrarse el sistema. [ 17 ] El sistema se distingue por el hecho de que un cambio en cualquier aspecto del estado del sistema depende de otros aspectos del mismo u otros estados del sistema. [ 29 ]

Un modelo dinámico típico se formaliza mediante varias ecuaciones diferenciales que describen cómo cambia el estado del sistema a lo largo del tiempo. De este modo, la forma del espacio de trayectorias posibles y las fuerzas internas y externas que dan forma a una trayectoria específica que se desarrolla con el tiempo, en lugar de la naturaleza física de los mecanismos subyacentes que manifiestan esta dinámica, tienen fuerza explicativa. Desde esta perspectiva dinámica, las entradas paramétricas alteran la dinámica intrínseca del sistema, en lugar de especificar un estado interno que describa algún estado de cosas externo. [ 17 ]

Sistemas dinámicos primitivos

memoria asociativa

Los primeros trabajos sobre la aplicación de sistemas dinámicos a la cognición se encuentran en el modelo de redes de Hopfield . [ 30 ] [ 31 ] Estas redes se propusieron como un modelo para la memoria asociativa . Representan el nivel neuronal de la memoria , modelando sistemas de alrededor de 30 neuronas que pueden estar en estado activado o desactivado. Al permitir que la red aprenda por sí misma, la estructura y las propiedades computacionales surgen de forma natural. A diferencia de los modelos anteriores, las "memorias" se pueden formar y recuperar introduciendo una pequeña porción de la memoria total. El orden temporal de las memorias también se puede codificar. El comportamiento del sistema se modela con vectores que pueden cambiar de valor, representando diferentes estados del sistema. Este modelo inicial fue un paso importante hacia una visión de sistemas dinámicos de la cognición humana, aunque aún quedaban muchos detalles por añadir y más fenómenos por explicar.

Adquisición del lenguaje

By taking into account the evolutionary development of the human nervous system and the similarity of the brain to other organs, Elman proposed that language and cognition should be treated as a dynamical system rather than a digital symbol processor.[32]Neural networks of the type Elman implemented have come to be known as Elman networks. Instead of treating language as a collection of static lexical items and grammar rules that are learned and then used according to fixed rules, the dynamical systems view defines the lexicon as regions of state space within a dynamical system. Grammar is made up of attractors and repellers that constrain movement in the state space. This means that representations are sensitive to context, with mental representations viewed as trajectories through mental space instead of objects that are constructed and remain static. Elman networks were trained with simple sentences to represent grammar as a dynamical system. Once a basic grammar had been learned, the networks could then parse complex sentences by predicting which words would appear next according to the dynamical model.[33]

Cognitive development

A classic developmental error has been investigated in the context of dynamical systems:[34][35] The A-not-B error is proposed to be not a distinct error occurring at a specific age (8 to 10 months), but a feature of a dynamic learning process that is also present in older children. Children 2 years old were found to make an error similar to the A-not-B error when searching for toys hidden in a sandbox. After observing the toy being hidden in location A and repeatedly searching for it there, the 2-year-olds were shown a toy hidden in a new location B. When they looked for the toy, they searched in locations that were biased toward location A. This suggests that there is an ongoing representation of the toy's location that changes over time. The child's past behavior influences its model of locations of the sandbox, and so an account of behavior and learning must take into account how the system of the sandbox and the child's past actions is changing over time.[35]

Locomotion

Un mecanismo propuesto para un sistema dinámico surge del análisis de redes neuronales recurrentes de tiempo continuo (CTRNN). Al centrarse en la salida de las redes neuronales en lugar de sus estados y examinar redes completamente interconectadas, se puede utilizar un generador de patrones central (CPG) de tres neuronas para representar sistemas como los movimientos de las piernas durante la marcha. [ 36 ] Este CPG contiene tres neuronas motoras para controlar el pie, el balanceo hacia atrás y el balanceo hacia adelante de la pierna. Las salidas de la red representan si el pie está arriba o abajo y cuánta fuerza se aplica para generar torque en la articulación de la pierna. Una característica de este patrón es que las salidas de las neuronas están encendidas o apagadas la mayor parte del tiempo. Otra característica es que los estados son cuasiestables, lo que significa que eventualmente transitarán a otros estados. Se propone que un circuito generador de patrones simple como este sea un bloque de construcción para un sistema dinámico. Los conjuntos de neuronas que transitan simultáneamente de un estado cuasiestable a otro se definen como un módulo dinámico. En teoría, estos módulos se pueden combinar para crear circuitos más grandes que comprenden un sistema dinámico completo. Sin embargo, aún no se conocen todos los detalles sobre cómo podría producirse esta combinación.

