...

La neurociencia conexionista: cuestiones de representación y

by user

on
Category: Documents
18

views

Report

Comments

Transcript

La neurociencia conexionista: cuestiones de representación y
La neurociencia conexionista:
cuestiones de representación y
aprendizaje para la neurociencia.
Stephen José Hanson
Rocío Jiménez Cisneros
“En cualquier fase de
la
técnica,
desde
Dédalo o Herón de
Alejandría, la habilidad
del
artífice
para
producir un simulacro
mecánico
de
un
organismo
vivo
siempre ha llamado la
atención”.
Norbert Wiener
La neurociencia conexionista
“Cuando
se habla de
“conexionismo” o “teoría
conexionista” nos estamos
refiriendo a una rama de
las Neurociencias y de las
Ciencias cognitivas que
surgió
hace
algunas
décadas como alternativa
minoritaria a la IA
(inteligencia artificial”).
• (Caballero
2005).
y
Robles,
• En 1990 E. L. Thorndike
utilizó por primera vez
el
término
conexionismo.
• El paradigma de la
teoría E - R estaba
en el aprendizaje a
partir de prueba y
el error en el cual
las
respuestas
correctas vienen a
imponerse sobre
otras debido a
gratificaciones.
Aprendizaje
• Unión entre un
área del cerebro
que representaba
elementos
sensoriales y otras
que
apoyan
respuestas
motoras.
• Hebb (1949)
• Asociación
en
forma de vectores
de punto que
presupone
activación
de
neuronas
y
potenciales
sinápticos.
• Hodgkin y Huxley
(1952) ganaron el
premio nobel al
mostrar cómo sus
ecuaciones
concordaban con
medidas reales de
corriente
en
neuronas
verdaderas.
Cada unidad tiene un abanico de entrada definido o
conjunto de conexiones de entrada (“fan-in”), lo cual
define la entrada a esa unidad y tiene, además, un
abanico de salida (“fan-out”) o conjunto de
conexiones de salida, lo que a su vez, define la salida
de la unidad.
Función
Cerebro
Velocidad
Neuronas (5 a 6
veces más lentas),
comparado a las
puertas lógicas del
silicio
Complejidad
Mayor número de
interconexiones
Ventilación
Fallo
Sistema tolerante a
fallos
Computadora
No reconoce caras
sino son
“perfectas”
Ventilador
Hay otros modelos que no realizan un promedio de las
entradas directamente sino que se plantea una
transformación de las entradas (Serrano, Soria y Martín,
2009)
• “Si el cerebro almacena el mundo célula por
célula y éstas tienen algunas combinaciones
productivas que no conllevan a una explosión
exponencial, entonces los simbolistas y
conexionistas no tienen nada que discutir.
Aparentemente
el
cerebro
prefiere
representaciones distribuidas, ya sea que se
consideren registros de células múltiples o PET o
EEG o fMRI” p. 484.
• En el siglo XX, Hubel y Wiesel descubrieron
células en la corteza visual que parecían
proporcionar la base para la función local del
mecanicanismo del cerebro.
V1 separa tres tipos de información
visual: forma, color y
movimiento.
V2 procesa casi la misma
información que V1
V3 es considerada un área
especializada en la percepción
de formas, con información
adicional respecto al modo en
que las formas o figuras se
mueven, giran o cambian.
V4 es el mapa visual para el color
V5 parece estar especializada en la
detección de la velocidad y
dirección del movimiento
Conclusión
Es difícil entender cómo un simple modelo de
neutrón y conexión sináptica puede ser
informativo sobre la función del cerebro.
• Nuestro cerebro
para mantenerse
en forma necesita
desafío, exigencia,
cambio,
movilidad.
• Shlomo Breznitz
Referencias
• Lepore, E. y Pylyshyn, Z. W. (2003). ¿Qué es la ciencia cognitiva?. Una visión
multidisciplinaria. México: Oxford University Press
• Caballero de la Torre, Vicente y Robles Rodríguez, Francisco
José (2005) Conexionismo: una útil herramienta para otras ciencias y un
problemático modelo para la psicología. Nexo: Revista de Filosofía (3). pp. 77-91.
ISSN 1695-7334. http://eprints.ucm.es/8570/
• Jiménez, R. (2010). Monografía de Sensación
y Percepción.
http://rocio.jimenez.tripod.com/blog/
• Lamberti, P. y Rodríguez, V. (2007). Desarrollo del modelo matemático de Hodgkin y
Huxley en neurociencias. Electroneurobiología; 15 (4), pp. 31-60; URL:
http://electroneubio.secyt.gov.ar/Lamberti-Rodriguez_Hodgkin-Huxley.htm
• Serrano, A., Soria, E. y Martín, J. (2009) Redes neuronales artificiales. Universitat id
Valencia
http://ocw.uv.es/ingenieria-y-arquitectura/12/libro_ocw_libro_de_redes.pdf
Fly UP