La teoría del control perceptual ( PCT ) es un modelo de comportamiento basado en las propiedades de los bucles de control de retroalimentación negativa . Un bucle de control mantiene una variable detectada en o cerca de un valor de referencia por medio de los efectos de sus salidas sobre esa variable, tal como lo median las propiedades físicas del entorno. En la teoría del control de ingeniería , los valores de referencia son establecidos por un usuario fuera del sistema. Un ejemplo es un termostato. En un organismo vivo, los valores de referencia para las variables perceptuales controladas se mantienen de forma endógena. La homeostasis biológica y los reflejos son ejemplos simples de bajo nivel. El descubrimiento de los principios matemáticos del control introdujo una forma de modelar un bucle de retroalimentación negativa cerrado a través del entorno (causalidad circular), que generó la teoría del control perceptual. Se diferencia fundamentalmente de algunos modelos en psicología conductual y cognitiva que modelan los estímulos como causas del comportamiento (causalidad lineal). La investigación de PCT se publica en psicología experimental , neurociencia , etología , antropología , lingüística , sociología , robótica , psicología del desarrollo , psicología organizacional y gestión, y en varios otros campos. La PCT se ha aplicado al diseño y administración de sistemas educativos, y ha dado lugar a una psicoterapia denominada método de niveles .
La teoría del control perceptivo tiene sus raíces profundas en la cibernética biológica , la biología de sistemas y la teoría del control y el concepto relacionado de bucles de retroalimentación. A diferencia de algunos modelos de la psicología conductual y cognitiva, parte del concepto de causalidad circular. Comparte, por tanto, su fundamento teórico con el concepto de control de las plantas , pero se distingue de él al poner el énfasis en el control de la representación interna del mundo físico . [1]
La teoría del control de las plantas se centra en los procesos neurocomputacionales de generación de movimiento, una vez que se ha tomado la decisión de generar el movimiento. La PCT pone de relieve la integración de los agentes en su entorno. Por lo tanto, desde la perspectiva del control perceptivo, el problema central del control motor consiste en encontrar una entrada sensorial al sistema que coincida con la percepción deseada. [1]
El PCT tiene sus raíces en los conocimientos fisiológicos de Claude Bernard y, en el siglo XX, en la investigación de Walter B. Cannon y en los campos de la ingeniería de sistemas de control y la cibernética . El control de retroalimentación negativa clásico fue elaborado por ingenieros en las décadas de 1930 y 1940, [2] [3] y desarrollado por Wiener , [4] Ashby , [5] y otros en el desarrollo temprano del campo de la cibernética . A principios de la década de 1950, William T. Powers aplicó los conceptos y métodos de los sistemas de control de ingeniería a los sistemas de control biológico y desarrolló la metodología experimental del PCT. [6] [7]
Una idea clave de la PCT es que la variable controlada no es la salida del sistema (las acciones conductuales), sino su entrada, es decir, una función percibida y transformada de algún estado del entorno que la salida del sistema de control puede afectar. Debido a que estas entradas percibidas y transformadas pueden aparecer como aspectos percibidos conscientemente del entorno, Powers denominó a la variable controlada "percepción". La teoría llegó a conocerse como "Teoría del Control Perceptual" o PCT en lugar de "Teoría del Control Aplicada a la Psicología" porque los teóricos del control a menudo afirman o asumen que es la salida del sistema lo que se controla. [8] En la PCT es la representación interna del estado de alguna variable en el entorno -una "percepción" en el lenguaje cotidiano- lo que se controla. [9] Los principios básicos de la PCT fueron publicados por primera vez por Powers, Clark y MacFarland como una "teoría general de retroalimentación del comportamiento" en 1960, [10] con créditos a los autores cibernéticos Wiener y Ashby . Desde entonces se ha desarrollado sistemáticamente en la comunidad de investigación que se ha reunido en torno a ella. [11] Inicialmente, se vio eclipsada por la revolución cognitiva (posteriormente suplantada por la ciencia cognitiva ), pero ahora se ha vuelto más conocida. [12] [13] [14] [15]
