Javier Simonpietri Magíster en Estudios Cognitivos

Filosofía de la Ciencia Cognitiva Prof. Guido Vallejos

El significado como significado Es asombroso el entendimiento humano. Ciertamente, cuando nos comunicamos no siempre nos entendemos, pero el hecho que sigamos intentando es prueba de la impresionante capacidad comunicativa que caracteriza al humano. Tradicionalmente, el entendimiento, aquella facultad de comprender significados mediante símbolos, ha sido sujeto casi exclusivamente de la curiosidad filosófica; sin embargo, desde mediados del siglo pasado, éste comenzó a ser sujeto, aunque periférico, de una nueva ciencia, la Ciencia Cognitiva. La razón de esto, a grandes rasgos, es que cómo se concibe que algunos símbolos transmitan algún significado es un tema propio de una teoría de la mente. En lo que sigue argumentaré que nuestra visión de lo que son los conceptos y de cómo éstos tienen significado se sigue de la teoría de la mente que se haya adoptado explícita o implícitamente. En función de lo anterior, valdrá contrastar lo que son los conceptos en una arquitectura cognitiva clásica con sus equivalentes en una arquitectura conexionista. El objetivo de estas incursiones será, en última instancia, responder a una sola pregunta—¿quiénes deben hacer semántica?

El Procesamiento de Representaciones Mentales Tanto los partidarios de la arquitectura cognitiva clásica como la inmensa mayoría de los que sostienen que la arquitectura conexionista es la correcta son representacionistas, por tanto creen que la mente articula y manipula representaciones mentales. Aunque sobre este punto existe un fuerte acuerdo, las concepciones difieren en cómo se cree que existen tales representaciones mentales y en cómo se cree que tales representaciones son manipuladas. Este hecho se sigue de cómo se concibe la mente.

La Tabla 1 muestra, a grandes rasgos, las

diferencias centrales para nuestros propósitos entre las arquitecturas cognitivas clásicas y las conexionistas.

Arquitectura Cognitiva Clásica

Arquitectura Conexionista

Está compuesta por módulos encapsulados que son relativamente independientes los unos de los otros en conjunto con algún tipo de ejecutivo central

Está compuesta por módulos neurológicos altamente conectados los unos con los otros

Módulo

Manipula lógicamente representaciones mentales explícitas en virtud de su sintaxis

Manipula estadísticamente representaciones mentales implícitas en virtud de sus valores de transmisión o activación

Representación Mental

Es un conjunto de símbolos amodales y quasilinguísticos

Es un patrón modal de activación distribuido dentro de una red

Mente

Tabla 1. Diferencias entre cómo la arquitectura cognitiva clásica y la conexionista concibe las nociones de mente, módulo y representación mental.

Los partidarios de ambas arquitecturas conciben que las partes de una representación mental son conceptos. Aún así, existe una diferencia inconmensurable en cuanto a cómo se conciben tales conceptos, diferencia que se sigue de las concepciones divergentes en cuanto a la mente y sus representaciones mentales. Jesse Prinz (2006) nos advierte de las diferencias en la noción de módulo que tienen los filósofos, psicólogos, lingüistas y programadores y la que sostienen los neurólogos. Ambos bandos creen que la arquitectura cognitiva humana es modular; sin embargo, mientras que los filósofos, psicólogos, lingüistas y programadores piensan los módulos como entidades encapsuladas de procesamiento que manipulan lógicamente las entradas simbólicas para producir una salidas simbólica, los neurólogos ven los módulos como redes neuronales anatómicamente definidas que están altamente conectadas las unas con las otras, manipulan estadísticamente el estímulo electroquímico y procesan información aún durante la transmisión del estímulo de un módulo a otro. La sugerencia de Prinz es que los conexionistas y los neurólogos deberían desistir de su uso del término „módulo‟; no obstante, pareciera que esto no va a ocurrir. Más importante es tener presentes estas diferencias al considerar la noción, ya que ambos bandos conciben que los módulos operan con representaciones mentales, y son estas representaciones las que tienen importancia para nuestros propósitos. A mi juicio, la diferencia definitoria entre los bandos concierne procesamiento. En la visión cognitiva clásica, un módulo es una unidad de procesamiento; en la visión neurológica y conexionista, un módulo contiene múltiples unidades de procesamiento que, en interacción, pueden parecer una unidad de procesamiento. De esta manera, los neurólogos pueden decir que hay un módulo emocional en

la amígdala, o que el módulo de comprensión del lenguaje está en el área de Wernicke, o que el módulo de procesamiento visual se encuentra en el lóbulo occipital. Ahora bien, aunque parece una unidad de procesamiento, un módulo neurológico es más una entidad de procesamiento que una unidad, ya que no recibe una sola entrada y tampoco produce una sola salida, sino múltiples en todo momento y en toda dirección posible. Más bien, lo que define un módulo neurológico es su posición anatómica y el conjunto de funciones en que resulta involucrado.

