1
2
Inteligencia artificial para la conciencia y orientación en entornos
educativos
Juan Carlos Lázaro Guillermo, Orison Valera Dávila, Norberto Ulises Román
Concha, Erick Guitton Lozano, Ricardo Julián Oliva Paredes, Juan Luis Pérez
Marín
© Juan Carlos Lázaro Guillermo, Orison Valera Dávila, Norberto Ulises Román
Concha, Erick Guitton Lozano, Ricardo Julián Oliva Paredes, Juan Luis Pérez
Marín, 2024
Primera edición: Julio, 2024
Editado por:
Editorial Mar Caribe
www.editorialmarcaribe.es
Av. General Flores 547, Colonia, Colonia-Uruguay.
Diseño de cubierta: Yelitza Sánchez Cáceres
Libro electrónico disponible en https://editorialmarcaribe.es/inteligencia-artificial-
para-la-conciencia-y-orientacion-en-entornos-educativos/
Formato: electrónico
ISBN: 978-9915-9682-8-5
Aviso de derechos de atribución no comercial: Los autores pueden autorizar al
público en general a reutilizar sus obras únicamente con fines no lucrativos, los
lectores pueden usar una obra para generar otra obra, siempre y cuando se dé el
crédito de investigación y, otorgan a la editorial el derecho de publicar primero su
ensayo bajo los términos de la licencia CC BY-NC 4.0.
3
WWW.EDITORIALMARCARIBE.ES
____________________________________________________________
Inteligencia artificial para la
conciencia y orientación en
entornos educativos
____________________________________________________________
EDITORIAL MAR CARIBE
COLONIA DEL SACRAMENTO, URUGUAY
2024
Sobre los autores y la publicación
4
Juan Carlos Lázaro Guillermo
https://orcid.org/0000-0002-4785-9344
Universidad Nacional Intercultural de la
Amazonia, Perú
Orison Valera Dávila
orison_valera@unu.edu.pe
https://orcid.org/0000-0002-3972-6330
Universidad Nacional de Ucayali, Perú
Norberto Ulises Román Concha
uromanc@unmsm.edu.pe
https://orcid.org/0000-0002-3302-7539
Universidad Nacional Mayor de San
Marcos, Perú
Erick Guitton Lozano
https://orcid.org/0000-0001-8819-0555
Universidad Nacional Intercultural de la
Amazonia, Perú
Ricardo Julián Oliva Paredes
https://orcid.org/0000-0002-9751-1610
Universidad Nacional Intercultural de la
Amazonia, Perú
Juan Luis Pérez Marín
https://orcid.org/0000-0002-3671-1782
Universidad Nacional Intercultural de la
Amazonia, Perú
Libro resultado de investigación:
Publicación original e inédita, cuyo contenido es resultado de un proceso de investigación
realizado antes de su publicación, ha sido revisada por pares externos a doble ciego, el
libro ha sido seleccionado por su calidad científica y porque contribuye
significativamente en el área del saber e ilustra una investigación completamente
desarrollada y completada. Además, la publicación ha pasado por un proceso editorial
que garantiza su estandarización bibliográfica y usabilidad.
Tabla de Contenido
5
Sinopsis ................................................................................................................... 6
Prólogo .................................................................................................................... 8
Capítulo I .............................................................................................................. 10
Relación entre Conciencia y la Inteligencia Artificial .......................................... 10
1.1 El Dualismo ................................................................................................. 11
1.2 El Monismo ................................................................................................. 15
1.3 El Conductismo ........................................................................................... 17
1.4 La Teoría de la Identidad............................................................................. 20
1.5 El Funcionalismo ......................................................................................... 24
1.6 El Funcionalismo y la Ciencia Cognitiva .................................................... 27
1.7 Turing y sus Nociones Básicas de la IA ...................................................... 29
Capítulo II ......................................................................................................... 34
Arquitectura Cognitiva y Funcionalismo .......................................................... 34
2.1 Inteligencia Artificial Fuerte ....................................................................... 37
2.2 La Mente y la Inteligencia Artificial ........................................................... 38
2.3 Conciencia y Funcionalismo ....................................................................... 42
2.4 Conciencia más IA ...................................................................................... 48
Capítulo III ............................................................................................................ 55
Hacia un Futuro en el que Aprendizaje no solo es Convencional, sino también
Inteligente y Eficiente ........................................................................................... 55
3.1 IA para Educación Especial ........................................................................ 58
3.2 Educación en el Futuro ................................................................................ 71
3.3 Aprendizaje Inteligente ............................................................................... 78
3.4 Características Del Aprendizaje Inteligente ................................................ 84
3.5 Algoritmos de IA como uso de Herramientas Educativas .......................... 88
3.6 Plataformas e-learning con IA para Entornos Educativos........................... 91
Capítulo IV ........................................................................................................ 97
Investigación y Aprendizaje en áreas de la IA .................................................. 97
4.1 Orientación Tecnológica .......................................................................... 100
4.2 Función del Software ............................................................................... 101
4.3 Aprendizaje con Robótica ........................................................................ 103
Conclusión .......................................................................................................... 123
7
La integración de la inteligencia artificial (IA) en los entornos de
aprendizaje presencial, virtual e híbrido no significa que los docentes serán
desplazados por robots automatizados. Si bien este avance tecnológico ofrece
beneficios como la capacidad de mecanizar ciertas tareas, personalizar
experiencias de aprendizaje y mejorar la asertividad en investigación científica; es
importante reconocer que los docentes discrepan aun en la profesionalización
desde la automatización de procesos. Esto se debe a que los educadores juegan un
papel vital en el fomento de entornos de aprendizaje auténticos, identificando las
necesidades y habilidades individuales pero que se hace difícil en la tarea grupal.
Por ello, entra a talla la inteligencia artificial. Es hora de implementar la IA en los
espacios de aprendizaje, en la gestión educativa y en la innovación del currículo
escolar en todos los niveles de educación, con ética y deontología.
8
Prólogo
La implementación de tecnologías de inteligencia artificial y realidad
aumentada pueden crear experiencias de aprendizaje dialógicas, interactivas e
inmersivas. Estas tecnologías avanzadas brindan a los estudiantes un entorno de
aprendizaje asertivo, realista y contextualizado a la necesidad metacognitiva,
comprensión autorregulación del aprendizaje. Promover el aprendizaje
colaborativo es una estrategia eficaz para que las universidades implementen el
machine learning, aula invertida, socialización de conocimientos, entre otros. Este
enfoque anima a los estudiantes al debate social y dirigido, para crear entornos de
aprendizaje significativo (Zalani, 2022). Al participar en actividades cooperativas,
los estudiantes optiman la comprensión lectora y desarrollan habilidades blandas
y la transdisciplinariedad.
El uso de algoritmos de aprendizaje automático es la alternativa de
corregir la precisión del aprendizaje a partir del constructivismo. Al integrar estos
algoritmos con la narrativa y la oralidad, el sistema educativo puede volverse
eficaz, que satisfaga las necesidades y pericias específicas de cada estudiante.
Aprender a codificar y programar es un aspecto importante de la inteligencia
artificial, basada en códigos y sintaxis de programación, por ello es fundamental
que los estudiantes comprendan cómo la inteligencia artificial en la resolución de
problemas y promover el pensamiento crítico mediado en el aprendizaje basado
en problemas. los estudiantes desarrollan las habilidades para analizar y superar
desafíos.
Implementar la inteligencia artificial en los espacios de aprendizaje,
implica el uso responsable y ético de las tecnologías, la colaboración con pares,
fomentar la creatividad, aprender a programar y reforzar la comprensión lectora
del texto escrito, como situación didáctica y aprendizaje adaptativo. Pero, la
reevaluación de los métodos de enseñanza a la luz de la automatización digital se
extiende mucho más allá de los aspectos técnicos del diseño, la programación y la
implementación del sistema; abarca la adopción de un modelo de aprendizaje
centrado en plataformas en línea, multimedia y virtuales. Por lo que la tecnología
del sistema de gestión de aprendizaje (LMS) basada en la nube se está volviendo
cada vez más popular en las universidades, ya que ofrece métodos de capacitación
flexible y autogestión de los contenidos impartidos por los docentes de aula. Al
integrar la IA y la tecnología en la nube en el LMS, los estudiantes pueden
acceder a información y recursos educativos en cualquier momento y desde
cualquier lugar.
9
Entre las principales ventajas de los sistemas de aprendizaje adaptativo es
su capacidad para proporcionar contenido e instrucción personalizado para
satisfacer las necesidades específicas de los participantes del sistema educativo,
sin importar el nivel o ciclo. En lugar de seguir un enfoque único para todos, estos
sistemas pueden ajustar el nivel de dificultad, el ritmo y el estilo de instrucción
para que coincidan con los requisitos únicos del currículo, dejar atrás el
conductismo y estableces de una vez por todas el constructivismo y el aprendizaje
basado en proyectos, con sentido holístico e intercultural. La historia de la
educación tradicional vivió una transformación después del COVID-19, las
circunstancias y la necesidad de emprender ante nuevos enfoques de vida,
conllevó al progreso notable en el campo de la inteligencia artificial (IA), que
ahora está revolucionando no en el ámbito de la educación universitaria sino en
las áreas de investigación. Se pronostica que esta tendencia persistirá y se
expandirá a mediano, plazo, generando una mayor eficiencia y eficacia en el
proceso de gestión e innovación de la educación.
Sin duda, a través de este libro se explora la usabilidad pedagógica de la
inteligencia artificial, a través de estudios de caso y la reconfiguración en la
forma en que los estudiantes adquieren conocimientos y los docentes los
imparten, introduciendo así nuevas vías de personalización y adaptación en el
ámbito educativo. A medida que la tecnología avanza y se entrelaza más con la
sociedad, el papel de los docentes universitarios se vuelve cada vez más crucial en
la preparación de los estudiantes para su adaptación al campo laborar autómata y
los desafíos que se avecinan.
10
Capítulo I
Relación entre Conciencia y la Inteligencia Artificial
Para profundizar en los intrincados desafíos que enfrenta la Inteligencia
Artificial cuando se trata de comprender la conciencia, se vuelve imperativo
comprender la causa raíz de estos obstáculos, que se conoce comúnmente como el
desconcertante “Problema Mente-Cuerpo”, para iniciar la exploración de este
asunto y en consecuencia, del enigma de la conciencia misma, se puede ilustrar
con un encuentro personal. Imagínese sentado tranquilamente en un parque
sereno, con un libro cautivador debajo del brazo, mientras sus pensamientos
deambulan por las complejidades de la economía nacional durante los últimos
meses. Después de tomar la decisión deliberada de recuperar un libro en particular
de la biblioteca de su oficina, abre cuidadosamente sus páginas y se sumerge en
las palabras, avanzando lentamente a través del texto hasta que llega a la décima
página.
Sin embargo, su tranquila sesión de lectura se interrumpe abruptamente
cuando un pequeño mosquito aterriza inocentemente en su mano, sin saberlo,
inyectando su toxina venenosa en su piel desprevenida. Una ligera sensación de
picor le alerta inmediatamente de la presencia de este irritante insecto en su dedo
anular, obligándole a reaccionar con rapidez. Sin dudarlo, agarra con firmeza el
libro por la tapa, con la intención de aniquilar rápidamente la plaga persistente y
poner fin a su molesta interrupción. La sensación que se siente de un pinchazo
tiene características distintas, uno de ellos es que solo existe mientras se
experimenta conscientemente, lo que lo convierte en una experiencia
completamente subjetiva. Solo usted puede comprender y sentir verdaderamente
la sensación, ya que nadie más puede percibirla desde el exterior. Otra
característica de este dolor es su carácter cualitativo, específicamente asociado a
molestias físicas.
En resumen, se podría afirmar que el nivel de incomodidad causado por la
picadura de un mosquito está abierto a interpretación y depende de la percepción
de un individuo. Sin embargo, cuando redirigimos nuestra atención a los diversos
componentes que se encuentran en un parque, a saber, los árboles, el banco y el
libro, se hace evidente que estas entidades no dependen de la subjetividad. En
cambio, existen de forma autónoma, separadas de nuestros encuentros personales,
y están compuestas de materia concreta y estructuras celulares. La noción de
experimentar lo que es ser una sola célula o un libro, en términos de calidad, es
11
simplemente inalcanzable. Estos objetos persisten más allá de nuestros propios
puntos de vista y encuentros únicos.
El propósito de esta distinción entre los elementos del parque es
proporcionar evidencia de que las experiencias subjetivas tienen una existencia
tangible y genuina dentro del mundo, al tiempo que reconoce la existencia de un
mundo más allá de las prácticas personales. Este contraste entre lo mental y lo
material crea una dicotomía que da lugar al problema mente-cuerpo, tal como lo
describe Searle en 2004. El autor plantea preguntas que invitan a la reflexión
sobre la coexistencia de experiencias conscientes y partículas físicas. Además,
reflexiona sobre la intrincada conexión entre ciertas partículas físicas,
específicamente aquellas que se encuentran dentro del cerebro, y la manifestación
de experiencias mentales. Estas preguntas profundizan en la naturaleza compleja
de la conciencia y desafían nuestra comprensión de la relación entre los reinos
físico y mental. Para decirlo en otros términos, corresponden explorar los
mecanismos a través de los cuales los aspectos intangibles y cognitivos de la
existencia pueden influir en el mundo tangible y material.
A lo largo de la historia, los académicos han lidiado con el problema
mente-cuerpo, un enigma filosófico que se ha abordado desde dos perspectivas
principales: el dualismo y el monismo, si bien la exploración de la mente se
remonta a los antiguos pensadores griegos, como Aristóteles, fue durante la era
moderna cuando la Filosofía de la Mente realmente tomó forma, encabezada por
René Descartes y su innovador punto de vista dualista. Los argumentos de
Descartes sobre el problema mente-cuerpo han tenido un profundo impacto en los
filósofos posteriores, consolidando su posición como la figura más influyente en
este campo, particularmente a partir del siglo XVII.
1.1 El Dualismo
Uno de los principios más conocidos de Descartes, conocido como
“Dualismo”, postula que el mundo se compone fundamentalmente de dos tipos
distintos de sustancias: Sustancias Mentales y Sustancias Físicas, estas sustancias
poseen cualidades esenciales únicas que definen su naturaleza. La mente, por
ejemplo, se define por su conciencia, mientras que el cuerpo se caracteriza por su
naturaleza “extendida”, lo que significa que existe e interactúa dentro de un
espacio físico tridimensional. Descartes sugiere que el aspecto central de la mente
es la conciencia, lo que implica que nuestra existencia como seres depende de
estar en un estado de conciencia, en otras palabras, la existencia está ligada a la
conciencia. Del mismo modo, cuando Descartes afirma que la esencia del cuerpo
es la extensión, quiere decir que el cuerpo se caracteriza por tener dimensiones
físicas.
12
Esto incluye tanto los objetos como las entidades presentes en el mundo
físico, incluido el mundo mismo, que se puede observar y experimentar en el
ámbito del espacio. Como seres humanos, es importante reconocer que no somos
simplemente seres físicos, sino entidades complejas que consisten tanto en un
cuerpo físico como en una mente no física. Este concepto del yo, a menudo
referido como “yo”, es esencialmente una mente que está intrincadamente
conectada con un cuerpo físico. No obstante, es importante comprender que, a
pesar de su conexión, la mente y el cuerpo son fundamentalmente distintos entre
sí. Esta interacción se hace evidente de varias maneras. Por ejemplo, los estados
físicos de nuestros órganos de los sentidos, como los ojos, los oídos, la nariz y la
piel, son fundamentales en la configuración de nuestras experiencias mentales.
Las imágenes visuales que percibimos, las sensaciones táctiles que
sentimos y los olores que encontramos están todos influenciados por el
funcionamiento físico de nuestros órganos sensoriales, y estas experiencias luego
son procesadas e interpretadas por la mente. Dentro de esta intrincada relación, la
mente encuentra su morada dentro del cuerpo físico que poseemos. Es una entidad
no física que de alguna manera existe dentro de los confines del ser físico. Con
todo, a pesar de su naturaleza intangible, la mente tiene un profundo impacto en el
cuerpo y viceversa. Están comprometidos en una interacción continua y
sistemática. Por el contrario, los deseos, pensamientos e intenciones que surgen
dentro de la mente no física también pueden influir significativamente en el
comportamiento y las acciones del cuerpo físico.
La mente tiene el poder de hacer que el cuerpo se comporte de maneras
específicas, lleve a cabo ciertas acciones y responda a estímulos externos, es decir
como seres humanos, no estamos definidos únicamente por nuestra existencia
física, somos seres intrincados compuestos de un cuerpo físico y una mente no
física, si bien estos dos aspectos de nuestro ser son inseparables, siguen siendo
fundamentalmente diferentes. La mente reside dentro del cuerpo, y su interacción
continua da forma a nuestras experiencias, comportamientos y existencia en
general. La conexión entre la mente y el cuerpo, según Descartes, puede
entenderse a través del concepto de “Espíritus animales”, una sustancia material
sutil. Descartes creía que hay dos sustancias distintas, pero el aspecto mental tiene
mayor importancia porque es lo que podemos experimentar y comprender
directamente a través de la introspección, lo que confirma su naturaleza no física,
por el contrario, el conocimiento del cuerpo físico, su existencia y sus atributos se
adquiere indirectamente a través de la inferencia basada en los contenidos de la
propia mente.
13
Para demostrar el alcance de la teoría dualista, se pueden reevaluar los
postulados de Descartes a la luz de los descubrimientos de la neurociencia
moderna. Si tuviéramos que expresar la doctrina cartesiana utilizando el lenguaje
científico actual, afirmaría que nuestros cuerpos, sistemas nerviosos y estructuras
celulares están desprovistos de conciencia en cualquier circunstancia. La doctrina
cartesiana tuvo una influencia significativa durante un lapso de dos siglos, pero
enfrentó críticas de autores clásicos como Hobbes y otros filósofos materialistas
que cuestionaron sus supuestos fundamentales y el concepto de sustancias duales.
Este escepticismo surgió porque la propuesta de Descartes no logró explicar
adecuadamente la relación entre el cuerpo y la mente.
