1.4: ¿La ciencia cognitiva o las ciencias cognitivas?

Una de las razones por las que Wilhelm Wundt es visto como el fundador de la psicología es porque estableció su primer punto de apoyo académico en la Universidad de Leipzig. Wundt creó allí el primer laboratorio de psicología experimental en 1879. La psicología era oficialmente parte del calendario universitario para 1885. Hoy en día, cientos de departamentos de psicología existen en universidades de todo el mundo.

La psicología es claramente saludable como disciplina académica. No obstante, su condición de ciencia es menos clara. Sigmund Koch, destacado crítico de la psicología (Koch, 1959, 1969, 1976, 1981, 1993), argumentó a favor de sustituir el término psicología por los estudios psicológicos debido a su visión de que era imposible que la psicología existiera como una disciplina coherente.

Aunque es mucho más joven que la psicología, la ciencia cognitiva ciertamente ha madurado hasta convertirse en una disciplina académica viable. En el otoño de 2010, el sitio web de la Cognitive Science Society enumeró 77 universidades de todo el mundo que ofrecían la ciencia cognitiva como programa de estudio. Sin embargo, los desarrollos recientes en la ciencia cognitiva han planteado dudas sobre su coherencia científica. Paralelamente a Koch, ¿deberíamos examinar la “ciencia cognitiva”, o es más apropiado indagar sobre “las ciencias cognitivas”? Investigar este número es uno de los temas del libro actual.

Según el psicólogo George Miller (2003), la ciencia cognitiva nació el 11 de septiembre de 1956. En esta etapa temprana, la unidad de la ciencia cognitiva no era realmente un problema. Las computadoras digitales fueron un invento relativamente reciente (Goldstine, 1993; Lavington, 1980; Williams, 1997; Zuse, 1993). En su momento, presentaron una noción unificada de procesamiento de información para ser adoptada por la ciencia cognitiva. Las computadoras digitales eran manipuladores automáticos de símbolos (Haugeland, 1985): eran máquinas que manipulaban representaciones simbólicas aplicando reglas bien definidas; llevaban la lógica simbólica a la vida mecanizada. A pesar de que algunos investigadores ya habían señalado que el cerebro puede no funcionar exactamente como una computadora, todavía se suponía que el cerebro era digital, porque la generación de todo o ninguno de un potencial de acción se interpretaba como equivalente a asignar un valor de verdad en una lógica booleana (McCulloch & Pitts, 1943; von Neumann, 1958).

La ciencia cognitiva clásica, que es el tema del Capítulo 3, fue la primera escuela de pensamiento en la ciencia cognitiva y continúa dominando el campo hasta nuestros días. Explotó la tecnología de la época interpretando “procesamiento de información” como “manipulación de símbolos regida por reglas” (Feigenbaum & Feldman, 1995). Esta versión de la hipótesis del procesamiento de la información dio frutos tempranos, produciendo grandes avances en la comprensión del lenguaje (Chomsky, 1957, 1959b, 1965) y de la resolución de problemas humanos (Newell, Shaw, & Simon, 1958; Newell & Simon, 1961, 1972). Los éxitos posteriores con este enfoque llevaron a la proliferación de “artefactos pensantes”: programas informáticos llamados sistemas expertos (Feigenbaum & McCorduck, 1983; Kurzweil, 1990). Algunos investigadores han afirmado que el enfoque clásico es capaz de proporcionar una teoría unificada del pensamiento (Anderson, 1983; Anderson et al., 2004; Newell, 1990).

Los éxitos del enfoque clásico estuvieron en el ámbito de problemas bien planteados, siendo tales problemas aquellos con estados de conocimiento definidos inequívocamente y estados de meta, sin mencionar operaciones explícitamente definidas para convertir un estado de conocimiento en otro. Si un problema está bien planteado, entonces su solución puede describirse como una búsqueda a través de un espacio problemático, y se puede programar una computadora para realizar esta búsqueda (Newell & Simon, 1972). Sin embargo, este énfasis llevó a crecientes críticas al enfoque clásico. Una cuestión general era si la cognición humana iba mucho más allá de lo que se podía capturar solo en términos de resolver problemas bien planteados (Dreyfus, 1992; Searle, 1980; Weizenbaum, 1976).