Con estas

diferencias en mente, consideremos la noción de representación mental.

La Estructura de las Representaciones Mentales La arquitectura cognitiva clásica postula que las representaciones mentales son símbolos que son moleculares o atómicos. Las representaciones moleculares adquieren su significado en función del contenido semántico de sus partes sintácticas y de su estructura constitutiva (Fodor & Pylyshyn 1988). En la próxima sección veremos el tema del significado de las representaciones atómicas. En la arquitectura clásica, las transformaciones entre estados mentales (compuestos, al menos en parte, por representaciones mentales) son definidas y ejecutadas sobre las propiedades estructurales (formales, sintácticas) de las representaciones. La arquitectura conexionista se presta para más tipos de relaciones.

Hagamos una

primera distinción entre arquitecturas con representaciones localistas y con representaciones ampliamente distribuidas (Ramsey, Stich & Garon 1990, Elman 1998). Una red conexionista funciona con representaciones localistas si representa localmente—en una neurona—algún rasgo del estímulo. Imaginemos una red entrenada para que, al presentársele un texto escrito a mano, entregue como salida el mismo texto en Times New Roman; asumidamente, la red tendría que tener al menos 27 unidades de salida (una para cada letra). La Figura 1 muestra cómo una red con representaciones localistas representaría la letra T como T en algunas de sus unidades escondidas y en una de sus unidades de salida. Por razones de simplicidad, no se muestra cómo se representaría la información en las unidades de entrada. Ahora bien, si se quisiera imaginar que las unidades de entrada también son localistas, entonces cada unidad de entrada podría representar la presencia o ausencia de color en un píxel determinado, de manera que las activaciones

de

las

unidades

escondidas

representarían

generalizaciones

estadísticas

correspondiendo a formas generales a partir de la información básica de las unidades de entrada.

Figura 1: Red A—Ejemplo simplificado de una red que funciona con representaciones locales. No se muestran las unidades de entrada. Cada cuadro

representa

una

neuronas de abajo son

‘neurona’.

Las

(3 de quién sabe

cuántas) de la capa escondida. La neurona de arriba es de la capa de salidas.

En una red de este tipo, la representación T puede ser entendida como la suma promediada de sus partes, puesto que la suma no tiene que ser exacta.

Aunque la red localista puede hacer

correctamente la tarea, su forma de funcionar en general no se considera interesante para la psicología, ya que se piensa que el cerebro es una red que funciona con representaciones ampliamente distribuidas (Barsalou 1999, Elman 1998). Por lo mismo, nos ocuparemos en lo que sigue de caracterizar sólo este tipo de representaciones. Imaginemos, entonces, una red B igual a la red A en función, pero que utiliza representaciones ampliamente distribuidas. En la red B ninguna neurona ha sido entrenada o predeterminada de alguna manera para significar algo particular. En teoría, todas las neuronas* podrían jugar un papel en el procesamiento de la información—tanto en su representación como en su manipulación—y no hay nada que impida que jueguen un papel distinto al que juegan una vez han sido entrenadas. Si se crearan dos redes B, las representaciones en las dos redes (como patrones de activación) serían de hecho diferentes aún cuando llevan a cabo la misma transformación sobre la misma representación.

Por lo tanto

parecerían no tener “rasgos

proyectables en común que sean describibles en el lenguaje de la teoría conexionista” (Ramsey, Stich & Garon 1990, p. 369); de manera que la representación parece inescrutable, tal como se muestra en la Figura 2.

*

Salvo las neuronas de la capa de salida; sin embargo, este hecho aplica al ejemplo simple presentado. En un ejemplo más complejo, todas las neuronas de la capa de salida podrían también jugar un papel en la representación.

Figura 2. Red B—Ejemplo simplificado de una red que funciona con representaciones ampliamente

distribuidas.

El

cuadro

superior representa una neurona de la capa de salidas.

Los cuadros intermedios

representan la totalidad de las neuronas de la capa escondida y de la capa de entrada. Abajo, la T representa el estímulo que se le provee a la red tentativa.

Este ejemplo simplificado es análogo a la red construida por Ramsey, Stich y Garon; en ambos casos la dificultad que resulta es la misma, es imposible determinar qué significa qué más allá de las entradas y las salidas del sistema.