Powers y otros investigadores en el campo señalan problemas de propósito, causalidad y teleología en los fundamentos de la psicología que la teoría del control resuelve. [16] Desde Aristóteles hasta William James y John Dewey se ha reconocido que el comportamiento tiene un propósito y no es meramente reactivo, pero la forma de explicar esto ha sido problemática porque la única evidencia de intenciones era subjetiva. Como señaló Powers, los conductistas que siguieron a Wundt , Thorndike , Watson y otros rechazaron los informes introspectivos como datos para una ciencia objetiva de la psicología. Solo el comportamiento observable podía admitirse como datos. [17] Estos conductistas modelaron los eventos ambientales (estímulos) como causantes de acciones conductuales (respuestas). Esta suposición causal persiste en algunos modelos de psicología cognitiva que interponen mapas cognitivos y otro procesamiento de información postulado entre el estímulo y la respuesta, pero por lo demás mantienen la suposición de causalidad lineal del entorno al comportamiento, que Richard Marken llamó un "modelo causal de bucle abierto de organización conductual" en contraste con el modelo de bucle cerrado de la PCT. [12]
Otra razón más específica que Powers observó para el rechazo de los psicólogos a las nociones de propósito o intención era que no podían ver cómo un objetivo (un estado que aún no existía) podía causar el comportamiento que conducía a él. La PCT resuelve estos argumentos filosóficos sobre la teleología porque proporciona un modelo del funcionamiento de los organismos en los que el propósito tiene un estatus objetivo sin recurrir a la introspección , y en los que la causalidad es circular alrededor de bucles de retroalimentación . [18]
Un sistema de control de retroalimentación negativa simple es un sistema de control de crucero para un automóvil. Un sistema de control de crucero tiene un sensor que "percibe" la velocidad como la velocidad de giro del eje de transmisión conectado directamente a las ruedas. También tiene un "objetivo" ajustable por el conductor que especifica una velocidad particular. La velocidad detectada se compara continuamente con la velocidad especificada mediante un dispositivo (llamado "comparador") que resta el valor de entrada detectado actualmente del valor objetivo almacenado. La diferencia (la señal de error) determina el ajuste del acelerador (la presión del acelerador), de modo que la salida del motor varía continuamente para evitar que la velocidad del automóvil aumente o disminuya con respecto a la velocidad deseada a medida que cambian las condiciones ambientales.
Si la velocidad del coche empieza a descender por debajo de la velocidad objetivo, por ejemplo al subir una colina, el pequeño aumento de la señal de error, amplificada, hace que aumente la potencia del motor, lo que mantiene el error casi a cero. Si la velocidad empieza a superar la velocidad objetivo, por ejemplo al bajar una colina, se reduce la velocidad del motor para que actúe como freno, de modo que se evita que la velocidad se aleje más de una cantidad apenas detectable de la velocidad objetivo (los frenos sólo se necesitan si la colina es demasiado empinada). El resultado es que el sistema de control de crucero mantiene una velocidad cercana a la meta mientras el coche sube y baja colinas, y cuando otras perturbaciones como el viento afectan a la velocidad del coche. Todo esto se hace sin ninguna planificación de acciones específicas y sin ninguna reacción ciega a los estímulos. De hecho, el sistema de control de crucero no detecta en absoluto perturbaciones como la presión del viento, sólo detecta la variable controlada, la velocidad. Tampoco controla la potencia generada por el motor, sino que utiliza el "comportamiento" de la potencia del motor como medio para controlar la velocidad detectada.
Los mismos principios de control de retroalimentación negativa (incluida la capacidad de anular los efectos de perturbaciones internas o externas impredecibles) se aplican a los sistemas de control vivos. [4] Las implicaciones de estos principios son estudiadas intensamente, por ejemplo, en la cibernética biológica y médica y en la biología de sistemas .