Sistemas dinámicos modernos

Dinámica del comportamiento

Las formalizaciones modernas de los sistemas dinámicos aplicadas al estudio de la cognición varían. Una de estas formalizaciones, denominada “dinámica conductual” [ 37 ] , trata al agente y al entorno como un par de sistemas dinámicos acoplados , basados ​​en la teoría clásica de sistemas dinámicos. En esta formalización, la información del entorno influye en el comportamiento del agente y las acciones del agente modifican el entorno. En el caso específico de los ciclos percepción-acción , el acoplamiento entre el entorno y el agente se formaliza mediante dos funciones . La primera transforma la representación de la acción del agente en patrones específicos de activación muscular que, a su vez, producen fuerzas en el entorno. La segunda función transforma la información del entorno (es decir, patrones de estimulación en los receptores del agente que reflejan el estado actual del entorno) en una representación útil para controlar las acciones del agente. Se han propuesto otros sistemas dinámicos similares (aunque no se han desarrollado en un marco formal) en los que los sistemas nerviosos del agente, su cuerpo y el entorno están acoplados [ 38 ] .

Comportamientos adaptativos

La dinámica del comportamiento se ha aplicado al comportamiento locomotor. [ 37 ] [ 39 ] [ 40 ] El modelado de la locomoción con dinámica del comportamiento demuestra que los comportamientos adaptativos podrían surgir de las interacciones de un agente y el entorno. Según este marco, los comportamientos adaptativos pueden capturarse mediante dos niveles de análisis. En el primer nivel de percepción y acción, un agente y un entorno pueden conceptualizarse como un par de sistemas dinámicos acoplados por las fuerzas que el agente aplica al entorno y por la información estructurada proporcionada por el entorno. Así, la dinámica del comportamiento emerge de la interacción agente-entorno. En el segundo nivel de evolución temporal , el comportamiento puede expresarse como un sistema dinámico representado como un campo vectorial . En este campo vectorial, los atractores reflejan soluciones de comportamiento estables, mientras que las bifurcaciones reflejan cambios en el comportamiento. A diferencia de trabajos anteriores sobre generadores de patrones centrales, este marco sugiere que los patrones de comportamiento estables son una propiedad emergente y autoorganizada del sistema agente-entorno en lugar de estar determinados por la estructura del agente o del entorno.

Sistemas dinámicos abiertos

En una extensión de la teoría clásica de sistemas dinámicos , [ 41 ] en lugar de acoplar los sistemas dinámicos del entorno y del agente, un “sistema dinámico abierto” define un “sistema total”, un “sistema de agente” y un mecanismo para relacionar estos dos sistemas. El sistema total es un sistema dinámico que modela a un agente en un entorno, mientras que el sistema de agente es un sistema dinámico que modela la dinámica intrínseca de un agente (es decir, la dinámica del agente en ausencia de un entorno). Es importante destacar que el mecanismo de relación no acopla los dos sistemas, sino que modifica continuamente el sistema total para convertirlo en el sistema total del agente desacoplado. Al distinguir entre sistemas totales y de agente, es posible investigar el comportamiento de un agente cuando está aislado del entorno y cuando está integrado en él. Esta formalización puede considerarse una generalización de la formalización clásica, en la que el sistema de agentes puede verse como el sistema de agentes en un sistema dinámico abierto, y el agente acoplado al entorno y el entorno pueden verse como el sistema total en un sistema dinámico abierto.

cognición corporizada

En el contexto de los sistemas dinámicos y la cognición corporizada , las representaciones pueden conceptualizarse como indicadores o mediadores. En la perspectiva de los indicadores, los estados internos contienen información sobre la existencia de un objeto en el entorno, donde el estado de un sistema durante la exposición a un objeto es la representación de dicho objeto. En la perspectiva de los mediadores, los estados internos contienen información sobre el entorno que el sistema utiliza para alcanzar sus objetivos. En esta explicación más compleja, los estados del sistema contienen información que media entre la información que el agente recibe del entorno y la fuerza ejercida sobre el entorno por el comportamiento del agente. La aplicación de sistemas dinámicos abiertos se ha analizado para cuatro tipos de ejemplos clásicos de cognición corporizada: [ 42 ]

