You are on page 1of 67

Ciencia cognitiva

Carlos Reynoso
UNIVERSIDAD DE BUENOS AIRES

carlosreynoso@filo.uba.ar billyreyno@hotmail.com

Objetivos

Comprender la mente puede ser menos complicado de lo que nuestra vanidad espera o de lo que nuestro intelecto teme. - Rodolfo Llinás, 1986

‡ Elaborar una presentación de la disciplina desde el punto de vista antropológico. ‡ Mostrar formas complejas de entendimiento (posible) entre antropología y otras disciplinas ‡ Poner de manifiesto las limitaciones inherentes a las concepciones antropológicas de los conceptos cognitivos esenciales
± Conocimiento, símbolo, representación, mente, aprendizaje, lógica, pensamiento, imagen, inteligencia, memoria

Agenda
‡ Historia de la ciencia cognitiva
± Psicología cognitiva* ± Inteligencia artificial, GOFAI ± Inteligencia artificial, conexionismo

‡ Antropología cognitiva ‡ Conclusiones ‡ Trabajos pendientes & Referencias

filosofía. William James) ‡ Ciencia cognitiva = estudio de la mente o de la inteligencia ‡ Reemplazó a la idea de Inteligencia Artificial ‡ Modelo de caja gris ± Restitución de la mente ‡ Investigación multidisciplinaria: psicología. antropología. neurociencia. computación científica. lingüística.Definiciones ‡ ³Cognición´ ± Se puede encontrar a fines del siglo XIX (Wilhelm Wundt. biología .

La ³revolución cognitiva´ ‡ ‡ ‡ ‡ MIT. Mágico número siete Newell y Simon ± Logic Theorist. 11 de setiembre de 1956 (11 al 13) Miller. GPS Declinación (momentánea) de la neurociencia y auge de la lingüística ‡ Chomsky ± Tres modelos para la descripción del lenguaje ± 1957: Syntactic structures ± 1958: Review de Verbal behavior de Skinner p .

‡ No habría restricciones de especie. ‡ La contribución interna del hablante sería poco esencial. .Chomsky sobre Skinner ‡ Cuestionamiento de la idea de que el lenguaje se puede insuflar via entrenamiento animal ± Estímulo ± Refuerzo ± Privación ‡ Predecir y controlar comportamiento verbal manipulando variables de entorno.

La revolución«
‡ Chomsky (28 años a esa fecha)
± No es viable un modelo de producción lingüística derivado de la teoría de la información de Shannon. ± Base de su concepción de lenguajes formales y sus autómatas. ± Base de los métodos formales en computación y de los compiladores de lenguajes formales. ± Primer modelo ³matemático´ del lenguaje. ± Segunda (o tercera) revolución lingüística.

George Miller
‡ The Magical Number Seven, Plus or Minus Two: Some Limits on Our Capacity for Processing Information (1956)
± Sólo se aplica a juicios o estímulos unidimensionales, no a recordar (por ejemplo) caras o lugares. ± Capacidad de canal equivalente a 2.5 bits (unas 6 alternativas) ± Se aplica a percepción, procesamiento y memoria. ± ³En realidad no hay ninguna magia en relación con tantos otros 7s; sólo una perniciosa coincidencia´. ± Entre las coincidencias incluye las 7 notas de la escala musical, lo que sin duda es un error suyo. ± No está demostrado que se aplique a la memoria a corto plazo. ± Se ha convertido en una especie de mito urbano. ± Elizabeth Rice (1980) ± Cultural schemata.

Anthony Wallace
‡ ³On being just complicated enough´, 1964 [disp] ‡ Aunque el tamaño y complejidad de las sociedades varía enormemente, la dimensión del sistema de términos de parentesco no lo hace ‡ Para transformar el número de términos en una cifra que sirva para medir complejidad, computó log2 1/L ‡ Número de elecciones binarias necesario para producir un sistema de tamaño L

Anthony Wallace ‡ Todos los sistemas taxonómicos se pueden acomodar en un espacio que requiere 6 dimensiones binarias o menos .

menos de 64 rangos militares. o sistemas institucionalizados de discriminación ‡ Formas verbales en inglés. 61. etcétera . 64 cuadrados en un tablero de ajedrez.Anthony Wallace ‡ 26 = 64 ‡ ³Conjuntos contrastantes´ = espacios taxonómicos. menos de 64 términos numéricos básicos.

Memory & Cognition .Otros hitos ‡ 1960 ± George Sperling ± Memoria icónica ‡ 1967 ± Ulric Neisser ± Psicología cognitiva ± Modelo computacional para memoria. razonamiento. Cognition. percepción ‡ 1969 ± Modelos de la función cerebelar y de la visión de David Marr p ‡ 1970s ± Journals: Cognitive Psychology.