La tesis de la PCT es que los animales y las personas no controlan su comportamiento, sino que lo varían como medio para controlar sus percepciones, con o sin perturbaciones externas. Esto es armoniosamente consistente con la suposición histórica y aún generalizada de que el comportamiento es el resultado final de estímulos y planes cognitivos. [12] [19]
El dato principal de la metodología PCT es la variable controlada. El paso fundamental de la investigación PCT, la prueba de variables controladas, comienza con la aplicación lenta y suave de influencias perturbadoras al estado de una variable del entorno que el investigador supone que ya está bajo control del organismo observado. Es esencial no abrumar la capacidad de control del organismo, ya que eso es lo que se está investigando. Si el organismo cambia sus acciones sólo para evitar que la influencia perturbadora tenga el efecto esperado sobre esa variable, eso es una prueba sólida de que la acción experimental alteró una variable controlada. Es de crucial importancia distinguir las percepciones y el punto de vista del observador de los del organismo observado. Puede ser necesario realizar varias variaciones de la prueba para aislar exactamente qué aspecto de la situación ambiental está bajo control, según lo percibe el organismo observado. [20] [21]
La PCT emplea una metodología de caja negra . La variable controlada, medida por el observador, corresponde cuantitativamente a un valor de referencia para una percepción que el organismo está controlando. La variable controlada es, por tanto, un índice objetivo del propósito o intención de esas acciones conductuales particulares del organismo, el objetivo que esas acciones tratan de alcanzar de manera consistente a pesar de las perturbaciones. Con pocas excepciones, en el estado actual de la neurociencia, este valor de referencia mantenido internamente rara vez se observa directamente como tal (por ejemplo, como una tasa de activación en una neurona), ya que pocos investigadores rastrean las variables eléctricas y químicas relevantes por sus vías específicas mientras un organismo vivo realiza lo que observamos externamente como comportamiento. [22] Sin embargo, cuando un sistema de retroalimentación negativa funcional simulado en una computadora digital funciona esencialmente de manera idéntica a los organismos observados, entonces se entiende que la estructura de retroalimentación negativa bien entendida de la simulación o modelo (la caja blanca) demuestra la estructura de retroalimentación negativa invisible dentro del organismo (la caja negra). [6]
Los datos de los individuos no se agregan para el análisis estadístico; [23] en su lugar, se construye un modelo generativo que replica los datos observados para los individuos con una fidelidad muy alta (0,95 o mejor) [ aclaración necesaria ] . Para construir un modelo de este tipo de una situación de comportamiento dada se requieren mediciones cuidadosas de tres variables observadas:
Un cuarto valor, la referencia mantenida internamente r (un "punto de ajuste" variable), se deduce del valor en el que se observa que el organismo mantiene q i , según lo determinado por la prueba para variables controladas (descrita al comienzo de esta sección).
Con dos variables especificadas, la entrada controlada q i y la referencia r , un sistema de control diseñado adecuadamente, simulado en una computadora digital, produce salidas q o que se oponen casi con precisión a las perturbaciones impredecibles d a la entrada controlada. Además, la varianza del control perfecto concuerda bien con la observada para los organismos vivos. [24] El control perfecto daría como resultado un efecto cero de la perturbación, pero los organismos vivos no son controladores perfectos, y el objetivo de la PCT es modelar organismos vivos. Cuando una simulación por computadora funciona con >95% de conformidad con los valores medidos experimentalmente, oponiéndose al efecto de cambios impredecibles en d generando valores (casi) iguales y opuestos de q o , se entiende que modela el comportamiento y la estructura interna del bucle de control del organismo. [18] [10] [25]
Por extensión, la elaboración de la teoría constituye un modelo general del proceso cognitivo y del comportamiento. Con cada modelo específico o simulación del comportamiento que se construye y se prueba con datos observados, el modelo general que se presenta en la teoría queda expuesto a posibles cuestionamientos que podrían requerir una revisión o podrían llevar a una refutación.
Para ilustrar los cálculos matemáticos empleados en una simulación PCT, considere una tarea de seguimiento de persecución en la que el participante mantiene el cursor del mouse alineado con un objetivo en movimiento en un monitor de computadora.
El modelo supone que una señal perceptiva dentro del participante representa la magnitud de la cantidad de entrada q i . (Se ha demostrado que esto es una tasa de disparo en una neurona, al menos en los niveles más bajos). [25] [26] En la tarea de seguimiento, la cantidad de entrada es la distancia vertical entre la posición objetivo T y la posición del cursor C , y la variación aleatoria de la posición objetivo actúa como la perturbación d de esa cantidad de entrada. Esto sugiere que la señal perceptiva p representa cuantitativamente la posición del cursor C menos la posición objetivo T, como se expresa en la ecuación p = C – T .
