{"id":2443,"date":"2023-03-10T11:56:34","date_gmt":"2023-03-10T14:56:34","guid":{"rendered":"https:\/\/icc.fcen.uba.ar\/?p=2443"},"modified":"2023-03-29T14:20:29","modified_gmt":"2023-03-29T17:20:29","slug":"investigadores-desarrollan-estudios-computacionales-para-entender-el-lenguaje-del-pensamiento","status":"publish","type":"post","link":"https:\/\/icc.fcen.uba.ar\/en\/investigadores-desarrollan-estudios-computacionales-para-entender-el-lenguaje-del-pensamiento\/","title":{"rendered":"Investigadores desarrollan estudios computacionales para entender el lenguaje del pensamiento"},"content":{"rendered":"

Integrantes del Grupo de L\u00f3gica y Computabilidad (GLyC) del ICC est\u00e1n encarando estudios para entender c\u00f3mo funciona el cerebro cuando realiza tareas cognitivas simples, usando un enfoque simb\u00f3lico de los lenguajes formales, propio de la computaci\u00f3n te\u00f3rica. A trav\u00e9s de diversos experimentos y con una cantidad m\u00ednima de datos, estudian la toma de decisiones en problemas simples de clasificaci\u00f3n, aprendizaje o memoria. Y, al mismo tiempo, desarrollan modelos para comprender c\u00f3mo se comportan los humanos en el aprendizaje de nuevos conceptos y si ese comportamiento se asemeja al de una computadora.<\/b><\/p>\n

\u201c<\/span>El contenido de un pensamiento depende de sus relaciones exteriores, en la forma en que el pensamiento se relaciona con el mundo, no en la forma en el que est\u00e1 relacionado con otros pensamientos<\/span><\/i>.\u201d Esto afirmaba el fil\u00f3sofo y cient\u00edfico estadounidense Jerry Fodor en los a\u00f1os 70, cuando desarroll\u00f3 una teor\u00eda que sacudi\u00f3 las bases de la cognici\u00f3n humana: la Hip\u00f3tesis del Lenguaje de Pensamiento.<\/span><\/p>\n

Se trata de proponer un lenguaje mental sobre el cual ocurre el proceso de cognici\u00f3n, generalmente asumiendo una estructura l\u00f3gica y simb\u00f3lica para las expresiones del lenguaje. La teor\u00eda intenta hipotetizar c\u00f3mo los humanos aprenden los conceptos (percepciones, recuerdos, intenciones) que se representan en la mente. El mismo Fodor plantea que existe un lenguaje natural del pensamiento que denomina \u201cmentales\u201d: un lenguaje no verbal hipot\u00e9tico en que los conceptos se representan en la mente (por ejemplo cuando se piensa en la idea de que la rana Ren\u00e9 es de color verde, evocamos la frase mental: \u201cRen\u00e9 es verde\u201d, que se produce en el cerebro). Los pensamientos, entonces, pueden ser acerca de los objetos (Ren\u00e9) y pueden ser verdaderos o falsos.<\/span><\/p>\n

Para profundizar estos enfoques, investigadores del<\/span> Grupo de L\u00f3gica y Computabilidad (GLyC)<\/span><\/a> del ICC recurren a diversas herramientas de la computaci\u00f3n te\u00f3rica, basadas en la teor\u00eda algor\u00edtmica de la informaci\u00f3n y la teor\u00eda de la computabilidad. \u201c<\/span>Tratamos de estudiar c\u00f3mo los humanos realizan tareas cognitivas simples, por un lado vali\u00e9ndonos de la idea de la Complejidad de Kolmogorov, que consiste en determinar el tama\u00f1o o cantidad m\u00ednima de informaci\u00f3n de un programa que produce cierto resultado (por ejemplo una cadena de s\u00edmbolos de 0 y 1) y ver cu\u00e1nto podemos comprimir estas secuencias. Por otro lado, usamos la idea de la Inferencia Inductiva de Solomonov, un predictor perfecto que bajo ciertas hip\u00f3tesis nos puede indicar cu\u00e1l es el pr\u00f3ximo s\u00edmbolo que sigue en la cadena habiendo visto los anteriores, y est\u00e1 relacionado con la noci\u00f3n de programa m\u00ednimo<\/span><\/i>\u201d, puntualiza Santiago Figueira, investigador del GLyC y doctor en Ciencias de la Computaci\u00f3n. Figueira desarrolla actualmente estos estudios junto a los investigadores Sergio Abriola y Nina Pardal y al pasante de investigaci\u00f3n Tom\u00e1s Caneda.<\/span><\/p>\n

