Ciencia cognitiva corporizada

La ciencia cognitiva corporizada es un campo de investigación interdisciplinario cuyo objetivo es explicar los mecanismos que subyacen al comportamiento inteligente. Comprende tres metodologías principales: el modelado de sistemas psicológicos y biológicos de manera holística que considera la mente y el cuerpo como una sola entidad; la formación de un conjunto común de principios generales del comportamiento inteligente; y el uso experimental de agentes robóticos en entornos controlados.

La ciencia cognitiva corporizada toma prestado mucho de la filosofía corporizada y de los campos de investigación relacionados de la ciencia cognitiva , la psicología , la neurociencia y la inteligencia artificial . Entre los contribuyentes a este campo se incluyen: ^{[1] [2] [3] [4]}

• Desde la perspectiva de la neurociencia, Gerald Edelman del Instituto de Neurociencias de La Jolla, Francisco Varela del CNRS en Francia y JA Scott Kelso de la Universidad Atlántica de Florida
• Desde la perspectiva de la psicología, Lawrence Barsalou , Michael Turvey , Vittorio Guidano y Eleanor Rosch
• Desde la perspectiva de la lingüística, Gilles Fauconnier , George Lakoff , Mark Johnson , Leonard Talmy y Mark Turner
• Desde la perspectiva de la adquisición del lenguaje, Eric Lenneberg y Philip Rubin de Haskins Laboratories
• Desde la perspectiva de la antropología, Edwin Hutchins , Bradd Shore , James Wertsch y Merlin Donald .
• Desde la perspectiva del diseño de agentes autónomos, los primeros trabajos a veces se atribuyen a Rodney Brooks o Valentino Braitenberg.
• Desde la perspectiva de la inteligencia artificial, Understanding Intelligence de Rolf Pfeifer y Christian Scheier o How the Body Shapes the Way We Think (Cómo el cuerpo moldea nuestra manera de pensar) , de Rolf Pfeifer y Josh C. Bongard
• Desde la perspectiva de la filosofía, Andy Clark , Dan Zahavi , Shaun Gallagher y Evan Thompson

En 1950, Alan Turing propuso que una máquina podría necesitar un cuerpo parecido al humano para pensar y hablar:

También se puede sostener que lo mejor es dotar a la máquina de los mejores órganos sensoriales que se puedan comprar con dinero y luego enseñarle a entender y hablar inglés. Ese proceso podría seguir el proceso normal de enseñanza de un niño: se señalarían cosas y se les darían nombres, etc. Una vez más, no sé cuál es la respuesta correcta, pero creo que se deben probar ambos enfoques. ^[5]

La ciencia cognitiva corporizada es una teoría alternativa a la cognición que minimiza las apelaciones a la teoría computacional de la mente a favor de un mayor énfasis en cómo el cuerpo de un organismo determina cómo y qué piensa. La teoría cognitiva tradicional se basa principalmente en la manipulación de símbolos, en la que ciertas entradas se introducen en una unidad de procesamiento que produce una salida. Estas entradas siguen ciertas reglas de sintaxis, a partir de las cuales la unidad de procesamiento encuentra significado semántico. De este modo, se produce una salida apropiada. Por ejemplo, los órganos sensoriales de un ser humano son sus dispositivos de entrada, y los estímulos obtenidos del entorno externo se introducen en el sistema nervioso, que sirve como unidad de procesamiento. Desde aquí, el sistema nervioso puede leer la información sensorial porque sigue una estructura sintáctica, por lo que se crea una salida. Esta salida crea entonces movimientos corporales y produce comportamiento y cognición. Cabe destacar en particular que la cognición está sellada en el cerebro, lo que significa que la cognición mental está aislada del mundo externo y solo es posible mediante la entrada de información sensorial.

La ciencia cognitiva corporizada se diferencia del enfoque tradicionalista en que niega el sistema de entrada-salida. Esto se debe principalmente a los problemas que presenta el argumento del homúnculo , que concluía que el significado semántico no podía derivarse de los símbolos sin algún tipo de interpretación interna. Si un hombrecillo en la cabeza de una persona interpretaba los símbolos entrantes, ¿quién interpretaría las entradas de ese hombrecillo? Debido al espectro de una regresión infinita, el modelo tradicionalista comenzó a parecer menos plausible. Por lo tanto, la ciencia cognitiva corporizada pretende evitar este problema definiendo la cognición de tres maneras. ^{[6] : 340}

El primer aspecto de la cognición corpórea examina el papel del cuerpo físico, en particular cómo sus propiedades afectan su capacidad de pensar. Esta parte intenta superar el componente de manipulación de símbolos que es una característica del modelo tradicionalista. La percepción de profundidad, por ejemplo, puede explicarse mejor con el enfoque corpóreo debido a la gran complejidad de la acción. La percepción de profundidad requiere que el cerebro detecte las imágenes retinianas dispares obtenidas por la distancia de los dos ojos. Además, las señales del cuerpo y la cabeza complican esto aún más. Cuando la cabeza se gira en una dirección dada, los objetos en primer plano parecerán moverse contra los objetos del fondo. A partir de esto, se dice que se está produciendo algún tipo de procesamiento visual sin necesidad de ningún tipo de manipulación de símbolos. Esto se debe a que los objetos que parecen moverse en primer plano simplemente parecen moverse. Esta observación concluye entonces que la profundidad puede percibirse sin necesidad de manipulación intermedia de símbolos.

Un ejemplo más conmovedor es el que se obtiene al examinar la percepción auditiva. En términos generales, cuanto mayor sea la distancia entre los oídos, mayor será la agudeza auditiva posible. También es relevante la cantidad de densidad entre los oídos, ya que la fuerza de la onda de frecuencia se altera a medida que pasa a través de un medio determinado. El sistema auditivo del cerebro tiene en cuenta estos factores al procesar la información, pero nuevamente sin necesidad de un sistema de manipulación simbólica. Esto se debe a que la distancia entre los oídos, por ejemplo, no necesita símbolos para representarla. La distancia en sí crea la oportunidad necesaria para una mayor agudeza auditiva. La cantidad de densidad entre los oídos es similar, en el sentido de que es la cantidad real en sí misma la que simplemente crea la oportunidad de alteración de la frecuencia. Por lo tanto, al considerar las propiedades físicas del cuerpo, un sistema simbólico es innecesario y una metáfora inútil.

El segundo aspecto se basa en gran medida en el trabajo de George Lakoff y Mark Johnson sobre los conceptos. Ellos argumentaron que los humanos usan metáforas siempre que sea posible para explicar mejor su mundo externo. Los humanos también tienen un acervo básico de conceptos del cual se pueden derivar otros conceptos. Estos conceptos básicos incluyen orientaciones espaciales como arriba, abajo, adelante y atrás. Los humanos pueden entender lo que significan estos conceptos porque pueden experimentarlos directamente desde sus propios cuerpos. Por ejemplo, debido a que el movimiento humano gira en torno a estar de pie y mover el cuerpo en un movimiento de arriba hacia abajo, los humanos tienen innatamente estos conceptos de arriba y abajo. Lakoff y Johnson sostienen que esto es similar con otras orientaciones espaciales como adelante y atrás también. Como se mencionó anteriormente, estos acervos básicos de conceptos espaciales son la base sobre la cual se construyen otros conceptos. Feliz y triste, por ejemplo, ahora se ven como arriba o abajo respectivamente. Cuando alguien dice que se siente deprimido, lo que realmente está diciendo es que se siente triste, por ejemplo. Por lo tanto, el punto aquí es que la verdadera comprensión de estos conceptos depende de si uno puede tener una comprensión del cuerpo humano. El argumento entonces es que si uno careciera de cuerpo humano, no podría saber qué significa arriba o abajo, o cómo podría relacionarse con estados emocionales.

[I]maginemos un ser esférico que vive fuera de cualquier campo gravitatorio, sin conocimiento ni imaginación de ningún otro tipo de experiencia. ¿Qué podría significar la UP para un ser así? ^{[6] : 342}

Si bien esto no significa que tales seres sean incapaces de expresar emociones, en otras palabras, sí significa que expresarían emociones de manera diferente a los humanos. Los conceptos humanos de felicidad y tristeza serían diferentes porque los humanos tendrían cuerpos diferentes. Entonces, el cuerpo de un organismo afecta directamente la forma en que puede pensar, porque utiliza metáforas relacionadas con su cuerpo como base de conceptos.