Entre la percepción del objetivo y del cursor y la construcción de la señal que representa la distancia entre ellos hay un retraso de τ milisegundos, de modo que la señal perceptiva de trabajo en el instante t representa la distancia entre el objetivo y el cursor en un instante anterior, t – τ . En consecuencia, la ecuación utilizada en el modelo es
1. p ( t ) = C ( t–τ ) – T ( t–τ )
El sistema de control de retroalimentación negativa recibe una señal de referencia r que especifica la magnitud de la señal perceptual dada que se pretende o desea en ese momento. (Para el origen de r dentro del organismo, véase "Una jerarquía de control", más adelante). Tanto r como p se introducen en una estructura neuronal simple con r excitatoria y p inhibidora. Esta estructura se denomina "comparador". [25] El efecto es restar p de r , lo que produce una señal de error e que indica la magnitud y el signo de la diferencia entre la magnitud deseada r y la magnitud p introducida actualmente de la percepción dada. La ecuación que representa esto en el modelo es:
2. e = r–p
La señal de error e debe transformarse en la cantidad de salida q o (que representa los esfuerzos musculares del participante que afectan la posición del ratón). Los experimentos han demostrado que en el mejor modelo para la función de salida, la velocidad del ratón V cursor es proporcional a la señal de error e por un factor de ganancia G (es decir, V cursor = G * e ). Por lo tanto, cuando la señal perceptual p es menor que la señal de referencia r , la señal de error e tiene un signo positivo y, a partir de ella, el modelo calcula una velocidad ascendente del cursor que es proporcional al error.
La siguiente posición del cursor C new es la posición actual C old más la velocidad V cursor multiplicada por la duración dt de una iteración del programa. Mediante un cálculo algebraico simple, sustituimos G * e (como se indica arriba) por V cursor , lo que da como resultado una tercera ecuación:
3. C nuevo = F viejo + G * e * dt
Estas tres ecuaciones simples o pasos de programa constituyen la forma más simple del modelo para la tarea de seguimiento. Cuando estas tres ecuaciones simultáneas se evalúan una y otra vez con perturbaciones aleatorias distribuidas de manera similar d de la posición objetivo que experimentó el participante humano, las posiciones y velocidades de salida del cursor duplican las acciones del participante en la tarea de seguimiento anterior dentro del 4,0 % de su rango de pico a pico, con gran detalle.
Este modelo simple se puede refinar con un factor de amortiguación d que reduce la discrepancia entre el modelo y el participante humano al 3,6% cuando la perturbación d se establece en la dificultad máxima.
3'. C nuevo = Frío viejo + [( G * e )–( d * Frío )]* dt
En Powers 2008 [24] se incluye un análisis detallado de este modelo , que incluye código fuente y código ejecutable, con el que el lector puede verificar lo bien que este sencillo programa simula el comportamiento real. No es necesario tener en cuenta posibles no linealidades como la ley de Weber-Fechner , el ruido potencial en el sistema, los ángulos de las articulaciones que varían continuamente y muchos otros factores que podrían afectar el rendimiento si se tratara de un modelo lineal simple. No se requieren cinemática inversa ni cálculos predictivos. El modelo simplemente reduce la discrepancia entre la entrada p y la referencia r de forma continua a medida que surge en tiempo real, y eso es todo lo que se requiere, como predice la teoría. [18] [25]
En los sistemas artificiales que se especifican mediante la teoría de control de ingeniería , la señal de referencia se considera una entrada externa a la "planta". [8] En la teoría de control de ingeniería, la señal de referencia o punto de ajuste es público; en la PCT, no lo es, sino que debe deducirse de los resultados de la prueba de variables controladas, como se describió anteriormente en la sección de metodología. Esto se debe a que en los sistemas vivos una señal de referencia no es una entrada accesible externamente, sino que se origina dentro del sistema. En el modelo jerárquico, la salida de error de los bucles de control de nivel superior, como se describe en la siguiente sección a continuación, evoca la señal de referencia r de la memoria local de la sinapsis, y la fuerza de r es proporcional a la fuerza (ponderada) de la señal o señales de error de uno o más sistemas de nivel superior. [27]
En los sistemas de control de ingeniería, en el caso en que existan varias de estas entradas de referencia, se diseña un "controlador" para manipular esas entradas de modo de obtener el efecto en la salida del sistema que desea el diseñador del sistema, y la tarea de una teoría de control (así concebida) es calcular esas manipulaciones de modo de evitar la inestabilidad y la oscilación. El diseñador de un modelo o simulación de PCT no especifica ningún efecto deseado particular en la salida del sistema, excepto que debe ser el que se requiera para que la entrada del entorno (la señal perceptual) esté en conformidad con la referencia. En la teoría de control perceptual, la función de entrada para la señal de referencia es una suma ponderada de señales generadas internamente (en el caso canónico, señales de error de nivel superior), y la estabilidad del bucle se determina localmente para cada bucle de la manera esbozada en la sección anterior sobre las matemáticas de la PCT (y elaborada con más detalle en la literatura referenciada). Se entiende que la suma ponderada es el resultado de la reorganización.