Por lo mismo, tampoco es posible decir si las

representaciones son moleculares o atómicas; y lo más probable es que esta distinción simplemente no se sostenga en una red ampliamente distribuida. De esto se sigue que, más allá del uso que puedan tener, no es posible determinar la estructura de las representaciones. Podríamos, entonces, caracterizar las representaciones clásicas (y las localmente distribuidas) como transparentes y las representaciones ampliamente distribuidas como opacas. 1 Ahora bien, algunos filósofos han argumentado que de esto se sigue que este tipo de arquitectura no puede dar cuenta de las generalizaciones psicológicas. A mi juicio, hay dos defensas contra la objeción

1

Esta distinción no corresponde a la distinción entre contextos transparentes y contextos opacos donde los contextos transparentes son expresiones en que se pueden sustituir nombres propios por sus sinónimos sin afectar la verdad de la expresión como “Superman salvó a 1000 personas de la tragedia inminente” y “Clark Kent salvó a 1000 personas de la tragedia inminente” (dado que Superman es Clark Kent), y los contextos opacos son expresiones de actitudes proposicionales donde no se pueden sustituir los nombres con la misma facilidad, tal que “Lois Lane cree que Superman salvó a 1000 personas de la tragedia inminente” es verdadero pero “Lois Lane cree que Clark Kent salvó a 1000 personas de la tragedia inminente” no es necesariamente verdadero aún cuando Superman es Clark Kent. Aunque la distinción arriba no corresponde, puede ser de relevancia ya que una arquitectura conexionista podría dar cuenta de la distinción. Pero este hecho es tema para otro trabajo.

anterior que permiten afirmar que este tipo de arquitectura sí da cuenta de las generalizaciones psicológicas. En primer lugar, sólo porque las representaciones ampliamente distribuidas no parecen tener estructura, sólo porque es difícil para nosotros ver la estructura, no podemos afirmar que las representaciones no son de hecho estructuradas. Un acoplamiento de este enfoque con las herramientas de los sistemas dinámicos permite dar cuenta, aunque no sin dificultad, de la estructura de las representaciones, así permitiendo una mayor transparencia de la información contenida dentro de una red. Un ejemplo claro de esto se encuentra en algunos de los trabajos del lingüista Jeff Elman. En sus redes recurrentes simples, un análisis de sistemas dinámicos permite ver, a partir de valores puramente numéricos, cómo se organizan las representaciones de ciertos conceptos dentro de la red.

De esta manera, se vuelve evidente que las redes

ampliamente distribuidas son capaces de estructurar sus representaciones.

Efectivamente,

aunque una red no tiene representaciones estructuradas en un comienzo y, por lo mismo, tampoco manipula esas representaciones en virtud de su estructura, ésta puede tanto aprehender la estructura implícita en un estímulo y representarlo, así como aprender a manipular sus representaciones en virtud de su estructura. En segundo lugar, ambos rasgos recién mencionados son análogos a lo que ocurre en el ser humano. Aunque es evidente que los humanos emplean representaciones en su quehacer, es sumamente difícil desde la tercera persona identificar las representaciones al mirar la conducta de un individuo o el funcionamiento de su cerebro, incluso utilizando resonancia magnética funcional. Por otro lado, es un asunto bastante polémico si las representaciones en un ser humano recién nacido tienen un carácter estructurado. Un ser humano escucha millones de oraciones antes de emitir tan sólo una. Lo más probable es que el infante, primero, logre aprehender la estructura del estímulo y, luego, logre aprender a manipular las representaciones que crea de tales estímulos de acuerdo a su estructura. La diferencia en cuanto a la arquitectura clásica y la conexionista no es, como argumentan algunos filósofos, que las representaciones en una arquitectura clásica son estructuradas mientras que las representaciones ampliamente distribuidas no son estructuradas. Más bien, la diferencia consiste en que, mientras que en una arquitectura clásica las representaciones se crean estructuradas, en una arquitectura conexionista la estructura es aprehendida por la red; mientras que en una arquitectura clásica los estados mentales se

transforman por procesos lógicos que operan necesariamente según la estructura de las representaciones, en una arquitectura conexionista los estados mentales se transforman por procesos estadísticos que pueden operar contingentemente según la estructura de las representaciones.

Representación y Significado ¿Cómo tiene una representación su significado? Esta pregunta no es fácil de responder, tanto así que ha sido objeto de un debate filosófico sostenido por más de cien años (en la epistemología; en la filosofía mundial el debate es milenario, aunque no efectivamente sostenido).