  1. Casos en los que el entorno y el agente deben trabajar juntos para lograr un objetivo, lo que se conoce como "intimidad". Un ejemplo clásico de intimidad es el comportamiento de agentes simples que trabajan para lograr un objetivo (por ejemplo, insectos que se desplazan por el entorno). El éxito en la consecución del objetivo depende totalmente del acoplamiento del agente con el entorno. [ 43 ]
  2. Casos en los que el uso de artefactos externos mejora el rendimiento de las tareas en comparación con el rendimiento sin estos artefactos. Este proceso se denomina "descarga". Un ejemplo clásico de descarga es el comportamiento de los jugadores de Scrabble ; las personas pueden crear más palabras al jugar Scrabble si tienen las fichas frente a ellas y pueden manipular físicamente su disposición. En este ejemplo, las fichas de Scrabble permiten al agente descargar las demandas de memoria de trabajo sobre las propias fichas. [ 44 ]
  3. Casos en los que un artefacto externo funcionalmente equivalente reemplaza funciones que normalmente realiza internamente el agente, lo cual es un caso especial de descarga. Un ejemplo famoso es la navegación humana (específicamente la de los agentes Otto e Inga) en un entorno complejo con o sin la ayuda de un artefacto. [ 45 ]
  4. Casos en los que no hay un solo agente. El agente individual forma parte de un sistema más amplio que contiene múltiples agentes y múltiples artefactos. Un ejemplo famoso, formulado por Ed Hutchins en su libro Cognición en la naturaleza , es el de la navegación de un buque de guerra. [ 46 ]

Las interpretaciones de estos ejemplos se basan en la siguiente lógica : (1) el sistema total captura la corporeidad; (2) uno o más sistemas de agentes capturan la dinámica intrínseca de los agentes individuales; (3) el comportamiento completo de un agente puede entenderse como un cambio en la dinámica intrínseca del agente en relación con su situación en el entorno; y (4) las trayectorias de un sistema dinámico abierto pueden interpretarse como procesos representacionales. Estos ejemplos de cognición corporizada muestran la importancia de estudiar la dinámica emergente de los sistemas agente-entorno, así como la dinámica intrínseca de los sistemas de agentes. [ 45 ] En lugar de estar en conflicto con los enfoques tradicionales de la ciencia cognitiva, los sistemas dinámicos son una extensión natural de estos métodos y deben estudiarse en paralelo en lugar de competir con ellos. [ 17 ]

Crítica de los sistemas dinámicos

El inicio de los procesos cognitivos en un organismo ingenuo es un tema crítico en la base apodíctica del enfoque de sistemas dinámicos. La crítica de la cognición corporizada plantea al menos dos argumentos que cuestionan su independencia y autosuficiencia. [ 47 ] Primero, el fundamento de este enfoque de sistemas dinámicos, la hipótesis dinámica en la ciencia cognitiva, se basa en un conjunto de ecuaciones. [ 17 ] Este hecho significa que para describir cada sistema específico, es necesario introducir datos sobre sus condiciones iniciales específicas: un sistema dinámico específico no puede definirse sin datos primarios. De hecho, la hipótesis dinámica de van Gelder en la ciencia cognitiva considera las condiciones iniciales. [ 17 ] Aunque un sistema dinámico rastrea los datos primarios en menor medida que la dinámica interna, según la hipótesis, aún necesita la entrada externa de datos primarios. Por lo tanto, el sistema dinámico requiere la entrada de datos externos para activarse.

En segundo lugar, ante la dificultad mencionada, los cognitivistas corporizados introdujeron la noción de información dinámicamente corporizada. Esta se refiere al emparejamiento de un estímulo con el símbolo particular almacenado en las neuroestructuras y procesos sensoriomotores que le confieren significado (sentido).