Si bien las características ontológicas de estas sustancias estaban
claramente definidas, Descartes no abordó cómo los reinos de la materia y la
mente están conectados, interactúan o se influyen entre sí. La falta de explicación
sobre la interacción entre los elementos espaciales y no espaciales dejó un vacío
en la comprensión. Igualmente, aunque el dualismo se alineaba bien con las
creencias religiosas de la época, ya que muchas religiones creían en la
supervivencia del alma después de la muerte, la doctrina cartesiana comenzó a
perder favor debido a su incapacidad para establecer relaciones causales claras
entre los aspectos físicos y mentales de existencia. El cuerpo y el sistema nervioso
central y autónomo pueden verse como recipientes protectores de nuestra mente,
de forma similar a como una planta está viva pero no consciente. A pesar de estar
vivo, el cuerpo no posee conciencia. No importa lo que aprendamos de campos
como la física, la neurobiología o la inteligencia artificial, no es posible
comprender completamente la sustancia inmaterial de la mente.
Hay una conexión misteriosa entre la mente y el cuerpo y esta conexión se
corta con la muerte, es difícil para los enfoques científicos que se centran
únicamente en el material explicar las complejidades de la vida mental. Usando
una terminología más moderna, queda claro cómo suenan teorías radicales como
la de Descartes. Un problema importante con la adopción de un enfoque similar a
este es que presenta una multitud de desafíos y complejidades al intentar
establecerlo como una hipótesis científica viable. Es ampliamente reconocido que
el funcionamiento de la mente humana depende en gran medida de procesos
neurobiológicos específicos dentro del cerebro, así como en todo el sistema
nervioso en general. Sin embargo, es plausible considerar que, en un futuro
lejano, la conciencia podría emerger posiblemente dentro de una base física
alternativa, distinta del sistema nervioso convencional.
En resumen, el dualismo cartesiano se sustenta en tres tipos de
argumentos: el religioso, la introspección y la irreductibilidad. El argumento
14
religioso encuentra respaldo en las doctrinas y creencias religiosas que proponen
la existencia de una vida después de la muerte y un yo no físico. El argumento de
la Introspección, enfatiza la idea de que nuestra vida mental es el único aspecto al
que podemos acceder directamente, dándole superioridad sobre el mundo físico,
que solo podemos conocer indirectamente. Por último, el argumento de la
irreductibilidad cuestiona la noción de que las ciencias naturales pueden explicar
completamente los fenómenos mentales que se extienden más allá del ámbito
físico, para ilustrarlo se tienen las experiencias como la degustación de un vino, la
cual no se puede predecir o anticipar únicamente en función del conocimiento de
su estructura molecular por parte de un químico o físico.
Estos tres argumentos, aunque puedan parecer atrayentes, han enfrentado
críticas desde diversas perspectivas. Otra versión del dualismo, conocida como
dualismo de propiedades, surgió más tarde y se considera algo más moderada en
comparación con el dualismo de sustancias mencionado anteriormente. A
diferencia de la noción de dualismo de sustancias de Descartes, el dualismo de
propiedades no propone la existencia de dos reinos separados o sustancias
diferentes para la mente y el cuerpo. En cambio, sugiere que hay dos tipos
distintos de propiedades en el mundo: propiedades físicas y propiedades mentales.
Las propiedades físicas abarcan atributos como la carga eléctrica, la masa y la
gravedad, que son medibles y definen un objeto o sistema. Los cambios en estas
propiedades se pueden utilizar para describir los cambios en el objeto o sistema.
Por otro lado, las propiedades mentales incluyen experiencias como el placer, los
pensamientos y la apreciación estética, que son características de la inteligencia
consciente. Por ejemplo, cuando alguien se masajea el cuello y se siente relajado,
esta experiencia representa la manifestación de la propiedad "Estar relajado". El
cerebro humano posee ambos tipos de propiedades, por lo tanto, el dualismo de
propiedades postula que no hay dos reinos separados, sino dos tipos distintos de
propiedades, físicas y mentales, que coexisten dentro del cerebro.
Si bien el dualismo de propiedades puede abordar la preocupación de dos
sustancias distintas que coexisten en el mundo, aún enfrenta el mismo problema
que el dualismo de sustancias cuando se trata de explicar la conexión entre la
mente y el cuerpo. Además, el dualismo de propiedades no ofrece explicaciones
alternativas para la relación entre los eventos físicos y mentales. Al mismo
tiempo, surge un nuevo desafío al comprender cómo estas propiedades mentales
ejercen una influencia causal en el ámbito físico. Una de las deficiencias del
dualismo de propiedades es su incapacidad para proporcionar una explicación de
cómo las propiedades no físicas del cerebro, específicamente los estados mentales
conscientes, pueden tener un impacto causal en los eventos físicos del mundo.
15
Este problema se puede capturar sucintamente en una pregunta
fundamental: ¿Cómo puede una propiedad mental, que no es de naturaleza física,
desempeñar un papel en la causa de los eventos físicos? Disciplinas científicas
como la física y la química han demostrado que el universo opera de manera
causalmente cerrada, lo que significa que la causalidad física es suficiente para
explicar todos los fenómenos del mundo. En consecuencia, se vuelve plausible
argumentar que los estados mentales conscientes no tienen influencia en el
universo y pueden ser considerados como algo parecido a un “epifenómeno”
(Churchland, 1984). En otras palabras, la conciencia puede ser un fenómeno que
surge de la función cerebral pero no tiene relevancia causal.
En este escenario particular, la conexión entre la conciencia y el cerebro
puede compararse con el sonido que se genera cuando una computadora está
funcionando, así como el sonido es simplemente un subproducto de los
componentes físicos y las conexiones dentro de la computadora, no tiene ningún
impacto o influencia en el funcionamiento y procesamiento real de la máquina, de
manera similar, la conciencia y otros fenómenos mentales pueden considerarse
resultados emergentes, lo que significa que surgen de las complejidades del
cerebro sin tener ningún efecto causal directo en el sistema mismo. En
consecuencia, aunque el dualismo de propiedades no necesariamente nos obliga a
aceptar la existencia de dos sustancias distintas dentro del universo, sí nos impulsa
a plantear la hipótesis de que el cerebro posee atributos no físicos que difieren
marcadamente de la composición bioquímica del resto del cuerpo.
Al mismo tiempo, esta perspectiva no ofrece una explicación para estas
propiedades distintivas dentro de nuestra comprensión del universo y sus
mecanismos, obligándonos en última instancia a persistir en reconocer la
presencia de algo inmaterial e intangible, alcanzable únicamente a través de la
introspección y desprovisto de cualquier apariencia de rigor científico, esto lleva
al punto en el que se debe elegir entre dos opciones alternativas: aceptar que las
sensaciones y experiencias son simplemente subproductos de los cuerpos físicos,
o considerar la posibilidad de que solo exista una sustancia fundamental. En este
escenario, se tendría que considerar la noción de que estamos compuestos
únicamente de materia o únicamente de nuestra conciencia. Este punto de vista
alternativo nos presentaría una nueva perspectiva sobre el problema mente-cuerpo
y se desarrolla más en la siguiente sección: el concepto de monismo.
1.2 El Monismo
En contraste con la idea de que el mundo consta de dos sustancias o
propiedades distintas, una perspectiva alternativa conocida como monismo
sugiere que esta dualidad no existe. Según el monismo, solo hay un tipo de
16
sustancia, como resultado, el monismo se puede clasificar en dos tipos
principales: el monismo “mentalista”, también conocido como idealismo, y el
monismo “materialista”, también conocido como materialismo. El idealismo
sugiere que la estructura del universo está fundamentalmente enraizada en el reino
de la mente o el espíritu, de acuerdo con esta perspectiva, no existe nada más allá
del reino de las ideas, lo que implica que todos los aspectos de nuestras
experiencias mentales y físicas pueden entenderse como manifestaciones de ideas.
En esencia, el idealismo afirma que la naturaleza fundamental de la
realidad se basa en el reino de las ideas, con la mente humana sirviendo como
catalizador para su generación. En el ámbito de la filosofía de la mente, el
idealismo se opone directamente al materialismo, que postula que el mundo
material es el fundamento último de la realidad. La teoría del materialismo sugiere
que la esencia fundamental de la realidad se basa en sustancias físicas. Argumenta
que no hay nada más allá del universo material y por lo tanto, cualquier fenómeno
puede explicarse únicamente en términos del mundo material. Sin embargo,
Blackmore en el 2005 señaló una falla en esta perspectiva. Argumenta que
priorizar la mente y las ideas, como lo hace la perspectiva idealista, crea una
contradicción cuando se trata de explicar la existencia de un mundo físico
consistente fuera de nuestros propios pensamientos. Es evidente que el mundo
sigue existiendo incluso sin nuestras ideas sobre él y los fenómenos naturales
como la gravedad persisten independientemente de la comprensión humana. Por
lo que las perspectivas idealistas, aunque históricamente significativas, carecen de
relevancia e influencia en la investigación científica contemporánea.
Una de las escuelas de pensamiento más dominantes y de mayor alcance
en el campo de la filosofía de la mente a lo largo de los siglos XX y XXI han sido
las diversas corrientes del materialismo. El materialismo afirma que la única
existencia que puede reconocerse es la de la materia física y cualquier fenómeno o
suceso solo puede comprenderse y explicarse dentro del marco de la realidad
material. Con respecto a los diversos estados de la mente, el individuo afirma que
si estos estados realmente existen, en última instancia deben atribuirse y
entenderse en términos de estados físicos. Esta afirmación en particular ha estado
profundamente arraigada en el ámbito de la Ciencia Cognitiva desde sus inicios, y
también ha permeado otras ramas de estudio que profundizan en las
complejidades de la mente humana.
Como resultado, esta perspectiva ha facilitado y alentado en gran medida
la exploración de la mente, permitiendo un examen fructífero no solo de sus
funciones, sino también de los numerosos fenómenos que abarcan nuestras
experiencias mentales y nuestra existencia. Cuando se enfrenta al desafío de
17
comprender la relación entre la mente y el cuerpo, existen múltiples perspectivas
dentro del materialismo que ofrecen diferentes puntos de vista. Si bien todas estas
perspectivas coinciden en que el mundo físico juega un papel fundamental en la
explicación de los fenómenos mentales, cada una destaca aspectos distintos que
otras teorías pueden pasar por alto. Los tres enfoques que se explorarán son el
conductismo, el materialismo reduccionista (también conocido como teoría de la
identidad) y el funcionalismo, específicamente el funcionalismo computacional.
1.3 El Conductismo
El concepto de materialismo en su forma inicial surgió a principios del
siglo XX con las contribuciones de psicólogos influyentes como Watson y
Skinner, su impacto e influencia alcanzaron su punto máximo en las dos décadas
posteriores a la Segunda Guerra Mundial. El fundamento del conductismo, que
subyace al materialismo, puede verse como una respuesta al dualismo imperante
en la época y también está influenciado por el positivismo lógico. Según esta
perspectiva filosófica, el significado de un enunciado está determinado por la
existencia de circunstancias observables que puedan sustentarlo. El concepto
principal del conductismo afirma que la mente está representada únicamente por
las acciones y comportamientos del cuerpo físico, y que no existe una existencia
objetiva más allá de estos comportamientos.
La esencia del reino mental son precisamente estos comportamientos,
particularmente la inclinación a desplegar acciones específicas. Este punto de
vista reduce esencialmente los aspectos mentales a los fenómenos observables, a
saber, el comportamiento. Sin embargo, es importante diferenciar entre dos
variantes del conductismo conocidas como conductismo metodológico y
conductismo lógico El conductismo metodológico surgió como un movimiento
significativo en el campo de la psicología con el objetivo principal de elevar la
posición científica de la disciplina para estar a la par con otras ramas de las
ciencias naturales. Para lograr este objetivo, los defensores del conductismo
metodológico abogaron por el estudio de los fenómenos observables, enfatizando
la importancia de la cuantificabilidad y la objetividad.
En consecuencia, el foco de la investigación se desplazó hacia el examen
del comportamiento, ya que se consideró medible y accesible para la observación.
El objetivo último de la Psicología, según el Conductismo Metodológico, giraba
en torno a descubrir las leyes subyacentes que pudieran establecer una conexión
entre los estímulos externos encontrados por un organismo y las subsiguientes
respuestas conductuales exhibidas. El conductismo metodológico tuvo un
profundo impacto en el campo de la psicología, tanto que cambió con éxito el
enfoque de la disciplina de ser conocida como la "Ciencia de la mente" a la
18
"Ciencia del comportamiento". Este enfoque, denominado conductismo
metodológico, no se preocupaba por afirmar o aclarar la existencia o ausencia de
la mente o determinar la naturaleza precisa de los estados mentales. En cambio, su
objetivo principal era proponer una metodología que permitiera el estudio de estos
estados mentales.
Para decirlo de otra manera, cuando se trata de examinar el
comportamiento desde un punto de vista científico, la mente se considera
científicamente insignificante. Esto se debe a que las afirmaciones científicas
requieren una verificación objetiva y las únicas afirmaciones que se pueden hacer
sobre la mente humana son aquellas que se pueden derivar del comportamiento
observable utilizando un enfoque objetivo. En realidad, el conductismo
metodológico no requería reconocer la presencia de experiencias mentales
internas como la conciencia o estados subjetivos o qualia. En cambio, se centró en
desarrollar una metodología que se extendiera más allá del estudio del objeto en
sí. Las descripciones de emociones, sentimientos y creencias eran simplemente un
medio conciso de aludir a patrones de comportamiento.
En esencia, esta forma particular de conductismo sostiene la idea de que el
único hecho psicológico que puede percibirse directamente en un individuo es su
comportamiento. En consecuencia, aboga por emplear el enfoque más adecuado
para estudiar y comprender la psicología humana, que es centrarse únicamente en
las acciones observables. La psicología es la exploración científica del
comportamiento humano, centrándose únicamente en las acciones y reacciones
observables de los individuos, sin tener en cuenta ninguna investigación sobre la
existencia de entidades mentales o fenómenos espirituales. Cabe mencionar que
existió un movimiento conocido como Conductismo Lógico, que se originó en la
Filosofía más que en la Psicología. Sin embargo, los principios y afirmaciones del
Conductismo Lógico fueron más contundentes y radicales en comparación con los
presentados por el Conductismo Metodológico.
Este último simplemente enfatizó que el dualismo cartesiano no tenía
importancia científica, mientras que el conductismo lógico fue más allá al
argumentar que los enfoques de Descartes tenían fallas desde un punto de vista
lógico y semántico, considerándolos pseudo-hipótesis y declaraciones.
La implicación de esta declaración es que es posible comprender y describir los
estados mentales de alguien examinando sus comportamientos. Por ejemplo, un
jugador esperando que su equipo de fútbol gane un súper clásico, podemos definir
este estado mental a través de un conjunto de oraciones que describen sus posibles
acciones o palabras en situaciones específicas. En otras palabras, la declaración se
puede traducir en una serie de oraciones hipotéticas que describen los
19
comportamientos que se podría exhibir o las cosas que podría decir bajo ciertas
circunstancias. Esta definición operativa permite comprender y analizar su estado
mental a partir de acciones observables, proporcionando una comprensión más
profunda de sus pensamientos e intenciones.
En esencia, el conductismo lógico afirma que la afirmación “Luis cree que
Colo-Colo es el mejor equipo del fútbol chileno”, puede entenderse de la misma
manera que formula un sinfín de oraciones de causa y efecto, como lo
ejemplifican los siguiente: “Si Colo-Colo tiene un partido el domingo, Luis irá al
estadio”, “Si Colo-Colo marca un gol, Luis expresará su alegría hacia el exterior”.
Esencialmente, esta perspectiva sugiere que el concepto de mente puede reducirse
a un conjunto de comportamientos predeterminados. Para comprender
completamente el concepto de disposición, es necesario examinarlo a través de la
lente de oraciones hipotéticas que siguen la estructura “Si p, entonces q”. Al
emplear este enfoque, se puede descubrir las tendencias conductuales subyacentes
que surgen en condiciones, contextos o situaciones específicas.
Esto nos permite reformular declaraciones relacionadas con estados
mentales en declaraciones más largas que abarquen todos los comportamientos
observables esperados que un individuo puede exhibir cuando se encuentra en un
contexto o circunstancia particular. El objetivo aquí es garantizar que no se pierda
ningún contenido en el proceso y que se describa con precisión la gama de
comportamientos que se pueden anticipar en función de la disposición de una
persona. Para concluir, el conductismo no ve el problema mente-cuerpo como un
problema porque cree que no hay necesidad de preocuparse por la relación entre
la mente y el cuerpo. De acuerdo con el conductismo, cuando hablamos de la
mente de alguien como Einstein, no nos referimos a una entidad separada que
posee, sino que describimos sus habilidades excepcionales y comportamientos
observables en el entorno específico en el que se encuentra. Por lo tanto, el
enfoque está en comprender y analizar los comportamientos y disposiciones de los
individuos en su entorno.
En resumen, los problemas que enfrentó el conductismo, incluido su
desprecio por el aspecto interno de los estados mentales y su lucha por definir las
disposiciones subyacentes a los comportamientos, finalmente debilitaron su
posición dentro del campo de la psicología. Otro desafío surgió cuando los
conductistas intentaron especificar las disposiciones precisas que están asociadas
y contribuyen a un comportamiento particular. El proceso de creación de una lista
exhaustiva de dichas disposiciones resultó ser una tarea abrumadora. La gran
complejidad y variabilidad del comportamiento humano hizo casi imposible
capturar con precisión todos los factores contribuyentes. Esta limitación
20
obstaculizó la capacidad del conductismo para proporcionar una comprensión
integral del comportamiento humano. Además, el rechazo de los estados mentales
por parte del conductismo contradice la intuición de que existe una conexión entre
los estados mentales internos y los comportamientos observables que se derivan
de ellos. Todos entendemos que existe una clara diferencia entre el sentimiento de
dolor y los comportamientos que están vinculados a él. Esta desconexión entre la
postura del conductismo y las experiencias cotidianas socava aún más su
credibilidad.
El análisis de la esperanza de que el equipo de fútbol gane un superclásico
requiere condiciones específicas, pero la complejidad de estas condiciones es
ilimitada y no puede detallarse finitamente. Aparte de que, existe el riesgo de
incluir condiciones que dependen de los pensamientos y sentimientos internos de
los jugadores, lo que dificulta evitar el uso de palabras como "creer", "querer" o
"desear" en el análisis. Esto se suma al desafío de evitar el razonamiento circular.