A grandes rasgos, podemos dividir las posturas dentro de la semántica en

intensionalistas y extensionalistas. Una postura intensionalista afirma que el significado de una proposición (entendida como una unidad de significado) es su sentido, es decir, su definición o conjunto de definiciones. Esta es la postura que revivió Frege y que notoriamente llevó a su última conclusión Meinong (y, luego, Terrance Parsons), pero cuya formulación está ya en Platón. Por otro lado, una postura extensionalista identifica el significado de una proposición con su referente. Ésta fue la postura adoptada por Russell y Quine. Las distintas variantes de estas dos posturas componen lo que hoy conocemos como semántica. Dentro de una arquitectura cognitiva clásica, cualquiera de estas dos posturas puede parecer factible; por lo mismo, buena parte de la diversidad de teorías de los conceptos dentro del acercamiento clásico a la ciencia cognitiva deriva de diferencias con respecto a estos núcleos filosóficos.

Dentro de una

arquitectura conexionista, sin embargo, la distinción se vuelve enteramente irrelevante. Este hecho filosófico se sigue de uno práctico, del rol del programador en la realización de una arquitectura. A modo de ejemplificación, imaginemos a dos programadores, el Sr. S y el Sr. C, ambos contratados por compañías de tarjetas de crédito para crear programas de identificación preventiva de tarjetas robadas. El Sr. S, un fiel creyente en la arquitectura cognitiva clásica, comienza su labor entrevistando a varios expertos en el tema de fraude financiero para ver qué razonamientos utilizan al identificar cuando una transacción con tarjeta de crédito amerita sospecha. De sus entrevistas, el Sr. S intentará extraer una serie de reglas de la forma „Si X, entonces Y‟ que permitan a su sistema experto producir la respuesta „Tarjeta Robada‟ sólo en aquellos casos en

que sea debido. Desde el punto de vista de la semántica tradicional, este ejemplo resulta bastante ilustrativo. Por un lado, la expresión „Tarjeta Robada‟ se toma como molecular y significa aquello delineado por el conjunto de reglas „Si X, entonces TARJETA ROBADA‟; por lo mismo, dicho conjunto constituirá el sentido de la expresión „Tarjeta Robada‟ y sólo a través del sentido se podrá acceder a una tal denotada tarjeta que ha sido robada. Por otro lado, las expresiones que llenarán las variables X (y, a veces, también Y) en las distintas reglas serían atómicas, significando sólo aquello que denotan, sin que exista un conjunto de definiciones o reglas que les subyazca dentro del programa. Esto es, obviamente, una simplificación, pero aún así pienso que resulta ilustrativa. En contraste al Sr. S, el Sr. C comienza su labor creando una muestra inmensa de datos reales de transacciones mediante tarjetas tanto que han sido robadas como que no han sido robadas.

Su labor como programador se limita a crear una red neuronal artificial lo

suficientemente compleja como para procesar los datos necesarios. Ésta tendría una neurona para cada tipo de dato que se le ingrese, una o varias capas ocultas de un tamaño considerable, y tan sólo una neurona de respuesta, de manera que una respuesta de 1 o cerca significaría robada y una respuesta de 0 o cerca significaría no robada. Este sentido de „significaría‟ ilustra con bastante claridad la diferencia entre el enfoque simbólico y el conexionista. En el enfoque simbólico, los símbolos son establecidos y tienen significado independiente de la experiencia que tenga el sistema. En la red hipotética descrita, los símbolos son establecidos y tienen significado dependiendo de la experiencia que tenga el sistema. Para ver este punto, considérese la respuesta de la neurona de la capa de respuestas. ¿Qué determina que 1 indique que la tarjeta ha sido robada y 0 signifique que no lo ha sido? El 1 y el 0 y todos los números en el medio no tienen un significado intrínseco, sino que adquieren su significado a través del entrenamiento.

Una

respuesta de 1 significa tarjeta robada únicamente en virtud de que, cada vez que la información ingresada a la red correspondía a una tarjeta robada, el Sr. C le indicó a la red que 1 era la respuesta deseada y, cada vez que correspondía a una tarjeta que no fue robada, el Sr. C le indicó a la red que 0 era la respuesta deseada.