Un tercer componente del enfoque corporizado analiza cómo los agentes utilizan su entorno inmediato en el procesamiento cognitivo. Es decir, el entorno local se considera una extensión real del proceso cognitivo del cuerpo. El ejemplo de un asistente digital personal (PDA) se utiliza para imaginar mejor esto. Haciendo eco del funcionalismo (filosofía de la mente) , este punto afirma que los estados mentales se individualizan por su papel en un sistema mucho más grande. Por lo tanto, bajo esta premisa, la información en un PDA es similar a la información almacenada en el cerebro. Entonces, si uno piensa que la información en el cerebro constituye estados mentales, entonces debe seguirse que la información en el PDA también es un estado cognitivo. Considere también el papel del lápiz y el papel en un problema complejo de multiplicación. El lápiz y el papel están tan involucrados en el proceso cognitivo de resolver el problema que parece ridículo decir que son de alguna manera diferentes del proceso, de la misma manera que el PDA se utiliza para la información como el cerebro. Otro ejemplo examina cómo los humanos controlan y manipulan su entorno para que las tareas cognitivas se puedan realizar mejor. Por ejemplo, dejar las llaves del coche en un lugar conocido para que nadie las pierda o utilizar puntos de referencia para orientarse en una ciudad desconocida. De este modo, los seres humanos incorporamos aspectos de nuestro entorno para ayudar a nuestro funcionamiento cognitivo.

El valor del enfoque de la encarnación en el contexto de la ciencia cognitiva es quizás mejor explicado ^{[ cita requerida ]} por Andy Clark . ^{[7] : 345–351} Él afirma que el cerebro por sí solo no debería ser el único foco para el estudio científico de la cognición.

Cada vez resulta más evidente que, en una amplia variedad de casos, el cerebro individual no debería ser el único foco de interés científico cognitivo. La cognición no es un fenómeno que pueda estudiarse con éxito marginando los papeles del cuerpo, el mundo y la acción. ^{[7] : 350}

Los siguientes ejemplos utilizados por Clark ilustrarán mejor cómo el pensamiento encarnado se está volviendo evidente ^{[ cita requerida ]} en el pensamiento científico.

El Thunnus , o atún, ha desconcertado durante mucho tiempo a los biólogos convencionales con su increíble capacidad para acelerar rápidamente y alcanzar grandes velocidades. Un examen biológico del atún muestra que no debería ser capaz de tales hazañas. Sin embargo, se puede encontrar una respuesta si se tiene en cuenta el estado corporal del atún. El atún rojo es capaz de aprovechar y explotar su entorno local al encontrar corrientes naturales que aumentan su velocidad. El atún también utiliza su propio cuerpo físico para este fin, utilizando su aleta caudal para crear los vórtices y la presión necesarios para poder acelerar y mantener altas velocidades. Por lo tanto, el atún rojo está utilizando activamente su entorno local para sus propios fines a través de los atributos de su cuerpo físico.

Clark utiliza el ejemplo del robot saltador construido por Raibert y Hodgins para demostrar aún más el valor del paradigma de la corporización. Estos robots eran esencialmente cilindros verticales con un solo pie saltador. El desafío de manejar el comportamiento del robot puede ser abrumador porque, además de las complejidades del programa en sí, también estaban las cuestiones mecánicas relacionadas con cómo debería construirse el pie para que pudiera saltar. Un enfoque corporizado facilita ver que, para que este robot funcione, debe ser capaz de explotar su sistema al máximo. Es decir, los sistemas del robot deben considerarse como poseedores de características dinámicas, en contraposición a la visión tradicional de que es simplemente un centro de comando que solo ejecuta acciones.

