La ciencia cognitiva corporizada es un campo de investigación interdisciplinario que tiene como objetivo explicar los mecanismos subyacentes al comportamiento inteligente. Desafía la teoría computacional tradicional de la mente al argumentar que la cognición no es meramente una manipulación abstracta de símbolos, sino que está profundamente moldeada por el cuerpo físico y sus interacciones con el entorno. El campo comprende tres metodologías principales: modelar sistemas psicológicos y biológicos de manera holística, tratando la mente y el cuerpo como una entidad única; desarrollar un conjunto común de principios generales del comportamiento inteligente; y utilizar experimentalmente agentes robóticos en entornos controlados. Este enfoque se basa en conocimientos de la ciencia cognitiva, la psicología, la neurociencia y la inteligencia artificial, y ha influido en campos que van desde el aprendizaje automático hasta la robótica autónoma.
Las raíces intelectuales del campo se extienden a propuestas tempranas en la informática. En 1950, Alan Turing sugirió que una máquina podría necesitar un cuerpo similar al humano para pensar y hablar, señalando que se le podrían proporcionar los mejores órganos sensoriales y enseñarle a comprender y hablar inglés mediante un proceso similar al desarrollo infantil. Esta idea anticipó enfoques corporizados posteriores, que argumentan que la percepción y la acción son inseparables de la cognición.
Teoría cognitiva tradicional
La teoría cognitiva tradicional, dominante a mediados del siglo XX, se basa principalmente en la manipulación de símbolos. En este modelo, las entradas se alimentan a una unidad de procesamiento que produce salidas según reglas sintácticas, de las cuales se deriva el significado semántico. Por ejemplo, los órganos sensoriales humanos sirven como dispositivos de entrada, y los estímulos del entorno externo se alimentan al sistema nervioso, que actúa como la unidad de procesamiento. El sistema nervioso lee la información sensorial porque sigue una estructura sintáctica, produciendo salidas que generan movimientos corporales y comportamiento. Una característica clave de esta visión es que la cognición está sellada en el cerebro, aislada del mundo externo excepto a través de la entrada sensorial.
Este marco computacional influyó en la investigación temprana de la inteligencia artificial, incluido el trabajo en instituciones como MIT CSAIL y Xerox PARC. Sin embargo, enfrentó problemas conceptuales, más notablemente el argumento del Homúnculo, que sugería que derivar significado semántico de símbolos requiere un intérprete interno, lo que lleva a una regresión infinita. Esta crítica socavó la plausibilidad del modelo tradicionalista y motivó enfoques alternativos.
El enfoque cognitivo corporizado
La ciencia cognitiva corporizada rechaza el sistema de entrada-salida de la teoría tradicional, principalmente debido a los problemas planteados por el argumento del Homúnculo. En lugar de depender de la manipulación interna de símbolos, define la cognición a través de tres aspectos interrelacionados: los atributos físicos del cuerpo, el papel del cuerpo en el proceso cognitivo y el acoplamiento del organismo y el entorno.
Atributos físicos del cuerpo
El primer aspecto examina cómo las propiedades físicas del cuerpo afectan su capacidad de pensar, intentando superar el componente de manipulación de símbolos del modelo tradicionalista. La percepción de profundidad, por ejemplo, se explica mejor bajo el enfoque corporizado debido a su complejidad. La percepción de profundidad requiere que el cerebro detecte imágenes retinianas dispares causadas por la distancia entre los dos ojos, junto con señales del cuerpo y la cabeza. Cuando la cabeza gira, los objetos en primer plano parecen moverse contra el fondo. Esta observación sugiere que el procesamiento visual ocurre sin manipulación intermedia de símbolos, ya que el movimiento aparente se percibe directamente.
La percepción auditiva proporciona otro ejemplo. Cuanto mayor es la distancia entre los oídos, mayor es la posible agudeza auditiva, y la densidad del material entre los oídos afecta la fuerza de las ondas de frecuencia a medida que pasan a través de un medio. El sistema auditivo del cerebro tiene en cuenta estos factores sin necesidad de símbolos para representarlos. La distancia en sí misma crea la oportunidad de una mayor agudeza, y la densidad forma la oportunidad de alteración de frecuencia. Así, bajo la consideración de las propiedades físicas, un sistema simbólico es innecesario y una metáfora poco útil.
