James Lloyd "Jay" McClelland, FBA (nacido el 1 de diciembre de 1948) es un psicólogo cognitivo estadounidense y profesor Lucie Stern en la Universidad de Stanford, donde anteriormente presidió el Departamento de Psicología. Es conocido principalmente por su trabajo fundacional sobre el aprendizaje estadístico y el procesamiento distribuido en paralelo (PDP), aplicando modelos conexionistas - también conocidos como redes neuronales - para explicar fenómenos cognitivos como el reconocimiento de palabras habladas y el reconocimiento visual de palabras. McClelland es en gran parte responsable del auge del interés científico en el conexionismo durante la década de 1980, un movimiento que ayudó a reformular la ciencia cognitiva y sentó las bases conceptuales para avances posteriores en inteligencia artificial y aprendizaje profundo.
La investigación de McClelland se ha centrado en cómo los procesos cognitivos emergen de las interacciones de unidades simples e interconectadas, en lugar de reglas simbólicas explícitas. Su trabajo colaborativo con David Rumelhart en la década de 1980 produjo modelos influyentes de aprendizaje y memoria, y sus investigaciones actuales abordan la base neuronal de la cognición semántica y la dinámica del aprendizaje en sistemas tanto biológicos como artificiales.
Vida temprana y educación
McClelland nació el 1 de diciembre de 1948, hijo de Walter Moore y Frances (Shaffer) McClelland. Desarrolló un interés temprano por la psicología y cursó estudios universitarios en la Universidad de Columbia, obteniendo una licenciatura en Psicología en 1970. Luego se trasladó a la Universidad de Pensilvania, donde completó un doctorado en Psicología Cognitiva en 1975. Durante su formación de posgrado, se interesó por los enfoques computacionales de la mente, un camino que definiría su carrera.
El 6 de mayo de 1978, McClelland se casó con Heidi Marsha Feldman; la pareja tiene dos hijas.
Carrera y procesamiento distribuido en paralelo
La carrera académica de McClelland comenzó a finales de la década de 1970, y a principios de la década de 1980 ya colaboraba con David Rumelhart y otros investigadores en lo que se conocería como el marco del procesamiento distribuido en paralelo (PDP). En 1986, McClelland y Rumelhart publicaron la obra en dos volúmenes Parallel Distributed Processing: Explorations in the Microstructure of Cognition, que algunos aún consideran una biblia para los científicos cognitivos. Los volúmenes introdujeron a una amplia audiencia a los modelos conexionistas, demostrando cómo redes de unidades de procesamiento simples podían realizar tareas complejas como el reconocimiento de patrones, el aprendizaje y el procesamiento del lenguaje. Geoffrey Hinton, quien más tarde se convertiría en una figura central en aprendizaje profundo, fue miembro del grupo PDP, y las ideas desarrolladas durante este período influyeron en generaciones posteriores de investigadores.
El marco PDP proponía que las capacidades cognitivas surgen de la actividad paralela de muchas unidades interconectadas, con el conocimiento almacenado en las fortalezas de las conexiones entre ellas. Esto contrastaba fuertemente con el paradigma simbólico dominante en ese momento, que trataba la cognición como la manipulación de reglas y representaciones explícitas. McClelland y Rumelhart demostraron que los modelos conexionistas podían aprender de la experiencia, generalizar a nuevas entradas y exhibir una degradación gradual cuando se dañaban, reflejando propiedades de la cognición humana.
Modelo TRACE y procesamiento del lenguaje
Una de las contribuciones más notables de McClelland es el modelo TRACE de percepción del habla, desarrollado en colaboración con Jeffrey Elman en la década de 1980. TRACE es un modelo conexionista que simula cómo los humanos reconocen palabras habladas integrando información acústica, fonémica y léxica a lo largo del tiempo. El modelo explica una variedad de fenómenos psicolingüísticos, incluidos los efectos del contexto en la percepción de fonemas y el curso temporal del reconocimiento de palabras. Sigue siendo un punto de referencia en la psicolingüística computacional.
McClelland también aplicó principios conexionistas al reconocimiento visual de palabras, particularmente a través del modelo de activación interactiva, que desarrolló con Rumelhart. Este modelo explicaba cómo la información de letras y palabras interactúa durante la lectura, e influyó en teorías posteriores sobre la lectura y la dislexia.