En efecto, el enfoque clásico era hábil para producir simulaciones por computadora de juego y resolución de problemas, pero no estaba logrando un tremendo éxito en campos como el reconocimiento de voz, la traducción de idiomas o la visión por computadora. “Un patrón general había comenzado a tomar forma... un éxito temprano y dramático basado en el fácil desempeño de tareas simples, o un trabajo de baja calidad en tareas complejas, y luego disminuir los rendimientos, el desencanto y, en algunos casos, el pesimismo” (Dreyfus, 1992, p. 99).

Muchas habilidades en las que los humanos son expertos sin entrenamiento, como hablar, ver y caminar, parecían estar más allá del alcance de la ciencia cognitiva clásica. Estas habilidades implican lidiar con problemas mal planteados. Un problema mal planteado es profundamente ambiguo, tiene estados de conocimiento y metas mal definidos, e implica operaciones mal definidas para manipular el conocimiento. En consecuencia, no se adapta bien al análisis clásico, porque no se puede definir un espacio problemático para un problema mal planteado. Esto sugiere que la computadora digital proporciona una mala definición del tipo de procesamiento de información que realizan los humanos. “En nuestra opinión, las personas son más inteligentes que las computadoras actuales porque el cerebro emplea una arquitectura computacional básica que es más adecuada para hacer frente a un aspecto central de las tareas naturales de procesamiento de información en las que las personas son tan buenas” (Rumelhart & McClelland, 1986c, p. 3).

La ciencia cognitiva coneccionista reaccionó contra la ciencia cognitiva clásica proponiendo una arquitectura cognitiva cualitativamente diferente a la inspirada en la metáfora de la computadora digital (Bechtel & Abrahamsen, 2002; Churchland, Koch, & Sejnowski, 1990; Churchland & Sejnowski, 1992; Clark, 1989, 1993; Horgan & Tienson, 1996; Quinlan, 1991). Los conexionistas argumentaron que el problema con la noción clásica de procesamiento de información era que ignoraba las propiedades fundamentales del cerebro. El conexionismo se proyectó como una alternativa de inspiración neuronal, biológicamente plausible a la ciencia cognitiva clásica (Bechtel & Abrahamsen, 2002; McClelland y Rumelhart, 1986; Rumelhart y McClelland, 1986c). “Ningún estudio serio de la mente (incluidos los filosóficos) puede, creo, realizarse en el tipo de vacío biológico al que se han acostumbrado los científicos cognitivos [clásicos]” (Clark, 1989, p. 61).

La arquitectura propuesta por el conexionismo fue la red neuronal artificial (Caudill & Butler, 1992a, 1992b; Dawson, 2004, 2005; De Wilde, 1997; Muller & Reinhardt, 1990; Rojas, 1996). Una red neuronal artificial es un sistema de procesadores simples, análogos a las neuronas, que operan en paralelo y se envían señales entre sí a través de conexiones ponderadas que son análogas a las sinapsis. Las señales detectadas por los procesadores de entrada se convierten en una respuesta que se representa como actividad en un conjunto de procesadores de salida. Los pesos de conexión determinan la relación entrada-salida mediada por una red, pero no están programados. En cambio, se utiliza una regla de aprendizaje para modificar los pesos. Las redes neuronales artificiales aprenden del ejemplo.

