En psicología , el procesamiento paralelo es la capacidad del cerebro de procesar simultáneamente estímulos entrantes de diferente calidad. [1] El procesamiento paralelo está asociado con el sistema visual en el que el cerebro divide lo que ve en cuatro componentes: color , movimiento , forma y profundidad . Estos se analizan individualmente y luego se comparan con los recuerdos almacenados , lo que ayuda al cerebro a identificar lo que está viendo. [2] Luego, el cerebro combina todos estos en el campo de visión que luego se ve y se comprende. [3] Esta es una operación continua y sin fisuras. Por ejemplo, si uno está parado entre dos grupos diferentes de personas que mantienen simultáneamente dos conversaciones diferentes, puede ser capaz de captar solo parte de la información de ambas conversaciones al mismo tiempo. [4] Algunos psicólogos experimentales han vinculado el procesamiento paralelo al efecto Stroop (resultante de la prueba de Stroop donde hay una discordancia entre el nombre de un color y el color en el que está escrita la palabra). [5] En el efecto Stroop, se observa una incapacidad para prestar atención a todos los estímulos a través de la atención selectiva de las personas. [6]
En 1990, el psicólogo estadounidense David Rumelhart propuso el modelo de procesamiento distribuido paralelo (PDP) con la esperanza de estudiar los procesos neuronales a través de simulaciones por computadora . [7] Según Rumelhart, el modelo PDP representa el procesamiento de la información como interacciones entre elementos llamados unidades, siendo las interacciones de naturaleza excitatoria o inhibitoria. [8] Los modelos de procesamiento distribuido paralelo están inspirados en las neuronas y emulan la estructura organizativa de los sistemas nerviosos de los organismos vivos. [9] Se les proporciona un marco matemático general.
Los modelos de procesamiento paralelo suponen que la información se representa en el cerebro mediante patrones de activación. El procesamiento de la información abarca las interacciones de unidades similares a neuronas unidas por conexiones similares a sinapsis . Estas pueden ser excitatorias o inhibidoras . El nivel de activación de cada unidad individual se actualiza utilizando una función de las fortalezas de la conexión y el nivel de activación de otras unidades. Un conjunto de unidades de respuesta se activa mediante la propagación de patrones de activación. Los pesos de la conexión se ajustan finalmente mediante el aprendizaje. [10]
A diferencia del procesamiento paralelo, el procesamiento serial implica el procesamiento secuencial de información, sin superposición de tiempos de procesamiento. [11] La distinción entre estos dos modelos de procesamiento se observa más cuando se apunta a los estímulos visuales y se los procesa (también llamado búsqueda visual).
En el caso del procesamiento en serie, los elementos se buscan uno tras otro en un orden secuencial para encontrar el objetivo. Cuando se encuentra el objetivo, la búsqueda finaliza. Alternativamente, se continúa hasta el final para asegurarse de que el objetivo no esté presente. Esto da como resultado una precisión reducida y un mayor tiempo para las visualizaciones con más objetos.
Por otra parte, en el caso del procesamiento en paralelo, todos los objetos se procesan simultáneamente, pero los tiempos de finalización pueden variar. Esto puede reducir o no la precisión, pero los tiempos son similares independientemente del tamaño de la pantalla. [12]
Sin embargo, existen preocupaciones sobre la eficiencia de los modelos de procesamiento paralelo en el caso de tareas complejas que se analizan más adelante en este artículo.
Hay ocho aspectos principales de un modelo de procesamiento distribuido paralelo: [8]
Estas unidades pueden incluir elementos abstractos como características, formas y palabras, y generalmente se clasifican en tres tipos: unidades de entrada, de salida y ocultas.
Esta es una representación del estado del sistema. El patrón de activación se representa mediante un vector de N números reales, sobre el conjunto de unidades de procesamiento. Es este patrón el que captura lo que el sistema está representando en cualquier momento.
Una función de salida asigna el estado actual de activación a una señal de salida. Las unidades interactúan con sus vecinas transmitiendo señales. La intensidad de estas señales está determinada por su grado de activación. Esto, a su vez, afecta el grado en que afectan a sus vecinas.
El patrón de conectividad determina cómo reaccionará el sistema a una entrada arbitraria. El patrón total de conectividad se representa especificando los pesos para cada conexión. Un peso positivo representa una entrada excitatoria y un peso negativo representa una entrada inhibidora.
Se produce una entrada neta para cada tipo de entrada utilizando reglas que toman el vector de salida y lo combinan con las matrices de conectividad . En el caso de una conectividad de patrón más compleja, las reglas también son más complejas.