Estos avances tambi\u00e9n formaron parte de la Tesis de Doctorado de Sergio Romano (<\/span>ver publicaci\u00f3n<\/span><\/a>) y apuntan al uso de herramientas de MDL (<\/span>Minimum Description Length<\/span><\/i>), conocidas como \u201cLongitud m\u00ednima de descripci\u00f3n\u201d, que representan el tama\u00f1o de la descripci\u00f3n m\u00e1s corta de un objeto dado, en el marco de un lenguaje formal.\u00a0<\/span><\/p>\n

\"\"Desde la perspectiva de Figueira, estos estudios de cognici\u00f3n no se basan puramente en lenguajes de programaci\u00f3n sino en lenguajes simb\u00f3licos (precisos y exactos) que tienen una l\u00f3gica o formalidad propia, por lo que se asemejan a la programaci\u00f3n. \u201c<\/span>Fodor plante\u00f3 en su momento que nosotros los humanos, en el fondo pensamos usando alg\u00fan tipo de lenguaje de programaci\u00f3n. Pero es un lenguaje simple, no es superpoderoso ni completo: sirve para hacer algunos c\u00e1lculos y operaciones b\u00e1sicos, y recurre a s\u00edmbolos y estructuras de repetici\u00f3n que se pueden combinar y anidar. Esta Hip\u00f3tesis del Lenguaje de Pensamiento nos ayuda a entender c\u00f3mo los humanos realizan algunas actividades cognitivas simples, tareas de aprendizaje o clasificaci\u00f3n. Y siempre lo hacen con muy pocos datos, a diferencia de las redes neuronales que necesitan una cantidad abrumadoramente grande de datos para ser entrenadas<\/span><\/i>\u00b7, explica el cient\u00edfico del ICC<\/span><\/p>\n

En este contexto, el lenguaje de pensamiento es un lenguaje formal, que funciona con una gram\u00e1tica (forma de describir un programa) y una sem\u00e1ntica formal (cada uno de sus programas representa un\u00edvocamente uno y solo un concepto). \u00bfCu\u00e1l es la principal ventaja de estos modelos frente a las redes neuronales? \u201c<\/span>Las redes neuronales utilizan miles de millones de datos de entrenamiento para encontrar patrones. Una vez entrenadas, las redes resultan extremadamente efectivas en much\u00edsimos campos de aplicaci\u00f3n, pero tienen un problema: el programador no sabe muy bien por qu\u00e9 funcionan o c\u00f3mo es que encontraron esos patrones. Es muy dif\u00edcil entenderlo. Sin embargo, para los modelos de MDL que estudian el lenguaje del pensamiento, s\u00ed se entiende por qu\u00e9 funcionan, porque el lenguaje est\u00e1 ah\u00ed, visible, para explicar los mecanismos cognitivos<\/span><\/i>\u201d, describe Figueira. Y aclara que en este caso el investigador debi\u00f3 fijar a priori un lenguaje y basarse en una hip\u00f3tesis con la premisa de que objetos o conceptos m\u00e1s simples para el humano son los que tienen la complejidad m\u00e1s baja. As\u00ed,el modelo es simb\u00f3lico, visible y abierto a poder entender por qu\u00e9 funciona -por ejemplo c\u00f3mo continuar una secuencia de d\u00edgitos o de puntos en el plano (ver <\/span>paper<\/span><\/a> sobre el Lenguaje de la Geometr\u00eda).<\/span><\/p>\n

