{"id":1939,"date":"2020-07-14T13:53:00","date_gmt":"2020-07-14T16:53:00","guid":{"rendered":"https:\/\/icc.fcen.uba.ar\/?p=1939"},"modified":"2022-03-29T10:30:44","modified_gmt":"2022-03-29T13:30:44","slug":"investigadores-utilizan-tecnicas-de-logica-computacional-para-detectar-sesgos-en-el-aprendizaje","status":"publish","type":"post","link":"https:\/\/icc.fcen.uba.ar\/en\/investigadores-utilizan-tecnicas-de-logica-computacional-para-detectar-sesgos-en-el-aprendizaje\/","title":{"rendered":"Investigadores utilizan t\u00e9cnicas de l\u00f3gica computacional para detectar sesgos en el aprendizaje"},"content":{"rendered":"

\u00bfQu\u00e9 relaciona a la l\u00f3gica con las ciencias cognitivas? En este proyecto, cient\u00edficos del ICC recurren a la l\u00f3gica proposicional para estudiar c\u00f3mo influyen los sesgos en el aprendizaje de nuevos conceptos o categor\u00edas, especialmente cuando cada uno de esos conceptos es descripto con f\u00f3rmulas distintas o adquiere diferentes posibilidades de simbolizarse. El trabajo es realizado por investigadores del Grupo en L\u00f3gica y Computabilidad y parte de entender la Teor\u00eda algor\u00edtmica de la informaci\u00f3n.<\/strong><\/p>\n

Dentro de las Ciencias de la Computaci\u00f3n, un \u00e1rea poco explorada en la divulgaci\u00f3n cient\u00edfica es la L\u00f3gica y Computabilidad. Si bien se trata de un \u00e1rea de base te\u00f3rica, resulta clave para entender los fundamentos en los que se estructura un lenguaje o un sistema formal de representaci\u00f3n. En particular, investigadores del ICC realizan un valioso trabajo de formalizaci\u00f3n utilizando, entre otras herramientas, la l\u00f3gica proposicional para problemas de ciencias cognitivas.<\/span><\/p>\n

\u00bfDe qu\u00e9 hablamos cuando hablamos de <\/span>l\u00f3gica proposicional<\/span><\/i>? A veces entendida como \u201cl\u00f3gica de orden cero\u201d, es un sistema formal cuyos elementos m\u00e1s simples representan proposiciones, y que posee operadores l\u00f3gicos que se aplica sobre proposiciones para formar otras de mayor complejidad (por ejemplo, el \u2227 es un operador binario, y el \u00ac es uno unario). Cualquier sistema l\u00f3gico basado en la l\u00f3gica proposicional es decidible y en un n\u00famero finito de pasos se puede determinar la verdad o falsedad sem\u00e1ntica de una proposici\u00f3n. Esto hace que la l\u00f3gica proposicional sea completa y con una sem\u00e1ntica sencilla de expresar.<\/span><\/p>\n

\u201c<\/span>La pregunta principal que nos hacemos tiene que ver con la cognici\u00f3n humana, sobre qu\u00e9 es el aprendizaje y c\u00f3mo aprendemos. Esta pregunta nos la hacemos teniendo en cuenta que las ciencias cognitivas son multidisciplinarias, no s\u00f3lo involucran a la computaci\u00f3n sino tambi\u00e9n a la neurobiolog\u00eda, psicolog\u00eda, redes neuronales e inteligencia artificial<\/span><\/i>\u201d, precisa <\/span>Sergio Abriola<\/b>, investigador del ICC e integrante del Grupo en L\u00f3gica y Computabilidad (GLyC).\u00a0\u00a0<\/span><\/p>\n

\"\"