La teoría de control de ingeniería es exigente en términos computacionales, pero como se muestra en la sección anterior, la PCT no lo es. Por ejemplo, compare la implementación de un modelo de péndulo invertido en la teoría de control de ingeniería [28] con la implementación de la PCT como una jerarquía de cinco sistemas de control simples. [29]
En la TCP, las percepciones se construyen y controlan en una jerarquía de niveles. Por ejemplo, la percepción visual de un objeto se construye a partir de las diferencias en la intensidad de la luz o de las diferencias en las sensaciones, como el color en sus bordes. Para controlar la forma o la ubicación del objeto es necesario alterar las percepciones de las sensaciones o intensidades (que están controladas por sistemas de niveles inferiores). Este principio organizador se aplica a todos los niveles, hasta llegar a los constructos filosóficos y teóricos más abstractos.
El fisiólogo ruso Nicolas Bernstein [30] llegó de forma independiente a la misma conclusión de que el comportamiento tiene que ser multiordinal, organizado jerárquicamente, en capas. Un problema simple llevó a esta conclusión aproximadamente al mismo tiempo tanto en la PCT como en el trabajo de Bernstein. Los reflejos espinales actúan para estabilizar las extremidades contra las perturbaciones. ¿Por qué no impiden que los centros superiores del cerebro utilicen esas extremidades para llevar a cabo el comportamiento? Dado que el cerebro obviamente utiliza los sistemas espinales para producir el comportamiento, debe haber un principio que permita que los sistemas superiores operen incorporando los reflejos, no solo superándolos o apagándolos. La respuesta es que el valor de referencia (punto de ajuste) para un reflejo espinal no es estático; más bien, es variado por los sistemas de nivel superior como sus medios para mover las extremidades ( servomecanismo ). Este principio se aplica a los bucles de retroalimentación superiores, ya que cada bucle presenta el mismo problema a los subsistemas superiores.
Mientras que un sistema de control diseñado tiene un valor de referencia o punto de ajuste ajustado por alguna agencia externa, el valor de referencia para un sistema de control biológico no puede establecerse de esta manera. El punto de ajuste debe provenir de algún proceso interno. Si hay una manera de que la conducta lo afecte, cualquier percepción puede ser llevada al estado especificado momentáneamente por niveles superiores y luego mantenerse en ese estado contra perturbaciones impredecibles. En una jerarquía de sistemas de control, los niveles superiores ajustan los objetivos de los niveles inferiores como su medio de acercarse a sus propios objetivos establecidos por sistemas aún superiores. Esto tiene consecuencias importantes para cualquier control externo propuesto de un sistema de control (organismo) vivo autónomo. En el nivel más alto, los valores de referencia (objetivos) son establecidos por la herencia o por procesos adaptativos.
Si un organismo controla percepciones inadecuadas, o si controla algunas percepciones hacia valores inadecuados, entonces es menos probable que dé a luz descendencia que madure y puede morir. En consecuencia, por selección natural , las generaciones sucesivas de organismos evolucionan de modo que controlan aquellas percepciones que, cuando se controlan con valores de referencia adecuados, tienden a mantener variables internas críticas en niveles óptimos, o al menos dentro de límites no letales. Powers llamó a estas variables internas críticas "variables intrínsecas" (las "variables esenciales" de Ashby).