David Marr [1945-1980] ‡ ‡ ‡ ‡ Fundador de la neurociencia computacional Modelos de procesamiento visual: Fisiología +IA+psicología Entender el cerebro presupone entender los problemas que se le plantean y las soluciones que encuentra ‡ Tres niveles de análisis: ± El problema que la visión enfrenta (computacional) ± La estrategia que puede usarse (algorítmico) ± Cómo se realiza de hecho la actividad neuronal (implementacional) .

5 dimensiones.David Marr [1945-1980] ‡ Proceso visual en tres etapas: ± Esbozo primitivo (primal sketch). extrayendo rasgos de componentes fundamentales de la escena (bordes. que anticipa los métodos de los algoritmos naturales** . Se reconocen sombras. texturas. etc) ± Un esbozo de 2. etc ± Un modelo continuo en 3 dimensiones ‡ Dinámica de aprendizaje/optimización. regiones.

‡ Colin Ware ± Information visualization (2004)* ‡ Mallot & Allen ± Computational vision (2004) ‡ Uttal ± Computational modeling of vision (1999) .David Marr [1945-1980] ‡ ³Ley del cuadrado inverso´ para la investigación científica: ± El valor de un estudio varía inversamente con el cuadrado de su generalidad ‡ Avances en investigación de visión binocular ‡ El libro casi póstumo de Marr es reconocido como la Biblia del MIT de visión de computadora.

Relaciones interdisciplinarias .

lógica Modelo mecánico Deducción: cálculo de predicados Newell-Simon. Frege Atomismo. caja negra . inducción ± Modelo estadístico.Tres modelos contrapuestos ‡ IA ³fuerte´ . Russell/Whitehead. racionalismo ‡ Conexionismo ± Redes neuronales ± Natural ± Simulación del cerebro ± The astonishing hypothesis (Francis Crick) ± Aprendizaje.MIT ± ± ± ± ± ± Artificial Ligada a computadoras.

Tres modelos contrapuestos ‡ Neurociencia computacional* ‡ Modelos computacionales del cerebro o de diversos componentes funcionales ‡ Basado en intuiciones de Andrew Huxley. Alan Hodgkin y David Marr .

GOFAI .

1994) Discutido por Stephen Jay Gould en The mismeasure of man (nueva edición. (Cole & Gay) ± ± ± ± ± .Inteligencia artificial ‡ Dificultad de definir consensuadamente ³Inteligencia´ Propuesta de Alan Turing p La inteligencia como medida del IQ (G) Howard Gardner ± Teoría de las múltiples inteligencias La curva de campana (Charles Murray. Richard Herrnstein . pues carece de método comparativo y de capacidad experimental. 1996) ± Todavía no hay definiciones aceptadas ± La polémica es hoy explosiva y la antropología no tiene gran cosa que aportar al respecto.

‡ Es posible hacerlo durante un corto tiempo.com ± The Postmodern Generator.La prueba de Turing ‡ ¿Puede una máquina ser inteligente? ‡ Sí. si inteligencia se define como la capacidad de engañar a un interlocutor humano.elsewhere. http://www.simonlaven.org/pomo ‡ A veces se confunde la Prueba de Turing con la idea de que el cerebro funciona como una Máquina de Turing. . ‡ Ejemplos: ± ³George´ ± Página de Simon Laven ± http://www.

Enigma.La prueba. The Bombe & la Máquina .

SHRDLU ‡ Terry Winograd. 1970 .

.

.

.

.

. ± Propósito general ‡ Las operaciones se pueden describir en términos de reglas como las que caracterizan a los lenguajes de programación.Supuestos comunes a la IA ‡ La cognición humana comparte características con el procesamiento de información de las computadoras. ‡ Ese procesamiento es secuencial y serial. ‡ Consiste en operaciones discretas. ‡ La memoria es independiente del procesador.

hasta 1990s ± Arquitectura general para sistemas inteligentes. 1956 ± Teoremas de Principia Mathematica ‡ General Problem Solver. 1958 ‡ SOAR. todavía activa .Allen Newell y Herbert Simon ‡ Logic Theorist.

‡ Procesamiento de listas recursivas. no imperativos (o procedimentales). ± Los programas deberían ser declarativos. ± A principios de los 90s reconoció que se la había ido un poco la mano. ± Prefiguró los Application Service Providers en 1960.Inteligencia Artificial ppd ‡ John McCarthy. ‡ Obviamente no prosperó. 1958 ± Propuso utilizar cálculo de predicados para la representación del conocimiento. ± También inventó el lenguaje Lisp. .

