Modelo cognitivo - Cognitive model

Un modelo cognitivo es una aproximación a los procesos cognitivos animales (predominantemente humanos) con fines de comprensión y predicción. Hay muchos tipos de modelos cognitivos y pueden variar desde diagramas de caja y flecha hasta un conjunto de ecuaciones y programas de software que interactúan con las mismas herramientas que los humanos usan para completar tareas (por ejemplo, mouse y teclado de computadora).

Relación con las arquitecturas cognitivas

Los modelos cognitivos se pueden desarrollar dentro o sin una arquitectura cognitiva , aunque los dos no siempre son fácilmente distinguibles. A diferencia de las arquitecturas cognitivas, los modelos cognitivos tienden a centrarse en un solo fenómeno o proceso cognitivo (por ejemplo, aprendizaje de listas), cómo interactúan dos o más procesos (por ejemplo, búsqueda visual, toma de decisiones bsc1780), o hacer predicciones de comportamiento para una tarea específica. o herramienta (por ejemplo, cómo la implementación de un nuevo paquete de software afectará 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. Asimismo, el desarrollo de modelos ayuda a informar las limitaciones y deficiencias de la arquitectura. Algunas de las arquitecturas más populares para el modelado cognitivo incluyen ACT-R , Clarion , LIDA y Soar .

Historia

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.

Modelos de caja y flecha

Se utilizan varios términos clave para describir los procesos involucrados en la percepción, el almacenamiento y la producción del habla. Por lo general, los utilizan los patólogos del habla mientras tratan a un paciente infantil. La señal de entrada es la señal del habla que escucha el niño, generalmente se supone que proviene de un hablante adulto. La señal de salida es el enunciado producido por el niño. Los eventos psicológicos invisibles que ocurren entre la llegada de una señal de entrada y la producción del habla son el foco de los modelos psicolingüísticos. Los eventos que procesan la señal de entrada se denominan procesos de entrada, mientras que los eventos que procesan la producción de voz se denominan procesos de salida. Se cree que algunos aspectos del procesamiento del habla ocurren en línea, es decir, ocurren 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 y no 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 no tiene tiempo (Hewlett, 1990). En los modelos psicolingüísticos de caja y flecha, cada nivel hipotético de representación o procesamiento se puede representar 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 los recuadros. Dichos modelos hacen explícitas las actividades hipotéticas de procesamiento de información llevadas 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 decisiones llevados a cabo por un programa de computadora. Los modelos de caja y flecha difieren ampliamente en la cantidad de procesos psicológicos invisibles que describen y, por lo tanto, en la cantidad de cajas que contienen. Algunos tienen sólo uno o dos recuadros entre las señales de entrada y salida (p. Ej., Menn, 1978; Smith, 1973), mientras que otros tienen recuadros múltiples que representan relaciones complejas entre varios eventos de procesamiento de información diferentes (p. Ej., Hewlett, 1990; Hewlett , Gibbon y Cohen-McKenzie, 1998; Stackhouse y Wells, 1997). El recuadro más importante, sin embargo, y la fuente de mucho debate en curso, es el 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, los tipos de representación presentes en la base de conocimientos del niño han captado la atención de los investigadores durante algún tiempo. (Elise Baker et al. Modelos psicolingüísticos de desarrollo del habla y su aplicación a la práctica clínica. Revista de investigación del habla, el lenguaje y la audición. Junio ​​de 2001. 44. p 685–702.)

Modelos computacionales

Un modelo computacional es un modelo matemático en 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 que no se dispone de soluciones analíticas sencillas e intuitivas. En lugar de derivar una solución analítica matemática al problema, la experimentación con el modelo se realiza cambiando los parámetros del sistema en la computadora y estudiando las diferencias en el resultado de los experimentos. Las teorías de funcionamiento del modelo se pueden derivar / deducir de estos experimentos computacionales. 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.

Simbólico

Un modelo simbólico se expresa en caracteres, generalmente no numéricos, que requieren traducción antes de poder usarse.

Subsimbólico

Un modelo cognitivo es subsimbólico si está formado por entidades constituyentes que no son representaciones a su vez, por ejemplo, píxeles, imágenes de sonido percibidas por el oído, muestras de señales; Las unidades subsimbólicas de las redes neuronales pueden considerarse casos particulares de esta categoría.

