Download conexionismo

III ENCUENTRO VIRTUAL DE DOCENTES CON
EXPERIENCIAS DE AULAS DE INNOVACIONES
PEDAGOGICAS 2013
“MEGATENDENCIAS EN EDUCACIÓN”
PONENCIA:
Mag. Luis Fernando Ramírez Gálvez
CONEXIONISMO
El conexionismo es un conjunto de enfoques en los
ámbitos de la inteligencia artificial, psicología
cognitiva, ciencia cognitiva, neurociencia y filosofía
de la mente. Presentes en los fenómenos de
la mente y del comportamiento como procesos
neuronales.
PRINCIPIOS BÁSICOS
El principio central del conexionismo son los fenómenos
mentales. La forma de las conexiones y de las unidades varía
de un modelo a otro. Por ejemplo, las unidades de la red
podrían representar neuronas y las conexiones podrían
representar sinapsis.
Sinapsis. Proceso de interconexión entre neuronas.
Propagación de Activación
En la mayoría de los modelos conexionistas de las redes
cambian con el tiempo. Un aspecto estrechamente
relacionado y muy común de los modelos conexionistas es
la activación: Por ejemplo, la probabilidad de que la neurona
genere un pico o emociones como potencial de acción.
Realismo Biológico
La rama de las redes neuronales del conexionismo sugiere
que el estudio de la actividad mental es en realidad el
estudio de los sistemas neurales. Esto enlaza el conexionismo
con la neurociencia y el sistema biológico.
Aprendizaje
Los conexionistas por lo general
subrayan la importancia del
aprendizaje en sus modelos. El
aprendizaje siempre implica la
modificación de los procesos de
conexión: Ejemplo: El uso de
fórmulas matemáticas para
obtener un conjunto de datos.
Historia
Las bases de las ideas conexionistas se pueden remontar a
finales del siglo XIX, cuando Santiago Ramón y
Cajal establecieron las bases para los estudios de redes
neuronales, cuando describieron la estructura de las
neuronas y su forma de interconexión en el cerebro humano.
Procesamiento Distribuido en Paralelo
El enfoque conexionista que prevalece hoy en día fue
originalmente conocido como procesamiento distribuido en
paralelo (PDP) .
Aspectos principales:
Un conjunto de unidades de procesamiento: representadas por
un conjunto de números enteros.
Una activación para cada unidad: representada por un vector
de funciones dependientes del tiempo.
Una función de activación para cada unidad: representada por un vector de
funciones de activación.
Un patrón de conectividad entre las unidades: representada por una matriz
de números reales y actividad lingüística.
Una regla de propagación que extienda las activaciones a través de las
conexiones, representada por conjuntos reales.
Una regla de activación: representada por una función de activación actual y
de propagación.
Una regla de aprendizaje para modificar las conexiones, basada en la
experiencia vivida.
Primeros Trabajos
Raíces directas del PDP fueron las teorías del perceptrón de
investigadores como Frank Rosenblatt en la década de 1950 y 1960. Pero
los modelos perceptrón se hicieron muy impopulares a raíz del
libro Perceptrons.
Este libro mostraba los límites de la clase de funciones que los
perceptrones pueden calcular, demostrando que incluso las funciones
simples, como el exclusivo no pueden ser manejadas correctamente. Los
libros sobre PDP superaron esta limitación, al mostrar que las redes
neuronales multi-capa y no lineales son mucho más robustas y pueden
utilizarse para una amplia gama de funciones.
Conexionismo aparte de PDP
Aunque el PDP es la forma dominante de conexionismo, hay otro tipo de
trabajos teóricos que también deben ser englobados dentro del
conexionismo.
Santiago Ramón y Cajal. Describió la estructura de las neuronas y su
forma de interconexión estableciendo de esta manera las bases para los
estudios de redes neuronales.
William James. Las teorías psicológicas basadas en el conocimiento del
cerebro humano .
John Hughlings Jackson. Abogó por sistemas distribuidos en varios
niveles de experiencias.
Edward Thorndike. Estaba experimentando con formas de aprendizaje
que postulaban a las unidades lingüísticas respecto al habla.
Friedrich Hayek Propuso que el orden espontáneo en el cerebro era
consecuencia de redes descentralizadas formadas por unidades sencillas
de grupos neuronales.
Debate Conexionismo vs. Inteligencia
artificial convencional
Mientras el conexionismo se hacía cada vez más popular en la década de 1980,
hubo una reacción contraria por parte de algunos investigadores, incluyendo
a Jerry Fodor, Steven Pinker y otros. Argumentaban que el conexionismo tal y
como se estaba desarrollando corría el peligro de olvidar lo que ellos veían como
los progresos realizados por el enfoque clásico de la inteligencia artificial en los
campos de la ciencia cognitiva y la psicología.
La inteligencia artificial convencional argumenta que la mente opera mediante
la realización de operaciones simbólicas puramente formales, como una máquina
de Turing. Algunos investigadores señalaron que la tendencia hacia el
conexionismo era un error, ya que significaba una reversión hacia
el asociacionismo y el abandono de la idea de un lenguaje del pensamiento.
APLICACIONES
E l debate sobre si las redes conexionistas eran capaces de
producir la estructura sintáctica observada en razonamientos
de tipo lógico fue tardío y el hecho de que los
procedimientos utilizados eran muy improbables en el
cerebro hizo que la controversia persistiera.
Hoy en día los avances y aplicaciones de la neurofisiología
y de la comprensión de las redes neuronales han llevado a la
elaboración de modelos que han tenido éxito en la
superación de gran número de aquellos primeros problemas.
Para los neurocientíficos la cuestión fundamental sobre el
conocimiento se ha inclinado a favor del conexionismo. Sin
embargo, este desarrollo relativamente , aún no han
alcanzado un consenso aceptable entre aquellos que
trabajan en otros campos, tales como la psicología o la
filosofía de la mente.