GOFAI ‡ John Haugeland. ‡ Hechos y reglas.Sistema [físico] de procesamiento de símbolos. 1985 (Artificial intelligence. ‡ N-S . 1972 ± Algoritmo de resolución de Robinson ‡ Cálculo de predicados de primer orden. ‡ Modelos de programación lógica. ‡ Cuantificación universal. ± Prolog. cláusulas de Horn ± Alain Colmerauer y Robert Kowalski. the very idea) ± Good Old Fashioned Artificial Intelligence. .

preguntas.hombre (X). hipótesis ± Reglas: mortal(X) :. Las hipótesis tienen la misma estructura de los hechos. ± Hechos: hombre(socrates). Las únicas respuestas a una hipótesis tienen que ser si o no.Programación lógica ‡ PROLOG ± Hechos. reglas. Hipótesis: mortal(socrates). ± ± ± ± Pregunta extensional (en consulta): mortal(X). .

Aaron .

GOFAI . Pip. Dendral.2 ± Sistemas expertos ‡ Base de datos ‡ Máquina de inferencia ± Inferencia clínica ‡ Mycin. Neo-Mycin. Internist. huellas digitales) ‡ Intolerancia a errores o destrucción parcial . SHRDLU ‡ AGENI2 (Reynoso) ± Limitaciones del modelo simbólico ‡ No todo conocimiento puede representarse en términos de proposiciones o predicados ‡ Reconocimiento de patrones ‡ Identificación de instancias diferentes de un mismo objeto (firmas.

Inteligencia artificial ‡ Aplicaciones antropológicas de IA simbólica ± Sistemas expertos de diagnóstico clasificatorio ± Modelos axiomáticos de la cultura ‡ Matrimonio Kariera (Kemeny-Snell-Thompson) ± Gramáticas culturales ‡ Benjamin Colby ± Cuentos Ixil ‡ Análisis funcional del relato (Vladimir Propp) ± Lógicas alternativas ‡ ‡ ‡ ‡ Lógica temporal Lógica no-monotónica Logica polivalente (Lukasiewicz) Lógica difusa (Lotfi Zadeh) .

‡ Reconocimiento de patrones prácticamente imposible. ‡ Representación sintáctica.Limitaciones técnicas de GOFAI ‡ Sólo buena para campos conocidos de manera analítica y exhaustiva. ‡ Poca tolerancia a errores. . no realmente semántica. ‡ Carente de capacidad de recuperación ante destrucción parcial. ± El aprendizaje es mayormente inducción. ‡ No muy eficiente para implementar aprendizaje.

Descrédito de la IA fuerte ‡ Promesas no cumplidas ± Invierno de la IA desde 1988 ‡ Sistemas expertos exitosos. diagnósticos varios . cálculos de riesgo crediticio. pero sólo útiles para tareas de diagnóstico ± Varios SE embebidos en sistemas operativos ‡ Fracaso histórico del programa japonés de máquinas de Quinta Generación ± Proyección original de 5 mil millones de dólares ‡ Prolog no puso soportar la competencia de lenguajes procedimentales. particularmente C++ ‡ Queda como tecnología de nicho para sistemas basados en reglas.

Conexionismo .

Problema no tratable analíticamente ‡ ¿Cuántos grupos de objetos hay? .

C. 1970s .Otro más Fotografía de R. James.

Otro .

‡ Trabajos mucho más sencillos (calcular) le insumen tiempos comparativamente enormes. ‡ Sin embargo. . ‡ No es posible que lo haga mediante muchísimos procesos unitarios y secuenciales: no habría suficiente tiempo.Procesos diversos ‡ El cerebro trabaja en el rango de los milisegundos (10-3) y las computadoras en el orden de los nanosegundos (10-9). el cerebro reconoce formas y patrones mucho más eficientemente.

Redes neuronales (Presentación separada) .

s.Conexionismo ‡ Redes de McCulloch ± Pitts (1943) ± ± ± ± Neuronas como puertas lógicas Pesos: sinapsis excitativas. inhibitorias Capacidad de computación universal Máquina de lectura para ciegos. 1950) Reconocimiento de patrones . Winograd ± Redundancia en redes de McC-P para tolerancia a errores ‡ Sinapsis de Hebb (1949) ± ± ± ± Basado en Ramón y Cajal Modelo distribuido (hologramático) Aprendizaje: redes neuronales adaptativas (McKay. Uttley. percepción gestáltica ‡ Von Neumann.