De esta manera, los símbolos son enteramente

contingentes con respecto a su referente y adquieren su significado de acuerdo al contexto dentro del cual son utilizados. Este modo de significar es análogo a cómo aprenden lenguaje los niños; si un niño le llama perro a cualquier mamífero cuadrúpedo, su contexto (su mamá, por ejemplo) le indicará cuándo la expresión „perro‟ es correcta y cuando no lo es (por ejemplo, diciéndole

„No; caballo... caballo.‟). De manera que si se adopta una postura conexionista y se quiere estudiar los significados, valdrá hacer pragmática, en vez de semántica, y estudiar “los aspectos contextuales del significado que son sistemáticamente abstraídos en la construcción de la forma lógica” (Horn & Ward 1999, p. 661). En cuanto a semántica, le da lo mismo al conexionismo si existe o no una distinción entre representaciones atómicas y representaciones moleculares, o una distinción entre sentido y denotación o entre sentido y significado o entre significado y denotación, incluso le es irrelevante la cuestión de si existen o no definiciones dentro de nuestro sistema cognitivo. Lo que no le es irrelevante al conexionismo, pero sí le es irrelevante al enfoque simbólico, es la cuestión de cómo se aprende un símbolo y se aprehende su correspondiente significado. Tradicionalmente se ha pensado que el estudio del lenguaje involucra tres facetas— sintaxis, semántica y pragmática. El acercamiento simbólico a la ciencia cognitiva hace hincapié en la sintaxis y la semántica, así suponiendo que estas dos facetas pueden dar cuenta de los significados sin prestar mayor atención a la pragmática (por ejemplo, Fodor 2002). En contraste, el acercamiento conexionista invierte la ecuación, advirtiendo que sólo desde la pragmática se puede dar cuenta de la sintaxis y de la semántica, incluso advirtiendo de vez en cuando que no existe una distinción tajante entre las facetas tradicionales que se ha pensado constituyen el estudio adecuado del lenguaje.

Hacer Semántica A comienzos de este ensayo, se proporcionó como objetivo central contestar la pregunta—¿quiénes deben hacer semántica? En lo que queda de esta investigación intentaré dar respuesta a la pregunta. Para comenzar, primero debemos dejar claro de qué exactamente estamos hablando. Rudolf Carnap (1956) definió brevemente la semántica como “la teoría del significado y la verdad” (1999, p. 13). Más precisamente, la semántica estudia la relación de las expresiones con aquello de lo que hablan. Esta relación, en tanto relación, concierne, como creía Carnap, la verdad y falsedad; en tanto son expresiones las involucradas en la relación concierne el significado (de las partes de la expresión). El filósofo estadounidense Jerry Fodor, un defensor preponderante de la arquitectura cognitiva clásica, argumenta que la metafísica debe quedar a cargo de la semántica de los

conceptos léxicos mediante el uso de análisis contrafáctico. ¿Por qué la metafísica? Considérese la siguiente formulación del ámbito— La metafísica examina los ítemes que constituyen el material para la otras ciencias. Lo que es distintivo de la metafísica es la manera en que examina esos objetos; los examina desde una perspectiva particular, desde la perspectiva de su ser seres o cosas que existen. (Loux 2003, p. 3) En este sentido, la metafísica quedaría a cargo de la semántica de los conceptos léxicos porque, para los conceptos léxicos primitivos, un análisis adecuado debería examinar éstos como cosas que existen, y los debería analizar de una manera particular y adecuada para éste propósito. Esta manera, piensa Fodor, la constituye el análisis contrafáctico, es decir, el análisis mediante mundos posibles. Ahora bien, debe notarse que Fodor no está solo en pensar que un análisis mediante mundos posibles es óptimo para la tarea semántica. En su libro, Mundos Posibles, John Divers (2002, pp. 26-39) delinea por qué se utiliza un análisis de mundos posibles, y su demarcación muestra para qué tareas se utiliza este tipo de análisis. Su visión es concordante con la propuesta fodoriana ya que, en última instancia, Divers identifica dicho tipo de análisis con tres tareas fundamentales: la elucidación de los conceptos, la identificación ontológica, y la labor de la semántica. En la visión fodoriana, la distinción entre representaciones atómicas y representaciones moleculares está a la base no sólo de la semántica sino además de la cognición. Dentro de esta concepción, se dice que las representaciones moleculares adquieren su significado en virtud del significado de sus constituyentes en combinación con su estructura sintáctica, de modo que conocer el significado de una representación mental (de una expresión en una relación de actitud con un sujeto) es saber lo que haría que la representación fuese verdadera.

