3.6: Indeterminación e Innaturalidad

La capacidad de un dispositivo para aceptar o generar una gramática es fundamental para otro análisis de nivel computacional del lenguaje (Gold, 1967). Gold realizó un análisis formal del aprendizaje de idiomas que reveló una situación que se conoce como la paradoja de Gold (Pinker, 1979). Una solución a esta paradoja es adoptar una posición que es característica de la ciencia cognitiva clásica, y que hemos visto es consistente con sus raíces cartesianas. Esta posición es que buena parte de la arquitectura de la cognición es innata.

Gold (1967) estaba interesado en el problema de cómo un sistema podía aprender la gramática de un idioma sobre la base de un conjunto finito de expresiones de ejemplo. Consideró dos situaciones distintas en las que el sistema de aprendizaje podría presentarse con expresiones. En el aprendizaje del informante, al alumno se le presentan expresiones válidas o inválidas, y también se le dice sobre su validez, es decir, se le dice si pertenece a la gramática o no. En el aprendizaje de textos, las únicas expresiones que se presentan al alumno son gramaticales.

Ya sea que un alumno esté experimentando aprendizaje informante o aprendizaje de texto, Gold (1967) asumió que el aprendizaje procedería como una sucesión de presentaciones de expresiones. Después de presentar cada expresión, el aprendiz de idiomas generaría una gramática hipotética. Gold propuso que cada hipótesis podría describirse como una máquina de Turing que aceptaría la gramática (hipotética) o la generaría. En esta formalización, la noción de “aprender un idioma” se ha convertido en “seleccionar una máquina Turing que represente una gramática” (Osherson, Stob, & Weinstein, 1986).

Según el algoritmo de Gold (1967), un aprendiz de idiomas tendría una gramática hipotética actual. Cuando se presentaba una nueva expresión al alumno, se realizaría una prueba para ver si la gramática actual podía tratar con la nueva expresión. Si la gramática actual tuvo éxito, entonces quedó. Si la gramática actual fallaba, entonces habría que seleccionar una nueva gramática, una nueva máquina de Turing.

Bajo este formalismo, ¿cuándo podemos decir que se ha aprendido una gramática? Gold definió el aprendizaje de idiomas como la identificación de la gramática en el límite. Cuando se identifica un idioma en el límite, esto significa que la gramática actual que está siendo planteada por el alumno no cambia incluso cuando se encuentran nuevas expresiones. Además, se espera que este estado ocurra después de que se haya encontrado un número finito de expresiones durante el aprendizaje.

En la sección anterior, se consideró un análisis computacional en el que se presentaron diferentes tipos de dispositivos informáticos con la misma gramática. Gold (1967) adoptó un enfoque alternativo: mantuvo constante el procesamiento de la información, es decir, siempre estudió el algoritmo esbozado anteriormente, pero varió la complejidad de la gramática que se estaba aprendiendo, y varió las condiciones en las que se presentaba la gramática, es decir, aprendizaje informante versus aprendizaje de textos.

En la informática, una descripción formal de cualquier clase de lenguajes (humanos o no) relaciona su complejidad con la complejidad de un dispositivo informático que podría generarlo o aceptarlo (Hopcroft & Ullman, 1979; Révész, 1983). Esto ha resultado en una clasificación de gramáticas conocida como la jerarquía Chomsky (Chomsky, 1959a). En la jerarquía Chomsky, las gramáticas más simples son regulares, y pueden ser acomodadas por autómatas de estado finito. Las siguientes más complicadas son las gramáticas sin contexto, que pueden ser procesadas por autómatas pushdown (un dispositivo que es un autómata de estado finito con una memoria interna finita). A continuación están las gramáticas sensibles al contexto, que son el dominio de los autómatas acotados lineales (es decir, un dispositivo como una máquina Turing, pero con una cinta de teletipo de longitud acotada). Las gramáticas más complejas son las gramáticas generativas, que sólo pueden ser tratadas por máquinas Turing.

Gold (1967) utilizó métodos formales para determinar las condiciones bajo las cuales cada clase de gramáticas podría ser identificada en el límite. Pudo demostrar que el aprendizaje del texto sólo podía utilizarse para adquirir la gramática más simple. En contraste, Gold encontró que el aprendizaje de informantes permitió identificar gramáticas sensibles al contexto y libres de contexto en el límite.

