Ver el código de «Arquitectura cognitiva»

Una '''arquitectura cognitiva''' se refiere tanto a una teoría sobre la estructura de la [[Mente|mente humana]] como a una instancia computacional de dicha teoría utilizada en los campos de la inteligencia artificial (IA) y [[Cognición computacional|la ciencia cognitiva computacional]].<ref>{{Cita libro |apellidos=Lieto |nombre=Antonio |título=Cognitive Design for Artificial Minds |año=2021 |editorial=Routledge, Taylor & Francis |isbn=9781138207929 |ubicación=Londres}}</ref> Los modelos formalizados se pueden utilizar para perfeccionar aún más una teoría integral de [[Cognición|la cognición]] y como un programa útil de inteligencia artificial. Arquitecturas cognitivas exitosas incluyen a [[ACT-R]] (Control Adaptativo del Pensamiento - Racional) y a SOAR.  La investigación sobre arquitecturas cognitivas como instanciación de software de teorías cognitivas fue iniciada por [[Allen Newell]] en 1990.<ref>Newell, Allen. 1990. Unified Theories of Cognition. Harvard University Press, Cambridge, Massachusetts.</ref>

El Instituto de Tecnologías Creativas define la arquitectura cognitiva como: ''hipótesis sobre las estructuras fijas que proporcionan una mente, ya sea en sistemas naturales o artificiales, y cómo trabajan juntas —en conjunto con el conocimiento y las habilidades incorporadas dentro de la arquitectura— para producir un comportamiento inteligente en una diversidad de entornos complejos.''<ref>[http://cogarch.ict.usc.edu/ Sitio web de ICT]</ref>

== Historia ==
[[Herbert Alexander Simon|Herbert A. Simon]], uno de los fundadores del campo de la inteligencia artificial, afirmó que la tesis de 1960 de su alumno [[Edward Feigenbaum|Ed Feigenbaum]], EPAM proporcionaba una posible «arquitectura para la cognición»<ref>{{Cita web |url=https://saltworks.stanford.edu/catalog/druid:st035tk1755 |título=Notes--very early EPAM seminar}}</ref> porque incluía algunos compromisos sobre cómo funcionaba más de un aspecto fundamental de la mente humana  (en el caso de EPAM, [[Memoria (proceso)|la memoria humana]] y [[Aprendizaje|el aprendizaje]] humano).

[[John Robert Anderson (psicólogo)|John R. Anderson]] inició la investigación sobre la memoria humana a principios de la década de 1970 y su tesis de 1973 con Gordon H. Bower proporcionó una teoría de la memoria asociativa humana.<ref>«[http://garfield.library.upenn.edu/classics1979/A1979HX09600001.pdf This Week's Citation Classic: Anderson J R & Bower G H. Human associative memory. Washington]», en: CC. Nr. 52 Dec 24-31, 1979.</ref> Incluyó más aspectos de su investigación sobre la memoria a largo plazo y los procesos de pensamiento en esta investigación y finalmente diseñó una arquitectura cognitiva que llamó [[ACT-R|ACT]]. Él y sus alumnos fueron influenciados por el uso que [[Allen Newell]] hizo de la expresión «arquitectura cognitiva». El laboratorio de Anderson utilizó el término para referirse a la teoría ACT tal como estaba plasmada en una colección de artículos y diseños (no había una implementación completa de ACT en ese momento).

