Los modelos conexionistas distribuidos

Los Modelos Conexionistas y Distribuidos en red tienen una larga historia (Hebb, 1949; Rosenblatt, 1962), pero no fueron influyentes en psicología cognitiva sino hasta los años 80 (McClelland & Rumelhart, 1985; Rumelhart & McClelland, 1986) y desde entonces la investigación y el desarrollo de estos modelos de procesamiento distribuido se han convertido en una gigantesca empresa interdisciplinaria. 

Los Modelos Conexionistas Distribuidos proponen la organización de la memoria como una red neuronal cuyo funcionamiento es distribuido y en paralelo (Plaut, 1995; McRae & Boisvert, 1988). En estas redes, los conceptos no son representados como una unidad simbólica sino como un patrón de activación específico de un gran número de unidades de proceso (neuronas). Los conceptos similares son representados por patrones de activación similares. Cada nodo puede ser pensado como codificando un rasgo semántico particular que participa de varios conceptos. Estos rasgos no se corresponden necesariamente con los atributos de cualquier concepto. No necesitan ser denominados o corresponder en forma obvia a las características que la gente puede enumerar en la descripción de una entidad. Una característica tradicional como, por ejemplo, tiene alas, puede ser patrón de activación sobre un conjunto de unidades. Conceptos relacionados presentan similar patrón de activación.

Las unidades se organizan en módulos, que corresponden a unidades diseñadas para representar una clase particular de información (por ejemplo verbal) o para lograr una meta particular. En el modelo de Farah y McClelland (1991) de debilitación de la memoria semántica, se presentan tres módulos, correspondientes a entradas verbales, visuales y representaciones semánticas. Las unidades en el módulo se hallan fuertemente interconectadas y las unidades en distintos módulos se pueden o no estar interconectadas. La presentación de un estímulo en la red causa un patrón inicial de activación entre las unidades. Este patrón cambia cada vez que una unidad recibe activación de otras con las cuales está conectada. Eventualmente, emerge un patrón estable de activación entre las unidades. Ese patrón particular, ejemplificado a través de un sistema de unidades de respuesta a una entrada, tales como ver un objeto o escuchar una palabra, es determinado por los pesos de las conexiones entre las unidades. La memoria es, por lo tanto, codificada en los pesos. 

En el procesamiento de una palabra, las unidades de proceso cooperan y compiten entre sí de acuerdo con el peso de sus conexiones, hasta que la red como un todo alcanza un estado de estabilidad en un patrón de actividad. Este estado se corresponde con la representación del significado de una palabra.

Una característica distintiva de los modelos distribuidos es que pueden explicar más que cualquier otro pues poseen la facilidad del aprendizaje. Una red puede ser entrenada para producir una salida particular, tal como el significado de una palabra en respuesta a una entrada particular, tal como el patrón ortográfico de la palabra. El entrenamiento implica un ajuste incremental de los pesos entre las unidades para mejorar la capacidad de la red de producir la salida apropiada.

Los modelos distribuidos se han aplicado a muchas conductas humanas que involucran la memoria semántica, incluyendo la adquisición del conocimiento genérico desde experiencias específicas (McClelland & Rumelhart, 1985), denominación de palabras y toma de decisión lexical (Kawamoto, Farrar, & Kello, 1994; Seidenberg & McClelland, 1989), y déficit en la lectura y uso de significados después de un daño cerebral (Farah & McClelland, 1991; Plaut, McClelland, Seidenberg, & Patterson, 1996).