Conexionismo ‡ Perceptrones (Frank Rosenblatt) ± Entrenamiento para distinción de patrones ± Unidades sensoriales y motoras ± Aumento o disminución de pesos (conductismo) ‡ Seymour Papert / Marvin Minsky (1969) ± Distinción entre T y C. con rotación etc ± No pueden resolver XOR y funciones lógicas que requieren más alto nivel de tipificación .

etc) ± Atrapadas en configuraciones metaestables ‡ Máquinas de Boltzmann ± ± ± ± ± ± ± Múltiples capas Propagación hacia atrás Kohonen: entrenamiento no asistido Resolución XOR. filtros de Gabor Modelos mixtos: AARON . AG. vendedor ambulante (simulación de templado. T/C NetTalk: lee y habla inglés Redes amo-esclavo.Modelos ulteriores ‡ Redes de Hopfield ± Spin glass: Problemas de optimización.

mapas cognitivos ± Dreyfus: What computers can¶t do (Flores. frames. scripts.Situación actual ‡ Situación incierta de IA fuerte ± Sentido común: Estructuras. templates. Heidegger) ± 1996: Deep Blue vence a Kasparov ‡ Divisiones en el paradigma conexionista (Pinker) ± Conexionismo eliminativo: sin semántica ni nivel simbólico ± Conexionismo implementacional: representación sub-simbólica ± Conexionismo revisionista de procesamiento de símbolos (Escuela de San Diego) .

Modelos basados en agentes . modelos ecológicos ‡ 1990: Dinámica no lineal ‡ 1990-2000: Cognición distribuida.Desarrollos ulteriores ‡ 1980s: Resurgimiento de la neurociencia con PDP en Escuela de San Diego ‡ 1987: Cognición situada.

Estado de la cuestión ‡ Modelo de Izhikovich. ‡ Un segundo de simulación insume 50 días en un cluster Beowulf de 27 procesadores de 3 GHz ‡ El modelo exhibe ritmos alpha y gamma y otros fenómenos de interés. . igual dimensión que el cerebro 1010 neuronas.

Aplicaciones en Antropología ‡ Discursivas: Reflexiones de D¶Andrade ± Los antropólogos suelen hablar de reglas. ± Lo que hay en realidad son conductas. ± En muchos casos que se describen como seguimiento de reglas. puede no haberlas dentro del actor ± Sólo redes de ciertas clases. ± Gran parte del aprendizaje cultural probablemente sea afin al aprendizaje coneccionista. de carácter simbólico. ± También hay un paralelismo con la ³respuesta automática´ versus la no-automática. .

suelo. pendiente. entorno.Aplicaciones en Antropología ‡ Maurice Bloch. . ‡ Granjeros Zafimaniry de Madagascar ± Decisiones complejas (p. ‡ No puede ser resultado de análisis por factores de vegetación. ‡ El modelo folk se resuelve en segundos y no lo podemos comprender bien porque razonamos conforme al modelo de procesamiento simbólico. 183-198 (1992) ‡ Antropólogo cognitivo de LSE. ³Language. un pedazo de bosque puede ser un buen campo). hidrología. Man 26. etcétera. ‡ La alternativa conexionista es mejor. ej. anthropology and cognitive science´.

‡ Léase ³Where did anthropology go?´ (2005). . negación radical del evolucionismo. énfasis en lo individual y lo histórico). Desarrolla su trabajo en LSE.Sobre Maurice Bloch ‡ ‡ ‡ ‡ Conocido por su enfoque marxista en sus inicios. Enemigo de la memética con posterioridad. Distingue entre la antropología tradicional y el miasma difusionista (esto es. la influencia de la antropología en la vida intelectual se ha esfumado. no tanto en Francia. ‡ Cuestiona la negación irreflexiva de la naturaleza humana (postura análoga a la de Steven Pinker). ‡ Después de Mead y Lévi-Strauss.

Aplicaciones en Antropología ‡ Modelos de análisis arqueológico de Juan Barceló (Universidad de Barcelona) .

Aplicaciones en Antropología ‡ Damián Castro (Anthropokaos) ± Redes de reconocimiento de motivos de arte rupestre .

Herramientas conexionistas .

Software de redes neuronales ‡ ‡ ‡ ‡ ‡ ‡ Java NNS NeuroSolutions Rosenblatt James Rumenhart Modelo de Damián Castro .

.

.

Conexionismo heideggeriano .

Conclusiones y Recursos .

‡ Las posturas relativistas no se sostienen tan bien.Conclusiones ‡ Ningún bando ganó una batalla. . ‡ No hay mapeado directo entre lenguaje y observación: la relación es compleja. ± El señalamiento de lo que no puede hacerse sólo ha impulsado a que se lo haga. ± GOFAI está órdenes de magnitud más cerca de ser un modelo aceptable de la lógica humana de lo que las redes neuronales están de ser un modelo del cerebro. ‡ No es buena práctica científica enunciar lo que no puede hacerse (caso Dreyfus).

Propuestas de trabajo ‡ No abordar cuestiones relativas a la polémica GOFAI / Conexionismo al menos que se aprenda seriamente computación avanzada. etc) . ‡ Explorar recursos y algoritmos en IA y redes neuronales (JavaNNS. ± Con los opúsculos de Varela y las monsergas de los morinianos ya hay suficiente información espuria en circulación.

Recursos .

Recursos .

Recursos .

Recursos .

com .¿Preguntas? Billyreyno@hotmail.