En 1983, John R. Anderson publicó el trabajo fundamental en esta área, titulado ''La arquitectura de la cognición.''<ref>John R. Anderson. ''[https://books.google.com/books?id=zL0eAgAAQBAJ The Architecture of Cognition]'', 1983/2013.</ref> Uno puede distinguir entre la teoría de la cognición y la implementación de la teoría. La teoría de la cognición bocetó la estructura de las distintas partes de la mente y se comprometió con el uso de reglas, redes asociativas y otros aspectos. La arquitectura cognitiva implementa la teoría en las computadoras. El software utilizado para implementar las arquitecturas cognitivas también eran «arquitecturas cognitivas». Por lo tanto, una arquitectura cognitiva también puede referirse a un plano para [[Agente inteligente (inteligencia artificial)|agentes inteligentes]] . Propone procesos computacionales (artificiales) que actúan como ciertos sistemas cognitivos, la mayoría de las veces, como una persona, o actúan [[Inteligencia|de manera inteligente]] bajo alguna definición. Las arquitecturas cognitivas forman un subconjunto de arquitecturas de agentes generales. El término «arquitectura» implica una aproximación que intenta modelar no tan sólo el comportamiento, sino también las propiedades estructurales del sistema modelado.

== Distinciones ==
Las arquitecturas cognitivas pueden ser [[Símbolo|simbólicas]], [[Conexionismo|conexionistas]] o [[Sistemas híbridos inteligentes|híbridas]].<ref>{{Cita publicación |título=A Survey of Artificial Cognitive Systems: Implications for the Autonomous Development of Mental Capabilities in Computational Agents |apellidos=Vernon |nombre=David |apellidos2=Metta |nombre2=Giorgio |fecha=April 2007 |publicación=IEEE Transactions on Evolutionary Computation |volumen=11 |número=2 |páginas=151-180 |doi=10.1109/TEVC.2006.890274 |apellidos3=Sandini |nombre3=Giulio}}</ref> Algunas arquitecturas o modelos cognitivos se basan en un conjunto de [[Cognoscitivismo|reglas genéricas]], como, por ejemplo, el Lenguaje de Procesamiento de Información (por ejemplo, Soar basado en la teoría unificada de la cognición, o de manera similar [[ACT-R]] ). Muchas de estas arquitecturas se basan en la analogía de que la mente es como una computadora. En contraste, el procesamiento subsimbólico no especifica tales reglas ''a&nbsp;priori'' y se basa en propiedades emergentes de las unidades de procesamiento (por ejemplo, nodos). Las arquitecturas híbridas combinan ambos tipos de procesamiento (como [[CLARION (arquitectura cognitiva)|CLARION]]). Una distinción adicional es si la arquitectura está centralizada con un correlato neuronal de un procesador en su núcleo o [[Descentralización|descentralizada]] (distribuida). El enfoque descentralizado se ha vuelto popular bajo el nombre de [[Conexionismo|procesamiento distribuido paralelo]] a mediados de la década de 1980 y [[conexionismo]], siendo un excelente ejemplo las redes neuronales . Otra cuestión de diseño es, además, la elección entre una estructura [[Holismo|holística]] y [[Atomismo|atomística]] o [[Programación modular|modular]] (más concreta).

En la [[Inteligencia artificial|IA]] tradicional, la [[inteligencia]] a menudo se programa desde arriba: el programador es el creador, crea algo y lo impregna de su inteligencia, aunque muchos sistemas de IA tradicionales también fueron diseñados para aprender (por ejemplo, mejorar su competencia en juegos o en la resolución de problemas). [[Sistemas bioinspirados|La informática de inspiración biológica]], por otro lado, adopta a veces un enfoque más descentralizado y [[Top-down y bottom-up|de abajo hacia arriba]]; Las técnicas bioinspiradas a menudo implican el método de especificar un conjunto de reglas genéricas simples o un conjunto de nodos simples, de cuya interacción emerge el comportamiento general. Se espera ir acumulando complejidad hasta que el resultado final sea algo marcadamente complejo (ver sistemas complejos). Sin embargo, también se puede argumentar que los sistemas diseñados [[Top-down y bottom-up|de arriba hacia abajo]] sobre la base de observaciones de lo que los humanos y otros animales pueden hacer en lugar de observaciones de mecanismos cerebrales, también están inspirados biológicamente, aunque de manera diferente.