Híbrido

Las computadoras híbridas son computadoras que exhiben características de computadoras analógicas y computadoras digitales. El componente digital normalmente sirve como controlador y proporciona operaciones lógicas, mientras que el componente analógico normalmente sirve como solucionador de ecuaciones diferenciales. Ver más detalles en sistema inteligente híbrido .

Sistemas dinámicos

En el enfoque computacional tradicional , las representaciones se ven como estructuras estáticas de símbolos discretos . La cognición se lleva a cabo mediante la transformación de 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 opera en un ciclo continuo.

Lo que falta en esta visión tradicional es que la cognición humana ocurre de forma continua y en tiempo real. Es posible que dividir los procesos en pasos de tiempo discretos no capture 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 en el tiempo en el estado general, y (3) un conjunto de estados o espacio de estados , que representa la totalidad de estados generales en los que podría estar el sistema. 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.

Un modelo dinámico típico se formaliza mediante varias ecuaciones diferenciales que describen cómo cambia el estado del sistema a lo largo del tiempo. Al hacerlo, la forma del espacio de trayectorias posibles y las fuerzas internas y externas que dan forma a una trayectoria específica que se despliega en el tiempo, en lugar de la naturaleza física de los mecanismos subyacentes que manifiestan esta dinámica, tienen fuerza explicativa. En esta visión dinámica, las entradas paramétricas alteran la dinámica intrínseca del sistema, en lugar de especificar un estado interno que describe algún estado de cosas externo.

Sistemas dinámicos tempranos

Memoria asociativa

Los primeros trabajos en la aplicación de sistemas dinámicos a la cognición se pueden encontrar en el modelo de redes de Hopfield . Estas redes se propusieron como modelo de memoria asociativa . Representan el nivel neuronal de la memoria , modelando sistemas de alrededor de 30 neuronas que pueden estar en un estado activado o desactivado. Al permitir que la red aprenda por sí misma, la estructura y las propiedades computacionales surgen de forma natural. A diferencia de los modelos anteriores, las “memorias” se pueden formar y recuperar ingresando una pequeña parte de la memoria completa. También se puede codificar el orden temporal de las memorias. El comportamiento del sistema se modela con vectores que pueden cambiar valores, representando diferentes estados del sistema. Este primer modelo fue un paso importante hacia una visión de sistemas dinámicos de la cognición humana, aunque aún no se habían agregado muchos detalles y se habían tenido en cuenta más fenómenos.

Adquisición lingüística

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. Las redes neuronales del tipo implementado por Elman se conocen como redes de 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 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, con representaciones mentales vistas como trayectorias a través del espacio mental en lugar de objetos que se construyen y permanecen estáticos. Las redes de 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.

Desarrollo cognitivo

Se ha investigado un error clásico del desarrollo en el contexto de los sistemas dinámicos: se propone que el error A-no-B no es un error distinto 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 encontró que los niños de 2 años cometían un error similar al error A-not-B cuando buscaban juguetes escondidos en una caja de arena. Después de observar que el juguete estaba escondido en la ubicación A y de buscarlo repetidamente allí, a los niños de 2 años se les mostró 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 de la caja de arena, por lo que una descripción del comportamiento y el aprendizaje debe tener en cuenta cómo el sistema de la caja de arena y las acciones pasadas del niño están cambiando con el tiempo.

Locomoción

Un mecanismo propuesto de un sistema dinámico proviene del análisis de redes neuronales recurrentes en tiempo continuo (CTRNN). Al centrarse en la salida de las redes neuronales en lugar de sus estados y examinar las redes completamente interconectadas, el generador de patrones centrales de tres neuronas (CPG) se puede utilizar para representar sistemas como los movimientos de las piernas durante la marcha. Esta GPC contiene tres neuronas motoras para controlar el pie, el movimiento hacia atrás y los efectores del movimiento 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 completamente resueltos.

Sistemas dinámicos modernos

Dinámica de comportamiento

Las formalizaciones modernas de los sistemas dinámicos aplicados al estudio de la cognición varían. Una de esas formalizaciones, denominada "dinámica de comportamiento", 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 . El primero transforma la representación de la acción de los agentes 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 de los agentes. 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 medio ambiente están acoplados.