Sergio Abriola<\/p><\/div>\n

El investigador puntualiza que el grupo parte de una noci\u00f3n de aprendizaje que se relaciona con la compresi\u00f3n de datos. Dicho de otro modo, a partir de cierta cantidad de datos presentados se busca formar un concepto y ese concepto se debe describir de la forma m\u00e1s breve posible. \u201c<\/span>Uno busca regularidades en los datos y en base a esto da una descripci\u00f3n breve pero precisa que explique el \u2018concepto\u2019 que los datos determinan. Usando el principio de longitud m\u00ednima de descripci\u00f3n, que formul\u00f3 Peter Gr\u00fcnwald, tenemos una herramienta para estudiar aprendizaje de conceptos desde una perspectiva de complejidad. Este paradigma es libre de modelos en el sentido de que las descripciones tienen una interpretaci\u00f3n clara m\u00e1s all\u00e1 de c\u00f3mo se generalizan a datos no observados<\/span><\/i>\u201d, explica Abriola, quien adem\u00e1s es Doctor en Ciencias Matem\u00e1ticas de la UBA.\u00a0<\/span><\/p>\n

Este trabajo apunta a poder formalizar esos nuevos conceptos en un lenguaje de s\u00edmbolos u operadores espec\u00edficos. La investigaci\u00f3n se vale de la famosa Complejidad de Kolmogorov (muy usada en teor\u00eda algor\u00edtmica de programas). Para expresarlo de manera sencilla: la complejidad de una cadena de letras y d\u00edgitos es la longitud de la m\u00e1s corta posible descripci\u00f3n de la cadena en alg\u00fan lenguaje de descripci\u00f3n universal fijo y se puede definir para cualquier objeto matem\u00e1tico que uno quiere usar para expresar conceptos. El problema se complejiza a\u00fan m\u00e1s cuando se introduce el contexto de una situaci\u00f3n de aprendizaje, por ejemplo, cuando a una persona se le presentan diferentes conceptos para aprenderlos, los resultados obtenidos pueden ser distintos de acuerdo a la percepci\u00f3n, atenci\u00f3n selectiva o experiencia previa del sujeto de aprendizaje, m\u00e1s all\u00e1 de la representaci\u00f3n racional de los conceptos.<\/span><\/p>\n

Sesgos cl\u00e1sicos en el aprendizaje<\/b><\/p>\n

El concepto de <\/span>sesgo cognitivo<\/span><\/i> fue introducido en econom\u00eda por Daniel Kahneman y Amos Tversky en 1972, a ra\u00edz de una investigaci\u00f3n sobre c\u00f3mo procesa nuestra mente las probabilidades y descripciones muestrales, en lo que se conoce como la Ley de los peque\u00f1os n\u00fameros. Los investigadores llegaron a la conclusi\u00f3n de que existen influencias emocionales y patrones de pensamiento que hacen que no seamos capaces de interpretar adecuadamente (racionalmente) la informaci\u00f3n que recibimos. Un ejemplo de ello es el <\/span>sesgo de anclaje<\/span><\/i>, en el que se le da mayor peso a la primera informaci\u00f3n que se nos provee y que en un planteo matem\u00e1tico podr\u00eda hacer que nuestro resultado estimado se acerque m\u00e1s al n\u00famero que se nos mencion\u00f3 en la consigna del problema. E incluso el <\/span>sesgo de confirmaci\u00f3n<\/span><\/i>, que tiene la tendencia a favorecer, buscar, interpretar, y recordar, la informaci\u00f3n que confirma las propias creencias o hip\u00f3tesis, dando desproporcionadamente menos consideraci\u00f3n a posibles alternativas.<\/span><\/p>\n

Puntualmente, el proyecto de los investigadores aborda algunos de estos sesgos. Tal es as\u00ed que consiste en crear dos f\u00f3rmulas de l\u00f3gica proposicional que son m\u00ednimas (lo que significa que no se pueden reducir a una f\u00f3rmula equivalente m\u00e1s peque\u00f1a) y que representan dos conceptos distintos sobre el universo completo (ver Figura 1). No obstante, cuando el universo a ser mostrado es seleccionado de cierta manera, ambas f\u00f3rmulas tienen el mismo poder explicativo,<\/span> aunque se generalizan de distinta manera al universo completo.\u00a0 En este contexto, se trabaja con el sesgo de atenci\u00f3n selectiva donde el historial del sujeto le inclina a una preferencia por considerar ciertos operadores o variables proposicionales por encima del resto.\u00a0<\/span><\/p>\n

\"\"