== Ejemplos notables ==
{{Main|Lista de proyectos de inteligencia artificial}}
Algunas arquitecturas cognitivas conocidas, en orden alfabético:
{| class="wikitable sortable"
|+
!Nombre
!Descripción
|-
|[[4CAPS]]
|desarrollada en la [[Universidad Carnegie Mellon]] por [[Marcel Just]] y Sashank Varma.
|-
|[[4D-RCS Arquitectura de modelo de referencia]]
|desarrollada por [[James S. Albus|James Albus]] en el [[Instituto Nacional de Estándares y Tecnología]] es una arquitectura de modelo de referencia que proporciona una base teórica para el diseño, la ingeniería y la integración de sistemas inteligentes de software para [[Vehículo terrestre no tripulado|Vehículos terrestres no tripulados]].
|-
|[[ACT-R]]
|desarrollada en la [[Universidad Carnegie Mellon]] bajo la dirección de [[John B. Anderson]]
|-
|ASMO<ref>{{Cita tesis|first=Rony|last=Novianto|year=2014|title=Flexible Attention-based Cognitive Architecture for Robots|url=https://opus.lib.uts.edu.au/bitstream/10453/34414/2/02whole.pdf}}</ref>
|desarrollada por [[Rony Novianto]], Mary-Anne Williams y Benjamin Johnston en la [[Universidad Tecnológica de Sídney|Universidad Tecnólogica de Sídney]]. Esta arquitectura cognitiva está basada en la idea que las acciones/comportamientos compiten por los recursos de un agente.
|-
|[[CHREST]]
|desarrollada bajo la dirección de Fernand Gobet en la [[Universidad Brunel]] y Peter C. Lane en la [[Universidad de Hertfordshire]].
|-
|[[CLARION (arquitectura cognitiva)|CLARION]]
|la arquitectura cognitiva, desarrollada bajo la dirección de [[Ron Sun]] en el [[Instituto Politécnico Rensselaer]] y en la Universidad de Misuri.
|-
|CMAC
|El Controlador del Modelo Cerebelar de Articulación (CMAC) es un tipo de red neuronal basada en el modelo del [[cerebelo]] de los mamíferos. Es un tipo de  [[Memoria (proceso)|memoria]] [[Asociación (psicología)|asociativa]].<ref>{{Cita publicación |título=Mechanisms of planning and problem solving in the brain |apellidos=Albus |nombre=James S. |fecha=August 1979 |publicación=Mathematical Biosciences |volumen=45 |número=3-4 |páginas=247-293 |doi=10.1016/0025-5564(79)90063-4}}</ref> El CMAC fue propuesto por primera vez como un modelador de funciones de controles robóticos por [[James S. Albus|James Albus]] en 1975 y ha sido usado extensamente en [[aprendizaje por refuerzo]] y también para la [[Clasificación estadística|clasificación]] automatizada en la comunidad de [[aprendizaje automático]].
|-
|[[Copycat (software)|Copycat]]
|por [[Douglas Hofstadter]] y Melanie Mitchell en la [[Universidad de Indiana Bloomington]].
|-
|DAYDREAMER
|desarrollada Erik Mueller en la [[Universidad de California en Los Ángeles|Universidad de California en los Ángeles]] bajo la dirección de Michael G. Dyer
|-
|DUAL
|desarrollada en la [[Nueva Universidad Búlgara]] bajo el mando de Boicho Kokinov.
|-
|[[FORR]]
|desarrollada por Susan L. Epstein en la [[Universidad Municipal de Nueva York]].
|-
|Framsticks
|una arquitectura neural distribuida conexionista para criaturas simuladas o robots, en donde los módulos de redes neuronales compuestos de neuronas heterógenas (incluyendo receptores y efectores) pueden ser diseñados y evolucionados.
|-
|[[DeepMind|Google DeepMind]]