Por ejemplo, si tuviéramos que analizar el deseo de una persona de comer
chocolate, la lista de condiciones necesarias sería extremadamente larga y
potencialmente infinita, lo que dificultaría analizar su deseo con precisión.
Adicionalmente, existe el riesgo de definir una creencia en base a un
comportamiento que podría estar influenciado por otros deseos y creencias. Esto
complica aún más el análisis. Al mismo tiempo, el lingüista Noam Chomsky
critica el conductismo y argumenta que estudiar el comportamiento por sí solo no
abarca todo el campo de la psicología.
1.4 La Teoría de la Identidad
Durante el siglo XX, el conductismo enfrentó importantes desafíos dentro
del campo de la Psicología que dificultaron su progreso. Estas críticas se
derivaron principalmente de la creencia de que la perspectiva conductista no
reconoció plenamente el aspecto subjetivo de la experiencia humana. Además de
esta deficiencia, el conductismo también carecía de la evidencia empírica
necesaria para respaldar sus afirmaciones, confiando en cambio en conceptos
abstractos como listas y definiciones operativas para explicar la relación entre la
mente y el comportamiento. Estas deficiencias contribuyeron en última instancia a
un retroceso en la popularidad y aceptación del conductismo como enfoque
metodológico en psicología. Debido a las numerosas críticas y problemas
asociados con el conductismo, gradualmente perdió el favor de los filósofos que
tenían creencias materialistas sobre la mente.
En su lugar, surgió una nueva perspectiva conocida como Fisicalismo,
también conocida como Teoría de la Identidad o Materialismo Reductivo. El
fisicalismo argumenta que Descartes cometió un error al proponer dos sustancias
21
para explicar el problema mente-cuerpo, ya que postula que la única entidad
existente en relación con la mente es el cerebro. Del mismo modo, sugiere que las
únicas entidades existentes en relación con los estados mentales son los estados
del cerebro. De ahí que el Fisicalismo, también conocido como Tesis de la
Identidad, establece una noción de identidad e igualdad entre los estados mentales
y los estados cerebrales, afirmando que los estados mentales son esencialmente
estados físicos del cerebro. En otras palabras, cada estado mental es esencialmente
lo mismo que un estado o proceso físico que ocurre dentro del sistema nervioso,
específicamente dentro del cerebro.
Hay varias razones de peso para defender una teoría materialista-
reduccionista, que pueden resumirse sucintamente en cuatro conceptos
fundamentales. En el corazón de esta teoría está la creencia de que el estudio del
comportamiento humano y sus causas subyacentes se encuentra dentro del ámbito
de las Neurociencias. El argumento inicial gira en torno a la noción de que los
seres humanos tienen un origen puramente físico y están compuestos de materia
física. Al examinar el desarrollo físico-motor de los individuos, se puede obtener
información sobre los intrincados procesos que involucran moléculas, duplicación
celular y cadenas de ADN. Estos elementos son la clave para comprender cómo se
forman ciertos comportamientos y acciones dentro de un sistema y cómo
interactúan posteriormente con el entorno externo.
El segundo argumento se basa en el primero al señalar que los animales en
la naturaleza, al igual que los humanos, tienen su origen y desarrollo enraizados
en la dimensión física. Esto se atribuye específicamente al buen funcionamiento
de sus sistemas nerviosos. Por lo demás, su comportamiento también se explica
por los procesos internos del sistema nervioso y cómo interactúa con el medio
ambiente. El principio subyacente detrás de esta explicación es la teoría evolutiva,
que sugiere que estos sistemas han sido seleccionados a lo largo del tiempo. Por lo
demás, los teóricos enfatizan el concepto de “dependencia neuronal” cuando se
trata de fenómenos mentales. Este concepto es crucial para una perspectiva
materialista-reduccionista, que rechaza la existencia de dos tipos distintos de
sustancias, propiedades o procesos. En cambio, afirma que solo el aspecto físico
es relevante para comprender estos fenómenos.
El cuarto punto se refiere a los logros de la neurociencia en el estudio y la
comprensión de los intrincados sistemas nerviosos no solo de los organismos
simples sino también de los humanos. Con el avance del campo a un ritmo rápido,
podemos anticipar descubrimientos más esclarecedores en el futuro, los
partidarios de la teoría de la identidad argumentan que es lógico creer que la
fuerza impulsora detrás del comportamiento animal y humano es
22
fundamentalmente física. Conjuntamente, sostienen que la neurociencia tiene el
potencial de establecer una clasificación integral de los estados cerebrales y en
última instancia, establecer una correlación directa con los estados mentales
conscientes. La teoría de la identidad ofrece una mejora significativa sobre el
conductismo, ya que no solo reconoce la existencia de estados mentales, sino que
también proporciona una explicación completa de lo que son. Esto representa una
desviación significativa de su predecesor, que simplemente ignoraba los estados
mentales por completo. Sin embargo, aunque la Teoría de la Identidad presenta
una perspectiva valiosa, no está exenta de objeciones y desafíos. (Searle, 2004)
clasifica estas objeciones en dos grupos principales: “Objeciones técnicas” y
“Objeciones de sentido común”.
En el ámbito de las objeciones técnicas, cabe señalar que la Tesis de la
Identidad va en contra de un principio lógico conocido como “Ley de Leibniz”,
según Searle, Esta ley esencialmente establece que si dos cosas son idénticas,
deben poseer las mismas propiedades. Por lo tanto, si se puede demostrar que los
estados mentales y cerebrales tienen propiedades que no se pueden atribuir a los
estados mentales, entonces la Tesis de la Identidad podría ser refutada. La Teoría
de la Identidad es vulnerable a tal crítica, a menudo citando ejemplos relacionados
con la ubicación espacial de diferentes partes del cuerpo humano. Por ejemplo, si
se considera el estado cerebral que corresponde al pensamiento de que hace calor,
que se dice que está ubicado cerca del área 48 del cerebro. Sin embargo, los
críticos de la Teoría de la Identidad argumentan que sería ilógico afirmar que la
idea de estar caliente está "localizada" en un punto específico del cerebro.
Este concepto se vuelve aún más desconcertante cuando se consideran
estados mentales conscientes que están asociados con una ubicación específica
dentro del cuerpo, como la sensación de picazón en el pulgar derecho. Si bien
puede parecer lógico suponer que la picazón está localizada en el pulgar mismo,
en realidad es el estado del cerebro el que corresponde a esta picazón que se
encuentra en otra parte, dentro de los límites del cerebro. Esta comprensión nos
lleva a concluir que las características y atributos del estado cerebral difieren de
los del estado mental. En consecuencia, esto desafía la validez del fisicalismo, ya
que implica que los dos estados no son equivalentes. Otra objeción planteada por
Churchland, es la crítica a las “Propiedades semánticas del cerebro” que presenta
una perspectiva técnica. Este argumento sostiene que nuestras creencias, deseos y
otros estados mentales poseen un significado proposicional específico y pueden
evaluarse como verdaderos o falsos.
Estos estados mentales también mantienen relaciones semánticas como la
consistencia, la implicatura y otras. Sin embargo, si se consideran los estados
23
mentales únicamente como estados cerebrales, estas relaciones semánticas
también deberían aplicarse a los estados cerebrales. No obstante, es ilógico
afirmar que la actividad neuronal en una región particular del cerebro es falsa o
que lógicamente implica otra área del cerebro. Aparte de, la asignación de
significados específicos a estados cerebrales parece desafiante o incluso
inverosímil y establecer una relación de identidad entre un estado cerebral y
experiencias subjetivas, como la sensación de masticar algo crujiente, sería aún
más complejo.
En la clasificación de Searle, el segundo tipo de objeciones corresponde a
las que surgen del sentido común, una objeción crucial arraigada en el sentido
común sería presentar evidencia de que si la identidad del estado mental/estado
cerebral sugerida es realmente empírica, similar a la noción de que el agua está
compuesta de H2O, implica la existencia de dos tipos distintos de propiedades que
actúan como una conexión entre los dos aspectos de esta identidad. Sin embargo,
este enfoque plantea una preocupación porque parece implicar la existencia de dos
tipos distintos de propiedades: propiedades físicas y propiedades mentales, esto es
similar al dualismo de propiedades, que sugiere que la mente y el cuerpo son
entidades separadas. Si los estados mentales son realmente idénticos a los estados
cerebrales, entonces debe haber dos tipos de estados cerebrales: los que son
estados mentales y los que no lo son.
El primero posee propiedades mentales, mientras que el segundo físicas,
de la misma manera que la Teoría de la Identidad sostiene que el agua es lo
mismo que el H2O, esta teoría sugiere que la experiencia del sabor dulce es
idéntica a un estado cerebral específico, denominado X, esto significa que la
sensación del sabor dulce solo puede entenderse completamente al considerar
tanto sus propiedades como una sensación gustativa como sus propiedades como
un estado cerebral correspondiente. La objeción planteada por el sentido común es
un obstáculo importante para los defensores de la Teoría de la Identidad, esta
objeción se centra en la idea de que, aunque la teoría busca establecer una visión
reduccionista, que argumenta que los estados mentales son enteramente estados
cerebrales, también sugiere la presencia de propiedades mentales irreductibles. Se
vuelve un desafío explicar las experiencias complejas de los individuos
conscientes, como sus emociones, sensaciones físicas y la experiencia subjetiva
general, reduciendo únicamente estos fenómenos a su ocurrencia física en el
cerebro. El enfoque reduccionista apunta a estandarizar ciertas características
atribuyendo propiedades de experiencias subjetivas a propiedades del cerebro. Sin
embargo, este enfoque reduccionista no tiene éxito cuando intenta explicar los
aspectos cualitativos y subjetivos de estos fenómenos mentales, ya que ignora (y,
hasta cierto punto, descarta) la existencia de propiedades mentales no físicas.
24
La objeción mencionada anteriormente tuvo un impacto significativo en la
Teoría de la Identidad, causó un cambio en la teoría, lo que llevó a un cambio en
su nombre de “Teoría de la Identidad tipo-tipo” a “Teoría de la Identidad token-
token”. Inicialmente, la teoría establecía que cada tipo de estado mental es
idéntico a un tipo específico de estado físico. Sin embargo, tras un examen más
detenido, se hizo evidente que esta declaración era inexacta, las experiencias de la
vida cotidiana revelan que la relación de identidad entre los estados mental y
físico involucra instancias concretas y reales (tokens) en lugar de conceptos
abstractos que están separados del tiempo y el contexto físico. Esta observación
llevó a algunos teóricos de la identidad a adoptar una postura simbólica.
De acuerdo con esta posición, no todos los casos de un estado mental,
como el dolor, deben asociarse con el mismo tipo de estado cerebral. Se pueden
vincular diferentes tipos de estados cerebrales a muestras del mismo estado
mental. Para ilustrar, considere al presidente de un país y al líder de la oposición
política, ambos creyendo que la economía del país está progresando. El hecho de
que compartan la misma creencia no requiere que posean características
neurobiológicas idénticas en sus cerebros, la creencia se puede generar a través de
la interacción de áreas cerebrales específicas en el presidente que pueden no ser
exactamente las mismas que las del líder de la oposición, pero aún así mantienen
la misma creencia.
Aunque la transición de una teoría que identifica tipos de fenómenos
mentales a una que identifica instancias individuales de estos fenómenos resolvió
algunos problemas, también introdujo un problema importante que puso en duda
la viabilidad de reducir las experiencias subjetivas a estados cerebrales. La
pregunta que surge es: ¿qué determina que todas las instancias de un estado
mental pertenezcan a un tipo específico? En otras palabras, ¿qué establece que
una instancia particular, X, es una encarnación o una instanciación de un tipo
mental, X? La Teoría de la Identidad no proporciona una explicación satisfactoria
de este dilema. La búsqueda de una respuesta a esta pregunta dio origen a un
enfoque novedoso conocido como funcionalismo, que postula que una instancia se
clasifica como un tipo mental específico en función del papel que desempeña en
el comportamiento de un organismo.
1.5 El Funcionalismo
Después de considerar los problemas que se han identificado en relación
con la Teoría de la Identidad, surge un nuevo punto de vista que ofrece un
enfoque alternativo para comprender y definir los estados mentales. Esta nueva
perspectiva, conocida como Funcionalismo, presenta una forma novedosa de
entender los estados mentales que evita las trampas y complicaciones encontradas
25
por las teorías anteriores. El funcionalismo postula que un estado mental se puede
atribuir a un estado cerebral específico si cumple un propósito o función particular
en el comportamiento del organismo al que pertenece. El funcionalismo postula
que la característica esencial de un estado mental está determinada por las
diversas relaciones causales que tiene con (1) las interacciones entre el entorno y
el cuerpo, (2) otros estados mentales y (3) el comportamiento exhibido por el
cuerpo. En términos más simples, el dolor puede identificarse como tal si cumple
con los siguientes criterios: (1) surge de algún tipo de lesión o daño corporal, (2)
provoca una sensación de incomodidad y molestia, al tiempo que provoca una
inclinación a aliviarlo, y (3) puede manifestarse a través de escalofríos, posibles
mareos y una mayor inclinación a proteger el área afectada. Según el
Funcionalismo, un estado mental que cumpla con todas estas funciones se
clasificaría como dolor.
En este nuevo marco, cualquier estado mental puede describirse por sus
roles causales únicos y específicos que conectan las entradas sensoriales con las
salidas conductuales. Según la teoría del Funcionalismo, cuando decimos que una
persona cree que el vino provoca malestar estomacal, nos referimos a que existe
un proceso o estado dentro de esta persona que se desencadena por ciertos
estímulos externos (como experimentar dolor y calambres en el abdomen después
de beber el líquido en cuestión). Este estado, combinado con otros factores como
la inclinación humana natural a evitar la incomodidad, finalmente resultará en un
comportamiento particular, a saber, evitar el vino durante las comidas. Por tanto,
la creencia de que el vino provoca problemas estomacales, junto con el instinto de
evitar experiencias desagradables, influye directamente en la decisión de
abstenerse de beber vino cuando se cena.
En resumen, los estados mentales pueden describirse como estados que
poseen funciones específicas, en las que estas funciones se consideran las
conexiones de causa y efecto entre los estímulos externos y las acciones
observables. Esto implica que los estados mentales no están determinados por
atributos internos inherentes, sino por estas relaciones causales subyacentes que
esencialmente definen su propósito. Al considerar la perspectiva que vincula las
entradas sensoriales con las salidas conductuales, recuerda los enfoques del
conductismo mencionados anteriormente. Asimismo, ambas perspectivas destacan
la influencia significativa del entorno en la configuración del comportamiento, por
lo tanto es esencial tener en cuenta que existen claras diferencias entre los dos. La
disparidad surge de la intención de los conductistas de definir los estados
mentales centrándose principalmente en los estímulos y respuestas externas.
26
El funcionalismo no propone lo mismo que el conductismo, por el
contrario, establece que un estado mental solo puede definirse por su conexión
con otros estados mentales, sin ningún intento de reducir los fenómenos externos
observables a procesos mentales. En términos más simples, mientras que tanto el
conductismo como el funcionalismo reconocen la importancia del entorno en la
configuración del comportamiento, el funcionalismo enfatiza que el contexto por
sí solo no es suficiente para explicar completamente el comportamiento. El
funcionalismo asigna una importancia dominante a la mente en la creación de
pensamientos y experiencias, al enfatizar las conexiones causales entre los estados
mentales y el entorno circundante y otros estados mentales. Esta perspectiva
destaca el importante papel que desempeña la mente en la configuración de
nuestros procesos cognitivos e interacciones con el mundo que nos rodea.
El funcionalismo se destaca entre otras teorías debido a su característica
única que ha ganado gran popularidad entre los teóricos materialistas. Esta
característica gira en torno a presentar lo mental en términos funcionalmente
concretos, similares a otros ámbitos del conocimiento humano. En esencia, el
funcionalismo percibe la mente como una máquina, se puede comparar con una
lámpara, según el funcionalismo, los elementos físicos, los mecanismos y los
materiales utilizados para diseñar una lámpara son irrelevantes, ya sea que
funcione con reacciones químicas, bombillas o una bolsa llena de luciérnagas, e
independientemente de su tamaño o forma, lo que define a una lámpara es su
capacidad para generar luz. En otras palabras, su función tiene prioridad sobre su
estructura física o naturaleza inherente. Los estados mentales, de manera similar,
pueden verse como entidades que, a través de sus relaciones con el entorno y otros
estados mentales, dan como resultado un comportamiento observable. Es evidente
que el funcionalismo proporciona una explicación satisfactoria de lo que es un
estado mental, ofreciendo una comprensión tangible y fácilmente identificable
que se alinea con nuestra comprensión intuitiva.
Churchland afirma que el funcionalismo es muy favorecido por los
filósofos de la mente, los científicos cognitivos y los investigadores de
Inteligencia Artificial. Este apoyo generalizado se puede atribuir a la capacidad de
la teoría para diferenciar entre función e implementación, lo que permite la
caracterización de la mente en función de sus funciones sin estar limitada por la
estructura física específica del cerebro. La perspectiva funcionalista de la mente se
centra en la idea de que la mente puede separarse de su base física y operar de
forma independiente (Block, 1995). Este punto de vista ha sido ampliamente
aceptado, ya que permite que la psicología establezca sus propios métodos y
principios sin depender demasiado de la filosofía o la neurociencia.
27
Al disociar los estados mentales de los campos científicos, ya no son
ignorados ni reducidos a sus manifestaciones físicas. Igualmente, el funcionalismo
permite el estudio de procesos cognitivos en otros organismos vivos, incluidos los
animales y abre debates sobre la posible existencia de comportamientos
inteligentes en programas informáticos y criaturas artificiales. Esta perspectiva
más amplia ayuda a definir la inteligencia desde un punto de vista más universal.
En la próxima sección se profundizará en los intrincados detalles del
funcionalismo y su profundo impacto en la remodelación de la forma en que se
perciben el problema mente-cuerpo. Esta teoría innovadora introdujo una
perspectiva novedosa, comparando la mente con una computadora, que
revolucionó la comprensión de este asunto complejo.