Se produce un nuevo estado de activación para cada unidad uniendo las entradas netas de las unidades impactantes combinadas y el estado actual de activación de esa unidad.
Los patrones de conectividad se modifican con la experiencia. Las modificaciones pueden ser de tres tipos: primero, el desarrollo de nuevas conexiones; segundo, la pérdida de la conexión existente; y por último, la modificación de la fuerza de las conexiones que ya existían. Las dos primeras pueden considerarse casos especiales de la última. Cuando la fuerza de una conexión cambia de cero a una positiva o negativa, es como si se formara una nueva conexión. Cuando la fuerza de una conexión cambia a cero, es como si se perdiera una conexión existente.
En los modelos PDP, el entorno se representa como una función estocástica que varía en el tiempo a lo largo del espacio de patrones de entrada. [13] Esto significa que en cualquier punto dado, existe la posibilidad de que cualquiera de los posibles conjuntos de patrones de entrada esté incidiendo en las unidades de entrada. [9]
Un ejemplo del modelo PDP se ilustra en el libro de Rumelhart 'Parallel Distributed Processing' de individuos que viven en el mismo vecindario y son parte de diferentes pandillas. También se incluye otra información, como sus nombres, grupo de edad, estado civil y ocupaciones dentro de sus respectivas pandillas. Rumelhart consideró cada categoría como una 'unidad' y un individuo tiene conexiones con cada unidad. Por ejemplo, si se busca más información sobre un individuo llamado Ralph, esa unidad de nombre se activa, revelando conexiones con las otras propiedades de Ralph, como su estado civil o grupo de edad. [8]
Para percibir la profundidad , los seres humanos utilizan ambos ojos para ver objetos tridimensionales. Este sentido está presente al nacer en los seres humanos y en algunos animales, como los gatos, los perros, los búhos y los monos. [14] Los animales con ojos más separados tienen más dificultades para establecer la profundidad, como los caballos y las vacas. Se utilizó una prueba de profundidad especial en bebés, llamada The Visual Cliff . [15] Esta prueba consistía en una mesa, la mitad recubierta con un patrón de tablero de ajedrez y la otra mitad con una lámina de plexiglás transparente, que revelaba una segunda plataforma de tablero de ajedrez aproximadamente un pie más abajo. Aunque el plexiglás era seguro para trepar, los bebés se negaron a cruzar debido a la percepción de un acantilado visual. Esta prueba demostró que la mayoría de los bebés ya tienen un buen sentido de la profundidad. Este fenómeno es similar a cómo los adultos perciben las alturas.
Ciertas señales ayudan a establecer la percepción de profundidad. Las señales binoculares son creadas por los dos ojos humanos, que se comparan inconscientemente para calcular la distancia. [16] Esta idea de dos imágenes separadas es utilizada por los cineastas de realidad virtual y 3D para dar al metraje bidimensional el elemento de profundidad. Las señales monoculares pueden ser utilizadas por un solo ojo con pistas del entorno. Estas pistas incluyen altura relativa, tamaño relativo, perspectiva lineal, luces y sombras, y movimiento relativo. [15] Cada pista ayuda a establecer pequeños hechos sobre una escena que funcionan juntos para formar una percepción de profundidad. Las señales binoculares y monoculares se utilizan de forma constante e inconsciente para percibir la profundidad.
En varios estudios analíticos se han planteado las limitaciones del procesamiento paralelo. Entre las principales se destacan los límites de capacidad del cerebro, las interferencias en la frecuencia de parpadeo relacionadas con la atención , las capacidades de procesamiento limitadas y las limitaciones de información en las búsquedas visuales.
El cerebro tiene límites de procesamiento a la hora de ejecutar tareas complejas, como el reconocimiento de objetos . No todas las partes del cerebro pueden procesar a plena capacidad en un método paralelo. La atención controla la asignación de recursos a las tareas. Para trabajar de manera eficiente, la atención debe orientarse de un objeto a otro. [17]
Estas limitaciones de los recursos atencionales a veces conducen a cuellos de botella seriales en el procesamiento paralelo, lo que significa que el procesamiento paralelo se ve obstaculizado por el procesamiento serial intermedio. Sin embargo, hay evidencia de la coexistencia de procesos seriales y paralelos. [18]
La teoría de integración de características de Anne Treisman es una de las teorías que integra el procesamiento serial y paralelo teniendo en cuenta los recursos atencionales. Consta de dos etapas:
{{cite journal}}: |editor3-last=tiene nombre genérico ( ayuda ){{cite book}}: CS1 maint: varios nombres: lista de autores ( enlace )