Psicología y psicoterapias cognitivas. Psicología positiva. Autoayuda. Investigaciones. Opinión. Neurociencias.

¿Qué es el conexionismo?

| 27/12/08
Un sistema conexionista, o una red neuronal consiste en una red de procesadores simples similares a neuronas, llamados nodos o unidades. Cada nodo tiene conexiones dirigidas a varios otros nodos, de modo que obtiene señales de algunos nodos y envía señales a otros nodos, incluyendo, posiblemente, aquellos de los cuáles obtiene señales. En la práctica, un nodo dado puede obtener input de sólo dos o tres nodos, o de tantos como dos o tres docenas. En principio, podrían ser miles. El input de cada nodo es una señal simple como una corriente eléctrica o una transmisión sináptica. Esta señal podría tener sólo los valores encendido y apagado o podría variar en una sola dimensión, la cuál llamaré fuerza. El input total de un nodo determinará su estado de activación. El nodo puede estar apagado o encendido. Podría estar encendido toda vez que obtenga un input cualquiera, o podría haber un umbral que el input tiene que alcanzar antes de que el nodo se encienda. En cualquiera de estos casos el nodo podría tener sólo dos valores, "encendido" y "apagado", o el estado de activación podría variar como una función del input total. Finalmente, algunas veces los sistemas admiten señales que inhiben la activación así como el input excitatorio.

Cuando un nodo está encendido, manda señales a los nodos con los que tiene conexiones de output. La fuerza de la señal de output es una función de su grado de activación y, nuevamente, varias funciones han sido usadas.

Las conexiones entre los nodos son análogas a las conexiones de los cables eléctricos o sinápticos. Así, tienen un grado de resistencia. El input al nodo b desde el nodo a es una función de la fuerza de señal de output de a y la fuerza entre ellos. La fuerza de la conexión entre los nodos es referida como peso. Un peso mayor significa menos resistencia: una señal más fuerte recibida.
Típicamente, en un sistema conexionista dado, las propiedades de los nodos son consideradas fijas. Los pesos, por otro lado, pueden variar como una función de la experiencia. Como resultado, es posible construir sistemas conexionistas que sean capaces de aprender de maneras muy naturales. De este modo, el aprendizaje conexionista consiste en "obtener que nuestros pesos cambien".

Para dar un ejemplo simple, si el peso entre dos nodos aumenta, significando que la resistencia es menor, siempre que ambos nodos estén encendidos juntos, aumenta la probabilidad de que cuando uno esté encendido el otro también se encienda. Esto vale para el aprendizaje simple de tipo asociacionista.

En un sistema conexionista, algunas unidades obtienen estímulos desde fuera del sistema. Éstas son unidades de input. Algunas son unidades de output. Se las piensa como enviando señales fuera del sistema. Las unidades de input pueden también obtener estímulos de nodos de dentro del sistema y los nodos de output pueden enviar una retroalimentación a nodos del sistema. El resto de los nodos, sin conexiones fuera del sistema, son llamados nodos ocultos o internos.
El marco conexionista no impone limitaciones sobre los tipos de las estructuras de nodos que son posibles.

En un procesamiento típico no se da el caso de que sólo sean activados los nodos internos y de output correctos. Típicamente, hay mucha actividad, con nodos encendiéndose y apagándose, enviando y recibiendo señales repetidamente hasta que el sistema "se asienta" en una configuración estable que constituye su solución al problema planteado. Imagínese un grupo de luces conectadas, encendiéndose y apagándose hasta alcanzar gradualmente un estado estable con algunas encendiéndose y algunas apagándose.

Varias diferencias entre el conexionismo y la arquitectura clásica son aparentes. En la arquitectura clásica, lo que ocurre en todo el sistema es controlado por el programa que está en la unidad de procesamiento central (UPC). En un sistema conexionista, no hay un ejecutor central, y no hay un programa que determine lo que ocurre en el sistema. Todas las conexiones son locales, de modo que cada nodo sólo sabe lo que obtiene de los nodos con los cuáles está conectado. Y la única información que un nodo comunica a otro es "Estoy encendido, (tanto)". Nadie en el sistema sabe más que eso. Así, en particular, nadie en el sistema sabe lo que el sistema como una totalidad, está haciendo. Además, lo que ocurre en un lugar del sistema es independiente de lo que ocurre en otra parte del mismo. El comportamiento de cada nodo está determinado sólo por su estado actual y su input. Sin embargo, los sistemas conexionistas pueden ser interpretados como representando globalmente contenido interesante cuando se encuentran en un estado particular, y como teniendo almacenado (en los pesos) conocimiento que no está representado en ese momento de manera activa.

"Conexionismo" es un buen nombre para la familia de sistemas que se ajustan a esta descripción. Por otro lado, aunque igualmente aceptado, el término "paralelo", me parece menos afortunado. Puede llevar a confusiones dado que puede sugerir muchas secuencias separadas que van en paralelo, cada una de acuerdo con su propio programa. Ésta no es la descripción correcta de los sistemas conexionistas. Ellos no involucran procesos paralelos independientes que estén programados o bien ínsitos aunque en principio programables. Se caracterizan por un procesamiento local simultáneo distribuido sobre todo el sistema. Desde este procesamiento local simultáneo emerge una configuración estable del sistema, la cual constituye la solución del sistema al problema planteado.

Material consultado:
Tienson, J.L. (1995) Una introducción al conexionismo. En E. Rabossi (Comp.) Filosofía de la mente y ciencia cognitiva. Barcelona: Paidós. Cap. 13, pp. 367 – 370.

0 comentarios: