3.16: Ingeniería inversa

Metodológicamente hablando, ¿qué es la ciencia cognitiva clásica? El objetivo de la ciencia cognitiva clásica es explicar las habilidades cognitivas de un agente. Dado un agente cognitivo intacto y completamente funcional, el científico cognitivo clásico debe construir una teoría de los procesos internos del agente. La hipótesis de trabajo es que esta teoría tomará la forma de un sistema de símbolos físicos. Desarrollar esta hipótesis implicará proponer una teoría, y ojalá una simulación computacional de trabajo, que haga propuestas explícitas sobre las estructuras simbólicas del agente, los procesos primitivos y el sistema de control.

Ante este escenario, un científico cognitivo clásico casi inevitablemente se involucrará en alguna forma de ingeniería inversa.

En ingeniería inversa, uno descubre para qué se diseñó una máquina. La ingeniería inversa es lo que hacen los boffins de Sony cuando Panasonic anuncia un nuevo producto, o viceversa. Compran uno, lo traen de vuelta al laboratorio, le llevan un destornillador y tratan de averiguar para qué sirven todas las piezas y cómo se combinan para que funcione el dispositivo. (Pinker, 1997, p. 21)

La ingeniería inversa realizada por una ciencia cognitiva clásica se complica por el hecho de que no se puede simplemente desarmar a los agentes cognitivos con un destornillador para aprender sobre su diseño. Sin embargo, la suposición de que el agente es un sistema de símbolos físicos proporciona una guía sólida y una metodología efectiva.

La metodología empleada por la ciencia cognitiva clásica se denomina análisis funcional (Cummins, 1975, 1983). El análisis funcional es una forma de ingeniería inversa de arriba hacia abajo que se mapea muy bien en los múltiples niveles de investigación que se introdujeron en el Capítulo 2.

El análisis funcional comienza eligiendo y definiendo una función de interés a explicar. Definir una función de interés implica una investigación a nivel computacional. ¿Qué problema se está resolviendo? ¿Por qué decimos que se está resolviendo este problema y no algún otro? ¿Qué propiedades restrictivas se pueden suponer para ayudar a la solución del problema? Por ejemplo, vimos anteriormente que una teoría computacional del aprendizaje de idiomas (identificando una gramática en el límite) podría usarse para motivar posibles propiedades que deben ser ciertas de un idioma o un aprendiz de idiomas.

El siguiente paso en un análisis funcional es descomponer la función de interés en un conjunto de subcomponentes que tiene tres propiedades clave. Primero, cada subcomponente se define funcionalmente, no físicamente. Segundo, cada subcomponente es más simple que la función original. Tercero, la organización de los subcomponentes —el flujo de información de un componente a otro— es capaz de producir el comportamiento inputoutput de la función original de interés. “El análisis funcional consiste en analizar una disposición en una serie de disposiciones menos problemáticas de tal manera que la manifestación programada de estas disposiciones analizadoras equivale a una manifestación de la disposición analizada” (Cummins, 1983, p. 28). Estas propiedades permiten que el análisis funcional proceda de tal manera que se evite la retrocesión de Ryle, y que eventualmente se puedan descargar los homúnculos producidos por el análisis (es decir, los subcomponentes funcionales), como se discutió en el Capítulo 2.

La etapa analítica de un análisis funcional pertenece al nivel algorítmico de análisis. Esto se debe a que el sistema organizado de subfunciones producido en esta etapa es idéntico a un programa o algoritmo para producir el comportamiento global de entrada/salida del agente. Sin embargo, los procesos cognitivos internos empleados por el agente no pueden ser observados directamente. ¿Qué métodos se pueden utilizar para formar el comportamiento del agente en un conjunto organizado de funciones? En otras palabras, ¿cómo pueden las observaciones de comportamiento apoyar las decisiones sobre la descomposición funcional?

La respuesta a esta pregunta revela por qué la etapa analítica pertenece al nivel algorítmico de análisis. Es porque los métodos empíricos de la psicología cognitiva están diseñados para motivar y validar descomposiciones funcionales.

Por ejemplo, consideremos la invención que se ha dado a conocer como el modelo modal de la memoria (Baddeley, 1986), que fue uno de los triunfos del cognitivismo en la década de 1960 (Shiffrin & Atkinson, 1969; Waugh & Norman, 1965). Según este modelo, la información a recordar se guarda inicialmente en la memoria primaria, la cual tiene una pequeña capacidad y corta duración, y codifica los elementos acústicamente. Sin procesamiento adicional, los elementos se desintegrarán rápidamente de la memoria primaria. No obstante, el ensayo de mantenimiento, en el que un elemento de la memoria se habla en voz alta y así se retroalimenta a la memoria en forma renovada, evitará esta decadencia. Con un procesamiento adicional como el ensayo de mantenimiento, algunos de los elementos en la memoria primaria pasan a la memoria secundaria, que tiene gran capacidad y larga duración, y emplea un código semántico.

El modelo de memoria modal fue inspirado y apoyado por datos experimentales. En un experimento estándar de libre recuerdo, se pide a los sujetos que recuerden los ítems de una lista presentada (Glanzer & Cnitz, 1966; Postman & Phillips, 1965). Los primeros ítems presentados son mejor recordados que los presentados en el medio, el efecto de primacía. Además, los últimos ítems presentados son mejor recordados que los ítems del medio, el efecto reciente. Otros experimentos demostraron una disociación funcional entre los efectos de primacía y reciente: las variables que influyeron en un efecto dejaron al otro inalterado. Por ejemplo, introducir un retraso antes de que los sujetos recordaran la lista eliminaron el efecto reciente pero no el efecto de primacía (Glanzer & Cnitz, 1966). Si una lista se presentaba muy rápidamente, o se construía a partir de palabras de baja frecuencia, el efecto primado —pero no el efecto reciente— desapareció (Glanzer, 1972). Para explicar dicha disociación funcional, los investigadores asumieron un sistema organizado de submemorias (el modelo modal), cada una con diferentes propiedades.

La etapa analítica de un análisis funcional es iterativa. Es decir, se puede tomar cualquiera de las subfunciones que han resultado de una etapa de análisis y descomponerla en un sistema organizado de sub-subfunciones aún más simples. Por ejemplo, a medida que se refinaban las técnicas experimentales, la noción de memoria primaria de los años sesenta se ha descompuesto en un conjunto organizado de subfunciones que en conjunto producen lo que se llama memoria de trabajo (Baddeley, 1986, 1990). La memoria de trabajo se descompone en tres subfunciones básicas. El ejecutivo central es responsable de operar sobre símbolos almacenados en búferes, así como de determinar cómo se asignará la atención a las tareas simultáneamente en curso. El búfer visuoespacial almacena información visual. El bucle fonológico se utiliza para almacenar información verbal (o similar al habla). El bucle fonológico se ha descompuesto aún más en subfunciones. Uno es un almacén fonológico que actúa como memoria al sostener símbolos. El otro es un proceso de ensayo que conserva artículos en el almacén fonológico.

Vimos en el Capítulo 2 que la descomposición funcional no puede proceder indefinidamente si el análisis ha de servir como explicación científica. Se deben aplicar algunos principios para detener la descomposición con el fin de salir de la regresión de Ryle. Para el análisis funcional de Cummins' (1983), esto ocurre con una etapa final: la subsunción causal. Subsumir causalmente una función es explicar cómo los mecanismos físicos dan origen a la función. “Un análisis funcional se completa cuando el programa que lo especifica es explicable vía instancia—es decir, cuando podemos mostrar cómo el programa es ejecutado por el sistema cuyas capacidades están siendo explicadas” (p. 35). Cummins llamó a buscar tales explicaciones de funciones la estrategia de subsunción. Claramente, la estrategia de subsunción forma parte de un nivel arquitectónico de investigación, empleando evidencias que involucran impenetrabilidad cognitiva y modularidad. También se apoya en gran medida en la evidencia obtenida de una investigación implementacional (es decir, neurociencia).

Desde una perspectiva metodológica, la ciencia cognitiva clásica realiza ingeniería inversa, en forma de análisis funcional, para desarrollar una teoría (y probablemente una simulación) del procesamiento cognitivo. Esta empresa involucra tanto métodos formales como empíricos, así como los múltiples niveles de investigación descritos en el Capítulo 2. Al mismo tiempo, la ciencia cognitiva clásica también estará involucrada en la recolección de datos para establecer la fuerte equivalencia entre la teoría y el agente estableciendo vínculos entre ambos en los diferentes niveles de análisis, como hemos estado discutiendo en las páginas anteriores del capítulo actual.