Las redes neuronales artificiales niegan muchas de las propiedades fundamentales de la computadora digital (von Neumann, 1958). Atrás quedó la noción de que el cerebro era un manipulador de símbolos digitales gobernado por un controlador central serial. En su lugar, los procesos del cerebro fueron descritos como subsimbólicos y paralelos (Smolensky, 1988); el control de estos procesos fue descentralizado. Atrás quedó la distinción clásica entre estructura y proceso, en la que un conjunto distinto de reglas explícitas manipulaba símbolos discretos almacenados en una memoria separada. En su lugar, el cerebro fue visto como un sistema distribuido en el que surgieron soluciones problemáticas de la actividad paralela de un gran número de procesadores simples: una red era a la vez estructura y proceso, y las redes almacenaban y modificaban información al mismo tiempo (Hillis, 1985). Atrás quedó la suposición de que el procesamiento de la información era similar a hacer lógica (Oaksford & Chater, 1991). En su lugar, los coneccionistas vieron al cerebro como un reconocedor de patrones dinámico y estadístico (Churchland & Sejnowski, 1989; Grossberg, 1980; Smolensky, 1988).

Sin embargo, con todos esos cambios, el conexionismo todavía se preocupaba por la cognición como procesamiento de información, pero de otro tipo: “Estas diferencias no implican que los cerebros no sean computadoras, sino solo que los cerebros no son computadoras digitales en serie” (Churchland, Koch, & Sejnowski, 1990, p. 48, cursiva original).

Los modelos coneccionistas de cognición han tenido una historia tan larga como las simulaciones clásicas (Dawson, 2004; Medler, 1998). McCulloch y Pitts describieron potentes modelos de redes neuronales en la década de 1940 (McCulloch, 1988a), y los perceptrones de Rosenblatt (1958, 1962) eran simples redes neuronales artificiales que no estaban programadas, sino que aprendieron del ejemplo. Dicha investigación se desvaneció a fines de la década de 1960 como resultado de pruebas sobre las limitaciones de las redes neuronales artificiales simples (Minsky & Papert, 1988; Papert, 1988).

Sin embargo, las limitaciones de las redes tempranas se superaron a mediados de la década de 1980, momento en el que se descubrieron nuevas técnicas que permitieron que redes mucho más poderosas aprendieran de los ejemplos (Ackley, Hinton, & Sejnowski, 1985; Rumelhart, Hinton, & Williams, 1986b). Debido a estas nuevas técnicas, el conexionismo moderno ha alcanzado casi el mismo estatus que la ciencia cognitiva clásica. Las redes neuronales artificiales se han utilizado para modelar una amplia gama de problemas mal planteados, han generado muchos sistemas expertos y han simulado con éxito dominios que alguna vez se pensó que eran exclusivos del enfoque clásico (Bechtel & Abrahamsen, 2002; Carpenter & Grossberg, 1992; Enquist & Ghirlanda, 2005; Gallant, 1993; Gluck & Myers, 2001; Grossberg, 1988; Kasabov, 1996; Pao, 1989; Ripley, 1996; Schmajuk, 1997; Wechsler, 1992).

En una revisión de un libro sobre redes neuronales, Hanson y Olson (1991, p. 332) afirmaron que “la revolución de las redes neuronales ha ocurrido. Estamos viviendo en las secuelas”. Esta revolución, como es el caso de la mayoría, ha sido desordenada y amarga, apartándose marcadamente del sentido de unidad que la ciencia cognitiva transmitió en el momento de su nacimiento. Un debate serio y furioso sobre los méritos de la ciencia cognitiva clásica versus coneccionista se enfurece en la literatura.