"Los "vehículos" representacionales son patrones de actividad extendidos temporalmente que pueden cruzar los límites cerebro-cuerpo-mundo, y los significados o contenidos que encarnan se presentan o se ponen en práctica en el contexto del acoplamiento estructural del sistema con su entorno." [ 48 ] : 36

En un caos de estímulos ambientales, el vínculo entre estímulos específicos y patrones neuronales de actividad [ 48 ] es impredecible, debido a estímulos irrelevantes que pueden asociarse aleatoriamente con este significado corporizado. Este vínculo solo es posible cuando se ha establecido el contexto del acoplamiento estructural del sistema con su entorno [ 48 ] , lo cual es imposible para el organismo ingenuo en un entorno desconocido. Por lo tanto, la evidencia que respalda la corporización abunda en las diferentes ciencias, pero la interpretación de los resultados y su significado sigue siendo objeto de debate, y los investigadores continúan buscando formas apropiadas de estudiar y explicar la cognición corporizada. El enfoque de sistemas dinámicos no es la única forma de explicar el desarrollo cognitivo en organismos en etapas tempranas. [ 47 ]

modelo cognitivo madre-feto

La investigación sobre el desarrollo infantil inspiró una perspectiva diferente sobre la representación de los procesos cognitivos en humanos. El modelo neurocognitivo madre-feto se refiere a una representación de los procesos neurofisiológicos dentro del sistema biológico de esta díada que prepara el sistema nervioso fetal para respuestas adecuadas a los estímulos al inicio de la cognición. [ 8 ] [ 49 ] Al describir el desarrollo cognitivo en etapas más tempranas que otros modelos cognitivos ( modelos computacionales y enfoques de sistemas dinámicos ), aborda lagunas en nuestro conocimiento como el problema de la percepción-estabilidad, el problema de la vinculación , el problema de las entradas excitatorias y el problema de la morfogénesis . [ 8 ] [ 49 ]

El problema de la estabilidad de la percepción

Los organismos jóvenes en la etapa sensoriomotora del desarrollo no pueden captar la misma imagen del entorno que los adultos debido a la inmadurez de sus sistemas sensoriales. Dado que es improbable que estos organismos alcancen la misma percepción de los objetos, la enseñanza a través de la dinámica interpersonal es más limitada. [ 8 ] [ 49 ] [ 50 ]

El problema de la vinculación se refiere a la falta de conocimiento sobre cómo los organismos en la etapa de reflejo simple del desarrollo superan el umbral del caos ambiental en los estímulos sensoriales. [ 51 ] [ 50 ] Si bien los organismos jóvenes necesitan combinar objetos, fondos y características abstractas o emocionales en una sola experiencia para construir una realidad circundante, no pueden distinguir de forma independiente los estímulos sensoriales relevantes. Incluso el enfoque del sistema dinámico corporizado no puede sortear el problema de la señal al ruido. Esta capacidad requiere categorizar el entorno en objetos que surgen a través de (y solo después de) la percepción y la intencionalidad. [ 8 ] [ 49 ] [ 50 ]

El problema de las entradas excitatorias

Según la visión predominante en la ciencia cognitiva, la plasticidad neuronal dependiente de la experiencia subyace al desarrollo cognitivo. [ 52 ] [ 53 ] [ 54 ] La plasticidad neuronal depende de la organización estructural de las entradas excitatorias, lo que apoya la plasticidad dependiente del tiempo de los potenciales de acción , pero esto aún se desconoce. [ 55 ] Específicamente, la relación entre un estímulo sensorial específico y la organización estructural apropiada de las entradas excitatorias en neuronas específicas sigue siendo un problema para los modelos cognitivos. [ 8 ] [ 49 ] [ 50 ]

El problema de la morfogénesis

According to the received view in biology, cell actions during ontogenesis, including cell contact remodeling, cell migration, cell division, and cell extrusion, need control over cell mechanics.[56] Collinet and Lecuit (2021) posed a question: "What forces or mechanisms at the cellular level manage four very general classes of tissue deformation, namely tissue folding and invagination, tissue flow and extension, tissue hollowing, and, finally, tissue branching"?[56] "How are cell mechanics and associated cell behaviors robustly organized in space and time during tissue morphogenesis"?[56] "What defines the time and length scales of the cell behaviors driving morphogenesis"?[56] Notably, because the nervous system structures underlie everything that makes us human, the formation of neural tissues in a specific way is essential for shaping cognitive functions.[8][49][50]