Experimentos concretos con lenguaje de pensamiento<\/b><\/p>\n

El grupo de investigadores en L\u00f3gica y Computabilidad realiz\u00f3 diversos experimentos cognitivos con la colaboraci\u00f3n de investigadores de otras disciplinas tales como f\u00edsica y neurociencia. En algunos casos, a partir de este trabajo emp\u00edrico, pudieron detectar la aparici\u00f3n de sesgos en el aprendizaje (<\/span>ver nota anterior del ICC<\/span><\/a>).<\/span><\/p>\n

Pero tambi\u00e9n en otro paper indagaron sobre un operador l\u00f3gico que se llama XOR (o exclusivo), el cual significa \u201cuno o el otro pero no ambos\u201d; si bien la definici\u00f3n es intuitiva resulta m\u00e1s compleja de asimilar en algunos contextos de aprendizaje. En este caso, el doctor Figueira explica que utilizaron dos grupos, uno de control y otro objetivo. Al grupo control le presentaron varios conceptos que se pod\u00edan describir f\u00e1cilmente con \u201cY\u201d, con \u201cO\u201d y con \u201cNO\u201d pero en donde el uso del \u201cXOR\u201d no ayudaba para nada. \u201cPor ejemplo, a <\/span>los participantes del grupo control le mostr\u00e1bamos varios conjuntos con bolitas de colores y en todos estaba la bolita azul y no estaba la roja. El concepto en cuesti\u00f3n se pod\u00eda representar, entonces, como \u201cazul y no roja\u201d. En cambio,\u00a0 al grupo que quer\u00edamos estudiar, el grupo objetivo, le present\u00e1bamos conjuntos de bolitas que conten\u00edan la bolita azul o la roja, pero no las dos. Ac\u00e1, el concepto se pod\u00eda representar de manera sucinta usando el O exclusivo. As\u00ed, induc\u00edamos a este grupo de individuos a construir una nueva primitiva del lenguaje del pensamiento\u201d.\u00a0<\/span><\/i><\/p>\n

\"\"Finalmente a los dos grupos se les present\u00f3 un concepto que representaba de manera m\u00e1s sucinta si se usaba el \u201cXOR\u201d respecto a si no se usaba y se midi\u00f3 cu\u00e1nto tiempo tardaba cada sujeto de cada grupo en entender el concepto. \u201c<\/span>El resultado fue que el grupo entrenado con el O exclusivo (\u201cXOR\u201d) aprendi\u00f3 el concepto con mayor facilidad. Esto es consistente con la hip\u00f3tesis de que a los individuos del grupo objetivo les result\u00f3 m\u00e1s f\u00e1cil porque ten\u00edan en su cabeza una nueva primitiva, una nueva instrucci\u00f3n en su lenguaje de pensamiento, hab\u00edan incorporado o \u2018compilado\u2019 la primitiva del \u201cXOR\u201d\u00a0 a su lenguaje de pensamiento, En cambio al grupo control le result\u00f3 mucho m\u00e1s dif\u00edcil el concepto porque no ten\u00eda disponible esa primitiva en su paleta de instrucciones\u201d<\/span><\/i>, concluye el investigador del ICC.<\/span><\/p>\n

Este trabajo trat\u00f3 de demostrar que el lenguaje de pensamiento no es \u00fanico ni r\u00edgido, sino que -al contrario- se va amoldando a medida que un sujeto va conociendo diferentes conceptos nuevos. Es un lenguaje pl\u00e1stico que incorpora nuevas instrucciones a medida que se revelan \u00fatiles.<\/span><\/p>\n