Pero, ¿cómo

adquieren significado las representaciones atómicas? La respuesta de Fodor es argumentar que las representaciones atómicas no son estructuradas, que significan únicamente aquello que denotan, sin mediación de un sentido o de un conjunto de definiciones. Si seguimos algunas de las observaciones metafísicas de Kripke acerca del análisis contrafáctico, es posible determinar qué denota una representación atómica evaluando el valor de verdad de expresiones que involucran dicha representación a través de mundos posibles. Si la relación entre símbolo y propiedad del mundo soporta contrafácticos, entonces se puede afirmar con certeza que ese símbolo denota esa propiedad del mundo. Como ilustración extendamos uno de los ejemplos más famosos de Saul Kripke—la luz es un haz de fotones—y digamos que Guido Vallejos cree

que la luz es un haz de fotones. De acuerdo a la Teoría Representacional de la Mente de Fodor, la expresión anterior significa que Guido Vallejos está en una relación de creencia con una representación mental cuyo contenido es „la luz es un haz de fotones‟. Este hecho, sin embargo, no soporta contrafácticos, ya que Guido Vallejos podría no creer dicho enunciado o podría, simplemente, no existir. No obstante, si nos preguntamos por el significado de los términos involucrados en la representación, el análisis contrafáctico es efectivamente útil. Si es correcto que la luz es un haz de fotones y no sucumbimos a un simple juego de palabras, no podremos imaginar un mundo donde la luz exista y no sea un haz de fotones, dado que ambas expresiones refieren a un mismo objeto. De manera que, en cualquier mundo posible, la luz es un haz de fotones; y en cualquier mundo que Guido Vallejos exista y que, además, crea la proposición, estaría creyendo una proposición cuyos términos refieren a un mismo objeto y cuyo significado es que los términos refieren a un mismo objeto, por tanto una proposición verdadera. El significado de ambas expresiones („la luz es un haz de fotones‟ y „Guido Vallejos cree que la luz es un haz de fotones‟) queda esclarecido mediante el análisis contrafáctico puesto que éste sirve para establecer las condiciones de verdad de las expresiones en todo mundo posible.

Si

entendemos la semántica como el estudio de los significados y la verdad, entonces es obvio que la metafísica tiene herramientas óptimas para hacerse cargo por sí misma del ámbito de estudio. Al conexionismo, en contraste, no le es útil el análisis contrafáctico. Lo que sí le sirve es un análisis fáctico, un análisis de cómo realmente un sistema ha aprendido una expresión y ha aprehendido el significado de una expresión. Ahora bien, a partir de esta afirmación se podría predecir un retorno a la filosofía del lenguaje ordinario, al estilo del segundo Wittgenstein; sin embargo, al conexionismo tampoco le sirve este tipo de semántica (véase Apéndice 1). Más bien, el conexionismo sirve para ahincar un hecho que es de sentido común pero que aquellos filósofos del sentido común han olvidado—en tanto todos nosotros somos entes situados en un mismo mundo, el estudio de los significados y la verdad, el establecimiento de tales relaciones, es menester de todos, no sólo de un grupo selecto de quienes se llaman a sí mismos filósofos o científicos. Es así como todos generamos significado, interpretamos significado, comunicamos significados, y si los significados permanecen, si podemos hacer todo esto con eficacia, es porque siempre lo estamos haciendo, en un mismo mundo, en un mismo tiempo, siendo todos de una misma especie.

Kripke decía que la expresión „la luz es un haz de fotones‟ soporta

contrafácticos si y sólo si la identidad „la luz es una haz de fotones‟ es verdadera. Lo que nos

enseña el conexionismo es que la semántica, como estudio de los significados y la verdad, recae sobre el acto de establecer si una expresión es correcta, no si ésta soporta contrafáctico. Una vez se ha establecido si una expresión es correcta, de nada sirve llevar a cabo un análisis contrafáctico, puesto que no nos puede decir nada que, en ese punto, todavía no sabríamos. Lo único que nos dice un análisis contrafáctico, pese al hecho que muchos filósofos creen que dicho análisis puede versar acerca de la esencia de las cosas, es que somos o no somos capaces de imaginar tal o cual cosa. Sin embargo, si el conexionismo es correcto, nuestra capacidad de imaginar depende enteramente de nuestra capacidad de rearticular de manera falsa contenidos previamente aprehendidos.

En este sentido, la semántica no puede depender de nuestra

capacidad de imaginar, sino sólo de aprehender, contenidos verdaderos.

Así, para hacer

semántica, no hay por qué hacer metafísica, sino sólo vivir y comunicarse activamente en un entorno. En una visión simbólica, estudiar el significado como significado es estudiar aquella propiedad que es significar. En una visión conexionista, en contraste, estudiar el significado como significado es sinónimo de estudiar a un sistema que usa significados como significados, estudiar cómo los usa.