According to the mother-fetus neurocognitive model, the complex process of shaping the nervous system's determined structure requires a complete developmental program with a template for achieving the nervous system's final biological structure.[8][49] Indeed, even processes of cell coupling that shape a nervous system during embryonic development challenge the naturalistic approach; how the nervous system grasps perception and shapes intentionality (independently, i.e., without any template) seems even more complicated.[8][49] This model describes the physical interactions between two nervous systems that synchronize neuronal activity in perceiving environmental stimuli. Cognition and emotions develop through the association of affective cues with stimuli that activate neural pathways for simple reflexes, driven by non-local neuronal coupling in synchronized nervous systems.[8][49] The emotion-reflex stimuli conjunction contributes to the further development of simple innate neuronal assemblies, shaping emotional neuronal patterns in statistical learning that are continuously connected to the neuronal pathways of reflexes.[57]

See also

Referencias

  1. ↑ Sun, R. (ed.), (2008). The Cambridge Handbook of Computational Psychology. Nueva York: Cambridge University Press.
  2. ↑ "ISO/IEC 2382-28:1995" . ISO . Consultado el 13 de mayo de 2023 .
  3. ↑ "ISO/IEC 2382:2015" . ISO . Consultado el 13 de mayo de 2023 .
  4. ↑ Giuseppina D'Oro, "Collingwood, psicologismo e internalismo", European Journal of Philosophy 12 (2):163–177 (2004).
  5. ↑ Palm, G. (2016). «Procesamiento de información neuronal en la cognición: comenzamos a comprender la orquesta, pero ¿dónde está el director?» . Frontiers in Computational Neuroscience , 10(3). https://doi.org/10.3389/fncom.2016.00003
  6. ↑ Xiong, A.; Proctor, RW (2018). «Procesamiento de la información: El lenguaje y las herramientas analíticas para la psicología cognitiva en la era de la información». Frontiers in Psychology , 9, 1270. https://doi.org/10.3389/fpsyg.2018.01270
  7. ↑ Andy Clark, David J Chalmers (enero de 1998). "La mente extendida". Analysis . 58 (1): 7– 19. doi : 10.1093/analys/58.1.7 . JSTOR 3328150 . ; reimpreso como: Andy Clark, David J Chalmers (2010). «Capítulo 2: La mente extendida» . En Richard Menary (ed.). La mente extendida . MIT Press. págs. 27–42 . ISBN  9780262014038.; y disponible en línea como: Clark, Andy; Chalmers, David J. "La mente extendida" . Cogprints.
  8. 1 2 3 4 5 6 7 8 9 10 11 Val Danilov, Igor (2024). "Desarrollo cognitivo infantil con el latido materno: un modelo neurocognitivo madre-feto y arquitectura para sistemas de bioingeniería". Sistemas de información y avances tecnológicos para el desarrollo sostenible . Notas de clase en sistemas de información y organización. Vol. 71. págs. 216–223 . doi : 10.1007/978-3-031-75329-9_24 . ISBN   978-3-031-75328-2.
  9. ↑ Lieto, Antonio (2021). Diseño cognitivo para mentes artificiales . Londres, Reino Unido: Routledge, Taylor & Francis. ISBN 9781138207929.
  10. ↑ Kotseruba, Iuliia; Tsotsos, John K. (2020). "40 años de arquitecturas cognitivas: capacidades cognitivas básicas y aplicaciones prácticas" . Artificial Intelligence Review . 53 : 17–94 . doi : 10.1007/S10462-018-9646-Y .
  11. ↑ McClelland, James L. (2009). "El lugar del modelado en la ciencia cognitiva". Temas en ciencia cognitiva . 1 (1): 11– 38. doi : 10.1111/j.1756-8765.2008.01003.x . PMID 25164798 . 
