00:00:09
quiero presentar ahora a Arturo Pérez
00:00:13
psicólogo de la universidad Diego
00:00:15
portales magister en psicología de la
00:00:17
Universidad de Alberta y candidato
00:00:20
doctor de la misma universidad durante
00:00:22
su carrera ha investigado en ciencias
00:00:24
cognitivas en áreas como la
00:00:26
argumentación cognición matemática y
00:00:28
cognición municipal musical desde el
00:00:31
2019 su labor investigativa eh se centra
00:00:34
en el entrenamiento e interpretación de
00:00:36
redes neuronales artificiales y otros
00:00:38
modelos de Inteligencia artificial Así
00:00:40
que le doy la bienvenida para que nos
00:00:43
pueda
00:00:45
presentar se ve perfecto está
00:00:47
compartiendo pantalla completa s y me
00:00:49
escuchan Bien también perfecto se
00:00:51
escucha muy bien s Muchas gracias eh
00:00:54
Muchas primero agradecer la invitación y
00:00:56
agradecer la oportunidad de poder
00:00:57
exponer el día de hoy eh hoy día quiero
00:01:00
hablar acerca de mentes y
00:01:01
máquinas principalmente hoy día quiero
00:01:04
partir contextualizando la relación
00:01:06
entre Mentes y máquinas eh Y también
00:01:10
cuestionar un poquito Cuál es la
00:01:12
relación entre Mentes y máquinas y esto
00:01:14
a través de dos momentos principales de
00:01:15
la presentación el primero donde voy a
00:01:17
hablar un poquito acerca de la relación
00:01:19
entre las ciencias cognitivas y la
00:01:20
historia de la computación repasando un
00:01:22
poco el material que habló carlina
00:01:24
también recién eh Y un segundo momento
00:01:27
donde ya voy a hablar mucho más
00:01:28
directamente de mi trabajo con redes
00:01:30
neurales artificiales y lo que hacemos
00:01:32
en el laboratorio donde trabajo
00:01:33
actualmente eh vuelvo a presentarme
00:01:35
nuevamente Soy Arturo Pérez estoy en el
00:01:37
último ao del doctorado en psicología en
00:01:39
la universidad Alberta y me me dedico
00:01:41
desde mi pregrado a las ciencias
00:01:42
cognitivas y bueno para los colegas que
00:01:45
no no son del mundo de la psicología les
00:01:47
recordaré que las ciencias cognitivas
00:01:49
cierto es un área interdisciplinar que
00:01:51
combina distintas áreas de investigación
00:01:53
con la finalidad de responder preguntas
00:01:55
eh Como Qué es la mente Cómo funciona la
00:01:58
mente y Buscar posibles aplicaciones a
00:02:01
estas respuestas Como por ejemplo Cómo
00:02:03
podría yo construir un modelo que simule
00:02:05
las capacidades cognitivas humanas o lo
00:02:07
que a veces se llama hoy en día de
00:02:09
manera bastante general Inteligencia
00:02:11
artificial y creo que es importante
00:02:14
también recordar que las distintas
00:02:16
disciplinas que componen las ciencias
00:02:17
cognitivas que varias veas están
00:02:19
listadas acá en este en este pequeño
00:02:21
polígono alguno algunos incluyen un par
00:02:24
de disciplinas más como no sé acá están
00:02:27
incluidas la filosofía la psicología la
00:02:28
Inteligencia artificial la neurociencia
00:02:31
antropología lingüística pero también se
00:02:33
se pueden incluir otras eh cada una de
00:02:36
estas distintas áreas eh apelan o
00:02:38
intentan hacer descripciones respecto de
00:02:40
distintos niveles de análisis de lo que
00:02:42
en general llamamos cognición y algunos
00:02:44
se fijan por ejemplo en aspectos más
00:02:46
computacionales otros de nivel mucho más
00:02:47
algorítmico otros de arquitectura
00:02:49
implementación Y esto también tiene que
00:02:51
ver con cierto el principio de
00:02:52
realización múltiple que podemos tener
00:02:54
por ejemplo muchos algoritmos para hacer
00:02:56
