Sistema cognitivo humano y representación de la realidad Flashcards
Modelo asociativo del pensamiento plantea que
Condición necesaria y suficiente para formación de asociación es mera representación de eventos implicados.
En qué se basa el modelo asociativo del pensamiento?
Modelo asociativo del pensamiento
En modelos de aprendizaje asociativo.
1) Condicionamiento operante: respuesta ante estímulo es reforzada/debilitada por uso de recompensas/ castigos
2) Condicionamiento clásico: Estímulo neutro se asocia a estímulo que produce respuesta hasta que estímulo neutro produce esta respuesta por sí mismo
3) Observacional: Aprendizaje que ocurre al observar respuestas de los demás
Pensamiento dual fue planteado por
William James y Daniel Kahneman
Pensamiento dual consiste en (2 sistemas)
2 sistemas cognitivos separados en los que subyace pensamiento.
- Sistema 1 Implícito: Pensamiento rápido, automático, inconsciente, emocional. +Primitivo
- Sistema 2 Explícito: Lento, volátil, sujeto a juicios y actitudes conscientes. + Humano
Activación asociativa
- Respuesta fisiológica
- Náuseas, asco, dolor, olor
- Contexto: Resaca, indigestión, gastroenteritis.
- Ideas que evocan otras ideas que evocan otras ideas, como en cascada
- Ideas asociativamente coherentes
- 2 palabras como representación de la realidad
Activación inconsciente
Ciertas asociaciones pueden moldear nuestra respuesta–> PRIMING cuando nos presentan una imagen y debemos completar una palabra. El efecto de la mirada- cuando hay miradas se consume más.
Principios lógicos del razonamiento proposicional
Razonamiento proposicional
Proposiciones, notación, operadores o términos de enlace, negación, conjunción, disyunción, condicional, bicondicional, problema THOG
Proposiciones
Principios lógicos
Enunciados en los que se afirma o niega algo, estableciendo relación sujeto-predicado
Notación
Principios lógicos
p,q,r,s… En el contexto de un argumento, proposiciones son premisas
Operadores o términos de clase
Principios lógicos
Que determinan forma de una proposición. Representación de validez de un argumento:
…Un sistema formal proposicional puede argumentar por
En operadores o términos de clase, un sistema formal proposicional puede argumentar a partir de
- Razonamientos deductivos lógico-lingüísticos
- Sistema matemático puro: tablas de verdad–> resumen para saber cuáles son las posibilidades, sirve para explicar lógica de diferentes relaciones
- Circuito de conmutación
Negación
Principios lógico
Devuelve valor opuesto a proposición considerada
Conjunción
Principios lógicos
Operador es verdadero sólo cuando ambas proposiciones son verdaderas
Disyunción
Principios lógicos
Operador es verdadero cuando una o ambas proposiciones son verdaderas
Condicional
Principios lógicos
Operador es falso sólo cuando primera proposición es verdadera y la segunda falsa
Bicondicional
Principios lógicos
Operador es verdadero sólo cuando ambas proposiciones son iguales (verdaderas o falsas)
Problema THOG
Principios lógicos
Wason, Brooks. Se escoge una figura con una forma y color.
REGLA: Si y sólo si la figura incluye o la forma o el color escogidos pero no ambos, entonces figura es un THOG
Razonamiento por representación de imágenes
Representaciones mentales de imágenes permite resolver problemas, obtener información y procesos de razonamiento. Es activación de mecanismos de procesamiento de información en el sistema visual. Imágenes son almacenadas y activadas a partir de un “buffer” visual funcional- MCP visual.
Propuesto por Kosslyn
Qué dirección tiene la representación de imágenes?
Razonamiento por representación de imágenes
Arriba-abajo. NO causado por estímulo sensorial. Imagen mental es procesada como una imagen sensorial- vía dorsal/ventral. Si su objetivo es razonamiento/resolución de problemas- Se puede construir voluntariamente–> MLP- Desde una “imagen global” o primitiva hasta una imagen rica en detalles.
Qué requiere mantener una imagen mental?
Razonamiento por representación de imágenes
Esfuerzo. Sino, esta imagen se desvanece en 250 ms (MS). También depende de experiencia que se tenga de imagen que se presenta
Qué se dijo en 1956 en una conferencia en Darmouth College sobre la IA?
Inteligencia Artificial
Avanzar en que cada aspecto del aprendizaje o cualquier otro rasgo de inteligencia pueda describirse de forma que máquina pueda simularlo.
