Paul Smolensky (nacido el 5 de mayo de 1955) es profesor Krieger-Eisenhower de ciencia cognitiva en la Universidad Johns Hopkins e investigador principal senior en Microsoft Research , Redmond Washington.
Junto con Alan Prince , en 1993 desarrolló la teoría de la optimidad , un formalismo gramatical que proporciona una teoría formal de la tipología translingüística (o gramática universal ) dentro de la lingüística . [1] La teoría de la optimidad se utiliza popularmente para la fonología , subcampo al que se aplicó originalmente, pero se ha extendido a otras áreas de la lingüística como la sintaxis [2] y la semántica . [3]
Smolensky recibió el Premio Rumelhart 2005 por su desarrollo de la Arquitectura ICS, un modelo de cognición que apunta a unificar el conexionismo y el simbolismo , donde las representaciones y operaciones simbólicas se manifiestan como abstracciones sobre las redes neuronales artificiales o conexionistas subyacentes . Esta arquitectura se basa en representaciones de productos tensoriales , [4] incrustaciones compositivas de estructuras simbólicas en espacios vectoriales. Abarca el marco de la Gramática Armónica , un formalismo gramatical numérico basado en el conexionismo que desarrolló con Géraldine Legendre y Yoshiro Miyata, [5] que fue el predecesor de la Teoría de la Optimidad . La arquitectura ICS se basa en la teoría de la armonía, un formalismo para redes neuronales artificiales que introdujo la arquitectura de máquina restringida de Boltzmann . Este trabajo, hasta principios de la década de 2000, se presenta en el libro de dos volúmenes escrito con Géraldine Legendre, The Harmonic Mind . [6] El trabajo posterior introdujo la computación simbólica de gradiente , en la que combinaciones de símbolos parcialmente activados ocupan combinaciones de posiciones en estructuras discretas como árboles o gráficos. [7] Esto se ha aplicado con éxito a numerosos problemas en lingüística teórica donde las estructuras lingüísticas discretas tradicionales han resultado inadecuadas, [8] así como al procesamiento incremental de oraciones en psicolingüística. [9] En un trabajo con colegas de Microsoft Research y Johns Hopkins, la computación simbólica de gradiente se ha integrado en redes neuronales utilizando el aprendizaje profundo para abordar una variedad de problemas en el razonamiento y el procesamiento del lenguaje natural.
Entre sus otras contribuciones importantes está la noción de conjunción local de restricciones lingüísticas, en la que dos restricciones se combinan en una única restricción más fuerte que se viola sólo cuando ambas conjunciones se violan dentro del mismo dominio local especificado. La conjunción local se ha aplicado al análisis de varios efectos "superaditivos" en la teoría de la optimidad. Con Bruce Tesar ( Universidad de Rutgers ), Smolensky también contribuyó significativamente al estudio de la capacidad de aprendizaje de las gramáticas de la teoría de la optimización (en el sentido de la teoría del aprendizaje computacional ).
Smolensky fue miembro fundador del grupo de investigación de Procesamiento Distribuido Paralelo de la Universidad de California, San Diego , y actualmente es miembro del Centro de Procesamiento del Lenguaje y el Habla de la Universidad Johns Hopkins y del Grupo de Aprendizaje Profundo de Microsoft Research , Redmond Washington. .