Conexionismo

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, que presenta los fenómenos de la mente y del
comportamiento como procesos que emergen de redes
formadas por unidades sencillas interconectadas. Hay
muchas formas de conexionismo, pero las formas más comunes son losmodelos de redes neuronales.

1

1. Cualquier estado mental puede ser descrito como un
vector (N)-dimensional de los valores numéricos de
activación en las unidades neurales de una red.
2. La memoria se crea cuando se modifican los valores que representan la fuerza de las conexiones entre
las unidades neurales. La fuerza de las conexiones, o
“pesos”, son generalmente representados como una
matriz de (N× N) dimensiones.
La mayoría de los distintos modelos de redes neuronales
aparecen por:

Principios básicos

El principio central del conexionismo es que los fenómenos mentales pueden ser descritos por redes de unidades
sencillas y frecuentemente iguales que se interconectan.
La forma de las conexiones y de las unidades varía de un
modelo a otro. Por ejemplo, las unidades de la red podríanrepresentar neuronas y las conexiones podrían representar sinapsis. Otro modelo podría hacer cada unidad
de la red una palabra, y cada conexión una indicación de
similitud semántica.

• La Interpretación de sus unidades: Se pueden interpretar como neuronas individuales o como grupos
de estas.

1.1

• El algoritmo de aprendizaje: Cada tipo de red modifica sus conexiones de distinta forma. Por lo general,cualquier cambio matemáticamente definido
que se dé en los pesos de las conexiones a lo largo del tiempo será definido como un “algoritmo de
aprendizaje”.

• La Definición de la activación: Hay multitud de formas de definir la activación. Por ejemplo, en una
máquina de Boltzmann la activación se interpreta
como la probabilidad de generar un pico de potencial de acción, y se determina a través de unafunción
logística sobre la base de la suma de las entradas de
cada unidad.

Propagación de activación

En la mayoría de los modelos conexionistas las redes
cambian con el tiempo. Un aspecto estrechamente relacionado y muy común de los modelos conexionistas es la
activación. En cualquier momento, una unidad de la red
se activa mediante un valor numérico que pretende representar algún aspecto de launidad. Por ejemplo, si las
unidades del modelo son neuronas, la activación puede
representar a la probabilidad de que la neurona genere un
pico en su potencial de acción. Si se trata de un modelo
de propagación de activación, entonces con el tiempo la
activación de una unidad se extenderá a todas las demás
unidades conectadas a ella. La propagación de activación
es siempre una característica de losmodelos de redes neuronales, y es muy común en los modelos conexionistas
utilizados en psicología cognitiva.

Los conexionistas están de acuerdo en que las redes neuronales recurrentes (en las cuales las conexiones de la red
pueden formar un ciclo dirigido) son un modelo del cerebro mejor que las redes neuronales feedforward (redes
sin ciclos dirigidos). Muchos modelos recurrentes conexionistastambién incorporan la teoría de los sistemas dinámicos. Muchos investigadores, como Paul Smolensky,
han argumentado que los modelos conexionistas evolucionarán hacia sistemas dinámicos no lineales con un enfoque plenamente continuo y de múltiples dimensiones.

1.2

1.3 Realismo biológico

Redes neuronales artificiales

La rama de las redes neuronales del conexionismo sugiere que el estudio de laactividad mental es en realidad el
estudio de los sistemas neurales. Esto enlaza el conexionismo con la neurociencia, con modelos que implican diferentes grados de realismo biológico. Los trabajos conexionistas por lo general no necesitan ser biológicamente

Las redes neuronales son los modelos conexionistas más
utilizados hoy en día. Muchas investigaciones en las que
se utilizan redes neuronales...