1.6 El Funcionalismo y la Ciencia Cognitiva
A mediados del siglo XX, tuvo lugar un evento increíblemente
significativo en el ámbito del estudio de la mente, este fue el resultado de la unión
de varias disciplinas para explorar este campo, incluyendo la filosofía de la mente,
la psicología cognitiva, la lingüística y la inteligencia artificial. Al colaborar, estas
diferentes áreas de estudio han desarrollado una nueva perspectiva sobre el
problema mente-cuerpo, la cual se inspira en una teoría funcionalista de la mente,
que introduce una nueva forma de comprender su funcionamiento, como
resultado, este enfoque ofrece una visión única de un problema que ha captado la
atención de filósofos y psicólogos durante innumerables siglos. Este concepto
innovador sugiere que la mente humana puede compararse con una computadora.
Con el auge de la tecnología informática después de la Segunda Guerra
Mundial, las influyentes contribuciones de Alan Turing y sus ideas
revolucionarias en torno a “Computación” y “Algoritmo” han provocado la
contemplación de la posibilidad de que el cerebro funcione como una
computadora digital. De acuerdo con esta línea de pensamiento, la mente puede
verse como el software o programa y potencialmente como una colección de
programas, que se ejecuta dentro del cerebro. En consecuencia, los estados
mentales se perciben cada vez más como estados computacionales del cerebro.
Para decirlo de otra manera, la Ciencia Cognitiva ha introducido una nueva
perspectiva sobre la comprensión de los fenómenos mentales, sugiriendo que la
mente es para el cerebro lo que el software es para el hardware computacional.
Este punto de vista, conocido como el punto de vista “computacionalista”
de la mente, plantea una pregunta importante: ¿Qué impulsa el desarrollo de esta
visión computacionalista de la mente? Para abordar esta pregunta, primero se
deben recopilar datos e información relevantes que arrojen luz sobre el
surgimiento de la Ciencia Cognitiva, al hacerlo, seremos capaces de establecer el
28
contexto apropiado para comprender y analizar críticamente una teoría
computacional de la mente. Existe evidencia sustancial que respalda la conexión
entre la ciencia cognitiva y la creencia de que el cerebro funciona de manera
similar a una computadora digital. Esta conexión se remonta a una entrevista
realizada por Turing en 1951, como se documenta en el trabajo de Jones de 2004.
Dentro de esta entrevista, Turing analiza la noción de que una computadora digital
posee estados mentales y sugiere que el cerebro puede comprenderse como una
computadora programada. Turing elabora aún más esta idea al afirmar que si
aceptamos la premisa de que los cerebros reales, ya sea en animales o humanos,
son una forma de máquina, entonces se sigue lógicamente que una computadora
digital bien programada exhibirá comportamientos comparables a los de un
cerebro. Esta profunda visión destaca el reconocimiento temprano de la analogía
cerebro-computadora, reforzando la asociación entre la Ciencia Cognitiva y la
noción del cerebro como una computadora digital.
La Ciencia Cognitiva surgió como respuesta a dos campos de estudio
anteriores, la psicología introspectiva y el conductismo, que fueron influyentes
durante el siglo XIX. La psicología introspectiva, atribuida al psicólogo alemán
Wilhelm Wundt, propuso que era posible profundizar en la conciencia a través del
autoanálisis y la introspección. El enfoque de Wundt implicaba entrenar a las
personas para que examinaran sus propias experiencias conscientes y las
articularan usando un lenguaje específico, priorizando el funcionamiento interno
de la mente sobre las observaciones externas del comportamiento. Este énfasis en
la introspección y el examen de los procesos mentales marcó un avance
significativo en la comprensión científica de la Psicología, por lo que Wundt
merece un reconocimiento.
La línea de pensamiento que sigue se conoce como conductismo y
contrasta fuertemente con la psicología introspectiva. El conductismo se centra en
la observación sistemática de comportamientos externos medibles, en lugar de
profundizar en el estudio de la mente misma. En esta perspectiva, el estudio de la
mente toma la forma de una teoría del comportamiento, donde la existencia del
aspecto mental se considera irrelevante debido al desafío inherente de acceder a él
objetivamente. En términos más simples, el conductismo enfatiza el estudio de lo
que se puede medir y sistematizar, mientras descarta los enfoques que se basan en
la subjetividad del investigador para obtener resultados. Este plantea un desafío
importante cuando se trata de estudiar fenómenos subjetivos como la conciencia,
ya que su existencia depende de la experiencia del observador, lo que hace que
sea imposible generalizar y definir objetivamente.
29
Para superar este desafío, los científicos cognitivos recurrieron a la
metáfora de la computadora, al modelar la mente como una computadora,
pudieron crear un marco que fuera comprobable, implementable y que pudiera
proporcionar datos específicos sobre su funcionamiento. Esto permitió una
comprensión más objetiva de las operaciones de la mente. En este enfoque, la
mente podría conceptualizarse como un programa que podría diseñarse,
implementarse y observarse en una computadora. Esto proporcionó un medio para
describir y estudiar objetivamente el funcionamiento de la mente. Cuando la
ciencia cognitiva comenzó a tomar forma, fue en respuesta a las limitaciones del
conductismo. Los conductistas se centraron únicamente en el comportamiento
observable, descuidando los complejos procesos internos de la mente, como los
pensamientos, las emociones y los sentimientos. Estos estados mentales no eran
directamente observables y su existencia no podía inferirse de manera confiable
solo a partir del comportamiento. Esto planteó un desafío significativo para los
científicos cognitivos, quienes buscaron desarrollar un marco teórico que pudiera
abordar la inaccesibilidad inherente de los fenómenos mentales desde un punto de
vista objetivo.
1.7 Turing y sus Nociones Básicas de la IA
Para dilucidar completamente las numerosas ventajas asociadas con la
teoría computacional de la mente, es imperativo profundizar en varios conceptos
fundamentales que nos permitan comprender por qué ciertos filósofos abogan por
este enfoque particular como la solución óptima para el problema mente-cuerpo.
Estas nociones interconectadas abarcan el algoritmo, la máquina de Turing, la
tesis de Church y la prueba de Turing. Para empezar, es importante entender el
concepto de “Algoritmo”. Un algoritmo es esencialmente un conjunto de
instrucciones que pueden resolver un problema de manera efectiva. Estas
instrucciones se componen de un número finito de pasos, que cuando se siguen,
conducen a la resolución del problema.
Los pasos involucrados en un algoritmo son directos, precisos y limitados
en número. Pueden llevarse a cabo de forma automática, sin necesidad de
pensamiento o implicación consciente, ya sea que se trate de una computadora
compleja o de una persona armada con solo lápiz y papel, un algoritmo se puede
implementar con éxito (Luckin, 2017). No se requieren recursos u operaciones
adicionales para que un algoritmo funcione. El algoritmo comienza con un
conjunto de entradas iniciales, avanza a través de varios estados de transición que
modifican estas entradas y finalmente produce un resultado o salida final. Para
entender mejor las funciones computacionales, necesitamos introducir el concepto
30
de una “Máquina de Turing”. Esta máquina sirve como un modelo matemático
que simula operaciones mecánicas.
Funciona leyendo símbolos y luego produciendo nuevos símbolos. Todo el
proceso está guiado por una tabla de instrucciones o programa, el comportamiento
de la máquina está únicamente determinado por una lista finita de instrucciones
simples. Por ejemplo, puede indicar que si la máquina está en el estado 97 y lee el
símbolo 8, debe escribir 1. Alternativamente, si lee el símbolo 9, debe moverse
hacia la derecha y pasar al estado 7. En resumen, una máquina de Turing funciona
siguiendo un conjunto de instrucciones, que dictan su comportamiento en función
del estado actual y los símbolos que lee. Este concepto proporciona una base para
comprender los procesos computacionales. Las operaciones a las que
comúnmente se hace referencia como “Cálculos” se pueden categorizar en
diferentes estados. Un ejemplo bien conocido de un algoritmo que demuestra
estos cálculos es el ejercicio de Euclides para calcular el máximo común divisor
(MCD) de dos números. Es importante señalar que las máquinas de Turing no son
tecnologías informáticas reales, sino un concepto teórico propuesto por Turing,
sirven como un experimento mental para representar una máquina capaz de
computar. En la versión original, los pasos de la máquina en realidad los realizaba
un humano, a quien el autor se refirió como una "computadora".
Una máquina de Turing es un dispositivo con una capacidad de memoria
ilimitada formada por una cinta infinita dividida en cuadrados. Estos cuadrados se
pueden imprimir con símbolos. En cualquier momento, habrá un símbolo en la
máquina que se está escaneando, la máquina tiene la capacidad de cambiar el
símbolo escaneado y su comportamiento está determinado en parte por ese
símbolo. Sin embargo, los símbolos del resto de la cinta no afectan el
comportamiento de la máquina. La cinta se puede mover de un lado a otro a través
de la máquina, que es una de sus operaciones básicas, eventualmente, cualquier
símbolo en la cinta tiene el potencial de convertirse en el símbolo escaneado por
la máquina. El dispositivo funciona con símbolos binarios, principalmente 1 y 0,
pero también puede utilizar otros símbolos.
Lo que realmente define a esta máquina es su simplicidad inherente, ya
que las reglas siempre siguen el formato de “si se cumple la condición X, realice
la acción A: cambie C por D”. A pesar de su simplicidad, encapsula y describe el
concepto de computación mecánica, donde no se requieren conocimientos
adicionales o especializados para completar la tarea. Además, una máquina de
Turing posee estados internos y su comportamiento está dictado por los pasos
necesarios. En esencia, se puede decir que una Máquina de Turing es
esencialmente sinónimo de la tabla de máquina o lista de instrucciones que dictan
31
todos los posibles estados y procesos que puede sufrir. El concepto, conocido
como “Tesis de Church”, está estrechamente relacionado con los dos conceptos
que se explicaron anteriormente. De manera concisa y simplificada, postula que
cualquier cálculo que se pueda realizar de manera efectiva también se puede
realizar mediante una máquina de Turing. Este principio se conoce comúnmente
como la “tesis de Church-Turing” porque Turing llegó a una conclusión
comparable de forma independiente.
Esta tesis está conectada con el concepto de un proceso M eficiente o
automatizado que conduce a un resultado deseado, posee características
específicas, según lo identificado por (Copeland, 1993), que incluyen tener un
conjunto finito de instrucciones, el potencial de lograr el resultado deseado si se
ejecuta sin errores y la capacidad de ser ejecutado por una máquina o individuo
sin depender de la conciencia o factores externos. En consecuencia, la tesis afirma
que siempre que exista un método eficiente que emplee estos procedimientos
automatizados para lograr los resultados deseados, dichos resultados pueden ser
calculados por una Máquina de Turing. Esto se debe al hecho de que una máquina
de Turing en sí misma sirve como una representación de lo que implica un
método eficiente: utilizar estados iniciales e intermedios, junto con la
manipulación de reglas y símbolos, para alcanzar un estado final sin necesidad de
nada más allá del programa.
En resumen, se puede afirmar que cualquier tipo de cómputo o cálculo
tiene el potencial de ser transformado en un cómputo equivalente realizado por
una Máquina de Turing. En fin, una Máquina de Turing abarca la totalidad del
concepto de computabilidad, ya que tiene la capacidad de ejecutar cualquier
algoritmo. Por lo demás, el comportamiento de una Máquina de Turing es siempre
algorítmico, lo que permite establecer una correlación entre una definición formal
y una comprensión intuitiva. Específicamente, una clase de funciones definidas
formalmente, conocidas como funciones recursivas, pueden equipararse a las
funciones que se consideran computables, es decir, aquellas para las que se puede
diseñar un procedimiento paso a paso.
Resaltar la trascendencia de la tesis es de suma importancia, por lo que
ahondaremos en ella extensamente. El concepto de una máquina compuesta por
elementos fundamentales, representados por ceros y unos como símbolos y
gobernada por reglas de transformación, es bastante intrigante. Esta máquina tiene
el potencial de ejecutar cualquier tarea que requiera un algoritmo. En otras
palabras, una Máquina de Turing podría diseñarse para realizar diversas tareas,
desde medir la temperatura del aire en una habitación hasta funcionar como un
cajero automático o una máquina expendedora que dispensa una bebida al insertar
32
una moneda. No obstante, las posibilidades se extienden más allá de las
computadoras diseñadas para tareas específicas basadas en algoritmos.
También es plausible imaginar una máquina capaz de ejecutar programas
de otras Máquinas de Turing, esencialmente una universal. Esta máquina se puede
“cargar” con los programas de varias máquinas de Turing, lo que le permite
simular sus operaciones. Esta noción surgió del concepto conocido como
“Máquina universal de Turing”, tal como lo presentó (Turing, 1948). El concepto
fundamental de la Tesis es determinante en la exploración de la mente y la
utilización de computadoras para simular varios aspectos de la cognición humana.
Esto se debe a que la mente humana puede verse como una Máquina Universal de
Turing. Este concepto tiene implicaciones significativas tanto para la Inteligencia
Artificial como para la Psicología Cognitiva, ya que proporciona un marco teórico
fundamental y compartido.
Permite a la Ciencia Cognitiva abordar el problema mente-cuerpo
estudiando cómo funcionan diferentes programas en nuestro cerebro. Esto tiene
dos resultados importantes: en primer lugar, permite un programa de investigación
que facilita el examen científico y riguroso de la mente desde una perspectiva
objetiva, lo que permite el modelado y la experimentación. En segundo lugar,
resuelve el problema mente-cuerpo al afirmar que el medio físico o hardware en el
que opera la mente es irrelevante; se puede lograr utilizando varios tipos de
hardware, ya sean neuronas, cables de silicio o sistemas físicos basados en
reacciones químicas. Lo que verdaderamente importa es la organización y el
funcionamiento de estos programas. Para decirlo de otra manera, cuando se trata
de describir una computadora, hay varias perspectivas a considerar, a nivel de
hardware, uno podría concentrarse en los componentes físicos o en la tecnología
subyacente del procesador. Sin embargo, en un nivel superior, la implementación
de un algoritmo o programa sigue siendo consistente, lo que los hace
comparables.
El concepto, conocido como “Test de Turing”, fue desarrollado por Alan
Turing en 1950 como una forma de abordar la desafiante cuestión de si las
máquinas pueden poseer la capacidad de pensar. Turing reconoció la ambigüedad
y la falta de claridad en esta pregunta y creyó que sería más apropiado centrarse
en algo más preciso y menos abierto a la interpretación. Para establecer un
entendimiento común de términos como “máquina” y “pensamiento”, sugirió
realizar una encuesta para determinar sus definiciones y frecuencias de uso. Para
abordar este problema, Turing introdujo el Test de Turing como una alternativa a
la cuestión del pensamiento automático. Se refirió a él como el “Juego de
Imitación”, donde el objetivo es evaluar si una computadora digital puede superar
33
a un humano en una tarea específica. Al formular la pregunta de esta manera,
Turing pretendía pasar por alto la necesidad de una respuesta definitiva sobre el
pensamiento de la máquina y en cambio, centrarse en el rendimiento observable.
El juego presentado por Turing viene en varias formas y tiene variaciones
sutiles, pero en su versión final involucra a tres participantes: una persona, una
máquina y un juez. Cada participante está situado en una habitación separada,
etiquetada como X e Y y sus identidades se mantienen en secreto para el juez. El
objetivo del juez es determinar qué participante es el humano y cuál es la
máquina. Para lograrlo, el juez plantea preguntas que siguen un formato
específico, como “¿Podría X informarme si X tiene la habilidad de jugar al
ajedrez?”. Tanto X como Y, ya sean la máquina o la persona, deben dar
respuestas. El papel de la máquina en el juego es hacerse pasar por un ser humano
de manera convincente, mientras que el otro participante responde con sinceridad
a las preguntas.
Turing tenía tanta confianza en la eficacia del juego que predijo que 50
años después de su propuesta (alrededor del año 2000), los avances tecnológicos,
particularmente en la velocidad de procesamiento y la capacidad de la memoria,
limitarían las posibilidades del juez de distinguir correctamente la máquina de la
persona a no más del 70 %. En esencia, la Prueba de Turing sirve como una
solución conveniente al debate en curso en torno a la inteligencia de las máquinas.
Al reconocer la dificultad inherente de acceder y comprender el funcionamiento
interno de otras “mentes”, en particular las de las máquinas, esta prueba ofrece un
enfoque alternativo. En lugar de intentar determinar si una máquina posee la
capacidad de “pensar” como un ser humano, la prueba se basa en la evaluación de
su comportamiento observado y evaluado por un juez humano. Este criterio
basado en el comportamiento se convierte en la base principal para evaluar la
inteligencia de la máquina. Después de un examen y exploración exhaustivos de
estas ideas fundamentales que rodean la aplicación de la IA en el modelado de las
complejidades de la mente humana, se vuelve factible presentar y profundizar en
las diversas arquitecturas o diseños que se pueden implementar de manera
efectiva. Posteriormente, podemos analizar y evaluar cómo estos conceptos antes
mencionados juegan un papel fundamental en la definición y aclaración de las
complejidades de la mente desde un punto de vista computacional.
34
Capítulo II
Arquitectura Cognitiva y Funcionalismo
A lo largo de la historia, la Ciencia Cognitiva ha explorado dos teorías
principales sobre la construcción de la mente humana. Estas teorías, a menudo
denominadas “Arquitecturas mentales”, abarcan los diversos componentes de la
mente, así como las relaciones y funciones entre ellos. La primera arquitectura se
inspira en la computadora digital, donde los símbolos se procesan dentro de un
sistema físico, por otro lado, la segunda arquitectura, que ganó protagonismo en la
década de 1980, presenta un enfoque más reciente caracterizado por la integración
de numerosas microunidades interconectadas. Estas microunidades poseen la
capacidad de activar umbrales específicos, eliminando la necesidad de un
procesador de símbolos central.
