3.10: Estructura y Proceso

Los sistemas de símbolos físicos de la ciencia cognitiva clásica hacen una clara distinción entre los símbolos y las reglas que los manipulan. A esto se le llama la distinción estructura/ proceso. Por ejemplo, en una máquina Turing los símbolos residen en un medio (la cinta de teletipo) que está separado de otro medio (el cabezal de la máquina) que alberga a los operadores para manipular símbolos. Cualquiera que sea la naturaleza específica de la máquina universal de la cognición, si se trata de un sistema clásico de símbolos físicos, entonces exhibirá la distinción estructura/proceso.

En general, ¿qué se puede decir de los símbolos que definen la estructura que es manipulada por un sistema de símbolos físicos? Se ha argumentado que la noción de símbolo de la ciencia cognitiva está mal definida (Searle, 1992). Quizás esto se deba a que aparte de la necesidad de que los símbolos sean físicamente distintivos, para que puedan identificarse como fichas de un tipo particular, los símbolos no tienen propiedades definitivas. Los símbolos son arbitrarios, en el sentido de que cualquier cosa puede servir como símbolo.

La naturaleza arbitraria de los símbolos es otro ejemplo de la propiedad de la realización múltiple que se discutió en el Capítulo 2.

Lo que no teníamos derecho a esperar es la inmensa variedad de formas físicas de realizar cualquier sistema de símbolos fijos. Lo que las generaciones de tecnología digital han demostrado es que una amplia gama indefinidamente de fenómenos físicos puede ser utilizada para desarrollar una tecnología digital que produzca un nivel lógico de carácter esencialmente idéntico. (Newell, 1980, p. 174)

Es por ello que las máquinas universales se pueden construir a partir de engranajes (Swade, 1993), LEGO (Agulló et al., 2003), conjuntos de trenes eléctricos (Stewart, 1994), válvulas hidráulicas o chips de silicio (Hillis, 1998).

La arbitrariedad de los símbolos, y la realización múltiple de máquinas universales, tiene sus raíces en la noción relativa de máquina universal. Por definición, una máquina es universal si puede simular cualquier otra máquina universal (Newell, 1980). En efecto, esta es la idea básica que justifica el uso de simulaciones informáticas para investigar el funcionamiento cognitivo y neuronal (Dutton & Starbuck, 1971; Gluck & Myers, 2001; Lewandowsky, 1993; Newell & Simon, 1961; O'Reilly & Munakata, 2000).

Para cualquier clase de máquinas, definida por alguna manera de describir su estructura operativa, una máquina de esa clase se define como universal si puede comportarse como cualquier máquina de la clase. Esto pone a la simulación en el centro del escenario. (Newell, 1980, p. 149)

Si una máquina universal puede ser simulada por cualquier otra, y si la cognición es producto de una máquina universal, entonces ¿por qué deberíamos preocuparnos por los detalles específicos de la arquitectura de procesamiento de información para la cognición? La razón de esta preocupación es que los aspectos internos de una arquitectura —las relaciones entre un par estructura-proceso particular— no son arbitrarios. La naturaleza de una estructura particular es tal que permite que algunos, pero no todos, los procesos sean fácilmente aplicados. Por lo tanto, algunas funciones de entrada-salida serán más fáciles de calcular que otras debido a la relación entre estructura y proceso. Newell y Simon (1972, p. 803) llamaron a estos efectos de segundo orden.

Consideremos, por ejemplo, un tipo de representación: una tabla de números, como el Cuadro 3-1, que proporciona las distancias en kilómetros entre pares de ciudades en Alberta (Dawson, Boechler, & Valsangkar-Smyth, 2000). Una operación que se puede aplicar fácilmente a los símbolos que están organizados de tal manera es la búsqueda de tablas. Por ejemplo, quizá me interesaba saber la distancia que recorrería si condujera de Edmonton a Fort McMurray. Aplicando la búsqueda de tabla a la Tabla 3-1, al buscar el número en la intersección entre la fila Edmonton y la columna Fort McMurray, rápidamente me informa que la distancia es de 439 kilómetros. Esto se debe a que la forma tabular de esta información hace que las distancias entre lugares sean explícitas, para que puedan ser “leídas” de la representación de una manera aparentemente sin esfuerzo.

Otra información no se puede obtener tan fácilmente de una representación tabular. Por ejemplo, quizá me interese determinar la dirección de la brújula que apunta de Edmonton a Fort McMurray. La tabla no hace que esta información sea explícita; las direcciones entre ciudades no pueden ser simplemente leídas fuera de la Tabla 3-1.

Cuadro 3-1. Distancias en kilómetros entre ciudades de Alberta, Canadá.

Sin embargo, esto no significa que la tabla no contenga información sobre la dirección. Los datos similares a la distancia del tipo proporcionado por la Tabla 3-1 se pueden usar como entrada a una forma de análisis factorial llamada escalado multidimensional (MDS) (Romney, Shepard, & Nerlove, 1972; Shepard, Romney, & Nerlove, 1972). Este análisis estadístico convierte la tabla de distancias en una representación mapeada de objetos que produciría el conjunto de distancias en la tabla. Dawson et al. (2000) realizaron dicho análisis sobre los datos del Cuadro 3-1 y obtuvieron el mapa que se da en la Figura 3-10. Este mapa hace que las ubicaciones espaciales relativas de las ciudades sean obvias; podría usarse para simplemente “leer” direcciones de brújula entre pares de lugares.

Figura 3-10. Resultados de aplicar MDS al Cuadro 3-1.

“Leer” información de una representación de manera intuitiva significa acceder a esta información fácilmente, mediante el uso de un pequeño número de operaciones primitivas. Si esto no es posible, es posible que se siga accediendo a la información aplicando un mayor número de operaciones, pero esto llevará más tiempo. La facilidad de acceso a la información es resultado de la relación entre estructura y proceso.

La relación estructura-proceso, produciendo efectos de segundo orden, subraya el valor de usar evidencia de complejidad relativa, noción que se introdujo en el Capítulo 2. Imagínese que un sistema de símbolos físicos utiliza una representación tabular de distancias. Entonces esperaríamos que computara funciones que involucran distancia muy rápidamente, pero sería mucho más lento responder preguntas sobre dirección. Por el contrario, si el dispositivo usa una representación similar a un mapa, entonces esperaríamos que respondiera preguntas sobre dirección rápidamente, pero tardaría más en responder preguntas sobre la distancia (porque, por ejemplo, habría que invocar operaciones de medición).

En resumen, si bien las estructuras son arbitrarias, las relaciones estructura-proceso no lo son. Producen regularidades de segundo orden que pueden afectar medidas tales como evidencia de complejidad relativa. El uso de tales medidas para investigar las relaciones estructura-proceso proporciona información clave sobre los algoritmos y la arquitectura de un sistema.