Newell y Simon
Inteligencia Artificial
Crean el 1er programa de IA: Logic Theorist, resuelve algunos problemas matemáticos por principios lógicos.
El test de Turing
Inteligencia Artificial
Comprueba si la máquina puede ser lingüísticamente indistinguible de ser humano. Una persona hace preguntas que son respondidas tanto por otra persona como por una máquina, la 1ª persona debe descifrar si hay diferencias distinguibles entre ambas. Predecía que en el 2000, una máquina tendría 30% de engañar a una persona en 5 minutos
El test de Turing sugiere los siguientes componentes principales de la IA
Inteligencia Artificial
Conocimiento, Razonamiento, Lenguaje, Entendimiento, Aprendizaje
Problemas de la Inteligencia Artificial
Inteligencia Artificial
No es reproducible, constructivo, ni sujeto a análisis matemático
Ventajas de la Inteligencia Artificial
Inteligencia Artificial
Las máquinas no se equivocan.
Aportación de ciencia cognitiva
En revolución cognitiva en 1960, conductismo es reemplazado por psicología del procesamiento de información.
La psicología del procesamiento de información requiere
Aportación de ciencia cognitiva
Teorías científicas sobre procesos internos del cerebro:
- Determinar el nivel de abstracción. Conocimiento o circuitos?
- Validación que requiere: (1) predecir o evaluar comportamiento humano (arriba-abajo) ó (2) identificar información neurológica que o determina (abajo-arriba)
Qué comparte la ciencia cognitiva con la IA?
Aportación de ciencias cognitivas
Que teorías actuales no explican nada que se asemeje a inteligencia humana.
Razonamiento en la Inteligencia Artificial
El pensamiento es normativo (lo que debería ser) y no descriptivo.
Los griegos desarrollan la lógica…
Razonamiento en la IA
-Crean la notación (símbolos) y reglas de derivación como método de razonamiento
- Con estos elementos se puede delinear “el cómo debe ser el razonamiento”
Problemas de la relación de matemáticas y
filosofía con la Inteligencia Artificial
Razonamiento en la IA
1) No todo el comportamiento inteligente se rige por la lógica
2) ¿Cuál es el objetivo de pensar? ¿Por qué unos y no otros?
El objetivo puede ser “actuar con razón”, hacer lo correcto, aquello que maximice los logros con información actual. Aristóteles defiende que todo arte e investigación, y toda acción y elección parecen tender a algún bien.
La Inteligencia Artificial es una combinación de las siguientes ciencias:
Filosofía + Ciencias de computación + Psicología + Matemáticas + Economía + Lingüística + Neurociencias
Concepto de IA (es capaz de…)
- Carece de inteligencia “general”. Deep Blue derrotó a Garry Kasparov (campeón mundial de ajedrez)
- Tiene gran capacidad para buscar dato clave y formular pregunta; es incapaz de conversar.
Definición y principios básicos de IA (1-2)
1) Es un campo enfocado en construcción y estudio de dispositivos autónomos inteligentes; que piensen y actúen de manera racional
2) Construye agentes inteligentes (conjunto de funciones que toman como input secuencia de perceptos del medio externo y producir conducta o acción en respuesta a estos
Definición y principios básicos de IA (3)
3) Campo dedicado a construcción de artefactos inteligentes (operacionalizados a través de inteligencia y otros tests de habilidad mental)
Agentes de la Inteligencia Artificial (1-3)
Definición y principios básicos de IA
1) Continuo artefacto o agente inteligente
2) De acuerdo a definición de IA, estudia agentes inteligentes, que implementan función que mapea secuencias de perceptos en acciones.
3) Un agente es una función del historial de perceptos a acciones: f: P*-> A
Agentes de la Inteligencia Artificial (4-6)
Definición y principios básicos de IA
4) Para los distintos tipos de ambientes y tareas que existen, se busca creación de agente con mejor rendimiento
5) Estamos limitados por recursos computacionales (mejoran con el tiempo)
6) Nuevo objetivo: Diseñar mejor programa con recursos actuales
Modelos de trabajo en IA (2 corrientes)
1) Arquitectura de símbolos o computacional (Newell, Simon…): Mente opera al realizar operaciones formales con símbolos. Ciencia artificial. Metáfora del ordenador.
2) Arquitectura conexionista (Hebb, McCulloch…): Ciencia natural. Metáfora del cerebro. Modelo de redes neuronales. Robot se explica como red neuronal artificial.