una sola computación o podemos tener
00:02:58
distintas arquitecturas que que nos
00:03:00
pueden llevar también a hacer un mismo
00:03:01
algoritmo que también puede llevar a
00:03:03
hacer una computación eh o podemos tener
00:03:06
también distintos eh aplicacion a nivel
00:03:10
computacional repasando un poquito el
00:03:12
material del que ya nos habló Carolina
00:03:14
eh la historia de la Inteligencia
00:03:16
artificial está muy ligada a la historia
00:03:18
de la
00:03:19
computación perdón y en particular para
00:03:23
nosotros sí para nosotros como
00:03:24
psicólogos o para nosotros como personas
00:03:26
que nos dedicamos a las ciencias
00:03:27
cognitivas eh la el la historia
00:03:29
computación fue importante porque con
00:03:31
ella e empezamos a tener un lenguaje con
00:03:34
el cual describir y formalizar procesos
00:03:36
mentales humanos o de otros animales
00:03:38
como cuando uno hace una suo en su
00:03:40
cabeza Cuando uno hace una decisión o
00:03:42
cuando uno hace algún tipo de operación
00:03:43
lógica querer implementar estas
00:03:45
descripciones de procesos mentales a
00:03:47
máquinas es uno de los principales
00:03:48
intereses de la Inteligencia artificial
00:03:51
y podríamos decir que la Inteligencia
00:03:52
artificial en general es el este intento
00:03:54
humano por desarrollar máquinas entre
00:03:57
comillas inteligentes qué es lo que ha
00:03:59
inteligent eso ya podría ser también un
00:04:01
un gran área de debate eh algunos de
00:04:03
estos esfuerzos de iniciales tenían
00:04:05
relación con poder automatizar tareas
00:04:07
como lo es hoy en día también y Esto
00:04:08
empezó a ocurrir eh Como podremos
00:04:10
imaginar dentro de la Revolución
00:04:12
Industrial
00:04:13
eh por esta época nacen los autómatas
00:04:16
los autómatas por ejemplo que son este
00:04:19
tipo como tipo de estatuas que pueden
00:04:21
hacer una serie una gran cantidad de
00:04:23
tareas Como por ejemplo incluso algunos
00:04:25
podían escribir a mano si buscan en
00:04:27
YouTube ahí el autómata que se llama
00:04:29
Jack draw eh que podían hacer cosas
00:04:31
bastante interesantes Pero esto no
00:04:32
tenían la capacidad de generar conductas
00:04:34
nuevas que es lo que se podría
00:04:36
considerar una de los aspectos que con
00:04:38
los que podríamos Llamar una máquina
00:04:40
inteligente y bueno hacia principios de
00:04:42
los 1800 y ya mucho antes habían teorías
00:04:45
de cómo funcionaba la mente pero habían
00:04:47
super pocas oportunidades para poner
00:04:49
esas ideas en juego sobre todo las de
00:04:50
carácter más cognitivo o de procesos
00:04:52
psicológicos básicos como cognición y
00:04:54
memoria con las primeras computadoras
00:04:56
entonces surgen una nueva forma de poner
00:04:59
a prueba de ideas de cómo funciona la
00:05:00
mente eh algunas de las primeras protoc
00:05:03
computadoras son como el teler de Card
00:05:05
que tengo acá en en la en la parte
00:05:07
superior derecha bueno por lo menos para
00:05:09
mí se la parte superior derecha que es
00:05:11
una una protoc computadora que
00:05:13
funcionaba en base a una a tarjetas con
00:05:16
con agujeros y cuando uno ponía una
00:05:18
tarjeta cierto este telar llevaba AC
00:05:19
acabo un cierto diseño Al momento de de
00:05:22
tejer y también como nos señala Carolina
00:05:25
hace un rato con Charles Bach y adop se
00:05:27
desarrolla el motor analítico que
00:05:28
también es uno de los primeros eh
00:05:32
computadoras y un poquito más adelante
00:05:35
cierto ya hace los 1900 eh Alan touring
00:05:38
desarrolla la conocida máquina de
00:05:40
touring y publica sobre y más
00:05:41