  12. ↑ Lichtheim, L. (1885). Sobre la afasia. Región de Broca, 318-347. Recuperado de: https://pure.mpg.de/rest/items/item_2354888_3/component/file_2354887/content
  13. ↑ Catani, M., & Mesulam, M. (2008). «El fascículo arqueado y el tema de la desconexión: Historia y estado actual del concepto». Cortex , 44(8), 953–961. https://doi.org/10.1016/j.cortex.2008.04.002
  14. ↑ McCulloch, WS; Pitts, W. (1943). "Un cálculo lógico de las ideas inmanentes en la actividad nerviosa". The bulletin of mathematical biophysics . 5(4), 115-133.
  15. ↑ Craik, KJW (1967). La naturaleza de la explicación (Vol. 445). Archivo CUP. Recuperado de: https://books.google.lv/books?hl=it&lr=&id=wT04AAAAIAAJ&oi=fnd&pg=PA1&dq=Kenneth+Craik+(1943)&ots=09yTWwkUv8&sig=BP48fOTf5aJ8t50o0Ml8MWbFUrQ&redir_esc=y#v=onepage&q=Kenneth%20Craik%20(1943)&f=false
  16. 1 2 3 4 Atkinson, RC; Shiffrin, RM (1968). "Capítulo: Memoria humana: Un sistema propuesto y sus procesos de control". En Spence, KW; Spence, JT (eds.). Memoria humana: Un sistema propuesto y sus procesos de control . Vol. 2. Nueva York: Academic Press. pp. 89–195 . doi : 10.1016/s0079-7421(08)60422-3 .  {{cite book}}: CS1 mantenimiento: ubicación del editor ( enlace )
  17. 1 2 3 4 5 6 van Gelder, T. (1998). La hipótesis dinámica en la ciencia cognitiva . Archivado el 1 de julio de 2018 en Wayback Machine . Behavioral and Brain Sciences, 21, 615-665.
  18. ↑ Lachter, J.; Forster, KI; Ruthruff, E. (2004). "Cuarenta y cinco años después de Broadbent (1958): Todavía no hay identificación sin atención". Psychological Review , 111(4), 880–913.
  19. ↑ Baddeley, AD (2000). "El búfer episódico: ¿un nuevo componente de la memoria de trabajo?" Trends in Cognitive Sciences , 4(11), 417–423. DOI: 10.1016/S1364-6613(00)01538-2
  20. ↑ Cooper, R.; Shallice, T. (2000). «Programación de la contención y el control de las actividades rutinarias». Neuropsicología Cognitiva , 17(4), 297–338. https://doi.org/10.1080/026432900380427
  21. ↑ Fodor, JA (1983). La modularidad de la mente: Un ensayo sobre psicología de la facultad . MIT Press.
  22. ↑ Sternberg, S. (1969). "El descubrimiento de las etapas de procesamiento: Extensiones del método de Donders". Acta psychologica , 30, 276-315. https://doi.org/10.1016/0001-6918(69)90055-9
  23. ↑ Farrell, Simon; Lewandowsky, Stephan (2015), "Una introducción al modelado cognitivo" , en Forstmann, Birte U.; Wagenmakers, Eric-Jan (eds.), Una introducción a la neurociencia cognitiva basada en modelos , Nueva York, NY: Springer New York, pp. 3–24 , doi : 10.1007/978-1-4939-2236-9_1 , ISBN  978-1-4939-2235-2, consultado el 5 de mayo de 2025
  24. ↑ Strahan, John; Finkel, Justin; Dinner, Aaron R.; Weare, Jonathan (2023). "Predicción de eventos raros mediante redes neuronales y datos de trayectorias cortas" . Journal of Computational Physics . 488 112152. arXiv : 2208.01717 . Bibcode : 2023JCoPh.48812152S . doi : 10.1016/j.jcp.2023.112152 . PMC 10270692. PMID 37332834 .  
  25. ↑ Urniaż, Rafał D.; Rutkowska, Ewelina; Jastrzębski, Jan P.; Książek, Paweł; Rudnicka, Katarzyna (2014). «Técnicas de modelado molecular en la investigación ambiental» . Biotecnología Ambiental . 9 (2): 39– 51. doi : 10.14799/ebms198 .
  26. ^ Wu, Hengkui; Liu, Liujiang; Él, Jihua; Wang, Qihao; Zhao, Keke; Hu, Shuyang; Fu, Renle; Liang, Dahao; Zeng, Lingyu; Liu, Bruce; Liu, Yuan; Zhan, Jin; Niu, Jiaqiang; Jia, Xinglong; Hu, Yaqin; Ji, Wenjun; Chi, Panpan; Chen, Ken; Wu, Hengyuan; Xin, Yingsi; Zhu, Yongfeng; Wang, Yuexin; Ruan, Manqi; Bian, Ningtao; Wu, Xiaohua; Xu, Weipeng (2025). "Informe técnico de BigBang-Proton: la predicción de la siguiente palabra es un aprendizaje científico multitarea". arXiv : 2510.00129 [ cs.LG ].