Si bien ambos enfoques tienen como objetivo replicar el comportamiento
mediante el análisis de entradas y salidas, el primer enfoque se conoce
comúnmente como “de arriba hacia abajo”, ya que se basa principalmente en los
principios de la informática. Por otro lado, el segundo enfoque se inclina más a
ser “de abajo hacia arriba” ya que incorpora limitaciones que reflejan las
propiedades que se encuentran en la neurobiología. Asimismo, estos enfoques
pueden denominarse alternativamente “computabilidad algorítmica” frente a
“Procesamiento de señales”, o “Modelado de inteligencia artificial” frente a
“Modelado de redes neuronales”, a continuación, proporcionamos una descripción
general concisa de cada uno de estos marcos arquitectónicos.
Estrechamente relacionado con este concepto de manipulación de la
información está la hipótesis del “Sistema de Símbolos Físicos”, que fue
propuesta por Newell en 1980, como una hipótesis de procesamiento fundamental
dentro de la Arquitectura Clásica. Según esta hipótesis, la mente funciona de
manera similar a una computadora, entendiendo los fenómenos mentales como
una serie de procesos que involucran la manipulación de símbolos físicos. La
CPU sirve como componente central de esta arquitectura y es responsable de
ejecutar las reglas necesarias para procesar y transformar símbolos, que son
esencialmente representaciones de información. Además, la CPU también recibe
información de los sistemas periféricos y envía instrucciones al tercer componente
de la arquitectura, conocido como los sistemas motores de salida de
comportamiento.
En esencia, la CPU abarca funciones como la memoria, el aprendizaje y la
atención, por lo tanto, la arquitectura clásica del modelado de la mente se
35
caracteriza por sus sistemas periféricos, procesador de información central,
sistemas motores de salida de comportamiento, la idea de encapsulación de
información y la creencia en que la mente funciona como un sistema de símbolos
físicos. Estos componentes y principios juntos dan forma al marco de esta
arquitectura y brindan información sobre la comprensión de la mente. La
arquitectura clásica del modelado de la mente incluye varias características
distintas que definen su estructura y funciones. Un aspecto crucial es la inclusión
de sistemas periféricos que son capaces de recibir y capturar entradas del entorno
circundante, de forma muy similar a la forma en que funcionan nuestros sentidos
en los humanos.
Estos sistemas periféricos desempeñan un papel vital en la recopilación de
información y su transmisión al procesador central de información, también
conocido como CPU o Unidad Central de Procesamiento. Una característica
interesante de la arquitectura clásica es el concepto de “Encapsulación de
Información”, acuñado por algunos filósofos, como Stillings en 1995. Este
término se refiere a la noción de que la información que ingresa a la CPU
permanece sin cambios ni modificaciones, pero solo se manipula de una manera
que genera resultados de comportamiento. El funcionamiento de estos sistemas se
basa en la manipulación de símbolos, y esta manipulación la realiza un sistema
físico, como el cerebro, en el caso de la mente. La manipulación de los símbolos
ocurre de manera sintáctica, lo que significa que su uso está determinado por su
forma más que por su significado. Esta manipulación sigue un algoritmo
específico para una tarea determinada, la Arquitectura Cognitiva Clásica incluye
el concepto de “representación proposicional”, que sugiere que las proposiciones,
las unidades de pensamiento más simples, pueden analizarse en términos de su
verdad o falsedad cuando se conectan a entradas sensoriales del mundo externo.
Esencialmente, la actividad mental toma la forma de proposiciones
representacionales, que están conectadas entre sí por una unidad central de
procesamiento de información.
La concepción clásica de la mente está siendo desafiada por un nuevo
enfoque de modelado mental. Esta nueva perspectiva tiene como objetivo alejarse
del enfoque puramente computacional y en cambio, se enfoca en usar la metáfora
del cerebro para modelar la mente. El objetivo es replicar el procesamiento de la
información que ocurre en el sistema nervioso humano, específicamente el
funcionamiento de las neuronas y su interconexión. Según Smolensky en 1989,
este modelo se puede describir como “neuralmente inspirado”, ya que considera
algo similar a una neurona como la unidad de procesamiento fundamental. Esto
significa que ya no es necesario un procesador central responsable de la función
ejecutiva de entregar instrucciones de salida en función de las entradas recibidas.
36
En cambio, el sistema como un todo reacciona a las entradas ambientales y
produce salidas conductuales.
El uso del cerebro como metáfora para entender la mente ha llevado a un
nuevo conjunto de suposiciones cuando se trata de modelar procesos cognitivos.
Uno de estos supuestos es que el conocimiento y el procesamiento de la
información no están contenidos dentro de unidades individuales, sino que existen
dentro de las conexiones entre estas unidades. Esto significa que la actividad
cognitiva está intrínsecamente ligada a la estructura física del sistema como un
todo, en lugar de depender únicamente de un componente central de
procesamiento de información, esta representación desafía la noción de que la
actividad cognitiva se representa explícitamente a través de proposiciones, como
sugiere la arquitectura clásica. A diferencia de la arquitectura clásica, que se
centró en los estados de los elementos individuales para representar la
información, el modelado conexionista sugiere que la información a largo plazo
se almacena dentro de las conexiones entre microunidades, mientras que la
información a corto plazo puede almacenarse en un tipo de memoria de trabajo.
Asimismo, hay que hacer otra distinción entre la arquitectura anterior y la
nueva arquitectura conexionista, pero esta distinción es de naturaleza más
abstracta, gira en torno a las numerosas variables y limitaciones que influyen en el
comportamiento humano y la ventaja que ofrece una arquitectura conexionista
para adaptarse a estos factores. A diferencia de la arquitectura clásica, que se basa
en algoritmos que operan secuencialmente, la conexionista opera en paralelo,
reflejando el funcionamiento del cerebro humano. Esta operación paralela permite
una conceptualización diferente del comportamiento, ya que ya no se lo ve
únicamente como el resultado de un solo componente cognitivo, sino más bien
como el resultado de los esfuerzos colaborativos de múltiples componentes que
trabajan simultáneamente e interactúan entre sí. Este carácter colaborativo y de
influencia mutua genera el funcionamiento global del sistema.
Para resumir e ir más allá de las dos arquitecturas discutidas
anteriormente, es perentorio adoptar una perspectiva computacional cuando se
trata de comprender los conceptos propuestos por la ciencia cognitiva. Esta
perspectiva es necesaria tanto metodológica como teóricamente.
Metodológicamente, permite una comprensión objetiva y externa del
funcionamiento de la mente, facilitando su representación a través de modelos.
Teórico, porque sirve como hipótesis fundamental para la “construcción” de una
mente, por lo tanto, asumimos que ciertas características del mundo tangible (la
mente) comparten similitudes con un sistema idealizado e hipotético (una
computadora y sus operaciones). Esta suposición fortalece la metáfora de la
37
computadora como modelo cognitivo, permitiéndonos ver la mente como un
mecanismo computacional virtual con una base más sólida.
2.1 Inteligencia Artificial Fuerte
La perspectiva funcionalista-computacionalista tradicional sobre la mente
se puede resumir sucintamente: el cerebro funciona como una computadora digital
y la mente se puede comparar con el software que se ejecuta en esta computadora,
en consecuencia, los estados mentales pueden entenderse como estados
computacionales del cerebro, el concepto de que la mente es un sistema
computacional también se conoce como “Inteligencia artificial fuerte”, un término
acuñado por John Searle en su conocido ensayo “Minds, Brains and Programs”
publicado en 1980. Searle sostiene que dentro del campo de la inteligencia
artificial, existen dos perspectivas contrastantes con respecto al papel de las
computadoras en la comprensión del funcionamiento de la mente.
La primera perspectiva, conocida como “Inteligencia Artificial Débil”, ve
a las computadoras, máquinas o programas como meras herramientas que
permiten comprender mejor los procesos mentales al simularlos o implementarlos.
En contraste, la Inteligencia Artificial Fuerte propone que cuando una
computadora modela una mente, esencialmente se está creando una mente
completamente nueva. En otras palabras, una computadora que replica un proceso
mental no es una mera representación o imitación, sino que posee su propia
conciencia. A la luz de estas observaciones, se puede argumentar que la
Inteligencia Artificial Débil emplea la computadora como una representación
simbólica de la mente humana, mientras que la Inteligencia Artificial Fuerte
percibe la computadora como una encarnación real de la mente misma.
En la última perspectiva, una computadora posee estados mentales
similares a los experimentados por un individuo humano al comprender un cuento
o narración. En consecuencia, se hace evidente que nos enfrentamos a la
diferenciación entre modelado y realización. La introducción de esta nueva
propuesta ha allanado el camino para una posible resolución del desconcertante
problema mente-cuerpo. Ha disipado efectivamente el aura enigmática que
envuelve el intrincado vínculo entre nuestros reinos físico y mental y en su lugar,
ha propuesto una conexión que está libre de los enigmas de este problema, la
solución propuesta implica sustituir la relación mente-cuerpo convencional por un
vínculo mucho más coherente y continuo entre un programa y una computadora.
Esta perspectiva contradice directamente las teorías posteriores que
pretenden comprender la mente sin el concepto de un procesador central que
gobierna todas las funciones. Una de esas teorías es la “cognición situada”, que
38
destaca la importancia del contexto en el que tiene lugar la actividad cognitiva.
Argumenta que los procesos cognitivos están influenciados y moldeados por el
entorno en el que ocurren. En otras palabras, la cognición es vista como un
proceso dinámico que implica un intercambio continuo de información entre el
cuerpo y el entorno, lo que resulta en respuestas conductuales. Esta teoría desafía
la noción de que un procesador central es necesario para la actividad cognitiva, ya
que sugiere que la cognición surge de la interacción entre un individuo y su
entorno. La mención de comprender historias pertenece a la investigación
realizada por Schank y Abelson, como se analiza en el artículo de Searle. El
proyecto de Schank y Abelson tenía como objetivo recrear la capacidad cognitiva
de los humanos para comprender narrativas. Se centraron en la notable capacidad
de comprensión humana, que permite a las personas responder preguntas sobre
una historia, incluso cuando no se proporciona explícitamente la información
necesaria para responder esas preguntas.
2.2 La Mente y la Inteligencia Artificial
El funcionalismo propone que los objetos del mundo se pueden clasificar
de dos formas: en función de su estructura física o de su función. Los objetos
caracterizados por su estructura física, como una manzana, una célula o el vino,
poseen una disposición específica y compleja que define su identidad y determina
cómo interactúan con las leyes de la naturaleza, por otro lado, los objetos
caracterizados por su función, como un carburador, un escenario o una mesa,
pueden estar compuestos por varios componentes y estructuras físicas. Estos
objetos se identifican por las actividades o tendencias que les permiten cumplir un
propósito determinado. Por ejemplo, un escenario, independientemente de su
composición material, cumple la función de mostrar algo a una audiencia, por lo
que su identidad se define por su función más que por su estructura física.
De ahí surge la pregunta: ¿En cuál de los dos métodos de categorización
del mundo debe ubicarse la actividad mental? En otras palabras, ¿deberíamos
definir la mente en función de su estructura física o de su funcionalidad? Según la
perspectiva del Funcionalismo, sería incorrecto asumir lo primero. Sin embargo,
los seguidores de ciertas ideologías reduccionistas argumentan que la mente es
sinónimo de actividad cerebral. En consecuencia, si consideramos al cerebro
como una de las entidades físicas del mundo, es lógico contemplar la posibilidad
de que nuestra mente también sea de naturaleza física. Este punto de vista prioriza
campos como la neurociencia en la comprensión de la cognición, ya que el
estudio de la composición física del cerebro conduce a la comprensión de los
estados mentales.
39
Sin embargo, el punto de vista de un funcionalista afirma que es
concebible que la actividad mental se genere usando una forma diferente de
sustancia física. Esto implica que la clasificación de la mente debe basarse en su
función dentro del sistema cognitivo más que en su composición física. Para
ilustrar esto, consideremos un escenario hipotético en el que las mesas siempre
han sido construidas exclusivamente con madera. Sería difícil imaginar la
existencia de una mesa hecha de acero porque nuestras experiencias e intuiciones
nos llevan a creer que una mesa debe estar hecha de madera para cumplir su
propósito. Por lo tanto, vale la pena contemplar la posibilidad de que una mesa
pueda seguir considerándose una mesa aunque esté construida con un material
alternativo.
Siguiendo los principios del Funcionalismo, la misma noción puede
aplicarse a la actividad mental. Es loable que las mentes puedan manifestarse en
otras sustancias además del cerebro, en particular, el Funcionalismo propone que
ciertas mentes pueden equipararse con cerebros siempre que posean una cierta
organización que les permita procesar información, regular el comportamiento y
realizar tareas mentales como almacenar y asimilar conocimiento. En
consecuencia, la mente sería considerada como un atributo funcional más que
físico. la IA se basa en el concepto de este último, que permite la exploración de
diferentes tipos de hardware y su potencial para exhibir una actividad mental
similar a la humana. Esto abre la posibilidad de crear criaturas cognitivas
utilizando sustratos físicos alternativos.
La idea del funcionalismo juega un papel importante en diferenciar los
estados mentales de estas criaturas y caracterizarlos como estados funcionales.
Esto, a su vez, permite la implementación de estos sistemas en programas y/o
máquinas para simular computacionalmente fenómenos mentales. Al hacerlo,
podemos obtener una mejor comprensión de cómo operan estos fenómenos sin
reducir o eliminar estos estados. En cambio, podemos compararlos con los
comportamientos humanos cuando se enfrentan a tareas similares. La IA participa
en un debate filosófico entre la teoría de la identidad y el funcionalismo, que se
centra en un experimento mental. El experimento imagina el descubrimiento de
vida en Marte, en concreto una población de seres conocidos como marcianos.
Estos marcianos poseen una composición fisiológica única, utilizando
células de hierro en lugar de las células de carbón que se encuentran en la Tierra.
En consecuencia, sus cerebros diferían en estructura y composición de los
humanos. Con todo, a pesar de estas diferencias, se propone que el
funcionamiento del cerebro marciano podría presentar similitudes con los
procesos cognitivos de los humanos. En otras palabras, podría haber un
40
paralelismo entre los estados mentales que experimentan los humanos y los que
experimentan los marcianos, lo que nos permite identificar y etiquetar estados
mentales como "Dolor" en el cerebro marciano en función de sus relaciones con
otros estados mentales y las manifestaciones conductuales posteriores.
Una de las principales críticas a la Teoría de la Identidad gira en torno al
argumento de que el estado mental identificado, según esta teoría, sería
fundamentalmente distinto del estado mental experimentado por un ser humano
desde una perspectiva fisiológica. Esta crítica enfatiza el contraste entre la
composición física del estado mental identificado y la de un ser humano,
destacando la noción de que difieren en sus procesos fisiológicos subyacentes. A
pesar de esta discrepancia fisiológica, la Teoría de la Identidad sostiene que estos
estados mentales son esencialmente los mismos en términos de su funcionalidad.
Esta crítica desafía directamente la noción central de esta teoría, que afirma que
los estados mentales son meras manifestaciones de estados cerebrales.
Además, este argumento continúa afirmando que si el funcionamiento
interno de la mente en Marte fuera funcionalmente equivalente al funcionamiento
interno de la mente humana (es decir, que estuvieran vinculados a estímulos
externos, interconectados con otros estados mentales y comportamientos de la
misma manera que nuestras propias conexiones), entonces el ser marciano podría
experimentar dolor, tener deseos, creencias y miedos como un ser humano, a
pesar de las diferencias en la composición física entre los dos organismos. El
punto principal que el funcionalismo enfatiza y pretende confirmar es que lo que
verdaderamente importa para las experiencias mentales de una criatura no es la
sustancia de la que está hecha, sino la organización y estructura de los procesos
internos dentro de esa existencia mental. El concepto detrás de esta idea sugiere
que la inteligencia artificial tiene el potencial de desarrollar y crear seres que no
estén compuestos únicamente de materia orgánica humana. En otras palabras, si
podemos imaginar la existencia de formas físicas distintas a las humanas, como
un ser marciano, entonces es estimable sugerir que un dispositivo electrónico
artificial o una computadora podría tener la capacidad de poseer estados mentales,
siempre que posea un sistema interno que funcione de manera similar al nuestro.
Concisamente, el funcionalismo sugiere que es teóricamente factible que
existan seres con mentes similares a las nuestras, incluso si no poseen cerebros y
sistemas nerviosos basados en carbono. Esto plantea un desafío significativo para
la Teoría de la Identidad, puesto que implica que podría haber numerosos estados
físicos que se alineen con un solo estado mental. Esto también involucra que los
humanos podrían potencialmente diseñar y crear criaturas que posean habilidades
mentales similares a las humanas. Particularmente, el punto de vista funcionalista
41
propone que dado que un estado mental puede manifestarse en varias formas
físicas, es posible generar mentes y estados mentales artificialmente.
La IA Fuerte se basa en la idea de que la mente puede entenderse y
modelarse utilizando principios funcionalistas. Este enfoque es beneficioso
porque elimina la necesidad de comprender el intrincado funcionamiento del
cerebro y su conexión con el cuerpo humano en relación con la mente. Si bien la
mente puede depender de ciertas estructuras físicas para funcionar, estos detalles
no son cruciales para comprender sus procesos fundamentales. Al separar la
mente del cuerpo, la IA fuerte puede enfocarse principalmente en comprender
cómo nuestras experiencias psicológicas pueden explicarse en términos del
funcionamiento de la computadora, lo que se logra al descomponer sus
operaciones en componentes recursivos.
Desde esta perspectiva, el cerebro puede compararse con una computadora
digital, potencialmente incluso con una Máquina Universal de Turing, al igual que
una computadora, el cerebro ejecuta algoritmos a través de la implementación de
programas. En esencia, lo que comúnmente llamamos mente es básicamente un
programa o una colección de programas. Estos programas son responsables de
procesar la información y emplean componentes muy básicos y reglas de
transformación sencillas para realizar tareas específicas. Cabe destacar que estas
tareas pueden llevarse a cabo sin necesidad de ningún elemento o mecanismo
adicional. En resumen, la I.A Fuerte postula que la mente opera como un
dispositivo funcional dentro de un entorno cambiante.