importantemente sobre todo publica este
00:05:43
paper en 1936 donde también demuestra
00:05:47
que una máquina de touring es al menos
00:05:48
en teoría dado el suficiente memoria y
00:05:50
el suficiente tiempo capaz de llevar a
00:05:53
cabo cualquier computación que nosotros
00:05:55
se vamos programar y todos estos
00:05:58
desarrollos dieron fuerza la idea a las
00:05:59
ideas que hoy día se conocen como
00:06:01
logicismo la idea de que la mente
00:06:03
efectivamente funciona en base a
00:06:05
operaciones lógicas y manipulación de
00:06:07
símbolos en base a regla eh que también
00:06:09
dio paso a lo que se conoce como La
00:06:11
regulación cognitiva eh la idea s del
00:06:14
logicismo como diría mi abuelita un poco
00:06:16
es poner la carreta delante de los
00:06:17
bueyes porque aunque la lógica y la la
00:06:20
lógica y las matemáticas nos permitan
00:06:21
describir procesos mentales tampoco
00:06:23
podemos confundir cierto la metáfora eh
00:06:26
que es una herramienta con el fenómeno
00:06:28
estudiado que es la mente humana que es
00:06:30
un fenómeno mucho más complejo que
00:06:31
funciona de otr formas en particular por
00:06:34
esto también Es que hoy en día yo Me
00:06:35
resisto a la idea de decir que los
00:06:37
modelos de Inteligencia artificial son
00:06:40
inteligentes porque en verdad eh Me
00:06:42
parece que este la utilización de esta
00:06:44
palabra tiene que ver más con la con los
00:06:45
intereses de Mercado y de la venta de
00:06:47
este tipo de modelo más que a la
00:06:48
realidad eh Pero en fin la creación de
00:06:51
la máquina de touring como les estaba
00:06:53
diciendo y los nuevos avances en las
00:06:55
materias de computación nos dieron un
00:06:56
aparataje teórico nuevo y nos dio un
00:06:58
lenguaje que permite transmitir ideas o
00:07:00
procesos como un cálculo o resolución de
00:07:02
problemas en frases e instrucciones que
00:07:05
pueden ser entregadas a un computador en
00:07:07
un lenguaje en base a símbolos que les
00:07:08
permite hacer el procesamiento por
00:07:10
nosotros y nosotros nada más lo que
00:07:12
hacemos Es programar las reglas y
00:07:14
esperar el
00:07:15
output esto rápidamente nos lleva a
00:07:17
querer implementar distintos
00:07:20
eh nos lleva a querer implementar
00:07:22
distintos eh este tipo de ideas a
00:07:25
distintos agentes cognitivos
00:07:26
artificiales como podrían ser los robots
00:07:28
uno de los primeros Mod modelos eh los
00:07:30
primeros modelos en hacer esto tenían
00:07:31
arquitectura Von Newman como el robot
00:07:33
que estamos viendo aquí que se llama
00:07:34
shiky que era un robot que tenía la
00:07:36
capacidad de poder Navegar en un espacio
00:07:38
eh en este en el video que estoy
00:07:40
presentando acá que después lo pueden
00:07:42
revisar ustedes también en YouTube e
00:07:44
pueden ver como la máquina se está
00:07:46
desplazando en este espacio y pareciera
00:07:48
que lo hace bastante rápido eh sin
00:07:50
embargo eh toda esta operación todo este
00:07:53
eh navegación que el robot shiky puede
00:07:56
hacer dentro de ese espacio toma
00:07:57
alrededor de como de dos o TR horas Y
00:07:59
esto es porque eh en como funciona en
00:08:03
base una arquitectura B Newman lo que
00:08:04
tiene que hacer esta máquina es tomar el
00:08:07
input o digamos el el la imagen cierto
00:08:11
del espacio donde está donde está
00:08:13
existiendo y después llevarlo a cabo en
00:08:15
un procesador
00:08:17
central sin embargo esto ya en los años
00:08:20
70 y quizás mucho Antes había objeciones
00:08:22
con respecto al funcionamiento de estas
00:08:23
máquinas sobre todo porque los cerebros
00:08:25