Clark distingue entre dos tipos de visión : la visión animada y la visión pura. La visión pura es una idea que se asocia típicamente con la inteligencia artificial clásica , en la que la visión se utiliza para crear un modelo de mundo rico de modo que el pensamiento y la razón puedan utilizarse para explorar por completo el modelo interno. En otras palabras, la visión pura crea pasivamente el mundo externo perceptible de modo que las facultades de la razón puedan utilizarse mejor de manera introspectiva. La visión animada, por el contrario, ve la visión como el medio por el cual puede comenzar la acción en tiempo real. La visión animada es entonces más un vehículo por el cual se obtiene información visual para que se puedan emprender acciones. Clark señala la visión animada como un ejemplo de encarnación, porque utiliza señales tanto biológicas como del entorno local para crear un proceso inteligente activo. Considere el ejemplo de Clark de ir a la farmacia a comprar una película Kodak. En la mente de uno está familiarizado con el logotipo de Kodak y su color dorado característico. Por lo tanto, uno usa los estímulos visuales entrantes para navegar por la farmacia hasta que encuentra la película. Por lo tanto, la visión no debe verse como un sistema pasivo, sino más bien como un dispositivo de recuperación activo que utiliza de forma inteligente la información sensorial y las señales ambientales locales para realizar acciones específicas en el mundo real.

Inspirado en el trabajo del psicólogo estadounidense James J. Gibson , este siguiente ejemplo enfatiza la importancia de la información sensorial relevante para la acción, el movimiento corporal y las señales del entorno local. Estos tres conceptos están unificados por el concepto de affordances, que son posibilidades de acción proporcionadas por el mundo físico a un agente determinado. Estas, a su vez, están determinadas por el cuerpo físico del agente, sus capacidades y las propiedades generales relacionadas con la acción del entorno local. Clark usa el ejemplo de un jardinero en el béisbol para ilustrar mejor el concepto de affordance. Los modelos computacionales tradicionales afirmarían que un jardinero que intenta atrapar una pelota elevada puede calcularse mediante variables como la velocidad de carrera del jardinero y el arco de la pelota de béisbol. Sin embargo, el trabajo de Gibson muestra que es posible un método más simple. El jardinero puede atrapar la pelota siempre que ajuste su velocidad de carrera para que la pelota se mueva continuamente en línea recta en su campo de visión. Tenga en cuenta que esta estrategia utiliza varias posibilidades que dependen del éxito del jardinero, incluida su composición corporal física, el entorno del campo de béisbol y la información sensorial obtenida por el jardinero.

Clark señala aquí que la última estrategia de atrapar la pelota, en oposición a la primera, tiene implicaciones significativas para la percepción. El enfoque de affordance resulta no lineal porque se basa en ajustes espontáneos en tiempo real. Por el contrario, el primer método de calcular el arco de la pelota es lineal, ya que sigue una secuencia de percepción, cálculo y realización de la acción. Por lo tanto, el enfoque de affordance desafía la visión tradicional de la percepción al argumentar en contra de la noción de que el cálculo y la introspección son necesarios. En cambio, debería reemplazarse con la idea de que la percepción constituye un equilibrio continuo de ajuste de la acción entre el agente y el mundo. En última instancia, Clark no afirma expresamente que esto sea cierto, pero sí observa que el enfoque de affordance puede explicar la respuesta adaptativa de manera satisfactoria. ^{[7] : 346} Esto se debe a que utilizan señales ambientales que son posibles gracias a la información perceptiva que el agente usa activamente en tiempo real.

Al formular los principios generales del comportamiento inteligente, Pfeifer pretendía ir en contra de los principios más antiguos que se daban en la inteligencia artificial tradicional. La diferencia más dramática es que los principios sólo son aplicables a agentes robóticos situados en el mundo real, un ámbito en el que la inteligencia artificial tradicional era la menos prometedora.

Principio de diseño barato y redundancia : Pfeifer se dio cuenta de que las suposiciones implícitas realizadas por los ingenieros a menudo influyen sustancialmente en la complejidad de una arquitectura de control. ^{[8] : 436} Esta idea se refleja en los debates sobre el problema de escalabilidad en robótica. El procesamiento interno necesario para algunas arquitecturas deficientes puede crecer desproporcionadamente en relación con las nuevas tareas que necesita un agente.