|La compañía ha creado una red neuronal que aprende a jugar [[videojuego]]s de la misma forma que los humanos<ref>{{Cita arXiv|eprint=1312.5602|last1=Mnih|first1=Volodymyr|title=Playing Atari with Deep Reinforcement Learning|last2=Kavukcuoglu|first2=Koray|last3=Silver|first3=David|last4=Graves|first4=Alex|last5=Antonoglou|first5=Ioannis|last6=Wierstra|first6=Daan|last7=Riedmiller|first7=Martin|class=cs.LG|year=2013}}</ref> y una red neuronal que puede ser capaz de acceder a una memoria externa como una [[Máquina de Turing|Máquina de turing]] convencinal,<ref>{{Cita arXiv|eprint=1410.5401|last1=Mnih|first1=Volodymyr|title=Neural Turing Machines|last2=Kavukcuoglu|first2=Koray|last3=Silver|first3=David|last4=Graves|first4=Alex|last5=Antonoglou|first5=Ioannis|last6=Wierstra|first6=Daan|last7=Riedmiller|first7=Martin|class=cs.NE|year=2014}}</ref> resultando en una computadora que posiblemente aparenta imitar a la [[memoria a corto plazo]] del cerebro humano. El algoritmo subyacente se basa en una combinación de [[Q-learning]] con [[Red neuronal recurrente|redes neuronales recurrente]] multicapa.<ref>{{Cita publicación |título=Human-level control through deep reinforcement learning |apellidos=Mnih |nombre=Volodymyr |apellidos2=Kavukcuoglu |nombre2=Koray |fecha=2015-02-25 |publicación=Nature |volumen=518 |número=7540 |páginas=529-533 |bibcode=2015Natur.518..529M |doi=10.1038/nature14236 |pmid=25719670 |apellidos3=Silver |nombre3=David |apellidos4=Rusu |nombre4=Andrei A. |apellidos5=Veness |nombre5=Joel |apellidos6=Bellemare |nombre6=Marc G. |apellidos7=Graves |nombre7=Alex |apellidos8=Riedmiller |nombre8=Martin |apellidos9=Fidjeland |nombre9=Andreas K.}}</ref> (También ver una descripción general por [[Jürgen Schmidhuber]] en trabajo relacionado más reciente [[Aprendizaje profundo|Deep learning]]<ref>{{Cita web |url=http://people.idsia.ch/~juergen/naturedeepmind.html |título=DeepMind's Nature Paper and Earlier Related Work}}</ref><ref>{{Cita publicación |título=Deep learning in neural networks: An overview |apellidos=Schmidhuber |nombre=Jürgen |apellidos2=Kavukcuoglu |nombre2=Koray |publicación=Neural Networks |volumen=61 |páginas=85-117 |doi=10.1016/j.neunet.2014.09.003 |pmid=25462637 |apellidos3=Silver |nombre3=David |apellidos4=Graves |nombre4=Alex |apellidos5=Antonoglou |nombre5=Ioannis |apellidos6=Wierstra |nombre6=Daan |apellidos7=Riedmiller |nombre7=Martin |año=2015 |arxiv=1404.7828}}</ref>)
|-
|Memoria holográfica asociativa
|Esta arquitectura es parte de la familia de [[Asociación (psicología)|memorias asociativas]] basadas en correlaciones, donde la información es mapeada sobre la orientación de fase de los números complejos en una [[Superficie de Riemann]]. Fue inspirada por el modelo holonómico cerebral por [[Karl H. Pribram]]. Hológrafos han demostrado ser efectivos para tareas de [[Memoria (proceso)|memoria]] [[Asociación (psicología)|asociativa]], generalización, y reconocimiento de patrones con atención cambiante.
|-
|Memoria temporal jerárquica
|Esta arquitectura es un modelo de [[Aprendizaje automático en línea]] desarrolado por [[Jeff Hawkins]] y Dileep George de Numenta, Inc. que modela algunas de las propiedades estructurales y [[Algoritmo|algorítmicas]] del[[neocórtex]]. HTM es un modelo [[Biónica|biomimético]] basado en la teoría de funcionamiento cerebral de memoria-predicción descrita por [[Jeff Hawkins]] en su libro ''Sobre Inteligencia''. HTM es un método para descubrir e inferir las causas de alto nivel de los patrones y secuencias de entrada observados, construyendo así un modelo cada vez más complejo del mundo.