El mecanismo que influye en el desarrollo de las estructuras de percepción que deben controlarse se denomina "reorganización", un proceso dentro del organismo individual que está sujeto a la selección natural, al igual que la estructura evolucionada de los individuos dentro de una especie. [31]
Se propone que este "sistema de reorganización" forma parte de la estructura heredada del organismo. Cambia los parámetros subyacentes y la conectividad de la jerarquía de control de una manera aleatoria. Existe una tasa continua básica de cambio en las variables intrínsecas que avanza a una velocidad determinada por el error total (y se detiene en el error cero), marcada por cambios aleatorios de dirección en un hiperespacio con tantas dimensiones como variables críticas. Se trata de una adaptación más o menos directa del " homeostato " de Ashby, adoptado por primera vez en la PCT en el artículo de 1960 [10] y luego modificado para utilizar el método de E. coli de navegar por gradientes ascendentes de nutrientes, como lo describe Koshland (1980). [32]
La reorganización puede ocurrir en cualquier nivel cuando la pérdida de control en ese nivel hace que las variables intrínsecas (esenciales) se desvíen de los puntos de referencia determinados genéticamente. Este es el mecanismo básico que interviene en el aprendizaje por ensayo y error, que conduce a la adquisición de tipos más sistemáticos de procesos de aprendizaje. [33]
El concepto de reorganización ha dado lugar a un método de psicoterapia denominado método de niveles (MOL). Mediante el MOL, el terapeuta pretende ayudar al paciente a trasladar su conciencia a niveles superiores de percepción para resolver conflictos y permitir que se produzca la reorganización. [34]
En la actualidad, no existe una teoría consensuada que explique la base sináptica, neuronal o sistémica del aprendizaje. Sin embargo, desde 1973, es importante la idea de que la potenciación a largo plazo (PLP) de poblaciones de sinapsis induce el aprendizaje a través de mecanismos pre y postsinápticos. [35] [36] La LTP es una forma de aprendizaje hebbiano , que propuso que la activación tónica de alta frecuencia de un circuito de neuronas aumenta la eficacia con la que se activan y el tamaño de su respuesta a un estímulo dado en comparación con la neurona estándar (Hebb, 1949). [37] Estos mecanismos son los principios detrás de la famosa y simple explicación de Hebb: "Aquellos que se activan juntos, se conectan juntos". [37]
La LTP ha recibido mucho apoyo desde que fue observada por primera vez por Terje Lømo en 1966 y todavía es objeto de muchos estudios modernos e investigaciones clínicas. Sin embargo, existen posibles mecanismos alternativos subyacentes a la LTP, como presentaron Enoki, Hu, Hamilton y Fine en 2009, [38] publicado en la revista Neuron . Reconocen que la LTP es la base del aprendizaje. Sin embargo, en primer lugar proponen que la LTP ocurre en sinapsis individuales, y esta plasticidad es graduada (a diferencia de un modo binario) y bidireccional. [38] En segundo lugar, el grupo sugiere que los cambios sinápticos se expresan únicamente presinápticamente, a través de cambios en la probabilidad de liberación del transmisor. [38] Finalmente, el equipo predice que la ocurrencia de LTP podría depender de la edad, ya que la plasticidad de un cerebro neonatal sería mayor que la de uno maduro. Por lo tanto, las teorías difieren, ya que una propone una ocurrencia intermitente de LTP por mecanismos pre y postsinápticos y la otra propone solo cambios presinápticos, capacidad graduada y dependencia de la edad.