  27. ↑ Newell, Allen; Simon, Herbert A. (2007). «La informática como investigación empírica: símbolos y búsqueda». Conferencias del premio Turing de la ACM . p. 1975. doi : 10.1145/1283920.1283930 . ISBN  978-1-4503-1049-9.
  28. ↑ Simen, P.; Polk, T. (2010). "Un protocolo de interfaz simbólico/subsimbólico para el modelado cognitivo" . Logic Journal of Igpl . 18 (5): 705– 761. doi : 10.1093/jigpal/jzp046 . PMC 2919065 . 
  29. ↑ van Gelder, T. y Port, RF (1995). Ya era hora: Una visión general del enfoque dinámico de la cognición. Archivado el 17 de noviembre de 2017 en Wayback Machine . En RF Port y T. van Gelder (Eds.), La mente como movimiento: Exploraciones en la dinámica de la cognición (págs. 1-43). Cambridge, Massachusetts: MIT Press.
  30. ↑ Hopfield, JJ (1982). "Redes neuronales y sistemas físicos con capacidades computacionales colectivas emergentes" . Actas de la Academia Nacional de Ciencias . 79 ( 8): 2554– 2558. Bibcode : 1982PNAS...79.2554H . doi : 10.1073/pnas.79.8.2554 . PMC 346238. PMID 6953413 .  
  31. ↑ Hopfield, JJ (1984). "Las neuronas con respuesta graduada tienen propiedades computacionales colectivas como las de las neuronas de dos estados" . Actas de la Academia Nacional de Ciencias . 81 (10): 3088– 3092. Bibcode : 1984PNAS...81.3088H . doi : 10.1073/pnas.81.10.3088 . PMC 345226. PMID 6587342 .  
  32. ↑ Elman, JL (1995). El lenguaje como sistema dinámico . En RF Port y T. van Gelder (Eds.), La mente como movimiento: Exploraciones en la dinámica de la cognición. (pp. 195-223). Cambridge, Massachusetts: MIT Press.
  33. ↑ Elman, Jeffrey L. (1991). "Representaciones distribuidas, redes recurrentes simples y estructura gramatical". Machine Learning . 7 ( 2–3 ): 195–225 . doi : 10.1007/BF00114844 .
  34. ↑ Spencer, JP, Smith, LB y Thelen, E. (2001). Pruebas de la explicación de los sistemas dinámicos del error A-no-B: La influencia de la experiencia previa en las habilidades de memoria espacial de niños de dos años. Child Development, 72(5), 1327-1346.
  35. 1 2 Thelen E., Schoner, G., Scheier, C., Smith, LB (2001). La dinámica de la encarnación: una teoría de campo del alcance de preservación infantil . Archivado el 1 de julio de 2018 en Wayback Machine . Behavioral and Brain Sciences, 24, 1-86.
  36. ↑ Chiel, HJ, Beer, RD y Gallagher, JC (1999). Evolución y análisis de modelos CPG para la marcha. Journal of Computational Neuroscience, 7, 99-118.
  37. 1 2 Warren, William H. (2006). "La dinámica de la percepción y la acción". Psychological Review . 113 (2): 358– 389. doi : 10.1037/0033-295X.113.2.358 . PMID 16637765 . 
  38. ↑ Beer, Randall D. (2003). "La dinámica de la percepción categórica activa en un agente modelo evolucionado". Adaptive Behavior . 11 (4): 209– 243. doi : 10.1177/1059712303114001 .
  39. ↑ Fajen, B., R., & Warren, WH (2003). Dinámica conductual de la dirección, evitación de obstáculos y selección de ruta . Journal of Experimental Psychology: Human Perception and Performance, 29, 343-362.
  40. ↑ Fajen, BR, Warren, WH, Temizer, S., & Kaelbling, LP (2003). Un modelo dinámico de dirección guiada visualmente, evitación de obstáculos y selección de ruta . International Journal of Computer Vision, 54, 15-34.
  41. ↑ Hotton, Scott; Yoshimi, Jeff (2010). "La dinámica de la cognición encarnada". Revista internacional de bifurcación y caos . 20 (4): 943– 972. Bibcode : 2010IJBC...20..943H . doi : 10.1142/S0218127410026241 .