Conexionismo
A partir de psicología cognitiva y de ciencias de computación. Procesamiento Distribuido en Paralelo (PDP) es propuesta conexionista más reciente, donde neurona es unidad + básica de procesos complejos de memoria y pensamiento
En Procesamiento Distribuido en Paralelo, neuronas
Conexionismo
Se relacionan en redes neuronales de mayor o menor complejidad, conectadas de manera inhibitoria o excitatoria, de forma que cambia forma de sus conexiones. Cada neurona tiene umbral que hace que se ponga en marcha o no. Redes a nivel (estrato) de inputs, a nivel de output, y a nivel intermedio (oculto)
En el PDP/ conexionismo, el aprendizaje
Es el concepto recuperado, se deriva de cambio de fuerzas de redes neuronales, y puede entrenarse (repetición). Proceso es simultáneo en paralelo y no serial.
Conexionismo defiende un modelo interactivo de procesamiento y aprendizaje que:
- Combina procesamiento empirista abajo-arriba con otro racionalista arriba-abajo
- Procesamiento de un nivel depende de niveles inferiores; a su vez niveles semánticos generan anticipaciones plausibles que facilitan eficacia de las inferiores.
Propiedades de las redes neuronales en conexionismo (1-5)
1) Neuronas muestran procesamiento más lento que componentes de ordenadores convencionales
2) Nº muy grande de neuronas
3) Neuronas reciben input de otras neuronas
4) Aprendizaje implica modificar conexiones entre neuronas
5) Neuronas se comunican mediante procesos de excitación o inhibición a través de conexiones.
Propiedades de redes neuronales en conexionismo (6- 9)
6) Información está continuamente disponible
7) Redes neuronales muestran degradación “elegante” (cuando circuito se cae, toma su puesto) cuando se lesionan o sobrecarga informativa.
8) Control distribuido, no central
9) Relajación es modo dominante de ordenadores.
Semejanzas PDP y cerebro (1-3)
1) Unidades de información propuestas se parecen a neuronas auténticas
2) Se suele aceptar que aprendizaje de cerebro entraña modificación de fuerza de conexiones
3) Redes son paralelas en ambos casos
Semejanzas PDP y cerebro (4-6)
4) Redes almacenadas información de modo distribuido
5) Memoria es direccionable en base al contenido (parte de información de estímulo activa el resto del estímulo)
6) Redes se degradan poco a poco
Diferencias PDP y cerebro
(1-3)
1) Neuronas de cerebro no están uniformemente distribuidas y son heterogéneas entre sí
2) Cerebro no siempre precisa repeticiones para aprendizaje
3) PDP precisa de tutor supervisor, no necesario en cerebro de igual medida
Diferencias PDP y cerebro (4)
4) En cerebro además de excitaciones eléctricas, existe sinapsis con causa bioquímica; hay espacios vacíos interneuronales no propuestos en el PDP
Críticas al conexionismo
La metáfora analogía hombre-máquina está sobrevalorada. Ordenador no se excita espontáneamente, no genera nuevas programaciones que no hayan sido introducidas. Alguien las tiene que programar. Ser humano es creativo, su inteligencia es una realidad emergente (emergentismo). Los ordenadores no piensan, pero pueden copiar pensamientos. Otra cosa es el pensar en sentido más amplio, o el crear.
Cómo se oponen Jerry Fodor y Steven Pinkerse al conexionismo?
Defendiendo teoría computacional de la mente. El conexionismo sería regresión hacia modelo asociativo; se aleja de teoría del lenguaje y pensamiento (lenguaje rige procesos mentales)
Teoría computacional de la mente vs Conexionismo
- Modelos simbólicos similares al cerebro VS Modelos simples que intentan parecer redes neuronales
- Símbolos explícitos y reglas sintácticas VS Aprendizaje neuronal por interacción con medio
- Múltiples módulos para cada función cognitiva VS Mecanismo general desde aprendizaje
Inferencia causal
Experimento Estímulo-respuesta es excesivamente simple. Una consecuencia contingente a alguna de nuestra conducta, se convertirá en predictiva, inferiremos que es causa de dicha consecuencia. Así se moldea nuestro comportamiento y nuestro pensamiento
Conocimiento sobre causa de acontecimientos moldea
Inferencia causal
Un modelo mental teórico, un sistema de creencias previas, que dirige nuestra experiencia y nos ayuda a confirmar o refutar teorías. Podemos tener creencias falsas en ámbito social o personal.