Figura 1: Un universo proposicional de cuatro variables, y dos conceptos C_1 y C_2 que corresponden a las f\u00f3rmulas (p_1\u2227 p_2) y (p_3 \u2228 p_4) respectivamente.<\/p><\/div>\n

\u201c<\/span>Uno de los sesgos que estamos estudiando es qu\u00e9 tipo de influencia tiene la experiencia pasada a la hora de encontrar f\u00f3rmulas sucintas que expliquen un concepto. Si por ejemplo uno anteriormente utiliz\u00f3 la variable proposicional correspondiente con un tri\u00e1ngulo o c\u00edrculo en una descripci\u00f3n de un concepto, posiblemente vaya a prestarle atenci\u00f3n preferencial a esa variable luego<\/span><\/i>\u201d, subraya Abriola (ver figuras 2 y 3). Otro de los temas en que los investigadores se detienen, dentro del \u00e1rea de la l\u00f3gica proposicional, es la detecci\u00f3n particular de ciertos operadores para representar un concepto. \u201c<\/span>Un ejemplo claro es el uso del O e Y (disyunci\u00f3n y conjunci\u00f3n), ya que c\u00f3mo funcionan estos operadores puede depender de cuestiones de atenci\u00f3n e incluso de experiencia previa. Existen estudios conductuales realizados en ni\u00f1os donde se ve que a partir de cierta edad se aprende el O pero el Y resulta m\u00e1s natural. Lo que tambi\u00e9n vemos en general en nuestros estudios es que hay un sesgo preferencial hacia la conjunci\u00f3n, que se puede entender como una diferencia en los pesos relativos entre ambos operadores l\u00f3gicos.<\/span><\/i>\u201d, complementa el investigador del ICC.<\/span><\/p>\n

\"\"

Figura 2: Representaciones visuales de dos elementos en un universo proposicional de 6 variables. Cada color corresponde a una variable proposicional, y el s\u00edmbolo concreto indica su valor.<\/p><\/div>\n

\"\"

Figura 3: Un universo parcial en el cual ejemplos positivos de un concepto est\u00e1n marcados en verde, y los negativos en rojo. Aqu\u00ed el concepto presentado podr\u00eda verbalizarse como \u201cLas cajas que contienen simult\u00e1neamente una flecha para arriba y un signo de interrogaci\u00f3n\u201d, o alternativamente como \u201cCajas conteniendo un c\u00edrculo o un signo m\u00e1s(+)\u201d<\/p><\/div><\/p>\n

Abriola plantea que un error de razonamiento l\u00f3gico que muchas veces puede encontrarse es el de <\/span>error converso<\/span><\/i> (confusi\u00f3n de necesidad y suficiencia), que a partir de \u201cA entonces B\u201d y \u201cB\u201d concluye \u201cA\u201d. Un ejemplo ilustrativo de esta falacia es, sabiendo que una enfermedad siempre viene acompa\u00f1ada por ciertos s\u00edntomas que uno est\u00e1 experimentando, concluir que se tiene esta enfermedad. Otra falacia (esta vez probabil\u00edstica) que puede aparecer en el ejemplo an\u00e1logo es la negligencia de la frecuencia base; esto es, por m\u00e1s que la \u201cenfermedad A\u201d conlleve casi siempre los \u201cs\u00edntomas B\u201d, no considerar que existen otros fen\u00f3menos (quiz\u00e1s mucho m\u00e1s frecuentes) que tambi\u00e9n pueden provocar (con cierta probabilidad, quiz\u00e1s baja) los mismos \u201cs\u00edntomas B\u201d.<\/span><\/p>\n

En el \u00e1mbito cient\u00edfico algunos de los sesgos de selecci\u00f3n consisten (valga la redundancia) en tomar datos sesgados cuya muestra o poblaci\u00f3n no representa aleatoriamente al universo considerado, o el mal uso del an\u00e1lisis de datos para representar patrones en los datos que pueden presentarse como estad\u00edsticamente significativos, lo cual aumenta dr\u00e1stica y ocultamente el riesgo de falsos positivos (conocido en la jerga como \u201cp-hacking\u201d), o el sesgo de publicaci\u00f3n (propensi\u00f3n a publicar trabajos cient\u00edficos que tienen resultados novedosos y no aquellos trabajos que no encontraron efectos estad\u00edsticamente significativos).\u00a0<\/span><\/p>\n