El papel del cuerpo en el proceso cognitivo
El segundo aspecto se basa en gran medida en el trabajo de George Lakoff y Mark Johnson sobre conceptos. Argumentaron que los humanos usan metáforas para explicar su mundo externo y tienen un stock básico de conceptos del cual se pueden derivar otros. Estos conceptos básicos incluyen orientaciones espaciales como arriba, abajo, frente y atrás. Los humanos entienden estos conceptos porque los experimentan directamente a través de sus propios cuerpos. Por ejemplo, debido a que el movimiento humano implica estar erguido y moverse en un movimiento de arriba-abajo, los humanos tienen innatamente conceptos de arriba y abajo. Lakoff y Johnson sostienen que esto es similar para otras orientaciones espaciales. Estos conceptos espaciales básicos forman la base para construir otros conceptos. Feliz y triste, por ejemplo, se ven como arriba o abajo respectivamente; cuando alguien dice que se siente decaído, está expresando un mapeo metafórico arraigado en la experiencia corporal.
Esta perspectiva ha influido en la investigación en modelos de redes neuronales y aprendizaje profundo, donde las representaciones a menudo se basan en datos sensoriomotores en lugar de símbolos abstractos. También se conecta con el trabajo en robótica, donde la corporización física es central para el aprendizaje y el comportamiento.
Acoplamiento del organismo y el entorno
El tercer aspecto enfatiza la interacción continua entre un organismo y su entorno, rechazando la idea de la cognición como procesamiento interno aislado. Esta visión se alinea con el uso experimental de agentes robóticos en entornos controlados, una metodología central para la ciencia cognitiva corporizada. Los robots con reglas simples pueden exhibir comportamientos complejos sin modelos internos explícitos, como se demostró en el trabajo temprano de Rodney Brooks en instituciones como Stanford AI Lab y más tarde en MIT CSAIL. Este enfoque contrasta con la dependencia de la IA tradicional en la representación explícita del conocimiento y el razonamiento.
Contribuyentes e influencias
La ciencia cognitiva corporizada se basa en gran medida en la filosofía corporizada y campos de investigación relacionados. Los contribuyentes incluyen neurocientíficos como Gerald Edelman del Instituto de Neurociencias en La Jolla, Francisco Varela del CNRS en Francia y J. A. Scott Kelso de la Universidad Atlántica de Florida. Psicólogos como Lawrence Barsalou, Michael Turvey y Eleanor Rosch han contribuido, así como lingüistas como Gilles Fauconnier, George Lakoff y Leonard Talmy. Antropólogos como Edwin Hutchins y Merlin Donald también han dado forma al campo.
En el diseño de agentes autónomos, el trabajo temprano se atribuye a Rodney Brooks y Valentino Braitenberg. Los libros influyentes incluyen Understanding Intelligence de Rolf Pfeifer y Christian Scheier, y How the Body Shapes the Way We Think de Pfeifer y Josh C. Bongard. Filósofos como Andy Clark, Dan Zahavi y Evan Thompson han proporcionado fundamentos teóricos. Las ideas del campo también han influido en la investigación moderna de IA, incluido el trabajo en modelos de lenguaje grandes y arquitecturas de transformadores, aunque estos sistemas a menudo operan sin corporización física.
Aplicaciones y relevancia moderna
La ciencia cognitiva corporizada tiene aplicaciones prácticas en robótica e IA. Empresas como Figure AI y Sanctuary AI desarrollan robots humanoides que dependen de la interacción corporizada con entornos. La investigación en aprendizaje por refuerzo y aprendizaje curricular a menudo incorpora principios corporizados, donde los agentes aprenden a través de la interacción física o simulada. El campo también informa la interacción humano-robot y el desarrollo de vehículos autónomos, como Waymo y Tesla, donde la percepción y la acción están estrechamente acopladas.
El enfoque también ha influido en los debates en inteligencia artificial sobre los límites de los modelos desencarnados. Los críticos argumentan que sistemas como los modelos de lenguaje grandes, que procesan texto sin base sensorial, pueden carecer de comprensión verdadera. La ciencia cognitiva corporizada sugiere que la inteligencia genuina requiere un cuerpo que interactúe con el mundo, una perspectiva que continúa dando forma a las agendas de investigación en la academia y la industria.