Estas teorías coinciden en un elemento de la LTP, a saber, que debe producirse a través de cambios físicos en la membrana sináptica, es decir, la plasticidad sináptica. La teoría del control perceptual abarca ambos puntos de vista. Propone el mecanismo de "reorganización" como la base del aprendizaje. La reorganización se produce dentro del sistema de control inherente de un ser humano o animal mediante la reestructuración de las interconexiones e intraconexiones de su organización jerárquica, similar al fenómeno neurocientífico de la plasticidad neuronal. Esta reorganización permite inicialmente la forma de aprendizaje de ensayo y error, que se observa en los bebés, y luego progresa a un aprendizaje más estructurado a través de la asociación, evidente en los bebés, y finalmente al aprendizaje sistemático, que cubre la capacidad adulta de aprender a partir de estímulos y eventos generados tanto interna como externamente. De esta manera, la PCT proporciona un modelo válido para el aprendizaje que combina los mecanismos biológicos de la LTP con una explicación de la progresión y el cambio de los mecanismos asociados con la capacidad de desarrollo. [39] [40] [41] [42] [43]
Powers produjo en 2008 una simulación de la coordinación de los brazos. [24] Sugirió que para mover el brazo, intervienen catorce sistemas de control que controlan catorce ángulos articulares, y se reorganizan de forma simultánea e independiente. Se descubrió que para un rendimiento óptimo, las funciones de salida deben organizarse de forma que la salida de cada sistema de control solo afecte a la variable ambiental que está percibiendo. En esta simulación, el proceso de reorganización funciona como debería, y tal como Powers sugiere que funciona en los humanos, reduciendo las salidas que causan error y aumentando las que lo reducen. Inicialmente, las perturbaciones tienen grandes efectos en los ángulos de las articulaciones, pero con el tiempo los ángulos articulares coinciden más estrechamente con las señales de referencia debido a que el sistema se está reorganizando. Powers sugiere que para lograr la coordinación de los ángulos articulares para producir los movimientos deseados, en lugar de calcular cómo deben cambiar múltiples ángulos articulares para producir este movimiento, el cerebro utiliza sistemas de retroalimentación negativa para generar los ángulos articulares necesarios. Una única señal de referencia que varía en un sistema de orden superior puede generar un movimiento que requiere que varios ángulos articulares cambien al mismo tiempo. [24]
En 2008, Botvinick [44] propuso que uno de los conceptos que dieron origen a la revolución cognitiva fue el reconocimiento de la estructura jerárquica del comportamiento humano. Sin embargo, a pesar de décadas de investigación, los mecanismos computacionales que subyacen al comportamiento organizado jerárquicamente aún no se comprenden por completo. En 2009, Bedre, Hoffman, Cooney y D'Esposito propusieron que el objetivo fundamental de la neurociencia cognitiva es caracterizar la organización funcional de la corteza frontal que sustenta el control de la acción.
Datos recientes de neuroimagen han apoyado la hipótesis de que los lóbulos frontales están organizados jerárquicamente, de modo que el control se apoya en regiones progresivamente caudales a medida que el control pasa a una especificación más concreta de la acción. Sin embargo, todavía no está claro si los procesadores de control de orden inferior se ven afectados de manera diferencial por deficiencias en el control de orden superior cuando se requieren interacciones entre niveles para completar una tarea, o si existen influencias de retroalimentación del control de nivel inferior sobre el control de nivel superior. [45]
En 2008, Botvinik [44] descubrió que todos los modelos existentes de comportamiento estructurado jerárquicamente comparten al menos un supuesto general: que la organización jerárquica, parte-todo, de la acción humana se refleja en las representaciones internas o neuronales que la sustentan. En concreto, el supuesto es que existen representaciones no sólo de conductas motoras de bajo nivel, sino también representaciones separables de unidades de conducta de nivel superior. La última generación de modelos proporciona nuevos conocimientos, pero también plantea preguntas nuevas o refinadas para la investigación empírica, entre ellas, cómo surgen las representaciones abstractas de la acción a través del aprendizaje, cómo interactúan con diferentes modos de control de la acción y cómo se organizan dentro de la corteza prefrontal (CPF).