Apéndice 1: Análisis Conceptual De lo dicho en este ensayo podría parecer que se siguen varias propuestas acerca de un estudio de los conceptos. Los conceptos podrían ser estudiados mediante una filosofía del lenguaje ordinario; sin embargo, la metodología a emplearse sería demasiado laxa como para integrarse dentro de la Ciencia Cognitiva. No obstante, queda otra opción, una fusión entre las herramientas de los sistemas dinámicos, el modelamiento conexionista de la adquisición del lenguaje, y el análisis conversacional. En cierto sentido, esta fusión ya está ocurriendo (véase, por ejemplo, Lewis & Elman 2001); no obstante, esta fusión se ha dado para contestar preguntas sobre cómo se aprende un lenguaje, no para estudiar las propiedades fácticas de cómo se aprende y se usa un concepto. Consideremos un momento lo que implicaría hacer semántica—estudiar las relaciones entre significado y verdad—o hacer pragmática—estudiar las relaciones entre significado, usuario y contexto—dentro de las ciencias cognitivas, es decir, hacer de estos ámbitos también una ciencia fáctica. Primero, habría que amontonar un corpus inmenso de conversaciones

espontáneas usando poblaciones esparcidas a través de los territorios del lenguaje que se quiere estudiar (en el caso del español, a través de Hispanoamérica y España). Segundo, habría que hacer susceptible a este corpus a un análisis estadístico. Una vez hecho esto, entonces podría emprenderse un estudio estadístico de cómo la gente usa un concepto (es decir, el estudio tendría que hacerse un concepto a la vez), o de cómo la gente corrige a quien le habla cuando éste entiende un significado que no es el intencionado, o de cómo la gente emplea juicios de verdad o falsedad en conversaciones, o de cómo la gente vincula un concepto con aquello que ese concepto denota. Todo esto tomaría una cantidad inmensa de trabajo, y mi pregunta es la misma que Fodor expresa—“¿a quién le importa el análisis conceptual?” (Fodor 1998, p. 121)

El

hecho es que todos hacemos análisis conceptual cuando hablamos, y esto ya es más que suficiente.

Apéndice 2: Implementar el Atomismo Informacional Ya, está bien, me rindo—digamos que la mayoría de los conceptos son primitivos, que el atomismo informacional es verdadero y que le conexionismo como modelo cognitivo es una pérdida de tiempo. ¿Y ahora qué? Como es bien conocido, para que un modelo cognitivo sea considerado científico, éste debe ser implementado o al menos implementable dentro de un dispositivo artificial. ¿Qué hacer, entonces, con el atomismo? Una opción es simplemente programar computadores con todos los conceptos primitivos que existen y articular estas bases de datos de acuerdo a reglas sintácticas, y entonces ver que pasa. Sin embargo, Fodor nos dice que tener un concepto es estar en una cierta relación nómica mente-mundo. De manera que una tal relación no sería efectiva en un computador que tuviese programado esos símbolos, dado que un computador común y corriente no está en ninguna relación mente-mundo (quizás sólo en la relación teclado/ratón—procesador/memoria—monitor, que claramente no es lo mismo). Por lo tanto, quizás podríamos seguir una segunda opción e instaurar una arquitectura cognitiva clásica en un robot. No obstante, Fodor nos dice, además, que los conceptos primitivos son dependientes de la mente. Es un hecho de nuestras mentes que una propiedad del mundo hace que nosotros nos afinquemos [lock-in] a su correspondiente concepto. Considera el concepto PISAPAPEL. Al percibir un pisapapel ni las vacas, ni las cotorras, ni las hormigas se afincan al concepto PISAPAPEL. Es un hecho de nuestras mentes,

no de la mente de ellas (¡si es que tienen mente!), que al ver un pisapapel nosotros tenemos el concepto PISAPAPEL. Hay dos opciones para explicar por qué esto es así. La primera es decir que el concepto PISAPAPEL es innato y específico al ser humano. La segunda es que exista un mecanismo específico para afincarse al concepto PISAPAPEL que sólo nosotros tenemos. Según esta segunda opción, necesitaríamos un mecanismo para PISAPAPEL, otro mecanismo similar pero no idéntico para PALA, otro mecanismo similar pero no idéntico para PIEDRA, y así sucesivamente, hasta casi el infinito.