  42. ↑ Hotton, Scott; Yoshimi, Jeff (2011). "Extending Dynamical Systems Theory to Model Embodied Cognition". Cognitive Science . 35 (3): 444– 479. doi : 10.1111/j.1551-6709.2010.01151.x .
  43. ↑ Haugeland, J. (1996). La mente encarnada e integrada . En J. Haugeland (Ed.), Tener pensamiento: Ensayos sobre la metafísica de la mente (pp. 207-237). Cambridge, Massachusetts: Harvard University Press.
  44. ↑ Maglio, P., Matlock, T., Raphaely, D., Chernickym B., & Kirsh, D. (1999). Interactive skill in scrabble . En M. Hahn & SC Stoness (Eds.), Proceedings of twenty-first annual conference of the Cognitive Science Society, (pp. 326-330). Mahwah, NJ: Lawrence Erlbaum Associates.
  45. 1 2 Clark, A., & Chalmers, D. (1998). La mente extendida . Análisis, 58(1), 7-19.
  46. ↑ Hutchins, Edwin (1995). Cognición en la naturaleza . MIT Press. ISBN 978-0-262-08231-0.
  47. 1 2 Raab M , Araújo D (2019). "Cognición corporizada con y sin representaciones mentales: el caso de las elecciones corporizadas en los deportes" . Frontiers in Psychology . 10 1825. doi : 10.3389/fpsyg.2019.01825 . PMC 6693419. PMID 31440188. S2CID 199465498 .   
  48. 1 2 3 Thompson E. (2010). La mente en la vida: biología, fenomenología y las ciencias de la mente . Harvard University Press; 30 de septiembre de 2010.
  49. 1 2 3 4 5 6 7 8 9 Val Danilov, Igor (2024). "Intencionalidad compartida antes del nacimiento: emulación de un modelo de comunicación madre-feto para el desarrollo de sistemas hombre-máquina". Sistemas inteligentes y aplicaciones . Notas de clase en redes y sistemas. Vol. 824. págs. 56–69 . doi : 10.1007/978-3-031-47715-7_5 . ISBN   978-3-031-47714-0.
  50. 1 2 3 4 5 Danilov, Igor Val (2023). "Fundamentos teóricos de la intencionalidad compartida para la neurociencia en el desarrollo de sistemas de bioingeniería" . OBM Neurobiology . 07 : 1–14 . doi : 10.21926/obm.neurobiol.2301156 .
  51. ↑ Treisman, A. (1999). "Soluciones al problema de la unión: progreso a través de la controversia y la convergencia." Neuron , 1999, 24(1):105-125.
  52. ↑ Li, KT; Liang, J.; Zhou, C. (2021). "Las oscilaciones gamma facilitan el aprendizaje efectivo en circuitos neuronales equilibrados excitatorio-inhibitorio." Neural Plast . 2021; 2021: 6668175.
  53. ↑ Gilson, Matthieu (2010). "STDP en redes neuronales recurrentes" . Frontiers in Computational Neuroscience . 4. doi : 10.3389/fncom.2010.00023 . hdl : 11343/43094 . PMC 2947928. PMID 20890448 .  
  54. ↑ Von Bernhardi, R.; Bernhardi, LE; Eugenín, J. (2017). "¿Qué es la plasticidad neuronal?" En: El cerebro plástico : Springer; 2017. pp. 1-5.
  55. ↑ Tazerart, S.; Mitchell, DE; Miranda Rottmann, S.; Araya, R. (2020). "Una regla de plasticidad dependiente del tiempo de los picos para las espinas dendríticas." Nat Commun . 2020; 11: 4276.
  56. 1 2 3 4 Collinet, C.; Lecuit, T. (2021). "Flujo de información programado y autoorganizado durante la morfogénesis." Nat Rev Mol Cell Biol . 2021; 22: 245-265.
  57. ↑ Val Danilov, Igor; Mihailova, Sandra (2025). "Reflejos e intencionalidad compartida en los orígenes del desarrollo de las emociones: una revisión exploratoria de estudios sobre el parpadeo en bebés" . Obm Neurobiology . 09 : 1–21 . doi : 10.21926/obm.neurobiol.2501263 .
  • Modelado cognitivo en CMU
  • Modelado cognitivo en RPI (HCI)
  • Modelado cognitivo en RPI (CLARION)
  • Modelado cognitivo en la Universidad de Memphis (LIDA)
  • Modelado cognitivo en la Universidad de Michigan