La teoría del control perceptual (PCT) puede proporcionar un modelo explicativo de la organización neuronal que aborda las cuestiones actuales. La PCT describe el carácter jerárquico de la conducta como algo determinado por el control de la percepción organizada jerárquicamente. Los sistemas de control en el cuerpo y en el entorno interno de miles de millones de neuronas interconectadas dentro del cerebro son responsables de mantener las señales perceptuales dentro de límites de supervivencia en el entorno impredeciblemente variable del que se derivan esas percepciones. La PCT no propone que exista un modelo interno dentro del cual el cerebro simule la conducta antes de emitir órdenes para ejecutar esa conducta. En cambio, uno de sus rasgos característicos es la falta de principio de organización cerebral de la conducta. Más bien, la conducta es el medio variable del organismo para reducir la discrepancia entre las percepciones y los valores de referencia que se basan en diversas entradas externas e internas. [46] La conducta debe adaptarse y cambiar constantemente para que un organismo mantenga sus objetivos perceptuales. De esta manera, la PCT puede proporcionar una explicación del aprendizaje abstracto a través de la reorganización espontánea de la jerarquía. La PCT propone que el conflicto ocurre entre valores de referencia dispares para una percepción dada, en lugar de entre diferentes respuestas [13] , y que el aprendizaje se implementa como cambios de prueba y error de las propiedades de los sistemas de control [27] , en lugar de reforzar cualquier respuesta específica . De esta manera, la conducta sigue siendo adaptativa al entorno a medida que se desarrolla, en lugar de depender de patrones de acción aprendidos que pueden no encajar.
Las jerarquías de control perceptual se han simulado en modelos informáticos y se ha demostrado que proporcionan una correspondencia cercana con los datos de comportamiento. Por ejemplo, Marken [47] realizó un experimento comparando el comportamiento de un modelo informático de jerarquía de control perceptual con el de seis voluntarios sanos en tres experimentos. Se pidió a los participantes que mantuvieran la distancia entre una línea izquierda y una línea central igual a la de la línea central y una línea derecha. También se les indicó que mantuvieran ambas distancias iguales a 2 cm. Tenían 2 paletas en sus manos, una que controlaba la línea izquierda y otra que controlaba la línea media. Para hacer esto, tenían que resistir perturbaciones aleatorias aplicadas a las posiciones de las líneas. A medida que los participantes lograban el control, lograban anular el efecto esperado de las perturbaciones moviendo sus paletas. La correlación entre el comportamiento de los sujetos y el modelo en todos los experimentos se acercó a 0,99. Se propone que la organización de modelos de sistemas de control jerárquico como este nos informa sobre la organización de los sujetos humanos cuyo comportamiento reproduce tan de cerca.
La explicación anterior de los principios de la PCT proporciona una justificación de cómo esta teoría puede proporcionar una explicación válida de la organización neuronal y cómo puede explicar algunos de los problemas actuales de los modelos conceptuales.
La teoría del control perceptual propone actualmente una jerarquía de 11 niveles de percepciones controladas por sistemas en la mente humana y la arquitectura neuronal. Estos son: intensidad, sensación, configuración, transición, evento, relación, categoría, secuencia, programa, principio y concepto de sistema. Diversas señales perceptuales en un nivel inferior (por ejemplo, percepciones visuales de intensidades) se combinan en una función de entrada para construir una única percepción en el nivel superior (por ejemplo, la percepción visual de una sensación de color). Las percepciones que se construyen y controlan en los niveles inferiores se transmiten como entradas perceptuales en los niveles superiores. Los niveles superiores a su vez controlan ajustando los niveles de referencia (objetivos) de los niveles inferiores, en efecto diciéndoles a los niveles inferiores qué percibir. [25] [33]
Si bien se han desarrollado muchas demostraciones de principios por computadora, los niveles superiores propuestos son difíciles de modelar porque se sabe muy poco sobre cómo funciona el cerebro en esos niveles. Se pueden investigar procesos de control de nivel superior aislados, pero los modelos de una jerarquía extensa de control aún son sólo conceptuales o, en el mejor de los casos, rudimentarios.
La teoría del control perceptivo no ha sido ampliamente aceptada en la psicología convencional, pero se ha utilizado de manera efectiva en una gama considerable de dominios [48] [49] en factores humanos, [50] psicología clínica y psicoterapia (el " Método de Niveles "), es la base de un cuerpo considerable de investigación en sociología, [51] y ha formado la base conceptual para el modelo de referencia utilizado por una sucesión de grupos de estudio de investigación de la OTAN . [52] Se enseña en varias universidades en todo el mundo y es el tema de varias tesis doctorales. [53]
Los enfoques recientes utilizan principios de la teoría del control perceptivo para proporcionar nuevas bases algorítmicas para la inteligencia artificial y el aprendizaje automático . [54]