Todos estos ejemplos resultan de problemas reales sobre c\u00f3mo toman decisiones los humanos, c\u00f3mo trabajan con muy pocos datos para tareas simples como clasificar, aprender, inferir, memorizar o encontrar errores. Y se inspiran en grupos de teor\u00edas fundamentales propias de la computaci\u00f3n te\u00f3rica, como la computabilidad (inaugurada por Alan Turing en los a\u00f1os 30) y la teor\u00eda algor\u00edtmica de la informaci\u00f3n (de los a\u00f1os 60, entre cuyos referentes se destacan Kolmogorov, Solomonov, Chaitin y Levin), aunque \u201cbajadas a tierra\u201d, es decir, simplificadas y puestas en funcionamiento en dominios concretos.<\/span><\/p>\n

\"\"

Santiago Figueira<\/p><\/div>\n

\u201c<\/span>La Hip\u00f3tesis del Lenguaje de Pensamiento no es que los humanos nos comportamos como una computadora. Sino que para ciertas tareas podemos explicar algunas decisiones que tomamos con herramientas que provienen de la teor\u00eda algor\u00edtmica de la informaci\u00f3n y de la teor\u00eda de la computabilidad. Esa conexi\u00f3n, desde luego informal, entre teor\u00edas fundamentales y abstractas de la computaci\u00f3n y los problemas concretos de c\u00f3mo funciona nuestra cabeza me parece fascinante.<\/span><\/i>\u201d, reflexiona Figueira.<\/span><\/p>\n

En s\u00edntesis, el investigador en l\u00f3gica concluye que las herramientas de computaci\u00f3n te\u00f3rica resultan muy valiosas para entender c\u00f3mo funciona el cerebro en tareas sencillas de aprendizaje, qu\u00e9 partes del cerebro se activan en la cognici\u00f3n (con problemas comunes a los investigadores en inteligencia artificial y neurociencia computacional) y que es un campo muy fruct\u00edfero en el que contin\u00faan trabajando en problemas abiertos y a\u00fan no resueltos por la comunidad cient\u00edfica.<\/span><\/p>\n

\u00a0<\/span><\/p>\n

\u00a0<\/span><\/p>\n<\/div><\/div><\/div><\/div><\/div>\n","protected":false},"excerpt":{"rendered":"

Integrantes del Grupo de L\u00f3gica y Computabilidad (GLyC) del ICC est\u00e1n encarando estudios para entender c\u00f3mo funciona el cerebro cuando realiza tareas cognitivas simples, usando un enfoque simb\u00f3lico de los lenguajes formales, propio de la computaci\u00f3n te\u00f3rica. A trav\u00e9s de diversos experimentos y con una cantidad m\u00ednima de datos, estudian la toma de decisiones en problemas simples de clasificaci\u00f3n, aprendizaje o memoria. Y, al mismo tiempo, desarrollan modelos para comprender c\u00f3mo se comportan los humanos en el aprendizaje de nuevos conceptos y si ese comportamiento se asemeja al de una computadora.<\/p>\n","protected":false},"author":9,"featured_media":2444,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[12],"tags":[],"class_list":["post-2443","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-noticias"],"_links":{"self":[{"href":"https:\/\/icc.fcen.uba.ar\/en\/wp-json\/wp\/v2\/posts\/2443","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=2443"}],"version-history":[{"count":2,"href":"https:\/\/icc.fcen.uba.ar\/en\/wp-json\/wp\/v2\/posts\/2443\/revisions"}],"predecessor-version":[{"id":2450,"href":"https:\/\/icc.fcen.uba.ar\/en\/wp-json\/wp\/v2\/posts\/2443\/revisions\/2450"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/icc.fcen.uba.ar\/en\/wp-json\/wp\/v2\/media\/2444"}],"wp:attachment":[{"href":"https:\/\/icc.fcen.uba.ar\/en\/wp-json\/wp\/v2\/media?parent=2443"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/icc.fcen.uba.ar\/en\/wp-json\/wp\/v2\/categories?post=2443"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/icc.fcen.uba.ar\/en\/wp-json\/wp\/v2\/tags?post=2443"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}