Neurociencias Cognitivas y Redes Neuronales

Neurociencia Cognitiva Ciencia que se define por la pregunta: ¿Cómo los procesos biológicos del SNC producen procesos mentales (i.e. funciones psicológicas/cognitivas)?[1] [1] Wikipedia: http://en.wikipedia.org/wiki/Cognitive_neuroscience.

Neurociencia Cognitiva Objetivo: “descubrir las capacidades representacionales y computacionales de la mente y su representación estructural y funcional en el cerebro”.[2] [2] Sloan Foundation. “Cognitive Science”, 1978. Informe del State of Art Committee, New York, a través de [Nc.C. y Educación, José Gómez Cumpa, 2004, pág. 86] Aunque aplicado a la “ciencia cognitiva”,

Neurociencia Cognitiva – Objetivos Específicos La naturaleza de la cognición. Descubrir características globales de la arquitectura funcional de sistemas cognitivos.[3] Localizar en el cerebro los módulos individuales de dicha arquitectura.[3] Identificar bases neuronales de fenómenos psico-cognitivos específicos. [3] Harold E. Pashler, John Wixted(eds.) Steven's Handbook of Experimental Psychology: Methodology in experimental psychology, Volume 4 Methodology in Experimental Psychology , 2002

Neurociencia Cognitiva – Objetivos Específicos Algunos fenómenos y módulos (sub-sistemas) de interés:[1] La atención Ceguera al cambio (change blindness) La conciencia Toma de decisiones Aprendizaje Memoria Neurona espejo Negatividad de discordancia (mismatch negativity) Adicción [1] Wikipedia, ibíd.

Neurociencia Cognitiva – Métodos Experimentos de Comportamiento: Tiempo de reacción Respuestas psicofísicas Seguimiento de ojos Imágenes Neuro-cerebrales. (ver cuadro) Métodos Neuro-biológicos (Neurociencia) Modelado Computacional: Modelos Simbólicos (Cognitivismo) Modelos Sub-simbólicos (Conexionismo, Redes Neuronales) Otros: Teoría de sistemas dinámicos, Modelos Neuro-simbólicos, Bayesianos, Aprendizaje de máquina. [1] Wikipedia, Cognitive Science, http://en.wikipedia.org/wiki/Cognitive_science

Neurociencia Cognitiva – Herramientas Método Tipo Invasivo Prop. cerebral usada EEG/ERP Registro No-invasivo Eléctrica Single-cell (and multi-unit) registros TMS Estimulación Electromagnética MEG Magnética PET Hemodinámica fMRI [4] The Student's Guide to Cognitive Neuroscience . Jamie Ward, 2006

Neurociencia Cognitiva - Cognitivismo Modelar procesos mentales como sistemas de manipulación de símbolos siguiendo reglas lógicas. Representación formal del conocimiento. Analogía Mente – Computador: Ve la mente como un sistema de procesamiento de información. Abstracción de los procesos mentales del soporte y/o mecanismo físico en el que se ejecutan. Limitación: Sólo adecuado para aspectos lógico-formales del pensamiento. Dificultad para modelar la alta complejidad y plasticidad de la mente.

Neurociencia Cognitiva - Cognitivismo El aporte principal de este enfoque es mostrar cómo ciertas habilidades mentales de alto nivel (deducción lógica, solución de cierto tipo de problemas, incluso estrategias de juego) pueden llevarse a cabo mecánicamente. Aunque estos mecanismos no sean biológicamente plausibles.

Neurociencia Cognitiva - Conexionismo Modela los procesos mentales como procesos que emergen de la interacción masiva de elementos simples. Crea modelos inspirados en el cerebro: Redes neuronales artificiales. El conocimiento no es representado ni simbólica ni explícitamente, la ‘representación’ es distribuida, consiste en la configuración de las interconexiones. Las conductas no encuentran su explicación a partir de un componente singular y separado del sistema, sino como el producto de la cooperación de componentes inter-actuantes.

Neurociencia Cognitiva - Conexionismo En este modelo dinámico el aprendizaje significa la modificación de la interconexiones. La complejidad/plasticidad/flexibilidad de las actividades cognitivas requiere de modelos altamente complejos, como éstos, para ser explicados. No proporcionan una descripción detallada del funcionamiento cerebral.

Neurociencia Cognitiva - Conexionismo El aporte principal de este enfoque es mostrar cómo ciertas funciones mentales, incluidas algunas de alto nivel, pueden llevarse a cabo sin necesidad de un planificación central ni reglas explícitas de alto nivel. Al estar basados en la interacción de elementos simples estos modelos son biológicamente plausibles. Aunque no sean un análogo exacto/detallado de cómo funcionan las redes biológicas, representan un modelo de cómo podrían funcionar.