Recibe entradas del entorno, que alteran sus estados internos, lo que lleva
a resultados de comportamiento observables. Este proceso se basa en la
manipulación de representaciones, específicamente símbolos y puede compararse
con el funcionamiento de una computadora digital. La mente, desde esta
representación, puede entenderse como un programa o un conjunto de programas
que utilizan componentes básicos y reglas de transformación para lograr tareas
específicas, todo ello sin necesidad de componentes adicionales. Ampliando las
ideas discutidas en secciones anteriores y como resumen de esta sección, la IA
fuerte afirma que la mente puede verse como un mecanismo funcional que opera
dentro de un entorno en constante cambio. Este entorno proporciona
constantemente entradas al mecanismo mental, que a su vez altera sus estados
internos. Estos cambios en los estados internos se reflejan luego en la salida
conductual de la mente.
Este proceso dinámico ocurre porque el mecanismo mental funciona
mediante la manipulación de representaciones derivadas del entorno, que en los
últimos tiempos se han simplificado a la manipulación de símbolos. En relación
42
con los estados mentales habituales, como creer, desear, esperar, entre otros
aspectos, estos estados también pueden definirse en términos de su funcionalidad.
Esto significa que estos estados mentales están influenciados por varias entradas y
otros estados mentales, y su actividad puede explicarse mediante la identificación
de reglas o programas sintácticos. Descubrir estas reglas o programas es esencial
para desentrañar los misterios de la mente y comprender la inteligencia.
El campo de la Ciencia Cognitiva está dedicado a comprender las diversas
habilidades mentales que poseemos los humanos. Esto implica desentrañar los
programas subyacentes que son responsables de estas habilidades, sin centrarse
necesariamente en establecer conexiones directas entre estos programas y el
cerebro. Esto se debe a que la actividad mental se puede desarrollar utilizando
diferentes tipos de hardware. Esencialmente, la cognición se puede simplificar a la
manipulación de ceros y unos (u otros símbolos). Por lo tanto, la efectividad de un
programa para implementar habilidades cognitivas puede determinarse
observando su comportamiento, como a través de la Prueba de Turing. Esto
permite a los psicólogos medir y comparar los programas que usan las máquinas
con los que usan los humanos.
La perspectiva computacionalista sobre la mente afirma que la mente
puede compararse con una computadora digital. En otras palabras, se cree que
funciona como un dispositivo de estado finito que almacena representaciones
simbólicas y realiza operaciones sobre estos símbolos utilizando reglas
sintácticas. Según este punto de vista, los pensamientos son representaciones
mentales simbólicas, y los procesos que ocurren en la mente pueden entenderse
como secuencias causales guiadas por los atributos sintácticos de estos símbolos,
más que por su significado semántico. El enfoque funcionalista para comprender
la mente se alinea estrechamente con este punto de vista computacional. Sin
embargo, es importante señalar que existen críticas y cuestionamientos que surgen
en relación a esta perspectiva, los cuales se investigaran en la siguiente sección.
2.3 Conciencia y Funcionalismo
Hasta ahora se ha descrito la perspectiva predominante en filosofía de la
mente, que se remonta a alrededor de 1970. Si bien este punto de vista ha
proporcionado ideas y sugerencias para una nueva comprensión de la mente, junto
con un marco para la investigación, no está exento de críticas. Específicamente, el
funcionalismo tiende a pasar por alto ciertas facetas de la mente que son parte
integral de nuestra existencia cognitiva. En el siguiente análisis profundizaremos
en los conceptos empleados por el funcionalismo y posteriormente dirigiremos
nuestra crítica hacia el complejo tema de la conciencia. El argumento a favor del
43
funcionalismo se basa en la idea de que es teóricamente posible que una mente
exista en una forma física distinta del cerebro.
Sin embargo, es importante cuestionar la base de esta afirmación, si
definimos lo posible como algo que puede ser imaginado, entonces es igualmente
posible imaginar que una mente no puede existir sin un cerebro. Simplemente
imaginar una mente sin cerebro no proporciona evidencia suficiente para respaldar
la afirmación de que esto puede ocurrir en la realidad. Lo que realmente se
necesita es una forma racional de justificar las suposiciones sobre lo que es
posible o lo que puede considerarse en relación con este tema. Hasta que el
funcionalismo pueda demostrar la atención de que una mente exista fuera del
cerebro, el argumento seguirá siendo inconcluso pero no necesariamente inválido.
Otro punto de crítica gira en torno a la utilización de un criterio conductual
para medir la actividad cognitiva, específicamente en relación con el Test de
Turing como medio para verificar la replicación de los procesos cognitivos.
Plantea la pregunta de por qué la mera duplicación del comportamiento lingüístico
por parte de una máquina programada se considera evidencia convincente de su
capacidad para pensar y ser inteligente. Específicamente, ¿por qué Turing afirma
que un juez puede ser engañado por el comportamiento lingüístico de una
máquina como base suficiente para considerarla inteligente? Es concebible que
Turing esté intentando presentar un argumento epistemológico sobre cómo
determinar si una máquina posee inteligencia, que está separado del hecho real de
que la máquina es inteligente.
Es meritorio que una máquina pueda ser inteligente sin poder convencer a
un juez de su inteligencia, o incluso en ausencia de un juez que la evalúe. En otras
palabras, la inteligencia de una máquina no depende de la percepción o
convicción de un juez sobre esa cualidad. Este punto de vista surge del enfoque de
Turing sobre el Juego de la Imitación, como se discutió anteriormente. Sin
embargo, uno puede preguntarse si la mera imitación del comportamiento
humano, evaluado a través de medios conductuales, es suficiente para establecer
que una máquina realmente replica características como la inteligencia o la
conciencia. Por lo tanto, es discutible que el Juego de Imitación posee un sesgo
hacia los aspectos conductuales, lo que resulta en una evaluación disminuida de la
actividad cognitiva con respecto al comportamiento cognitivo en sí.
La afirmación anterior presenta una contradicción porque la inteligencia
no puede ser determinada únicamente por la perspectiva del observador. Esto se
debe a que la inteligencia posee una característica distinta que la diferencia de
otros fenómenos científicos. La actividad cognitiva tiene lugar dentro de la mente
de un individuo y no siempre puede traducirse total o completamente en actividad
44
conductual. Por lo tanto, intentar reducir la inteligencia solo al comportamiento
podría llevar a una conclusión errónea. Además, aunque la prueba de Turing se
usa a menudo para abordar el desafío de definir la inteligencia y el pensamiento,
no es una solución infalible. No puede probar definitivamente que una máquina
posee la característica de inteligencia. Por lo tanto, se puede deducir que la mera
replicación de un atributo mental no indica necesariamente la existencia de la
entidad que se simula, según Searle en 1980. Además, la suposición errónea del
Test de Turing es que la emulación de la inteligencia puede lograrse mediante un
mecanismo artificial que imite sus acciones.
Es inviable simplificar un método de evaluación de la inteligencia basado
únicamente en la producción de actividad mental. Los factores que contribuyen a
la inteligencia podrían existir independientemente de los individuos que la
evalúan, creando así una desconexión entre los aspectos evaluativos o
epistemológicos del comportamiento y el aspecto ontológico de la actividad
cognitiva. Esto plantea un desafío al concepto original de Turing de resolver el
problema de comprender otras mentes y eludir los debates en torno a las
definiciones de pensamiento e inteligencia. Por el contrario, el Funcionalismo
parece encontrar dificultades cuando se trata de la naturaleza de las
representaciones mentales. Según esta perspectiva, los estados mentales son
entidades puramente funcionales.
Sin embargo, los estados mentales son en realidad estados
representacionales con contenido semántico. Considere el ejemplo de jugar al
ajedrez, a medida que participa en el juego, sus pensamientos giran en torno a él,
puede darse cuenta de que sus próximos movimientos podrían resultar en la
pérdida de la reina, pero también comprende que le está tendiendo una trampa a
su oponente. A pesar de ser consciente de los riesgos, decide continuar con su
estrategia, mostrando un estallido de “coraje ajedrecístico” que no se rige por
ninguna regla explícita del juego. Esto plantea la cuestión de si el funcionalismo
pasa por alto un aspecto crucial de la cognición humana. Si usted y la
computadora difieren en cómo representan el mundo, o si su representación
involucra tanto un componente semántico (moldeado por cómo los humanos
perciben el mundo) como un componente sintáctico (dictado por las reglas del
ajedrez y varias estrategias), mientras que la computadora solo se basa en un
componente sintáctico, parece razonable concluir que el funcionalismo puede
haber descuidado una faceta esencial de los procesos cognitivos.
Por ejemplo, la computadora no podría tomar decisiones basadas en la
“valentía del ajedrez”, ya que este concepto no está definido explícitamente en las
reglas del juego. Si bien se podría argumentar que una variable de juego aleatorio
45
podría incorporarse a un programa que imita mi juego, o que la noción de
“valentía ajedrecística” puede definirse en términos de reglas y representaciones,
carecería del valor semántico que tiene dentro de mi propio marco cognitivo.
Ahora, imagine crear un programa de computadora que imite perfectamente su
estilo de juego, convirtiéndose esencialmente en una réplica funcional de sus
habilidades para jugar al ajedrez. De acuerdo con el funcionalismo, tanto tú como
la computadora exhiben los mismos estados mentales.
No obstante, ¿realmente la computadora piensa de la misma manera que
una persona cuando juega al ajedrez? Intuitivamente, se podría argumentar que la
computadora carece de una conciencia genuina, por ejemplo, del riesgo que
implica que falle la trampa de la reina. Esto se debe a que la computadora
simplemente está imitando su comportamiento y estados de representación a
través de un método fundamentalmente diferente al que emplea para percibir y
navegar por el mundo usando sus propios estados mentales. Hasta ahora, se han
examinado varios conceptos planteados por el funcionalismo con el fin de reforzar
esta teoría de la mente, que particularmente ha ganado terreno entre los
investigadores en el campo de la inteligencia artificial, ya que ofrece un marco
para crear máquinas que poseen capacidades cognitivas. A pesar que, un aspecto
importante de la cognición humana que el funcionalismo no logra explicar es la
conciencia.
En la actualidad, definiremos la conciencia como el aspecto de la actividad
cognitiva que es personal y profundamente conectado con el momento de percibir
el mundo, el funcionalismo se queda corto a la hora de explicar el fenómeno en el
que dos individuos pueden tener percepciones diferentes a la hora de apreciar un
vino, por ejemplo. dos sujetos, Luis y Pedro, que son funcionalmente idénticos en
términos de su capacidad para probar un vino, pero pueden tener experiencias
subjetivas que difieren, incluso si ambos individuos asistieron al mismo curso de
cata de vinos, recibieron evaluaciones idénticas, poseen habilidades cognitivas
normales y eligieron el mismo vino como el mejor que han probado, sus
experiencias subjetivas o cualidades de beberlo pueden variar. La comprensión
algorítmica de la mente no proporciona una explicación o predicción para este
hecho.
En otras palabras, incluso si dos personas son idénticas en términos de sus
habilidades y comportamientos, aún pueden tener experiencias y percepciones del
mundo muy diferentes. Esto se debe a que lo que puede parecer un
funcionamiento congruente a nivel superficial, en realidad puede ocultar
variaciones significativas en sus experiencias personales. Es totalmente posible
que dos personas tengan diferentes procesos cognitivos y experiencias subjetivas
46
sin que estas diferencias sean evidentes en su comportamiento o funcionalidad, es
decir si estas distintas experiencias cualitativas desempeñan un papel en la
configuración de los estados mentales y la vida mental en general, una explicación
funcionalista no logra explicar ni reconocer completamente estas diferencias.
En una línea argumental similar, Chalmers en 1996 introduce el concepto
de “qualia sensorial” y profundiza en sus complejidades, para este filósofo, los
qualia pueden definirse como las cualidades subjetivas que acompañan a nuestras
experiencias mentales. En términos más simples, cuando estamos en un estado
mental consciente, existe una experiencia distinta y personal asociada con ese
estado. Por ejemplo, considere la sensación que siente al pasar los dedos por un
tenedor afilado o el impacto emocional de escuchar una canción de heavy metal.
Estos sentimientos privados, subjetivos y personales se conocen como qualia y se
manifiestan en cada estado mental consciente que se experimenta. Chalmers
enfatiza la importancia de reconocer que cada estado consciente de la mente tiene
su propio sentimiento único y distinto.
Apelando a una perspectiva alternativa sobre el asunto, el concepto de
qualia también puede entenderse como la encarnación de un dolor insoportable o
un placer intenso. Al poseer esta naturaleza subjetiva y altamente personal, los
atributos de la experiencia sensorial no se pueden delinear o articular
objetivamente, ya que solo se pueden encontrar de primera mano, desde la propia
perspectiva de un individuo. Esto plantea un dilema epistemológico significativo
en términos de definirlos e investigarlos. En términos más simples, los qualia
sensoriales solo pueden captarse cuando uno los experimenta directamente a nivel
personal, en lugar de a través de la observación externa desde un punto de vista
objetivo. El funcionalismo tiene un problema particular cuando se trata de los
qualia sensoriales, que puede explicarse de la siguiente manera: al definir los
estados mentales principalmente en términos de sus relaciones, el funcionalismo
pasa por alto la naturaleza cualitativa inherente de estos estados. La perspectiva
funcionalista no reconoce ni proporciona una explicación de las experiencias
subjetivas asociadas con los estados mentales, ni puede definir o describir de
manera efectiva los aspectos cualitativos de estas experiencias.
Vale la pena considerar la idea de que puede haber variaciones en las
experiencias subjetivas de los individuos, que el funcionalismo no tiene en cuenta.
Dentro del ámbito de la literatura, existen varias interpretaciones del problema del
“Espectro Invertido”, inicialmente introducido por Locke en 1690. Este
argumento gira en torno al siguiente escenario: Imaginemos dos individuos, Pedro
y Pablo, que poseen condiciones físicas y psicológicas completamente normales.
Poseen la capacidad de hacer discriminaciones somatosensoriales idénticas a las
47
que haría cualquier otra persona, y ambos exhiben una completa normalidad en
términos de sus funciones corporales. Por ejemplo, pueden discernir los colores de
la misma manera, cuando se les indica a los individuos que seleccionen entre una
manzana roja y descarten la manzana verde, ambos elegirán con éxito la manzana
roja.
De manera similar, si se les indica que tomen una manzana verde y se la
lancen a su adversario, lo harán sin esfuerzo, sin embargo, es importante señalar
que sus experiencias personales difieren significativamente. El fenómeno al que
Peter se refiere como “veo rojo” es esencialmente el mismo que Paul describe
como “veo verde” y a la inversa, tiene lugar la experiencia conocida como
“experiencia invertida rojo-verde”. Si fuera posible que nuestra percepción de los
colores se invirtiera por completo, el Funcionalismo no podría explicar nuestras
experiencias subjetivas. Esto se debe a que las experiencias subjetivas están más
allá del alcance del marco funcionalista, lo que resultaría en un error al describir
nuestros estados mentales. De acuerdo con el Funcionalismo, si dos personas,
digamos Paul y Peter, ambos dicen "Veo rojo" pero sus experiencias son
diferentes, el Funcionalismo aún proporcionaría la misma descripción para las
experiencias de ambos.
Esto se debe a que el Funcionalismo cree que si un estado mental tiene la
función de ser la sensación de rojo, entonces se define como un estado de rojo, en
otras palabras, un enfoque funcionalista de los estados fenoménicos de Pedro y
Pablo sería incorrecto porque, desde una perspectiva conductual-funcional,
concluiría que ambos sujetos tienen los mismos estados cuando en realidad no los
tienen. Tanto Pedro como Pablo han llegado a comprender los conceptos de rojo y
verde a partir de sus propios encuentros individuales, subjetivos y privados. Como
resultado, se vuelve un desafío determinar si realmente tienen experiencias
distintas al considerar los aspectos funcionales y externos. En consecuencia, el
funcionalismo se queda corto en su capacidad para dilucidar estas experiencias
cualitativas.
El concepto de espectro invertido, que sugiere que los individuos pueden
percibir los colores de manera diferente, no es solo una idea teórica, sino que
también se ha observado en casos clínicos reales como el daltonismo o la “visión
pseudonormal”. Según el Funcionalismo, que define los estados mentales sin
considerar las experiencias subjetivas, el Espectro Invertido se considera
imposible. Sin embargo, considerando que el espectro invertido es tanto teórica
como clínicamente posible, es lógico cuestionar la validez del funcionalismo,
sugiriendo que puede ser falso o al menos incorrecto en este sentido, según
Churchland. Se podría argumentar en contra de que la presencia de la experiencia
48
subjetiva sea un problema para la filosofía funcionalista afirmando que la teoría
puede reconocer que diferentes individuos tienen diferentes qualia sin socavar el
hecho de que los estados mentales son fundamentalmente relacionales.
Según esta perspectiva, la explicación de los estados mentales puede
proporcionarse sin depender de los qualia. A pesar de, este contraargumento abre
la posibilidad de considerar el concepto de “Ausencia de Qualia”, en el que podría
existir un sistema idéntico a nuestro propio organismo pero carente de las
experiencias subjetivas que exhibimos, sería un error ignorar la innegable realidad
de los qualia, que son una genuina capacidad cognitiva accesible a todos nosotros.
La falta de herramientas para medir y comprender con precisión una determinada
capacidad no debe llevarnos a adoptar el reduccionismo o el eliminativismo como
únicas explicaciones. El problema de equiparar los estados mentales con los
estados neuronales es que potencialmente puede ocurrir independientemente uno
del otro.
Si bien el reduccionismo reconoce la existencia de los qualia, sugiere que
estas experiencias no son más que un tipo específico de estado mental,
denominado X. Por otro lado, el argumento sobre la inversión de rojo y verde
tiene un efecto secundario, este efecto conduce a la capacidad de criticar cualquier
método de estudio que se base únicamente en la observación externa de los
fenómenos mentales. Se podría argumentar que ningún tipo de prueba de
comportamiento podría detectar la experiencia de ver rojo como verde, ya que
estas pruebas están diseñadas para medir la capacidad de diferenciar objetos en el
mundo físico, no la capacidad de etiquetar experiencias subjetivas internas.
Entonces surge el problema de que Peter y Paul pueden tener experiencias
subjetivas del mundo completamente diferentes, pero su comportamiento
parecería idéntico, lo que socava la suposición de que los estados mentales pueden
estudiarse de manera integral utilizando únicamente enfoques objetivos basados
en el comportamiento.