Los estereotipos son
Inferencia causal
Generalizaciones fijas y sobresimplificadas, inferencias que realiza el individuo cuando tiene información parcial. Experiencias y/o interpretación de las mismas confirma falsas creencias. Mantenemos estereotipos porque muchas veces damos más valor a lo que confirma nuestra creencia que a lo que refuta
Sesgo de confirmación
Nuestras creencias determinan pensamiento y estilo cognitivo (en cada dominio concreto). Pricología pretende que estilo cognitivo sea…
Inferencia causal
“Objetivo” en todos los dominios. Cuanta más información relevante y de calidad, mejores son hipótesis y se acierta con + probabilidad.
Construimos bocetos de modelo causal a partir de…
Inferencia causal
Estilo cognitivo
Percepción de regularidades que observamos en nuestro contexto. Esta capacidad de inferencia a partir de regularidades provee herramienta para predecir resultado de nuestras conductas y planificar nuestras intervenciones en entorno, sin tener que acudir a ensayo-error
Mejora experiencia/supervivencia
Para utilizar herramientas de aprendizaje como método para predecir, manipular, inferir e intervenir es necesario:
Inferencia causal
- Captar y representar en sistema cognitivo las regularidades que suceden en nuestro medio
- Disponer de mecanismos adecuados para trasladar dicho conocimiento a una forma de conducta que nos permita utilizar dicha información en nuestro provecho.
Categorización
Proceso de organizar información a partir de información anterior. Es la función del pensamiento. Su clasificación en función de similitudes y diferencias que permite ordenar y simplificar el mundo
En la categorización, la clasificación implica
Categorización
Comparar nuevo evento/objeto con una serie de características comunes (principio de semejanza) ya interiorizadas (categorizadas).
Al clasificar, seguimos estrategias
Categorización
1) Estrategia conservadora: Poco a poco, en función de respuestas del entorno. En investigación, es en función de experimentador o feedback (si dice que es correcto, seguimos eligiendo en base a esos argumentos)
2) Enfoque de juego, más arriesgado: Probamos con objetos que solamente comparte alguna característica, para ir más rápido si tenemos suerte de acertar. Riesgo es que se puede perder el tiempo
Tipos de categorías
Categorización
Artificiales y naturales
Artificiales
Tipos de categorías
Para fines artificiales. Permiten investigar porque tienen propiedad de ser perfectamente discernibles y se pueden combinar a voluntad por experimentador, de acuerdo con serie de reglas. Psicólogos estudian formación de conceptos estudiando dimensiones y valores precisos para la misma. Cuantas más dimensiones y valores , más complejo es concepto
Naturales
Tipos de categorías
En ambiente. Inicialmente se consideraba que conceptos naturales eran de naturaleza arbitraria.
Eleanor Rosch
Tipos de categorías
Categorías naturales
Conceptos naturales no son arbitrarios del todo, sino que existe alguna estructura previa. De niños, clasificaciones se basan en propiedades físicas y observables. Al crecer, aumenta abstracciones de propiedades tenidas en cuenta. Critica estudios con conceptos artificiales como poco válidos ecológicamente, porque los conceptos del mundo no son tan perfectos
Al estudiar la manera de clasificar objetos naturales Rosch encuentra que
Tipos de categorías
Categorías naturales
- Lenguaje juega papel destacado en esta formación de objetos
- Conocimiento de categorías es crucial: categorías no son fijas e inamovibles; cambian con experiencia de persona
Estudio de categorización se basa en paradigma de transferencia en 2 fases (Fase 1)
Estudio de categorización
Fase 1: Ensayos en los que aprenden a clasificar un cierto nº de casos individuales en cierto nº de categorías. Se le deja al sujeto información precisa sobre sus respuestas hasta que aprenda características fundamentales de cada categoría
Fase 2: Transferencia. Sujeto tiene que clasificar determinado nº de casos nuevos y el % de respuestas correctas se
Estudio de categorización se basa en paradigma de transferencia en 2 fases (Fase 2)
Estudio de categorización
Fase 2: Transferencia. Sujeto tiene que clasificar determinado nº de casos nuevos y el % de respuestas correctas se utiliza como índice del aprendizaje de cada categoría
En la fase 2 del estudio de categorización, se emplean 2 tareas
Estudio de categorización
Fase 2
*1) Tarea de recepción: *Presentan estímulos y sujeto dice si pertenecen o no al concepto
*2) Tarea de selección: *Eligen de una serie de estímulos aquellos que forman parte del concepto. Permite al experimentador observar cómo los participantes van resolviendo el problema
Es importante definir dimensiones de categorías estudiadas, hay…
Estudio de categorización
Dimensión vertical y dimensión horizontal
La dimensión vertical
Estudio de categorización
Nivel de inclusividad o nivel de abstracción de categorías en clasificaciones jerarquizadas (taxotomías).
