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 y pueden ir desde diagramas de cajas y flechas hasta un conjunto de ecuaciones o programas de software que interactúan con las mismas herramientas que los humanos usan para completar tareas (por ejemplo, el mouse y el teclado de la computadora). [1] [ página necesaria ] En términos de procesamiento de información , el modelado cognitivo es el modelado de la percepción, el razonamiento, la memoria y la acción humanas. [2] [3]
Los modelos cognitivos se pueden desarrollar dentro o fuera de una arquitectura cognitiva , aunque no siempre es fácil distinguirlos. 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., toma de decisiones mediante búsqueda visual) o en hacer predicciones de comportamiento para una tarea o herramienta específica (p. ej., cómo afectará la implementación de un nuevo paquete de software a la productividad). 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. [4] Asimismo, el desarrollo de modelos ayuda a informar sobre las limitaciones y deficiencias de la arquitectura. Algunas de las arquitecturas más populares para el modelado cognitivo incluyen ACT-R , Clarion , LIDA y Soar .
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.
Se utilizan varios términos clave para describir los procesos que intervienen en la percepción, el almacenamiento y la producción del habla. Normalmente, los utilizan los logopedas cuando tratan a un paciente infantil. La señal de entrada es la señal del habla que escucha el niño, que normalmente se supone que procede de un hablante adulto. La señal de salida es el enunciado producido por el niño. Los modelos psicolingüísticos se centran en los acontecimientos psicológicos invisibles que se producen entre la llegada de una señal de entrada y la producción del habla. Los acontecimientos que procesan la señal de entrada se denominan procesos de entrada, mientras que los acontecimientos que procesan la producción del habla se denominan procesos de salida. Se cree que algunos aspectos del procesamiento del habla ocurren en línea, es decir, durante la percepción o producción real del habla y, por lo tanto, requieren una parte de los recursos de atención dedicados a la tarea del habla. Otros procesos, que se cree que ocurren fuera de línea, tienen lugar como parte del procesamiento mental de fondo del niño en lugar de durante el tiempo dedicado a la tarea del habla. En este sentido, el procesamiento en línea a veces se define como que ocurre en tiempo real, mientras que el procesamiento fuera de línea se dice que es libre de tiempo (Hewlett, 1990). En los modelos psicolingüísticos de cajas y flechas, cada nivel hipotético de representación o procesamiento puede representarse en un diagrama mediante una “caja” y las relaciones entre ellos mediante “flechas”, de ahí el nombre. A veces (como en los modelos de Smith, 1973, y Menn, 1978, descritos más adelante en este artículo) las flechas representan procesos adicionales a los que se muestran en las cajas. Estos modelos hacen explícitas las actividades hipotéticas de procesamiento de información que se llevan a cabo en una función cognitiva particular (como el lenguaje), de una manera análoga a los diagramas de flujo de computadora que representan los procesos y las decisiones que lleva a cabo un programa de computadora. Los modelos de cajas y flechas difieren ampliamente en el número de procesos psicológicos invisibles que describen y, por lo tanto, en el número de cajas que contienen. Algunos modelos tienen sólo una o dos casillas entre las señales de entrada y salida (p. ej., Menn, 1978; Smith, 1973), mientras que otros tienen múltiples casillas que representan relaciones complejas entre una serie de diferentes eventos de procesamiento de información (p. ej., Hewlett, 1990; Hewlett, Gibbon y Cohen-McKenzie, 1998; Stackhouse y Wells, 1997). Sin embargo, la casilla más importante, y la fuente de mucho debate en curso, es la que representa la representación subyacente (o UR). En esencia, una representación subyacente captura información almacenada en la mente de un niño sobre una palabra que conoce y usa. Como ilustrará la siguiente descripción de varios modelos, la naturaleza de esta información y, por lo tanto, el tipo o tipos de representación presentes en la base de conocimiento del niño han captado la atención de los investigadores durante algún tiempo. (Elise Baker et al. Psycholinguistic Models of Speech Development and Their Application to Clinical Practice. Journal of Speech, Language, and Hearing Research. Junio de 2001. 44.(págs. 685–702.)
