Fundamentos de la Ciencia Cognitiva: Agentes, Niveles de Descripción y Máquinas de Turing

1. Noción de “Agente Cognitivo” y Niveles de Descripción

La noción de **Agente Cognitivo** fue desarrollada por **David Marr** en 1982. Se define por su capacidad para recibir información del medio (*input*), procesar esa información y emitir una respuesta (*output*).

En el estudio de un agente cognitivo, podemos distinguir tres niveles de descripción:

Niveles de Descripción de un Agente Cognitivo

1. Nivel Computacional

   Se proporciona una descripción abstracta de la conducta del sistema o agente cognitivo. Responde a la pregunta: **¿Qué** hace el sistema y **por qué** lo hace. (Qué y cómo es)

2. Nivel Algorítmico

   Se proporciona una descripción funcional del sistema, especificando el conjunto de **reglas o algoritmos** que permiten el procesamiento de la información. Responde a la pregunta: **¿Cómo** funciona el sistema. (Cómo funciona)

3. Nivel de Implementación

   Describe el **soporte físico** (hardware o estructura neuronal) sobre el que se insertan los procedimientos de cómputo que ejecuta el sistema. Responde a la pregunta: **¿Cómo** se crea o materializa. (Cómo se crea)

2. Teoría Computacional Clásica

La **Teoría Computacional Clásica** tiene su origen en el desarrollo de la **lógica proposicional**. En esta teoría, existen dos aproximaciones fundamentales al análisis de las proposiciones:

Aproximaciones al Análisis de Proposiciones

1. Primera Aproximación (Lógica de Enunciados)

   Los símbolos de la lógica representan directamente el contenido de una proposición. El **valor de verdad** de la proposición será verdadero cuando el contenido de la proposición se corresponda con el estado de cosas que describe, o falso cuando no sea el caso.

2. Segunda Aproximación (Lógica Proposicional)

   Se centra en las **relaciones formales** que se pueden generar entre las proposiciones que son admitidas en el sistema, en virtud de una serie de reglas del cálculo lógico. Esta perspectiva se centra exclusivamente en las relaciones **sintácticas** de los símbolos, independientemente de su vinculación con el mundo.

Si los procesos cognitivos consistían en la adecuada **manipulación de símbolos** para producir oraciones que preservasen su valor de verdad, de acuerdo con ciertas reglas de construcción de fórmulas, entonces, la inteligencia en particular y los procesos cognitivos en general, podían ser tratados como algo similar al **cálculo lógico**. (La mente trabaja aplicando las reglas de la lógica).

3. La Máquina de Turing y el Estado Computacional

Definición de Máquina de Turing

Una **Máquina de Turing** es una máquina computacional ideal. Allí donde existe un **procedimiento de decisión**, una Máquina de Turing puede realizarlo. (Un procedimiento de decisión tendrá una respuesta clara: sí/no, respuesta simple, etc.).

Representación y Componentes

A efectos de representar una Máquina de Turing, podemos imaginarla como una **cinta** dividida en cuadros. La máquina propiamente dicha:

• Está situada en todo momento justo ante uno de los cuadros.
• Lee lo que hay en ese cuadro.
• Lleva a cabo una instrucción en el momento siguiente.

Idealizaciones de la Máquina de Turing

Existen dos idealizaciones clave:

1. La primera idealización es que su memoria es **ilimitada**. (La cinta es infinita).
2. La segunda es que una Máquina de Turing **nunca comete errores**.

Definición de Estado Computacional

Un **estado computacional** de la Máquina de Turing consiste en el proceso secuencial de **lectura, decisión y realización de una instrucción**.