Comportamientos adaptativos

La dinámica del comportamiento se ha aplicado al comportamiento locomotor. Modelar la locomoción con la dinámica del comportamiento demuestra que los comportamientos adaptativos pueden surgir de las interacciones de un agente y el entorno. Según 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 por las fuerzas que el agente aplica al entorno y por la información estructurada proporcionada por el entorno. Por tanto, la dinámica del comportamiento surge de la interacción agente-entorno. En el segundo nivel de evolución temporal, el comportamiento se puede expresar 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 la conducta. En contraste con trabajos previos sobre generadores de patrones centrales, este marco sugiere que los patrones de comportamiento estables son una propiedad emergente y autoorganizada del sistema agente-entorno, en lugar de estar determinados por la estructura del agente o del entorno.

Sistemas dinámicos abiertos

En una extensión de la teoría clásica de sistemas dinámicos , en lugar de acoplar los sistemas dinámicos del entorno y del agente entre sí, un "sistema dinámico abierto" define un "sistema total", un "sistema de agentes" y un mecanismo para relacionar estos dos sistemas. . El sistema total es un sistema dinámico que modela a un agente en un ambiente, mientras que el sistema de agentes es un sistema dinámico que modela la dinámica intrínseca de un agente (es decir, la dinámica del agente en ausencia de un ambiente). Es importante destacar que el mecanismo de relación no acopla los dos sistemas juntos, sino que modifica continuamente el sistema total en el sistema total del agente desacoplado. Al distinguir entre sistemas totales y de agentes, 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 agentes puede verse como el sistema de agentes en un sistema dinámico abierto, y el agente acoplado al entorno y el entorno puede verse como el sistema total en un sistema abierto. sistema dinámico.

Cognición encarnada

En el contexto de los sistemas dinámicos y la cognición incorporada , las representaciones pueden conceptualizarse como indicadores o mediadores. En la vista del indicador, 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 el punto de vista del mediador, los estados internos llevan información sobre el entorno que utiliza el sistema para lograr sus objetivos. En este relato más complejo, los estados del sistema transportan información que media entre la información que el agente obtiene del entorno y la fuerza que ejerce sobre el entorno el comportamiento de los agentes. La aplicación de sistemas dinámicos abiertos se ha discutido para cuatro tipos de ejemplos clásicos de cognición incorporada:

  1. Instancias en las que el entorno y el agente deben trabajar juntos para lograr un objetivo, lo que se conoce como "intimidad". Un ejemplo clásico de intimidad es el comportamiento de agentes simples que trabajan para lograr un objetivo (por ejemplo, insectos que atraviesan el entorno). La consecución satisfactoria del objetivo depende totalmente del acoplamiento del agente con el medio ambiente.
  2. Instancias en las que el uso de artefactos externos mejora el rendimiento de las tareas en relación con el rendimiento sin estos artefactos. El proceso se denomina "descarga". Un ejemplo clásico de descarga es el comportamiento de los jugadores de Scrabble ; las personas pueden crear más palabras cuando juegan Scrabble si tienen los mosaicos frente a ellos y se les permite manipular físicamente su disposición. En este ejemplo, los mosaicos de Scrabble permiten al agente descargar las demandas de memoria de trabajo en los mosaicos mismos.
  3. Instancias en las que un artefacto externo funcionalmente equivalente reemplaza funciones que normalmente realiza internamente el agente, que es un caso especial de descarga. Un ejemplo famoso es el de la navegación humana (específicamente los agentes Otto e Inga) en un entorno complejo con o sin la ayuda de un artefacto.
  4. Casos en los que no hay un solo agente. El agente individual es parte de un sistema más grande que contiene múltiples agentes y múltiples artefactos. Un ejemplo famoso, formulado por Ed Hutchins en su libro Cognition in the Wild , es el de navegar en un barco de guerra.

Las interpretaciones de estos ejemplos se basan en la siguiente lógica : (1) el sistema total captura la realización; (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) los caminos de un sistema dinámico abierto pueden interpretarse como procesos de representación. Estos ejemplos de cognición incorporada muestran la importancia de estudiar la dinámica emergente de un sistema agente-entorno, así como la dinámica intrínseca de los sistemas agente. 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 deben estudiarse en paralelo en lugar de competir.

Ver también

Referencias

enlaces externos