Un modelo computacional es un modelo matemático en la ciencia computacional que requiere amplios recursos computacionales para estudiar el comportamiento de un sistema complejo mediante simulación por computadora. El sistema en estudio es a menudo un sistema no lineal complejo para el cual no se encuentran fácilmente disponibles soluciones analíticas simples e intuitivas. En lugar de derivar una solución analítica matemática al problema, se realiza experimentación con el modelo modificando los parámetros del sistema en la computadora y estudiando las diferencias en el resultado de los experimentos. Se pueden derivar/deducir teorías de funcionamiento del modelo a partir de estos experimentos computacionales. Algunos ejemplos de modelos computacionales comunes son los modelos de pronóstico del tiempo , los modelos de simuladores terrestres , los modelos de simuladores de vuelo , los modelos de plegamiento de proteínas moleculares y los modelos de redes neuronales .
Un modelo simbólico se expresa en caracteres, normalmente no numéricos, que requieren traducción antes de poder utilizarse.
Un modelo cognitivo es subsimbólico si está formado por entidades constituyentes que no son a su vez representaciones, por ejemplo, píxeles, imágenes sonoras tal como las percibe el oído, muestras de señales; las unidades subsimbólicas en redes neuronales pueden considerarse casos particulares de esta categoría.
Las computadoras híbridas son computadoras que presentan características de computadoras analógicas y digitales. El componente digital normalmente actúa como controlador y proporciona operaciones lógicas, mientras que el componente analógico normalmente actúa como solucionador de ecuaciones diferenciales. Ver más detalles en sistema inteligente híbrido .
En el enfoque computacional tradicional , las representaciones se consideran estructuras estáticas de símbolos discretos . La cognición se produce al transformar las estructuras de símbolos estáticos en pasos discretos y secuenciales. La información sensorial se transforma en entradas simbólicas, que producen salidas simbólicas que se transforman en salidas motoras . Todo el sistema funciona en un ciclo continuo.
Lo que falta en esta visión tradicional es que la cognición humana ocurre de manera continua y en tiempo real. Descomponer los procesos en pasos de tiempo discretos puede no capturar completamente este comportamiento. Un enfoque alternativo es 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 estar el sistema. [5] El sistema se distingue por el hecho de que un cambio en cualquier aspecto del estado del sistema depende de otros aspectos del mismo o de otros estados del sistema. [6]
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 configuran una trayectoria específica que se desarrolla a lo largo del tiempo, en lugar de la naturaleza física de los mecanismos subyacentes que manifiestan esta dinámica, tienen fuerza explicativa. En 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.
Los primeros trabajos sobre la aplicación de sistemas dinámicos a la cognición se pueden encontrar en el modelo de redes de Hopfield . [7] [8] Estas redes se propusieron como modelo para la memoria asociativa . Representan el nivel neuronal de la memoria , modelando sistemas de alrededor de 30 neuronas que pueden estar en estado encendido o apagado. Al dejar que la red aprenda por sí sola, surgen naturalmente la estructura y las propiedades computacionales. A diferencia de los modelos anteriores, los "recuerdos" se pueden formar y recuperar ingresando una pequeña porción de la memoria completa. El orden temporal de los recuerdos también se puede codificar. El comportamiento del sistema se modela con vectores que pueden cambiar de valores, lo que representa diferentes estados del sistema. Este modelo temprano fue un paso importante hacia una visión de sistemas dinámicos de la cognición humana, aunque aún se debían agregar muchos detalles y explicar más fenómenos.
Teniendo en cuenta el desarrollo evolutivo del sistema nervioso humano y la similitud del cerebro con otros órganos, Elman propuso que el lenguaje y la cognición deberían tratarse como un sistema dinámico en lugar de un procesador de símbolos digitales. [9] Las redes neuronales del tipo que implementó Elman se conocen como redes Elman . En lugar de tratar el lenguaje como una colección de elementos léxicos estáticos y reglas gramaticales que se aprenden y luego se usan de acuerdo con reglas fijas, la visión de los sistemas dinámicos define el léxico como regiones del espacio de estados dentro de un sistema dinámico. La gramática se compone de atractores y repelentes que restringen el movimiento en el espacio de estados. Esto significa que las representaciones son sensibles al contexto, y las representaciones mentales se ven como trayectorias a través del espacio mental en lugar de objetos que se construyen y permanecen estáticos. Las redes Elman se entrenaron con oraciones simples para representar la gramática como un sistema dinámico. Una vez que se había aprendido una gramática básica, las redes podían analizar oraciones complejas prediciendo qué palabras aparecerían a continuación de acuerdo con el modelo dinámico. [10]
Se ha investigado un error clásico del desarrollo en el contexto de los sistemas dinámicos: [11] [12] Se propone que el error A-no-B no es un error específico que ocurre a una edad específica (8 a 10 meses), sino una característica de un proceso de aprendizaje dinámico que también está presente en niños mayores. Se descubrió que los niños de 2 años cometían un error similar al error A-no-B cuando buscaban juguetes escondidos en un arenero. Después de observar que el juguete estaba escondido en la ubicación A y buscarlo allí repetidamente, se les mostró a los niños de 2 años un juguete escondido en una nueva ubicación B. Cuando buscaron el juguete, buscaron en ubicaciones que estaban sesgadas hacia la ubicación A. Esto sugiere que existe una representación continua de la ubicación del juguete que cambia con el tiempo. El comportamiento pasado del niño influye en su modelo de ubicaciones del arenero, por lo que una explicación del comportamiento y el aprendizaje debe tener en cuenta cómo el sistema del arenero y las acciones pasadas del niño cambian con el tiempo. [12]
Un mecanismo propuesto para un sistema dinámico proviene del análisis de redes neuronales recurrentes de tiempo continuo (CTRNN). Al enfocarse 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 al caminar. [13] Este CPG contiene tres neuronas motoras para controlar los efectores del 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 está aplicando para generar torque en la articulación de la pierna. Una característica de este patrón es que las salidas de las neuronas están apagadas o encendidas la mayor parte del tiempo. Otra característica es que los estados son cuasi estables, lo que significa que eventualmente pasarán 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 pasan simultáneamente de un estado cuasi estable 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, los detalles de cómo podría ocurrir esta combinación no están totalmente resueltos.
Las formalizaciones modernas de los sistemas dinámicos aplicados al estudio de la cognición varían. Una de estas formalizaciones, denominada “dinámica del comportamiento”, [14] 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 informa el comportamiento del agente y las acciones del agente modifican el entorno. En el caso específico de los ciclos de percepción-acción , el acoplamiento del 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 que es 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, el cuerpo del agente y el entorno están acoplados entre sí [15] [16]
La dinámica del comportamiento se ha aplicado al comportamiento locomotor. [14] [17] [18] 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. De acuerdo con 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 entre sí por las fuerzas que el agente aplica al entorno y por la información estructurada proporcionada por el entorno. Por lo tanto, la dinámica del comportamiento surge 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 conductuales estables, mientras que las bifurcaciones reflejan cambios en el comportamiento. A diferencia del trabajo previo sobre generadores de patrones centrales, este marco sugiere que los patrones conductuales estables son una propiedad emergente y autoorganizada del sistema agente-entorno en lugar de estar determinados por la estructura del agente o del entorno.
En una extensión de la teoría clásica de sistemas dinámicos , [19] en lugar de acoplar entre sí 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 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 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 un entorno. Esta formalización puede verse como una generalización de la formalización clásica, según la cual el sistema de agente puede verse como el sistema de agente 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.
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 llevan 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 ese objeto. En la perspectiva del mediador, los estados internos llevan información sobre el entorno que el sistema utiliza para alcanzar sus objetivos. En esta explicación más compleja, los estados del sistema llevan información que media entre la información que el agente toma del entorno y la fuerza ejercida sobre el entorno por la conducta del agente. La aplicación de sistemas dinámicos abiertos se ha discutido para cuatro tipos de ejemplos clásicos de cognición corporizada: [20]
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 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 de representación. Estos ejemplos de cognición corporizada muestran la importancia de estudiar la dinámica emergente de un sistema de agente-entorno, así como la dinámica intrínseca de los sistemas de agentes. En lugar de estar en desacuerdo con los enfoques tradicionales de la ciencia cognitiva, los sistemas dinámicos son una extensión natural de estos métodos y deberían estudiarse en paralelo en lugar de competir entre ellos.