Por un lado, los científicos cognitivos clásicos ven el surgimiento del conexionismo como un renacimiento de las psicologías asociacionistas y conductistas que el cognitivismo había reemplazado con éxito. Debido a que el conexionismo evitaba reglas y símbolos, los clasicistas argumentaron que no era lo suficientemente poderoso como para dar cuenta de las regularidades del pensamiento y del lenguaje (Fodor & McLaughlin, 1990; Fodor & Pylyshyn, 1988; Pinker, 2002; Pinker & Prince, 1988). “El problema con los modelos coneccionistas es que todas las razones para pensar que podrían ser ciertas son razones para pensar que no podrían ser psicología” (Fodor & Pylyshyn, 1988, p. 66). Una noticia de Scientific American sobre un sistema experto coneccionista incluyó la comparación de Pylyshyn del conexionismo con el vudú: “'La gente está fascinada por la perspectiva de obtener inteligencia con misteriosos medios parecidos a Frankenstein, ¡por vudú! Y ha habido pocos intentos de hacer esto tan exitoso como las redes neuronales” (Stix, 1994, p. 44). La dificultad de interpretar la estructura interna de las redes coneccionistas se ha utilizado para argumentar en contra de su capacidad para proporcionar modelos, teorías o incluso demostraciones a la ciencia cognitiva (McCloskey, 1991).

Por otro lado, y no en vano, los investigadores conexionistas han respondido en especie. Algunas de estas respuestas han sido argumentos sobre problemas que son intrínsecos a la arquitectura clásica (por ejemplo, modelos lentos y quebradizos) combinados con afirmaciones de que la arquitectura coneccionista ofrece soluciones a estos problemas (Feldman & Ballard, 1982; Rumelhart & McClelland, 1986c). Otros han argumentado que los modelos clásicos no han logrado proporcionar un relato adecuado de estudios experimentales de cognición humana (Oaksford, Chater, & Stenning, 1990). Los practicantes coneccionistas han llegado tan lejos como para afirmar que han proporcionado un cambio de paradigma para la ciencia cognitiva (Schneider, 1987).

Acompañando las afirmaciones de un cambio de paradigma está la visión de que la ciencia cognitiva coneccionista está en condiciones de reemplazar un enfoque clásico viejo, cansado y fallido. Searle (1992, p. 247), en defensa del conexionismo, ha descrito los modelos cognitivistas tradicionales como “obviamente falsos o incoherentes”. Algunos afirmarían que la ciencia cognitiva clásica no estudia los fenómenos correctos. “La idea de que la actividad humana está determinada por reglas no es muy plausible cuando se considera que la mayor parte de lo que hacemos no se piensa naturalmente como solución de problemas” (Horgan & Tienson, 1996, p. 31). Paul Churchland señaló que “la buena inteligencia artificial anticuada fue un fracaso. La contribución de las arquitecturas estándar y la inteligencia artificial de programación estándar fue una decepción” (Baumgartner & Payr, 1995, p. 36). Churchland continuó argumentando que esta decepción se revertirá con la adopción de arquitecturas más parecidas al cerebro.

Claramente, el surgimiento del conexionismo representa una fragmentación de la ciencia cognitiva. Esta fragmentación se ve agravada por el hecho de que los propios coneccionistas admiten libremente que existen diferentes nociones sobre el procesamiento de la información que caen bajo el paraguas coneccionista (Horgan & Tienson, 1996; Rumelhart & McClelland, 1986c). “No está claro que haya aparecido algo que pueda llamarse, y mucho menos la, concepción coneccionista de la cognición” (Horgan & Tienson, 1996, p. 3).

Si la única división dentro de la ciencia cognitiva era entre escuelas de pensamiento clásicas y coneccionistas, entonces todavía existe la posibilidad de una ciencia cognitiva unificada. Algunos investigadores han intentado demostrar que estos dos enfoques pueden estar relacionados (Dawson, 1998; Smolensky & Legendre, 2006), a pesar de las diferencias a las que se ha aludido en los párrafos anteriores. Sin embargo, la esperanza de una ciencia cognitiva unificada se ve desafiada aún más por la comprensión de que ha surgido una tercera escuela de pensamiento que representa una reacción a la ciencia cognitiva clásica y conexionista.