Debate con Pinker y Prince
McClelland y Rumelhart también son conocidos por su influyente debate con Steven Pinker y Alan Prince sobre la necesidad de un módulo de aprendizaje específico del lenguaje. El debate se centró en cómo los niños adquieren el tiempo pasado de los verbos en inglés. Pinker y Prince argumentaron que las formas verbales regulares e irregulares requieren mecanismos distintos - uno basado en reglas y otro asociativo - y que esta distinción implica una facultad lingüística innata. McClelland y Rumelhart respondieron que un único sistema conexionista podía aprender tanto formas regulares como irregulares, sugiriendo que el aprendizaje del lenguaje podría depender de mecanismos de aprendizaje estadístico de propósito general en lugar de un módulo dedicado.
El intercambio, que se desarrolló a finales de la década de 1980 y principios de la de 1990, se convirtió en un hito en la ciencia cognitiva, agudizando la división teórica entre enfoques simbólicos y conexionistas. También estimuló una extensa investigación empírica y computacional sobre la adquisición del lenguaje y la naturaleza de la representación mental.
Carrera posterior e investigación actual
En el otoño de 2006, McClelland se trasladó a la Universidad de Stanford desde la Universidad Carnegie Mellon, donde había sido profesor de psicología y neurociencia cognitiva. En Stanford, se convirtió en profesor Lucie Stern y más tarde presidió el Departamento de Psicología. También tiene un nombramiento a tiempo parcial como profesor consultor en la Unidad de Investigación de Neurociencia y Afasia (NARU) dentro de la Escuela de Ciencias Psicológicas de la Universidad de Mánchester.
La investigación actual de McClelland se centra en el aprendizaje, los procesos de memoria y la psicolingüística, aún dentro del marco de los modelos conexionistas. Investiga cómo el cerebro apoya la memoria semántica, cómo interactúan los sistemas de aprendizaje complementarios en el hipocampo y la neocorteza, y cómo las representaciones distribuidas dan lugar a un comportamiento flexible. Su trabajo tiene implicaciones para comprender el envejecimiento cognitivo, la afasia y los trastornos de la memoria.
Es expresidente del comité del Premio Rumelhart, habiendo colaborado con Rumelhart durante muchos años, y él mismo recibió el premio en 2010 en la Conferencia Anual de la Sociedad de Ciencia Cognitiva en Portland, Oregón.
Premios y honores
McClelland ha recibido numerosos premios que reconocen sus contribuciones a la ciencia cognitiva y la psicología. En 2002, recibió el Premio Grawemeyer de la Universidad de Louisville en psicología. Se le otorgó el Premio Mente y Cerebro, y en 2014 recibió el Premio C.L. de Carvalho-Heineken. Al principio de su carrera, tuvo un Premio de Desarrollo de Carrera de Científico Investigador del Instituto Nacional de Salud Mental de 1981 a 1986 y nuevamente de 1987 a 1997, y fue becario de la Fundación Nacional de Ciencias de 1970 a 1973. También recibió el Premio William W. Cumming de la Universidad de Columbia en 1970.
En julio de 2017, McClelland fue elegido Miembro Correspondiente de la Academia Británica (FBA), la academia nacional del Reino Unido para las humanidades y ciencias sociales, en reconocimiento a su impacto internacional.
Legado e influencia
Las ideas defendidas por McClelland y sus colegas en la década de 1980 han tenido un impacto duradero en la ciencia cognitiva y la inteligencia artificial. Aunque los primeros modelos conexionistas estaban limitados por los recursos computacionales, sus principios - representación distribuida, procesamiento paralelo y aprendizaje a partir de datos - anticiparon aspectos clave de los sistemas modernos de aprendizaje profundo. El marco PDP influyó en el desarrollo de técnicas de aprendizaje automático, y muchos investigadores contemporáneos en redes neuronales trazan su linaje intelectual hasta este trabajo.
El énfasis de McClelland en el aprendizaje estadístico también ha informado la investigación en psicología del desarrollo, mostrando cómo los bebés y niños adquieren lenguaje y conceptos mediante la exposición a regularidades estadísticas. Su teoría de sistemas de aprendizaje complementarios, desarrollada con Bruce McNaughton y Randall O'Reilly, proporciona una explicación computacional de cómo el cerebro equilibra la adquisición rápida de nueva información con la estabilidad a largo plazo, y sigue siendo influyente en neurociencia.
Véase también
- Redes neuronales artificiales
- Aprendizaje profundo
- Aprendizaje automático
- Inteligencia artificial
- Ciencia cognitiva
- Conexionismo
- Modelo TRACE de percepción del habla