2.4 Conciencia más IA
La implementación de estos modelos de conciencia se ve como un medio
para mejorar nuestra comprensión de la conciencia misma. Al aplicar con éxito
estos modelos en entornos prácticos, los investigadores pueden obtener
información valiosa sobre la naturaleza fundamental de la conciencia y sus
diversas manifestaciones. Esta aplicación práctica de los modelos de conciencia
sirve como un trampolín para desentrañar el enigma que presenta la conciencia.
Por último, el objetivo final de los investigadores en el campo de la IA, es crear
un modelo de máquina consciente que no solo replique la conciencia humana sino
que también contribuya a nuestro conocimiento científico. Este ambicioso
49
objetivo refleja la fascinación constante por la relación entre las máquinas y la
cognición, un tema que ha cautivado las mentes de los estudiosos durante siglos.
Como destaca Newell en 1980, un renombrado científico cognitivo, un
sistema físico de símbolos juega un papel fundamental en la investigación de las
complejidades de la mente humana. Esta perspectiva histórica subraya el interés
permanente en explorar la profunda conexión entre las máquinas y la cognición.
En conclusión, el renovado interés en el estudio de la conciencia desde diversas
disciplinas como la Psicología, la Filosofía y la Neurociencia refleja un
reconocimiento creciente de su importancia. Esta fascinación se ha extendido al
mundo de la IA, donde los investigadores se esfuerzan por construir modelos
integrales de conciencia, aplicar estos modelos para mejorar nuestra comprensión
y en última instancia, crear modelos de máquinas conscientes que contribuyan a
nuestro conocimiento científico.
La compleja relación entre las máquinas y la cognición ha cautivado a los
académicos durante mucho tiempo y esta perdurable curiosidad es evidente en el
rico tapiz de investigación y exploración en este campo. Además, la fascinación
por la conciencia no se ha limitado a los ámbitos de la investigación científica
tradicional, sino que también se ha extendido al campo de la inteligencia artificial.
Los investigadores en este dominio han identificado tres objetivos principales que
sustentan su investigación. En primer lugar, su objetivo es desarrollar modelos
integrales de conciencia que capturen con precisión su naturaleza esquiva. Al
construir estos modelos, los científicos esperan obtener una comprensión más
profunda del intrincado funcionamiento de la conciencia y descubrir sus misterios.
En los últimos años, ha habido un aumento significativo en el nivel de
interés en torno al estudio de la conciencia. Este interés ha surgido desde diversas
disciplinas como la Psicología, la Filosofía y las Neurociencias, reflejando un
resurgimiento en la importancia que se le da a la comprensión de este complejo
fenómeno. Los científicos están particularmente intrigados por el concepto de
conciencia, ya que está intrincadamente conectado con el cerebro, que es
ampliamente reconocido como la máquina más intrincada y sofisticada conocida
por la humanidad. La hipótesis sugiere que los humanos son sistemas de símbolos
físicos y como resultado, las mentes surgen dentro del universo físico. Este
concepto establece el marco en el que nos esforzamos por desarrollar una teoría
científica sobre la naturaleza de la mente.
Por otro lado, el concepto de incorporar una “conciencia” en máquinas
específicas está impulsado por el potencial para desarrollar máquinas más
inteligentes. Este campo de estudio, denominado “conciencia de máquina” o
conciencia de máquina, también se ha denominado “modelado de conciencia de
50
máquina – MMC” o conciencia de modelado utilizando máquinas. El objetivo
principal de los investigadores en esta área se puede resumir en un objetivo doble:
desentrañar la esencia de la conciencia fenoménica, que está asociada con lo que
el filósofo David Chalmers denominó “El difícil problema de la conciencia”, y
comprender el papel de la conciencia en la dirección comportamiento, así como su
relación con otras habilidades cognitivas como la atención y la planificación.
El trabajo en Machine Consciousness (MMC) abarca dos aspectos
interconectados, lo que lleva al desarrollo de varios criterios y programas de
investigación para diseñar máquinas conscientes. Un enfoque se centra en replicar
el comportamiento consciente, mientras que otro hace hincapié en dotar a las
máquinas de propiedades fenomenales. Reconociendo las diversas perspectivas
dentro de MMC, (Gámez, 2007) propone una definición útil para este campo
basada en los siguientes criterios.
- MC1: Máquinas que muestran un comportamiento externo asociado a la
conciencia.
- MC2: Máquinas con propiedades cognitivas vinculadas a la conciencia.
- MC3: Máquinas con una arquitectura que pretende ser la causa o
correlato de la
conciencia humana.
- MC4: Máquinas con conciencia fenomenal.
Es importante señalar que algunos programas pueden tener en cuenta
múltiples factores o criterios. Por ejemplo, hay programas diseñados para buscar
MC4, lo que se puede hacer utilizando arquitecturas basadas en operaciones
neuronales como MC3. Este sistema de clasificación ayuda a reducir el enfoque
de la investigación y la crítica cuando se argumenta que una máquina programada
no puede mostrar una conciencia fenoménica. En el contexto de esta discusión, las
críticas se referirían específicamente al trabajo realizado en MC4 y también
resaltarían la distinción entre replicar MC1 y replicar MC4. Para obtener una
comprensión más profunda de las características de los criterios utilizados en
Machine Consciousness, es trascendental explorar más a fondo cada criterio.
En primer lugar, en el contexto de MC1, se hace una distinción entre
comportamientos observables conscientes y aquellos que no requieren conciencia,
como las contracciones musculares durante el salto o actividades automatizadas
como atarse los cordones de los zapatos. Sin embargo, una parte importante de
nuestro comportamiento está estrechamente relacionada con nuestra conciencia,
en particular las tareas complejas que exigen nuestra atención y dependen de
nuestra percepción, como tomar notas en una clase. Esta diferenciación entre los
51
dos tipos de comportamiento sirve para resaltar que MC1 tiene como objetivo
replicar la última categoría de actividades. Sin embargo, es importante aclarar
que, si bien los comportamientos que se replican pueden requerir una conciencia
fenoménica en la mente humana, este aspecto no es de interés en MC1. La
atención se centra en la creación de máquinas que puedan realizar tareas sin
ninguna experiencia subjetiva, funcionando esencialmente como robots zombis.
En consecuencia, el criterio para atribuir conciencia en MC1 se limita únicamente
al comportamiento observable de la máquina. En otras palabras, el Test de Turing
se considera una medida suficiente para determinar si una máquina posee o no
conciencia.
MC2, también conocido como máquinas que poseen atributos cognitivos
relacionados con la conciencia, se refiere al campo que tiene como objetivo
explorar los vínculos entre la conciencia y varios fenómenos cognitivos,
incluidos, entre otros, la imaginación, la creatividad y el aprendizaje. Este tipo
particular de investigación está menos interesado en incorporar la conciencia
fenoménica (MC4) en su implementación. Se centra en simular emociones como
el miedo o la creatividad en una máquina, sin necesidad de presencia
fenomenológica real. Si bien algunas investigaciones tienen como objetivo
modelar las facultades cognitivas de manera realista (MC1) o utilizando
arquitecturas asociadas a la conciencia (MC3), también es posible concebirlo sin
involucrar estas áreas. Un ejemplo de esto se ve en programas que carecen de un
comportamiento observable basado en algoritmos simples. Existe un área de
investigación popular, relacionada con MC2, conocida como "Sistemas Expertos",
que involucra aplicaciones informáticas capaces de resolver problemas que
requieren conocimientos especializados en temas específicos. Estos sistemas
contienen información recopilada de uno o más expertos en un campo en
particular. Este ejemplo ilustra cómo es posible replicar una capacidad específica,
como generar predicciones o brindar soluciones a problemas, sin depender de
ninguna de las otras tres áreas.
MC3 pertenece a la investigación realizada sobre las arquitecturas que se
encargan de generar actividad consciente, surge como un esfuerzo por desarrollar
modelos y probar hipótesis sobre este fenómeno. Una de las teorías exploradas en
este campo se basa en una arquitectura conocida como “espacio de trabajo global”
propuesta por Baars en 1993. Esta teoría sugiere que existe un espacio donde la
conciencia y otros aspectos de la actividad mental pueden acceder e intercambiar
información. En términos de su alcance, MC3 comparte puntos en común con
MC1 y MC2 cuando se trata de replicar características cognitivas y de
52
comportamiento. Sin embargo, también se puede conectar con MC4 si se
reconoce el potencial de una arquitectura específica para dar lugar a estados de
conciencia extraordinarios.
Pasando a MC4, que resulta ser el área más controvertida, esto se debe a
que MC1, MC2 y MC3 están todos conectados a lo que Block llama conciencia
A, y no tienen como objetivo crear u otorgar estados fenoménicos a una máquina,
por otro lado, MC4 plantea cuestiones filosóficas concretas, ya que implica dar
experiencias fenomenales reales a una máquina. Al basarse en la distinción entre
“Inteligencia artificial fuerte” e “Inteligencia artificial débil”, uno podría asociar
el trabajo en MC4 con el primero, mientras que el trabajo en MC1, MC2 y MC3
cae dentro de la última categoría. En otras palabras, la investigación realizada en
MC1-MC3 se centra en un enfoque objetivo y funcional para comprender la
conciencia, específicamente la conciencia A, mientras que MC4 aborda
directamente la conciencia P.
Esto hace que MC4 sea único, puesto que es la única área que pretende
tratar directamente con la experiencia cualitativa en las máquinas. Ahora, es
importante considerar que el hecho de que una máquina pueda simular una
arquitectura “consciente” no significa que sea realmente consciente. La relación
entre MC4 y otras áreas de investigación es bastante compleja y multifacética.
Puede estar intrincadamente conectado a un marco arquitectónico particular o
estar vinculado a comportamientos y fenómenos cognitivos específicos asociados
con la conciencia. Simultáneamente, se puede explorar dentro de varios sistemas
que se inspiran en concepciones alternativas de la mente, como la cognición
encarnada o la cognición situada, lo que destaca la necesidad de que los
investigadores en MC4 tengan bases teóricas sólidas. Estos investigadores se
esfuerzan por desarrollar máquinas que puedan experimentar emociones
genuinamente.
Al explorar el ámbito de las máquinas con conciencia, es importante
considerar qué factores contribuyen a que una máquina tenga conciencia. La
respuesta a esta pregunta diferirá según el tipo de arquitectura empleada, ya sea la
arquitectura clásica o la conexionista. Según el paradigma clásico, una máquina
puede mostrar procesos cognitivos si sus estados mentales son representaciones
simbólicas del mundo y los algoritmos que emplea representan explícitamente los
cálculos que realiza. Por otro lado, el paradigma conexionista pone énfasis en los
mecanismos que generan estas representaciones utilizando modelos no
simbólicos. Sin embargo, la tarea de determinar los factores que contribuyen a
que una máquina tenga experiencias extraordinarias permite una distinción más
53
precisa entre cuándo una máquina realmente posee estas experiencias y cuándo
no.
En el ámbito de la investigación, la generación actual de robots diseñados
para la interacción humana ha demostrado resultados encomiables en términos de
operación mecánica y control de movimiento. Pero, estos robots sufren
limitaciones en la percepción, la capacidad de razonamiento y la adaptación a
entornos no estructurados o dinámicos. Como destacan Chella y Manzotti 2007,
carecen de la capacidad para comprender y responder efectivamente a su entorno,
en consecuencia, una nueva generación de robots que tienen como objetivo
interactuar con humanos en entornos diversos y en constante cambio necesita una
capacidad mejorada para percibir y comprender el entorno, incluidos sus eventos
y objetos. Hay dos razones principales para este interés.
En primer lugar, profundizar en A.I. la investigación ayudaría a dilucidar
el concepto de “lo que se siente al estar consciente” y cómo esta comprensión
puede mejorar el rendimiento de una máquina en tareas inteligentes. El campo de
la IA, postula que todo lo que se puede sintetizar se puede construir, si esta
construcción logra impartir conciencia, incluso hasta cierto punto, a una máquina,
sería lógico reconocer la posibilidad de que la máquina posea conciencia.
Además, es muy probable que la presencia de la conciencia, hasta cierto punto, se
manifieste en cambios o mejoras de comportamiento, lo que en última instancia
conducirá a la creación de máquinas con un rendimiento superior en comparación
con las que no tienen conciencia.
Al mismo tiempo, la IA tradicional, los enfoques se enfrentan a numerosos
desafíos cuando se trata de crear máquinas conscientes. Estos enfoques han
operado durante mucho tiempo bajo el supuesto de que un algoritmo bien
diseñado es todo lo que se necesita para replicar la actividad inteligente. Sin
embargo, las complejidades del sistema nervioso humano plantean importantes
obstáculos en este esfuerzo. Para concluir, el campo de la inteligencia artificial ha
eludido en gran medida la cuestión de la conciencia desde sus orígenes con el
innovador trabajo de Alan Turing. Sin embargo, en los últimos años, ha habido un
interés renovado en explorar este aspecto elusivo de la cognición humana.
Académicos de varias disciplinas han argumentado que la conciencia juega un
papel crucial en el comportamiento inteligente y en varios otros procesos
cognitivos y sociales.
La intrincada interacción entre el funcionamiento del cerebro humano, el
cuerpo físico y el entorno circundante es lo que da lugar a la conciencia. Esta
conciencia, que abarca tanto la conciencia A (conciencia de los estímulos
externos) como la conciencia P (experiencia subjetiva), nos permite percibirnos a
54
nosotros mismos como individuos que se encuentran con diversos eventos y
situaciones. Además, desempeña un papel crucial en la mejora de nuestras
capacidades cognitivas, comúnmente denominada actividad inteligente, que
ningún algoritmo puede dilucidar o replicar por completo. En consecuencia, se
vuelve pertinente explorar la plausibilidad de máquinas, programadas únicamente
en base a algoritmos, que posean el mismo nivel de conciencia subjetiva
profunda.
55
Capítulo III
Hacia un Futuro en el que Aprendizaje no solo es Convencional,
sino también Inteligente y Eficiente
Examinar la inteligencia artificial de manera integral nos permite
profundizar en su verdadera esencia y establecer una comprensión más precisa e
intrincada de esta notable tecnología. Esta exploración implica analizar las
perspectivas de varios autores y realizar una extensa investigación mundial para
desentrañar sus complejidades. En la era actual, la tecnología se ha convertido en
un aspecto integral de la vida cotidiana de las personas, impregnando varios
dominios, como las interacciones sociales, las prácticas culturales, la atención
médica, el empleo, las operaciones comerciales y en particular, la educación. Su
presencia en el panorama educativo ha revolucionado el proceso de aprendizaje y
las funcionalidades administrativas. Sin duda, la inteligencia artificial se destaca
como uno de los avances más notables de la historia reciente, y su impacto se
siente en múltiples sectores, incluida la educación.
Este aumento tecnológico sin precedentes ha allanado el camino para el
desarrollo de sofisticados programas de inteligencia artificial que tienen como
objetivo simplificar las responsabilidades humanas. En consecuencia, los
creadores de sistemas de IA ahora tienen una gran cantidad de recursos a su
disposición, lo que les permite abordar tareas diarias complejas con facilidad e
innovar de formas nunca antes imaginadas. El rápido avance de la tecnología ha
beneficiado enormemente la aparición de sofisticados programas de software que
tienen como objetivo optimizar las tareas humanas. Como resultado, este progreso
ha estimulado el desarrollo de la inteligencia artificial, lo que permite a los
creadores proporcionar una amplia gama de herramientas para simplificar tareas
complejas y repetitivas y en última instancia, mejorar los procesos de una manera
inventiva e ingeniosa.
Con los continuos avances tecnológicos, la inteligencia artificial se ha
vuelto cada vez más importante para mejorar la educación y el aprendizaje en
varios niveles. Es importante mantenerse informado sobre estas innovaciones
revolucionarias y comprender su impacto potencial en el futuro de la educación.
Por ejemplo, McCarthy, Minsky, Nathaniel Rochester y Shannon en 1956
introdujeron el concepto de inteligencia artificial como “la capacidad de las
máquinas para ejecutar tareas que normalmente requieren inteligencia humana”.
Esta definición, propuesta hace más de medio siglo por un proyecto de
investigación en Dartmouth College, sigue siendo la forma más antigua de
56
inteligencia artificial. Se centra específicamente en la capacidad de las máquinas
para realizar tareas que normalmente requerirían inteligencia humana. A pesar de
su antigüedad, esta definición amplia y global ha resistido la prueba del tiempo y
sigue siendo notable en la actualidad.
La IA no solo tiene la capacidad de realizar tareas que requieren
inteligencia humana, sino que también facilita el aprendizaje, Esto significa que la
IA puede ayudar en varias áreas, incluida la educación. Por ejemplo, existen
desarrollos continuos de herramientas como chatbots educativos, tutores virtuales
y plataformas de aprendizaje personalizado, cuyo objetivo es mejorar la
experiencia de enseñanza y aprendizaje. Estos avances en IA tienen el potencial
de revolucionar la forma en que se brinda y personaliza la educación para las
personas.
Además, la notable capacidad de utilizar algoritmos de aprendizaje
automático está presente en esta tecnología, lo que permite el análisis de grandes
cantidades de información y personaliza el proceso de aprendizaje para cada
estudiante individual. De manera similar, el concepto de inteligencia artificial
opera según el principio del aprendizaje automático, donde las máquinas
adquieren conocimiento a partir de datos, encuentros previos y emplean técnicas
de procesamiento de datos para manejar grandes cantidades de información. Es
imperativo contemplar la definición de inteligencia artificial destacada por
Yudkowski en 2013, quien postula que es el campo dedicado a comprender cómo
las computadoras pueden realizar tareas en las que los humanos actualmente
sobresalen. En esta definición, enfatiza la importancia de la simplicidad en el uso
y el potencial para mejorar la eficiencia y la precisión en la ejecución de una
amplia gama de tareas.
Por el contrario, la definición proporcionada por Russell y Norvig en 2010
presenta una perspectiva única sobre la inteligencia artificial, destacando su papel
como una disciplina distinta dentro de la informática. Según su definición, la IA
engloba el desarrollo de sistemas avanzados capaces de emular la inteligencia
humana en diversas tareas complejas. Estas tareas, que normalmente requieren
habilidades cognitivas humanas, van desde el reconocimiento de voz hasta la
toma de decisiones y los procesos de resolución de problemas. Al encapsular estas
capacidades, la IA busca cerrar la brecha entre las máquinas y la inteligencia
similar a la humana, revolucionando la forma en que interactuamos con la
tecnología. Al profundizar en las complejidades de la IA, los investigadores y los
profesionales buscan desbloquear todo el potencial de estos sistemas, allanando el
camino para avances innovadores en numerosos campos.