|-
|[[Agentes inteligentes JACK|CoJACK]]
|Una extensión inspirada de [[ACT-R]] al sistema multi agente [[Agentes inteligentes JACK|JACK]] que agrega una arquitectura cognitiva a los agentes para provocar comportamientos más realistas (parecidos a los humanos) en entornos virtuales.
|-
|IDA and LIDA
|implementando Teoría Global del Espacio de Trabajo, desarrollada bajo el mando de Stan Franklin en la [[Universidad de Memphis]].
|-
|MANIC (Cognitive Architecture)
|Michael S. Gashler, Universidad de Arkansas.
|-
|PRS
|'Sistema de razonamiento procedural', desarrollado por Michael Georgeff y Amy Lansky en [[SRI International]].
|-
|Psi-Theory
|desarrollada bajo el mando de Dietrich Dörner en la Universidad de Otto-Friedrich en [[Bamberg]], [[Alemania]].
|-
|Spaun (Red Unificada de Arquitectura de Punteros Semánticos)
|por Chris Eliasmith en el Centro para Neurociencias Teóricas en la [[Universidad de Waterloo]]; Spaun es una red de 2&nbsp;500&nbsp;000 [[Red neuronal de impulsos|neuronas de impulsos]] artificiales, la cual usa grupos de estas neuronas para completar tareas cognitivas a través de coordinación flexible. Los componentes del modelo se comunican utilizando neuronas de impulso que implementan representaciones neuronales llamadas «punteros semánticos» usando varios patrones de disparo. Los punteros semánticos pueden entenderse como elementos de un espacio de vectores neuronales comprimidos.<ref>{{Cita publicación |título=A Large-Scale Model of the Functioning Brain |apellidos=Eliasmith |nombre=C. |apellidos2=Stewart |nombre2=T. C. |fecha=2012-11-29 |publicación=Science |volumen=338 |número=6111 |páginas=1202–1205 |bibcode=2012Sci...338.1202E |doi=10.1126/science.1225266 |pmid=23197532 |apellidos3=Choo |nombre3=X. |apellidos4=Bekolay |nombre4=T. |apellidos5=DeWolf |nombre5=T. |apellidos6=Tang |nombre6=Y. |apellidos7=Rasmussen |nombre7=D.}}</ref>
|-
|Soar
|desarrollada bajo el mando de [[Allen Newell]] y John Laird en la [[Universidad Carnegie Mellon]] y la [[Universidad de Míchigan]].
|-
|''[[Sociedad de la mente|Sociedad de la Mente]]''
|propuesta por [[Marvin Minsky]].
|-
|''La maquina de emociones''
|propuesta por [[Marvin Minsky]].
|-
|[[Memoria distribuida con baja densidad]]
|fue propuesta por Pentti Kanerva en el [[Centro de Investigación Ames]] como una arquitectura factible que pudiera almacenar patrones grandes y recuperarlos basado en coincidencias parciales con patrones que representan las entradas sensoriales actuales.
|-
|[[Arquitectura de subsunción|Arquitecturas de subsunción]]
|desarrollada por ejemplo por [[Rodney Brooks]] (aunque se podría debatir si son ''cognitivas'').
|}

== Véase también ==
{{lista de columnas|2|
* [[Cerebro artificial]]
* [[Agente autónomo]]
* [[Ciencia cognitiva]]
* [[Arquitectura de computadoras]]
* [[Aprendizaje profundo]]
* [[Google Brain]]
* [[Realidad simulada]]
* [[Simulación social]]
* [[Lista de proyectos de inteligencia artificial]]}}

== Referencias ==
{{Listaref|2}}

[[Categoría:Arquitectura cognitiva]]