Claro que las posibilidades que abre el uso de t\u00e9cnicas de l\u00f3gica computacional para estudiar la cognici\u00f3n humana no se agotan all\u00ed y el desaf\u00edo a futuro de los investigadores del ICC es seguir profundizando en estos trabajos recientes para ir mucho m\u00e1s all\u00e1, inclusive en temas de neurobiolog\u00eda: entender por ejemplo patrones de activaci\u00f3n neuronales ante diversas tareas cognitivas, casos de percepci\u00f3n multiestable, pensamiento autom\u00e1tico versus pensamiento deliberado, aprendizaje y reconocimiento de conceptos, etc.\u00a0\u00a0<\/span><\/p>\n

\"\"

Figura 4: Esquema del dise\u00f1o experimental que est\u00e1n realizando los investigadores.<\/p><\/div>\n

\n

Algunas aplicaciones de la l\u00f3gica y computabilidad a dominios de la ciencia<\/b><\/p>\n

De acuerdo a la explicaci\u00f3n de Sergio Abriola, un eje de estas investigaciones es la denominada hip\u00f3tesis del Lenguaje del pensamiento, que propone un lenguaje mental sobre el cual ocurre la cognici\u00f3n, muchas veces asumiendo una estructura l\u00f3gica para estas expresiones. En general, los estudios sobre sobre el funcionamiento de la cognici\u00f3n humana se podr\u00edan aplicar a problemas de inteligencia artificial, aprendizaje no supervisado, redes neuronales y estudios de neurobiolog\u00eda, detecci\u00f3n de im\u00e1genes y procesamiento del lenguaje, entre muchos otros dominios<\/span><\/p>\n<\/blockquote>\n<\/div>

<\/div><\/div><\/div><\/div><\/div>\n","protected":false},"excerpt":{"rendered":"

\u00bfQu\u00e9 relaciona a la l\u00f3gica con las ciencias cognitivas? En este proyecto, cient\u00edficos del ICC recurren a la l\u00f3gica proposicional para estudiar c\u00f3mo influyen los sesgos en el aprendizaje de nuevos conceptos o categor\u00edas, especialmente cuando cada uno de esos conceptos es descripto con f\u00f3rmulas distintas o adquiere diferentes posibilidades de simbolizarse. El trabajo es realizado por investigadores del Grupo en L\u00f3gica y Computabilidad y parte de entender la Teor\u00eda algor\u00edtmica de la informaci\u00f3n.<\/p>\n","protected":false},"author":9,"featured_media":1944,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[71,12],"tags":[76,25,30],"class_list":["post-1939","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-actualidad","category-noticias","tag-capacidades-cognitivas","tag-computo","tag-lenguaje"],"_links":{"self":[{"href":"https:\/\/icc.fcen.uba.ar\/en\/wp-json\/wp\/v2\/posts\/1939","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/icc.fcen.uba.ar\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/icc.fcen.uba.ar\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/icc.fcen.uba.ar\/en\/wp-json\/wp\/v2\/users\/9"}],"replies":[{"embeddable":true,"href":"https:\/\/icc.fcen.uba.ar\/en\/wp-json\/wp\/v2\/comments?post=1939"}],"version-history":[{"count":9,"href":"https:\/\/icc.fcen.uba.ar\/en\/wp-json\/wp\/v2\/posts\/1939\/revisions"}],"predecessor-version":[{"id":2146,"href":"https:\/\/icc.fcen.uba.ar\/en\/wp-json\/wp\/v2\/posts\/1939\/revisions\/2146"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/icc.fcen.uba.ar\/en\/wp-json\/wp\/v2\/media\/1944"}],"wp:attachment":[{"href":"https:\/\/icc.fcen.uba.ar\/en\/wp-json\/wp\/v2\/media?parent=1939"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/icc.fcen.uba.ar\/en\/wp-json\/wp\/v2\/categories?post=1939"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/icc.fcen.uba.ar\/en\/wp-json\/wp\/v2\/tags?post=1939"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}