Esta tercera escuela de pensamiento es la ciencia cognitiva encarnada (Chemero, 2009; Clancey, 1997; Clark, 1997; Dawson, Dupuis, & Wilson, 2010; Robbins & Aydede, 2009; Shapiro, 2011). La ciencia cognitiva conexionista surgió porque sentía que la ciencia cognitiva clásica no prestaba suficiente atención a una parte particular del cuerpo, el cerebro. La ciencia cognitiva encarnada critica tanto los enfoques clásicos como los coneccionistas porque ambos ignoran todo el cuerpo y su interacción con el mundo. Las versiones radicales de la ciencia cognitiva encarnada tienen como objetivo prescindir completamente de las representaciones mentales, y argumentan que la mente se extiende fuera del cerebro, hacia el cuerpo y el mundo (Agre, 1997; Chemero, 2009; Clancey, 1997; Clark, 2008; Clark & Chalmers, 1998; Noë, 2009; Varela, Thompson, & Rosch, 1991; Wilson, 2004).

Una característica clave de la ciencia cognitiva encarnada es que abandona el solipsismo metodológico (Wilson, 2004). Según el solipsismo metodológico (Fodor, 1980), los estados representacionales son individualizados sólo en términos de sus relaciones con otros estados representacionales. No se consideran las relaciones de los estados con el mundo externo —el entorno del agente—. “El solipsismo metodológico en psicología es la visión de que los estados psicológicos deben interpretarse sin referencia a nada más allá de los límites del individuo que tiene esos estados” (Wilson, 2004, p. 77).

El solipsismo metodológico se refleja en el ciclo sentido-pensar-acto que caracteriza tanto a la ciencia cognitiva clásica como a la conexionista (Pfeifer & Scheier, 1999). El ciclo sentido-pensar-acto define lo que también se conoce como el sándwich clásico (Hurley, 2001), en el que no hay contacto directo entre la detección y la actuación. En cambio, pensar, o representaciones, es el “llenado” del sándwich, con la tarea principal de planificar acciones a partir de datos detectados. Tanto la ciencia cognitiva clásica como la coneccionista adoptan el ciclo sentido-pensar-acto porque ambas tienen representaciones que se interponen entre las entradas perceptuales y las salidas conductuales. “La representación es una actividad que los individuos realizan en la extracción y despliegue de información que se utiliza en sus acciones posteriores” (Wilson, 2004, p. 183).

La ciencia cognitiva encarnada reemplaza el ciclo sentido-pensar-acto por el procesamiento de sentido-acto (Brooks, 1991, 1999; Clark, 1997, 1999, 2003; Hutchins, 1995; Pfeifer & Scheier, 1999). Según esta visión alternativa, existen vínculos directos entre la detección y la actuación. El propósito de la mente no es planificar acciones, sino coordinar las relaciones sentido-acto. “Los modelos del mundo simplemente se interponen en el camino. Resulta ser mejor usar el mundo como modelo propio” (Brooks, 1991, p. 139). La ciencia cognitiva encarnada ve al cerebro como un controlador, no como un planificador. “La comprensión fue que los llamados sistemas centrales de inteligencia —o IA central como se le ha referido más recientemente— eran quizás una ilusión innecesaria, y que todo el poder de la inteligencia surgió del acoplamiento de los sistemas de percepción y actuación” (Brooks, 1999, p. viii).

Al reemplazar el ciclo sentido-pensar-acto por el ciclo sentido-acto, la ciencia cognitiva encarnada se distancia de la ciencia cognitiva clásica y conexionista. Esto se debe a que el procesamiento de actos sensoriales abandona la planeación en particular y el uso de representaciones en general. Brooks (1999, p. 170) escribió: “En particular, he abogado por la situatividad, la encarnación y las arquitecturas altamente reactivas sin sistemas de razonamiento, sin representaciones manipulables, sin símbolos y computación totalmente descentralizada”. Otros teóricos hacen versiones más fuertes de esta afirmación: “Por la presente defino a la ciencia cognitiva radical encarnada como el estudio científico de la percepción, la cognición y la acción como fenómenos necesariamente encarnados, utilizando herramientas explicativas que no postulan representaciones mentales” (Chemero, 2009, p. 29).