La pregunta, entonces, es—¿cuáles son estos

mecanismos? Al parecer, sólo Dios lo sabe. Pero quizás recurrir a Dios sea demasiado apresurado. En La Modularidad de la Mente (1983/1986), Fodor avanza una propuesta a grandes rasgos de cómo podrían ser estos mecanismos. Según esta concepción, no es difícil imaginar un sistema computacional bastante general que, dada una especificación de un prototipo y una métrica para la evaluación de semejanzas en cualquier dominio arbitrario de perceptos, sea capaz de calcular las relaciones de proximidad relevantes de un dominio dado. (1986, p. 79-80) Este mecanismo general podría ser constitutivo de los sistemas de entrada de un sistema inteligente y de su capacidad de categorizar estímulos perceptivos. Si unimos esta propuesta con la ofrecida en Fodor (1998), entendemos que para cada concepto primitivo deberá existir un prototipo con que comparar el estímulo perceptivo. Si los conceptos primitivos son innatos, los prototipos también deberán serlo, si no bien en su totalidad al menos en una propiedad esencial. Este hecho implicaría una base de datos innatos que sería simplemente inmensurable, si no enteramente descabellada. Pero quizás se puede ingeniar una manera, a través de módulos de entrada de integración sensorial, en que los prototipos no son de ninguna manera innatos, sino sólo lo son las salidas de tal sistema (es decir, los símbolos según los cuales se identifican los prototipos). Esta visión no parece inviable a primera mirada; no obstante, a la mayoría de nosotros no le gustaría aceptar que todos los símbolos (conceptos) léxicos son innatos, aún aquellos que nunca llegaremos a aprender o a utilizar.

Si los conceptos primitivos no son

innatos y los sistemas de entrada son encapsulados, entonces, ¿cómo se pueden adquirir las categorizaciones que componen las salidas de tales sistemas de entrada? Efectivamente, si los conceptos primitivos no son innatos, tampoco podrán serlo los prototipos, y Fodor no quiere decir que tales conceptos se adquieren por inducción con datos de módulos de integración intersensorial. Más aún, si no existen las categorías (es decir, símbolos internos, conceptos... o como

sea que quieras llamarles) innatas, entonces los sistemas de entrada no podrían producir las categorizaciones básicas que se supone constituyen sus salidas ¿Cómo, entonces, se adquieren tales categorizaciones? Al parecer, sólo Dios lo sabe. Quizás él debería intentar implementar el atomismo informacional en un sistema humanoide... o quizás ya lo hizo, y le fue más fácil con conceptos innatos.

Referencias Barsalou, L.W. (1999). “Perceptual symbol systems.” Behavioral and Brain Sciences, 22: 577-609. Carnap, R. (1956). “Empiricism, Semantics, and Ontology.” In Metaphysics: An Anthology. J. Kim & E. Sosa (eds.). Malden, MA: Blackwell Publishing Ltd., 1999. pp. 13-22. Originally published in Carnap, R. Meaning and Necessity. Chicago: University of Chicago Press. pp. 205-221. Divers, J. (2002). Possible Worlds. New York: Routledge. Elman, J.L. (1998). “Generalization, simple recurrent networks, and the emergence of structure.” En Proceedings of the 20th Annual Conference of the Cognitive Science Society. M.A. Gernsbacher & S.J. Derry (eds.) Mahwah, NJ: Lawrence Erlbaum Associates. Fodor, J.A. (1998). Concepts: Where cognitive science went wrong. New York: Oxford University Press. Fodor, J.A. (1983). La Modularidad de la Mente. J.M. Igoa (trad.). Madrid: Ediciones Morata, 1986. Fodor, J.A. & Pylyshyn, Z.W. (1988). “Connectionism and Cognitive Architecture: A Critical Analysis.” En Mind Design II. J. Haugeland (ed.). Massachusetts: MIT Press, 1997. pp. 309-350. Apareció primero (en una versión extendida) en Cognition 28: 3-71. Horn, L. & Ward, G. (1999). “Pragmatics.” The MIT Encyclopedia of the Cognitive Sciences. R.A. Wilson & F.C. Keil (eds.). Massachusetts: MIT Press. Lewis, J.D., & Elman, J.L. (2001). “Learnability and the statistical structure of language: Poverty of stimulus arguments revisted.” En Proceedings of the 26th Annual Boston University Conference on Language Development. Loux, Michael J. Metaphysics. 2nd edition. New York: Routledge, 2003. Prinz, J.J. (2006). “Is the mind really modular?” En Contemporary Debates in Cognitive Science. R.J. Stainton (ed.). Nueva York: Blackwell. Ramsey, W., Stich, S. & Garon, J. (1990). “Connectionism, Eliminativism and the Future of Folk Psychology.” En Mind Design II. J. Haugeland (ed.). Massachusetts: MIT Press, 1997. pp. 351-376. Apareció primero en Action Theory and Philosophy of Science—Philosophical Perspectives 4: 499-533. J.E. Tomberlin (ed.). Atascadero, CA: Ridgeview.