Teoría de la Identidad Mente-Cerebro: Leyes de Leibniz, Críticas y Neurocomputación

Leyes de Leibniz y la Teoría de la Identidad (TI)

La segunda ley de Leibniz plantea un desafío a la teoría de la identidad (TI) entre estados físicos y mentales. Defender la TI implica negar que las leyes de Leibniz se puedan aplicar en contextos de creencias o actitudes proposicionales. Al aplicar estas leyes surgen problemas. La falacia surge cuando aplicamos las leyes de identidad en contextos en los que se usan términos como “creer que”.

Ejemplo:

1. Pedro cree que la aspirina quita el dolor de cabeza.
2. Pedro no cree que el ácido acetilsalicílico quite el dolor de cabeza.
3. La aspirina (es diferente al) ácido acetilsalicílico.

Creer que la aspirina quita el dolor de cabeza no es una propiedad de la aspirina, sino de la persona que lo cree. La defensa de la TI de estados físicos y mentales se construye negando las leyes que rigen el contexto.

Crítica Metafísica: Principio de Materialización Múltiple

Los estados mentales (EM) no pueden ser idénticos a los estados físicos (EF) porque los EM no son materializados por EF concretos y delimitados. Un mismo EM puede ser materializado en una amplia variedad de EF.

Ejemplo: El dolor es un tipo concreto de estado físico y corresponde con la activación de una determinada red de neuronas. Un mismo tipo de estado mental puede ser materializado por múltiples estados cerebrales.

Jerry Fodor argumenta que su gato, Greycat, tiene estados mentales sobre creencias del mundo, y que estas creencias explican su conducta. Por ejemplo, si el gato se dirige al cuenco de comida, Fodor y su gato comparten el mismo estado mental y la misma creencia: que hay comida en el cuenco.

David Lewis, en su obra “Mad Pain and Martian Pain” (1983), plantea la existencia de extraterrestres con una composición basada en silicio, a diferencia de la nuestra, basada en carbono. Estos seres no tendrían las mismas neuronas que nosotros, pero podríamos compartir estados mentales con ellos. Por ejemplo, la creencia de que 2+2=4 sería la misma, aunque los EM subyacentes serían diferentes debido a la diferencia en la composición física (carbono vs. silicio). Además, los estados son únicos y privados, por lo que una persona no sabe lo que otra piensa.

Teoría Neurocomputacional de la Mente (TNM)

La TNM propone la posibilidad del estudio de procesos cerebrales y el desarrollo de modelos desligados de los modelos de computación clásicos. Está ligada al abandono de un principio que se consideraba básico en la ciencia cognitiva: que los EM son estados computacionales y que la computación es manipulación de símbolos. Esto permitió el desarrollo de la “metáfora del ordenador”.

Crisis de los Sistemas Clásicos de Computación y el Surgimiento del Conexionismo

La crisis de los sistemas clásicos de computación y la ciencia asociada a ella llevó a la necesidad de desarrollar nuevos sistemas computacionales: los sistemas conexionistas. Estos están inspirados en los diseños de las estructuras que conforman el cerebro, el cual proporciona el modelo adecuado para comprender el funcionamiento de los sistemas computacionales. La diferencia entre un sistema de computación clásico y uno conexionista es que este último no funciona con símbolos. Los modelos simbólicos recurren a propiedades formales de un sistema simbólico para simular los sistemas cognitivos, mientras que los modelos conexionistas se basan en diseños que copian la estructura del cerebro.

Paul y Patricia Churchland y las Características de los Sistemas Nerviosos

Paul y Patricia Churchland (1990) destacan tres características de los sistemas nerviosos:

1. Son máquinas en paralelo, con procesadores interconectados y especializados en tareas específicas.
2. La unidad fundamental de procesamiento es la neurona, que responde a impulsos eléctricos.
3. Las redes de neuronas son de dos tipos: conexiones formadas por axones que parten de las neuronas para sinaptar con otras, y axones que vuelven desde la población de neuronas destinataria hasta la población de neuronas de origen.

Sistemas Conexionistas y Redes Neuronales

Un sistema conexionista es una red de procesadores con un diseño tipo PDP (Procesamiento Distribuido en Paralelo), formada por unidades simples, similares a neuronas, llamadas nodos. Cada nodo está conectado con otros nodos, formando una red por la que se envían señales. El valor de activación de cada nodo depende de las entradas excitantes o inhibitorias de la red. Los valores pueden ser de tipo 1 (activada) o 0 (desactivada). Al valor de activación se le denomina “fuerza”. La fuerza de conexión entre dos nodos se denomina “peso”.

Las redes neuronales pueden formar tres capas en función de las conexiones que establezcan:

1. Unidades de entrada: Conexiones fuera del sistema, reciben estímulos del exterior y de otras unidades internas.
2. Unidades de salida: Conexiones con el exterior, envían información al exterior.
3. Unidades ocultas: Sin conexiones fuera del sistema, permiten conexiones sinápticas entre distintos niveles del sistema.

Capa de entrada / Capa oculta / Capa de salida

La TNM sostiene que una red neuronal genera un mapa topográfico de n dimensiones en el que se produce una representación de una porción de la realidad. Cada representación del mundo es un estado computacional dentro de este espacio n-dimensional.

Ejemplo: La representación que tenemos de una cara ocupará un lugar en el espacio de estados. Tres caras de la misma persona: cada representación de la imagen se corresponderá con un vector diferente. Un retrato ocupará un lugar más cercano en el espacio, mientras que una caricatura mostrará un espacio más lejano.