El enfoque en el procesamiento de actos sensoriales conduce directamente a la importancia de la encarnación. La ciencia cognitiva encarnada toma prestada una idea clave de la cibernética: que los agentes están vinculados adaptativamente a su entorno (Ashby, 1956; Wiener, 1948). Este vínculo adaptativo es una fuente de retroalimentación: las acciones de un animal en el mundo pueden cambiar el mundo, lo que a su vez afectará acciones posteriores. La ciencia cognitiva encarnada también se apoya fuertemente en la teoría de la percepción directa de Gibson (1966, 1979). En particular, el vínculo adaptativo entre un animal y su mundo se ve afectado por la forma física del animal, su encarnación. “A menudo se descuida que las palabras animal y ambiente hacen una pareja inseparable” (Gibson, 1979, p. 8). Gibson propuso que los agentes sensores “captaron” propiedades que indicaban acciones potenciales que podrían tomarse en el mundo. Nuevamente, la definición de tales prestaciones requiere tomar en cuenta la forma del agente.

La ciencia cognitiva encarnada también se distancia de la ciencia cognitiva clásica y conexionista al proponer la hipótesis de la mente extendida (Clark, 1997, 1999, 2003, 2008; Wilson, 2004, 2005). Según la hipótesis de la mente extendida, la mente no está separada del mundo por el cráneo. En cambio, el límite entre la mente y el mundo está borroso, o ha desaparecido. Una consecuencia de la mente extendida es el andamiaje cognitivo, donde las habilidades de la cognición “clásica” se potencian utilizando el mundo externo como soporte. Un ejemplo sencillo de esto es extender la memoria mediante el uso de ayudas externas, como los blocs de notas. Sin embargo, el procesamiento completo de la información se puede colocar en el mundo si se utilizan artefactos apropiados. Hutchins (1995) proporcionó muchos ejemplos de herramientas de navegación que externalizan la computación. “Parece que gran parte del cálculo fue realizado por la herramienta, o por su diseñador. La persona de alguna manera podría tener éxito haciendo menos porque la herramienta hizo más” (p. 151).

La ciencia cognitiva encarnada proporciona otra falla en una ciencia cognitiva fragmentadora. Con nociones como la mente extendida, el énfasis en la acción y el abandono de la representación, no queda claro a primera vista si la ciencia cognitiva encarnada está redefiniendo la noción de procesamiento de información o abandonándola por completo. “Al no entender la fuente del poder computacional en nuestras interacciones con dispositivos físicos simples 'poco inteligentes', nos posicionamos bien para malgastar oportunidades con las llamadas computadoras inteligentes” (Hutchins, 1995, p. 171).

Se encuentra mayor fragmentación dentro del campo de cognición encarnada (Robbins & Aydede, 2009; Shapiro, 2011). Los científicos cognitivos encarnados tienen fuertes desacuerdos entre ellos sobre el grado en que cada uno de sus puntos de vista radicales debe ser aceptado. Por ejemplo, Clark (1997) creía que hay espacio para la representación en la ciencia cognitiva encarnada, mientras que Chemero (2009) no.

En resumen, los primeros desarrollos de la informática llevaron a una noción unitaria de procesamiento de la información. Cuando se adoptó el procesamiento de la información como hipótesis sobre la cognición en la década de 1950, el resultado fue una ciencia cognitiva unificada. Sin embargo, medio siglo de desarrollos en la ciencia cognitiva ha llevado a una creciente fragmentación del campo. Los desacuerdos sobre la naturaleza de las representaciones, e incluso sobre su necesidad, han generado tres fuertes campos dentro de la ciencia cognitiva: clásico, coneccionista y encarnado. La fragmentación dentro de cada uno de estos campamentos se puede encontrar fácilmente. Ante esta situación, puede parecer una tontería preguntarse si existen ideas centrales que puedan ser utilizadas para unificar la ciencia cognitiva. No obstante, el hacer esa pregunta es un hilo importante que recorre el libro actual.