Reglas explícitas y cognición genuina: el talón de Aquiles de los modelos conexionistas

Abstract

El uso de las reglas explícitas ha sido uno de los puntos de debate entre los enfoques conexionista y simbólico. Numerosos investigadores coinciden en la necesidad de postular reglas explícitas si queremos dar cuenta de la cognición humana, pero no hay unanimidad respecto a la capacidad de las redes neuronales artificiales para manejarlas. En nuestra opinión, ello se debe a la falta de criterios apropiados sobre reglas explícitas. Con tal fin trataremos de desarrollar una noción de explicitud que consideramos más completa que las propuestas por autores como Kirsh o Hadley. La explicitud resultará ser una cuestión de grado, cuya posesión depende de la medida en que se cumplan los distintos criterios. A lo largo de la discusión se rechazan aquellos enfoques que presentan la congnición como algo intrínsicamente carente de reglas, por ejemplo, la propuesta de Representaciones Sin Reglas de Horgan y Tienson. El segundo objetivo es mostrar que los sistemas conexionistas, al menos en su forma actual, no son adecuados para trabajar con reglas explícitas, al menos cuando los examinamos según los criterios propuestos. En lugar de defender una solución puramente conexionista, como la propugnada por Clark y Karmiloff-Smith, recogeremos evidencia de un dominio algo diferente, el del aprendizaje humano, para defender la idoneidad de los enfoques híbridos. Finalmente, ilustraremos nuestro punto de vista con un modelo híbrido existente, aunque bastante limitado, para el aprendizaje.