Una de las principales razones de los problemas de escalabilidad es que la cantidad de programación y de ingeniería de conocimientos que los diseñadores de robots tienen que realizar aumenta muy rápidamente con la complejidad de las tareas del robot. Cada vez hay más pruebas de que la preprogramación no puede ser la solución al problema de la escalabilidad... El problema es que los programadores introducen demasiadas suposiciones ocultas en el código del robot. ^[9]

Las soluciones propuestas son que el agente explote la física inherente de su entorno, que explote las restricciones de su nicho y que la morfología del agente se base en la parsimonia y el principio de redundancia. La redundancia refleja el deseo de corrección de errores de señales proporcionadas por la duplicación de canales similares. Además, refleja el deseo de explotar las asociaciones entre modalidades sensoriales. (Ver modalidades redundantes ). En términos de diseño, esto implica que la redundancia debe introducirse con respecto no solo a una modalidad sensorial sino a varias. ^{[8] : 448} Se ha sugerido que la fusión y transferencia de conocimiento entre modalidades puede ser la base para reducir el tamaño de los datos sensoriales tomados del mundo real. ^[10] Esto nuevamente aborda el problema de escalabilidad.

Principio de procesos paralelos y débilmente acoplados : una alternativa a los métodos jerárquicos de selección de conocimiento y acción . Este principio de diseño difiere de manera muy importante del ciclo Sentir-Pensar-Actuar de la IA tradicional. Como no implica este famoso ciclo, no se ve afectado por el problema del marco .

Principio de coordinación sensoriomotora : idealmente, los mecanismos internos de un agente deberían generar elementos como la memoria y la toma de decisiones de manera emergente, en lugar de estar programados de manera prescriptiva desde el principio. Se permite que este tipo de elementos surjan a medida que el agente interactúa con el entorno. El lema es: incorporar menos suposiciones en el controlador del agente ahora, para que el aprendizaje pueda ser más sólido e idiosincrásico en el futuro.

Principio de equilibrio ecológico : es más una teoría que un principio, pero sus implicaciones son muy amplias. Su tesis es que el procesamiento interno de un agente no puede volverse más complejo a menos que haya un aumento correspondiente en la complejidad de los motores, miembros y sensores del agente. En otras palabras, la complejidad adicional añadida al cerebro de un robot simple no creará ningún cambio perceptible en su comportamiento. La morfología del robot ya debe contener la complejidad en sí misma para permitir suficiente "espacio para respirar" para que se desarrolle más procesamiento interno.

Principio de valor : Esta fue la arquitectura desarrollada en el robot Darwin III de Gerald Edelman . Se basa en gran medida en el conexionismo .

Un tradicionalista puede argumentar que los objetos pueden utilizarse para ayudar en los procesos cognitivos, pero esto no significa que sean parte de un sistema cognitivo. ^{[6] : 343} Los anteojos se utilizan para ayudar en el proceso visual, pero decir que son parte de un sistema más grande redefiniría por completo lo que se entiende por un sistema visual. Sin embargo, los partidarios del enfoque corporizado podrían argumentar que si los objetos en el entorno desempeñan el papel funcional de los estados mentales, entonces los elementos en sí mismos no deberían contarse entre los estados mentales.

Lars Ludwig explora la extensión de la mente con más detalle y describe su papel en la tecnología. Propone una teoría cognitiva de la "memoria artificial extendida", que representa una actualización teórica y una extensión de las teorías de la memoria de Richard Semon . ^[11]

• Braitenberg, Valentino (1986). Vehículos: experimentos en psicología sintética . Cambridge, MA: The MIT Press. ISBN 0-262-52112-1 
• Brooks, Rodney A. (1999). Inteligencia cámbrica: la historia temprana de la nueva IA . Cambridge, MA: The MIT Press. ISBN 0-262-52263-2 
• Edelman, G. Más ancho que el cielo (Yale University Press, 2004) ISBN 0-300-10229-1 
• Fowler, C., Rubin, PE, Remez, RE y Turvey, MT (1980). Implicaciones de una teoría general de la acción para la producción del habla. En B. Butterworth (Ed.), Language Production, Vol. I: Speech and Talk (pp. 373–420). Nueva York: Academic Press. ISBN 0-12-147501-8 
• Lenneberg, Eric H. (1967). Fundamentos biológicos del lenguaje . John Wiley & Sons. ISBN 0-471-52626-6 
• Pfeifer, R. y Bongard JC, Cómo el cuerpo moldea nuestra manera de pensar: una nueva visión de la inteligencia (The MIT Press, 2007). ISBN 0-262-16239-3 

• Conferencias sobre IA desde Tokio a cargo de Rolf Pfeifer
• Modelado neuronal sintético en DARWIN IV
• Sociedad para la Simulación del Comportamiento Adaptativo
• Una plataforma para crear agentes cognitivos encarnados