En dimensión vertical hay 3 niveles
Estudio de categorización
1) Nivel subordinado: Clase particular (del objeto clásico) (silla tipo hormiga)
2) Nivel básico o genérico: las más usadas; los niños las aprenden primero (silla)
3) Nivel supraordenado: Incluye a varias categorías básicas (muebles)
Sobre dimensión vertical, Rosch sugiere
Estudio de categorización
No todos los niveles de abstracción de conceptos son igual de importantes ni tienen mismo significado biológico.
Nivel más significativo es el nivel básico
Según Rosch, el nivel básico es el más significativo porque…
Estudio de categorización
Dimensión vertical
- Es el más rico posible en información y con menos carga posible para sistema cognitivo
- Es primeramente aprendido por niños
- Mayor nº de atributos en común en caso de categorías de objetos no biológicos (ej: muebles)
- En categorías biológicas (plantas), nivel principal era nivel supraordinario
- Se identifican semejanzas con mayor facilidad
Dimensión horizontal
Es la clasificación en mismo nivel de inclusividad. Se basa en la premisa de que nuestra organización categorial dista mucho de ser precisa.
En la dimensión horizontal, algunos elementos son más representativos de una categoría que otros. Estudios demuestran que estos elementos… (1-3)
Estudio de categorización
Dimensión horizontal
- Precisan menos TR en tareas de verificación de frases
- Más probable que sean prioritarios en tareas de producción
- Alta correlación negativa entre aprendizaje y grado de separación entre ejemplares y prototipo
- Niños más pequeños aprenden + facil pertenencia a categoría en casos típicos
- Adverbio “técnicamente”= atípico, “verdaderamente”= típico
Teorías sobre categorización
1) Teoría de atributos
2) Teoría del prototipo
3) Teoría del contexto
4) Teoría del mejor ejemplo
5) Teoría de la frecuencia
Teoría de atributos
Teorías sobre categorización
Se clasifica en función de atributos o rasgos definitorios necesarios y suficientes para determinar inclusión en categoría
Mamíferos son vivíparos. Tienen + rasgos habituales pero no necesarios.
Teoría del prototipo
Teorías sobre categorización
Representación abstracta que se obtiene de observación de miembros de una categoría, que corresponde a tendencia central de dimensiones de casos particulares.
Experimentos a favor de teoría del prototipo
Teorías sobre categorización
Teoría del prototipo
a) Mayor % de éxito de clasificación de modelos prototípicos
b) Mayor rapidez en clasificación de objetos cercanos a prototipos
c) Mayor tiempo de recuerdo de prototipos
Para clasificaciones quizás no naturales: se clasifica en base a un prototipo (definido, claro, lógico). Puede valer en clasificaciones matemáticas.
Teoría del contexto
Teorías sobre categorización
Clasifica considerando relaciones de semejanza entre individuos. Memoria almacena información en redes jerarquizadas mediante nodos estímulo-contexto y, en función de un nodo con otros almacenados, éstos se activan.
De qué resulta la categorización en la teoría del contexto?
Teorías sobre categorización
Teoría del contexto
De cálculo de semejanza global existente entre estímulo a clasificar y cada representación almacenada perteneciente a esa categoría concreta.
Semejanza global de 2 estímulos
Teorías sobre categorización
Teoría del contexto
Determinada por información de dimensiones que lo componen, de manera multiplicativa, no sumativa (aunque todas las dimensiones sean similares, si una es muy diferente, el producto lo será también)
Teoría del mejor ejemplo
Teorías sobre categorización
Clasificación a partir de mejor ejemplo de vida natural (no es abstracción). en clasificaciones naturales se ha visto existencia de mejores ejemplos
Tendencia a considerar buenos algunos ejemplos de categoría por consenso
Teoría de la frecuencia
Teorías sobre categorización
Individuo tiene esquemas o representaciones abstractas que incluyen características de alta frecuencia en individuos que pertenecen a categoría y con ellos se realiza comparación del caso concreto. No se compara con prototipos (representaciones completas cuyas dimensiones asumen valores modales)
Esquemas son representaciones incompletas
Según la teoría de la frecuencia, en qué se diferencia alguien que clasifica con éxito de quien no lo hace?
Teorías sobre categorización
Teoría de frecuencia
El que clasifica con éxito sigue un patrón de generalización de características que tiende a ocurrir en una serie de ejemplares individuales; mientras que, el que no lo hace, reduce fuerza de generalización y, por tanto, resulta menos probable que tenga como referencia esa característica en clasificación futura