57
En esencia, la definición de Russell y Norvig no solo arroja luz sobre el
amplio alcance de la IA, sino que también enfatiza su profundo impacto en
nuestra sociedad, ya que se esfuerza continuamente por ampliar los límites de lo
que las máquinas pueden lograr. Estas diversas explicaciones destacan facetas
contrastantes de la inteligencia artificial, pero todas convergen en la noción de que
la IA es una tecnología notable capaz de adquirir conocimiento, ajustar su
comportamiento y resolver problemas complejos de forma independiente, todas
estas afirmaciones subrayan la importancia del aprendizaje automático y la
recepción de información para construir sistemas de IA que sean cada vez más
sofisticados y beneficiosos. En el campo de la educación, la inteligencia artificial
juega un papel crucial en el examen de la información de los estudiantes y en la
adaptación de la experiencia de aprendizaje para satisfacer los requisitos únicos de
cada estudiante. Al ofrecer sugerencias personalizadas como recursos
recomendados y tácticas de aprendizaje efectivas, la IA permite a los estudiantes
recibir una educación que se alinea perfectamente con sus fortalezas y debilidades
individuales. Como resultado, su aprendizaje se optimiza, lo que conduce a
mejores logros académicos y éxito general.
La aplicación de la inteligencia artificial en la educación va más allá de la
simple identificación de patrones en el rendimiento académico, también abarca el
desarrollo de sistemas de aprendizaje inteligentes que se adaptan a las necesidades
individuales de los estudiantes y facilitan experiencias de aprendizaje
personalizadas. Un ejemplo de esto es la utilización de sistemas de tutoría
inteligentes, que no solo evalúan el progreso de los estudiantes, sino que también
ofrecen comentarios instantáneos y personalizados para mejorar su comprensión,
estos sistemas tienen la capacidad de construir entornos de aprendizaje virtuales y
simulados, lo que permite a los estudiantes sumergirse en escenarios de la vida
real y adquirir habilidades prácticas sin ningún riesgo.
La inteligencia artificial ha revolucionado significativamente la gestión y
administración universitaria en varios aspectos. Un área notable donde su impacto
es evidente es la automatización de tareas administrativas, que incluye la gestión
de horarios y registro de estudiantes. Al implementar tecnologías de IA en estas
áreas, la carga de trabajo del personal administrativo se reduce considerablemente,
lo que les permite dedicar más tiempo y esfuerzo a actividades más productivas.
En consecuencia, este avance en IA mejora la calidad general de la educación
universitaria en múltiples dimensiones, lo que afecta la forma en que se imparte,
adquiere y aborda la educación. La inteligencia artificial ha provocado una
transformación revolucionaria en el mundo al agilizar y simplificar varias tareas,
revolucionando los procesos educativos y proporcionando una gran variedad de
recursos que infunden innovación y creatividad en la enseñanza en el aula. Como
58
resultado, el papel de los docentes en las instituciones educativas ha sufrido un
cambio notable, reconociendo la imparable y generalizada utilización de la
inteligencia artificial.
3.1 IA para Educación Especial
Esta sección tiene como objetivo profundizar en los diversos recursos de
inteligencia artificial que se están empleando actualmente para ayudar a los
estudiantes con discapacidades. Estos recursos abarcan sistemas de lectura y
escritura de voz, programas de traducción de idiomas en tiempo real y
dispositivos de asistencia para la movilidad, por otro lado se destacan los posibles
obstáculos y temores que pueden surgir al utilizar la inteligencia artificial en el
contexto de los estudiantes con necesidades educativas especiales. La inteligencia
artificial se utiliza cada vez más en el ámbito de la educación especial, donde
sirve para ayudar a los estudiantes con necesidades educativas especiales (NEE) a
superar sus desafíos únicos y lograr una educación de alta calidad. Esta tecnología
ofrece soporte personalizado que se adapta específicamente a los requisitos
individuales de estos estudiantes, asegurando que su experiencia educativa se
adapte a sus distintas necesidades.
Los sistemas de aprendizaje inteligente tienen una amplia gama de
aplicaciones en diversas industrias. En el campo de la atención médica, en
particular estos sistemas se pueden usar para el diagnóstico médico, la
planificación del tratamiento y el descubrimiento de fármacos. En la educación,
los sistemas de aprendizaje inteligente pueden personalizar y mejorar la
experiencia de aprendizaje al proporcionar contenido y comentarios
personalizados a los estudiantes. En el sector financiero, estos sistemas pueden
ayudar con la detección de fraudes, la evaluación de riesgos y las
recomendaciones de inversión. Los usos potenciales de los sistemas de
aprendizaje inteligente son amplios y continúan expandiéndose a medida que
avanza la tecnología.
Además, los sistemas de aprendizaje inteligente poseen la capacidad de
aprender y evolucionar continuamente en función de sus experiencias. Mediante
el uso de algoritmos de aprendizaje automático, estos sistemas pueden identificar
patrones, correlaciones y tendencias dentro de los datos que han recopilado. Esto
les permite hacer predicciones precisas, reconocer anomalías y adaptar su
comportamiento en consecuencia. A medida que estos sistemas continúan
aprendiendo de nuevos datos y comentarios, su rendimiento mejora, haciéndolos
más eficientes y competentes en sus tareas. Los sistemas de aprendizaje
inteligente se refieren a soluciones tecnológicas avanzadas que tienen la capacidad
59
de aprender y adquirir conocimientos de forma autónoma, sin programación
explícita.
Estos sistemas están diseñados para imitar la inteligencia humana y las
habilidades cognitivas, lo que les permite comprender, procesar y analizar
información compleja de manera similar a los humanos. Al aprovechar los
algoritmos de aprendizaje automático y las técnicas de inteligencia artificial, los
sistemas de aprendizaje inteligente pueden adaptarse y mejorar su rendimiento
con el tiempo, lo que los convierte en herramientas altamente efectivas para
diversas aplicaciones. En conclusión, los sistemas de aprendizaje inteligente son
soluciones tecnológicas de vanguardia que tienen la capacidad de aprender y
adquirir conocimientos de forma autónoma. Con sus algoritmos avanzados y
técnicas de inteligencia artificial, estos sistemas pueden recopilar, analizar e
interpretar datos de varias fuentes, aprender y evolucionar continuamente, y tomar
decisiones y predicciones informadas.
Un aspecto clave de los sistemas de aprendizaje inteligente es su capacidad
para recopilar e interpretar datos de varias fuentes. Estos sistemas están equipados
con sensores, herramientas de recopilación de datos y algoritmos sofisticados que
les permiten recopilar y analizar grandes cantidades de información de diversas
fuentes, como documentos de texto, imágenes, videos e incluso datos en tiempo
real de sensores y dispositivos IoT. Luego, estos datos se procesan y transforman
en información significativa, lo que permite que el sistema tome decisiones y
predicciones informadas. Sin embargo, como con cualquier tecnología avanzada,
existen desafíos y consideraciones asociadas con el desarrollo y la
implementación de sistemas de aprendizaje inteligentes. Las preocupaciones
éticas y de privacidad surgen cuando se manejan grandes cantidades de datos
personales, y es crucial garantizar la transparencia y la equidad de los procesos de
toma de decisiones de estos sistemas. Conjuntamente, existe la necesidad de
investigación y desarrollo continuos para mejorar la interpretabilidad, la
explicabilidad y la rendición de cuentas de los sistemas de aprendizaje
inteligentes.
Estos sistemas avanzados utilizan el poder de la inteligencia artificial para
ofrecer a los estudiantes con requisitos educativos especiales una
retroalimentación altamente personalizada e individualizada que se adapta a sus
necesidades de aprendizaje únicas. Un ejemplo notable es su capacidad para
ofrecer explicaciones complementarias y proporcionar instancias específicas para
ayudar a los estudiantes a comprender conceptos complejos de manera más
efectiva. Al mismo tiempo, cuando se trata de convertir palabras habladas en texto
60
escrito, entran en juego numerosas herramientas de IA como Google Speech-to-
Text, Amazon Transcribe y Microsoft Azure Speech Services.
El sistema de reconocimiento de voz dependiente del hablante e
independiente requieren que los usuarios entrenen el sistema para que reconozca
sus patrones de voz específicos y características del habla. Esto implica
pronunciar palabras o frases específicas en el sistema varias veces para crear un
modelo de voz personalizado. Los sistemas independientes de los altavoces, por
otro lado, no requieren ningún entrenamiento y pueden reconocer la voz de
cualquier usuario desde el primer momento. Los sistemas de reconocimiento de
voz tienen una amplia gama de aplicaciones en diversas industrias. En el sector
sanitario, se pueden utilizar para transcribir dictados médicos o ayudar en tareas
de documentación, lo que permite a los profesionales sanitarios centrarse más en
la atención al paciente.
En la industria automotriz, los sistemas de reconocimiento de voz se
pueden integrar en los vehículos para controlar varias funciones, como hacer
llamadas telefónicas, cambiar la música o ajustar la configuración del clima,
brindando una experiencia de conducción más segura y conveniente. Uno de los
componentes principales de un sistema de reconocimiento de voz es el software
de reconocimiento de voz. Este software utiliza algoritmos y modelos para
analizar y procesar las señales de audio entrantes. Descompone el discurso en
unidades más pequeñas, como fonemas o palabras, y las compara con una base de
datos de palabras o patrones conocidos. Al hacer coincidir la entrada con la base
de datos, el sistema puede determinar las palabras o los comandos más probables
que se pronuncian.
Un sistema de reconocimiento de voz Está diseñado para permitir que los
usuarios interactúen con dispositivos, como teléfonos inteligentes o
computadoras, sin necesidad de una entrada manual. Esta tecnología ha logrado
avances significativos en los últimos años, lo que permite capacidades de
reconocimiento de voz más precisas y eficientes. A pesar de los avances en la
tecnología de reconocimiento de voz, aún existen algunos desafíos y limitaciones
que deben abordarse. Los acentos, el ruido de fondo y los trastornos del habla
pueden afectar la precisión de los sistemas de reconocimiento de voz. Además,
surgen problemas de privacidad a medida que se recopilan y almacenan datos de
voz, lo que genera dudas sobre la seguridad de los datos y el posible uso indebido.
En general, los sistemas de reconocimiento de voz han revolucionado la
forma en que interactuamos con la tecnología. Con su capacidad para comprender
e interpretar el lenguaje hablado, han mejorado la eficiencia, la comodidad y la
accesibilidad en diversas industrias. A pesar de que, se necesitan más avances y
61
mejoras para superar los desafíos y garantizar la precisión y privacidad de estos
sistemas. Este sistema de tecnología en particular sirve como una herramienta
valiosa para los estudiantes que tienen requisitos educativos visuales, ya que les
permite interactuar con la tecnología únicamente a través de su voz, pueden
utilizar software de reconocimiento de voz para proporcionar respuestas verbales
a consultas o realizar búsquedas en línea.
Una de las principales ventajas de los sistemas de aprendizaje adaptativo
es su capacidad para proporcionar contenido e instrucción personalizados para
satisfacer las necesidades específicas de cada estudiante. En lugar de seguir un
enfoque único para todos, estos sistemas pueden ajustar el nivel de dificultad, el
ritmo y el estilo de instrucción para que coincidan con los requisitos únicos de
cada alumno. Esto no solo mejora la eficacia del proceso de aprendizaje, sino que
también aumenta el compromiso y la motivación de los estudiantes. Otra ventaja
significativa de los sistemas de aprendizaje adaptativo es su capacidad para
proporcionar retroalimentación inmediata y específica a los estudiantes. A través
de evaluaciones continuas y monitoreo en tiempo real, estos sistemas pueden
identificar conceptos erróneos, errores y áreas de dificultad para los estudiantes.
Luego pueden proporcionar comentarios instantáneos, explicaciones
correctivas y recursos adicionales para ayudar a los estudiantes a superar sus
desafíos y profundizar su comprensión del tema. También de beneficiar a los
estudiantes, los sistemas de aprendizaje adaptativo también brindan ventajas a los
maestros y educadores. Estos sistemas generan informes y análisis detallados
sobre el progreso, el rendimiento y las áreas de mejora de los estudiantes. Esta
información puede ser utilizada por los maestros para realizar un seguimiento del
progreso individual y de toda la clase, identificar áreas que requieren apoyo
adicional y tomar decisiones de instrucción basadas en datos. Al aprovechar estos
conocimientos, los maestros pueden adaptar mejor sus estrategias de enseñanza
para satisfacer las diversas necesidades de sus alumnos.
Los sistemas de aprendizaje adaptativo también ofrecen oportunidades
para que los estudiantes aprendan a su propio ritmo. Los estudiantes pueden
avanzar a través del material a una velocidad que les resulte cómoda, lo que les
permite dedicar más tiempo a temas desafiantes mientras avanzan rápidamente a
través de conceptos que ya dominan. Esta flexibilidad promueve un sentido de
autonomía y empodera a los estudiantes para que se apropien de su viaje de
aprendizaje. Los Sistemas de Aprendizaje Adaptativo se refieren a tecnologías
educativas que están diseñadas para adaptarse a las necesidades individuales y
estilos de aprendizaje de los estudiantes. Estos sistemas utilizan algoritmos
avanzados y análisis de datos para recopilar información sobre las fortalezas,
62
debilidades y preferencias de cada estudiante, lo que permite una instrucción y
experiencias de aprendizaje personalizadas.
Los sistemas de aprendizaje adaptativo emplean varias técnicas para
recopilar datos sobre los estudiantes, incluidas evaluaciones, cuestionarios y
monitoreo de sus interacciones con los materiales de aprendizaje. Luego, estos
datos se analizan para identificar patrones, tendencias y áreas de mejora. Con base
en este análisis, el sistema puede tomar decisiones informadas sobre las
estrategias y el contenido de instrucción más apropiados para entregar a cada
estudiante individual. Estos sistemas emplean algoritmos de inteligencia artificial
para personalizar el material educativo de acuerdo con los requisitos y
capacidades únicos de cada estudiante. Para ilustrar, un estudiante que requiere
asistencia adicional en ciertas materias puede recibir ejercicios y actividades
específicas para mejorar su competencia en esas áreas. Los sistemas de
aprendizaje adaptativo aprovechan el poder de la inteligencia artificial y los
algoritmos de aprendizaje automático para personalizar el contenido educativo
para que coincida con el nivel de conocimiento y habilidad individual de cada
alumno. Ejemplos destacados de estas herramientas innovadoras incluyen
Knewton, Dreambox y Smart Sparrow.
Un tipo de sistema de lectura asistida es el uso de plataformas digitales o
software. Estos programas suelen incluir funciones como la función de conversión
de texto a voz, que lee el texto en voz alta al usuario. Esto puede ser
especialmente útil para las personas con discapacidades visuales o aquellas que
tienen dificultades para descifrar palabras escritas, algunos programas pueden
ofrecer funciones interactivas como resaltar o tomar notas, lo que permite a los
usuarios interactuar con el texto de una manera más inmersiva. Los sistemas de
lectura asistida también pueden implicar el uso de profesionales o tutores
capacitados. Estas personas pueden brindar orientación y apoyo personalizados
para ayudar a las personas a desarrollar sus habilidades de lectura. Pueden usar
varias estrategias, como instrucción fonética, reconocimiento de palabras a la
vista o estrategias de comprensión, para abordar necesidades y desafíos
específicos. Los sistemas de lectura asistida se refieren a herramientas o ayudas
que ayudan a las personas a mejorar sus habilidades de lectura y comprensión.
Estos sistemas están diseñados para brindar apoyo y orientación,
especialmente para aquellos que pueden tener dificultades con la lectura debido a
problemas de aprendizaje, barreras del idioma u otros desafíos. Otra forma de
sistema de lectura asistida es el uso de materiales de lectura especializados. Estos
materiales pueden incluir textos simplificados o adaptados, que están diseñados
para ser más accesibles a los lectores con dificultades. Pueden presentar oraciones
63
más cortas, tamaños de fuente más grandes o más ayudas visuales para apoyar la
comprensión. Además, algunos materiales pueden incorporar grabaciones de
audio o preguntas guiadas para mejorar aún más la comprensión. En general, los
sistemas de lectura asistida juegan un papel crucial en la promoción de la
alfabetización y ayudan a las personas a superar las barreras a la lectura. Al
brindar apoyo y recursos personalizados, estos sistemas capacitan a las personas
para mejorar sus habilidades de lectura, generar confianza y, en última instancia,
tener éxito en sus actividades académicas y personales.
Estos sistemas utilizan tecnología avanzada de síntesis de voz para
transformar el texto escrito en formato de audio, brindando una ayuda invaluable
a los estudiantes que tienen necesidades educativas específicas relacionadas con
impedimentos visuales o dificultades con la lectura. Para ilustrar, un estudiante
que lucha contra la dislexia puede emplear un software especializado que facilite
la lectura permitiéndole simplemente escuchar los textos que se leen en voz alta.
La utilización de tecnología de síntesis de voz en estos sistemas implica la
integración de modelos de reconocimiento de texto y síntesis de voz. Varias
herramientas de IA como Amazon Polly, Google Cloud Text-to-Speech y
Microsoft Azure Text-to-Speech se emplean comúnmente para lograr este
objetivo.
La interacción humano-computadora permiten interacciones más naturales
e intuitivas entre humanos y máquinas, lo que permite interfaces personalizadas y
adaptables. Por ejemplo, un sistema de reconocimiento de expresiones faciales
podría detectar signos de frustración o confusión en un usuario y ajustar la
interfaz o brindar asistencia adicional en consecuencia. Esto puede mejorar la
experiencia del usuario y la eficiencia en varios dominios, como la realidad
virtual, los juegos y las tecnologías de asistencia. Uno de los principales desafíos
en el desarrollo de sistemas de reconocimiento de expresiones faciales radica en la
variabilidad y complejidad de las expresiones faciales humanas.
Cada individuo tiene características y expresiones faciales únicas, lo que
dificulta la creación