La investigación de Gold (1967) se realizó en un campo relativamente oscuro de la informática teórica. No obstante, Steven Pinker la llamó la atención de la ciencia cognitiva más de una década después (Pinker, 1979), donde despertó mucho interés e investigación. Esto se debe a que el análisis computacional de Gold reveló una paradoja de particular interés para los investigadores que estudiaron cómo los niños humanos adquieren el lenguaje.

Las pruebas de Gold (1967) indicaron que el aprendizaje de los informantes era lo suficientemente poderoso como para poder identificar una gramática compleja en el límite. Ese aprendizaje no era posible con el aprendizaje de texto. La paradoja de Gold surgió porque la investigación sugiere fuertemente que los niños son aprendices de texto, no aprendices informantes (Pinker, 1979, 1994, 1999). Se estima que 99.93 por ciento del lenguaje al que están expuestos los niños es gramatical (Newport, Gleitman, & Gleitman, 1977). Además, cada vez que se proporciona retroalimentación sobre la gramaticalidad del lenguaje a los niños, no es lo suficientemente sistemática como para ser utilizada para seleccionar una gramática (Marcus, 1993).

La paradoja de Gold es que si bien demostró que las gramáticas lo suficientemente complejas como para modelar el lenguaje humano no podían aprenderse por texto, los niños aprenden esas gramáticas, ¡y lo hacen a través del aprendizaje de texto! ¿Cómo es esto posible?

La paradoja del oro es un ejemplo de un problema de subdeterminación. En un problema de subdeterminación, la información disponible del entorno no es suficiente para sustentar una interpretación o inferencia única (Dawson, 1991). Por ejemplo, Gold (1967) demostró que un número finito de expresiones presentadas durante el aprendizaje del texto no fueron suficientes para determinar de manera única la gramática a partir de la cual se generaron estas expresiones, siempre que la gramática fuera más complicada que una gramática regular.

Existen muchos enfoques disponibles para resolver problemas de subdeterminación. Uno que es más característico de la ciencia cognitiva clásica es simplificar la situación de aprendizaje asumiendo que parte de la información a aprender ya está presente porque es innata. Por ejemplo, los científicos cognitivos clásicos asumen que gran parte de la gramática de una lengua humana está disponible de manera innata antes de que comience el aprendizaje de idiomas

El niño tiene una teoría innata de descripciones estructurales potenciales que es suficientemente rica y completamente desarrollada para que sea capaz de determinar, a partir de una situación real en la que se produce una señal, qué descripciones estructurales pueden ser apropiadas a esta señal. (Chomsky, 1965, p. 32)

Si se asume la existencia de una gramática base innata y universal —una gramática utilizada para crear marcadores de frases—, entonces se puede identificar en el límite una gramática generativa del tipo propuesto por Chomsky (Wexler y Culicover, 1980). Esto se debe a que el aprendizaje del idioma se simplifica a la tarea de aprender el conjunto de transformaciones que se pueden aplicar a los marcadores de frases. Las teorías más modernas de las gramáticas transformacionales han reducido el número de transformaciones a una, y han descrito el aprendizaje de idiomas como el establecimiento de un número finito de parámetros que determinan la estructura gramatical (Cook & Newson, 1996). Nuevamente, estas gramáticas se pueden identificar en el límite sobre la base de expresiones de entrada muy simples (Lightfoot, 1989). Tales pruebas son críticas para la ciencia cognitiva y para la lingüística, porque si una teoría del lenguaje ha de ser explicativamente adecuada, entonces debe dar cuenta de cómo se adquiere el lenguaje (Chomsky, 1965).

Los filósofos racionalistas asumieron que algún conocimiento humano debía ser innato. Esta visión fue reaccionada por filósofos empiristas que vieron la experiencia como la única fuente de conocimiento. Para los empiristas, la mente era una tabula rasa, esperando ser escrita por el mundo. Los científicos cognitivos clásicos se sienten cómodos con la noción de conocimiento innato, y han utilizado problemas de subdeterminación para argumentar en contra de la tabula rasa moderna asumida por los científicos cognitivos coneccionistas (Pinker, 2002, p. 78): “Los coneccionistas, por supuesto, no creen en una pizarra en blanco, pero sí creer en el equivalente mecanicista más cercano, un dispositivo de aprendizaje de propósito general”. El papel de la innatencia es un tema que separa la ciencia cognitiva clásica del conexionismo, y se volverá a encontrar cuando se explora el conexionismo en el Capítulo 4.