humanos no funcionan así no funcionan en
00:08:27
base o no funcionan de la mis manera en
00:08:29
la que funcionaba el robot como shiky e
00:08:32
nosotros funcionamos de manera mucho más
00:08:33
rápida y adaptativa y por lo demás
00:08:35
empezamos a pensar que los cerebros
00:08:37
humanos no no tienen el el la estructura
00:08:40
de memoria necesariamente que las
00:08:41
arquitecturas Von Newman de computación
00:08:43
que son herederas de las máquinas de
00:08:44
turing tenían Y en este momento Entonces
00:08:47
en los años 70 Eh bueno en verdad
00:08:49
también en los años 40 a partir de
00:08:51
masculo pits e que se desarrollan los
00:08:54
primeros modelos de redes neuronales
00:08:55
artificiales que son en realidad la la
00:08:59
la base de los modelos que hoy en día
00:09:00
llamamos Inteligencia artificial también
00:09:03
o bueno la en general los modelos de
00:09:05
lenguaje los modelos de Inteligencia
00:09:07
artificial generativa con los que
00:09:08
estamos trabajando hoy en día funcionan
00:09:10
en base a redes neuronales artificiales
00:09:13
e y también quizás notar que el
00:09:16
desarrollo que este que este año le
00:09:18
valió al profesor Hinton el premio Nobel
00:09:21
de física si no me equivoco las máquina
00:09:23
restringidas de wsman fueron
00:09:24
desarrollados también en el
00:09:25
1975 que es otro tipo de modelo de redes
00:09:28
neuronales artificiales que también nos
00:09:30
permiten hoy en día llegar a lo que se
00:09:33
conoce hoy en día como eh redes eh Como
00:09:36
eh Inteligencia artificial en base a
00:09:38
redes neuronales artificiales que se les
00:09:40
llama así también porque son un intento
00:09:42
de formalizar cómo funcionan las
00:09:44
neuronas en base a un lenguaje
00:09:46
matemático Y entonces otra cosa que yo
00:09:49
quisiera hacer notar en este punto es
00:09:51
que a pesar de que lo que lo de que lo
00:09:53
la de que lo de que lo que la
00:09:56
mercadotecnia no quisiera hacer creer
00:09:58
ninguna de estas axima es novedosa ni es
00:10:00
ningún salto en particular sino que se
00:10:01
enmarca dentro de una larga historia
00:10:03
como también nos estaban diciendo nos
00:10:05
está diciendo Carolina en su
00:10:06
presentación anterior yo creo que
00:10:08
también la correcta contextualización de
00:10:09
la Inteligencia artificial dentro de la
00:10:11
historia de la computación nos permite
00:10:12
entender mucho mejor cuáles son sus
00:10:14
alcances posibilidades y limitaciones
00:10:16
Cuál es su relación real con aquello que
00:10:18
quiere modelar que es la inteligencia
00:10:20
humana en particular y deberíamos
00:10:23
acordarnos también que detrás de todo lo
00:10:24
que llamamos Inteligencia artificial no
00:10:26
hay mucho más que una serie de procesos
00:10:28
lógicos temáticos que son descritos de
00:10:30
esta forma al mismo tiempo esta es su
00:10:32
gran limitación y su condición de
00:10:34
posibilidad
00:10:35
eh y por lo tanto deberíamos cuidarnos
00:10:37
entonces de establecer equivalencias
00:10:39
demasiado ambiciosas entre lo que una
00:10:41
máquina puede ser y la mente humana o
00:10:43
deberíamos estar sospechosos cuando nos
00:10:44
están intentando decir que estas
00:10:47
máquinas funcionan como o son parecidas
00:10:49
a la cognición humana eh en particular
00:10:52
también me gustaría decir que estos
00:10:53
modelos computacionales no son útiles a
00:10:55
nosotros Porque son una herramienta
00:10:57
estadísticas y nos estadística nos son
00:10:59
útiles como herramientas teóricas
00:11:01
siempre y cuando entendamos lo que están
00:11:03
haciendo eh También podríamos agregar
00:11:06
que es ético aplicarla Solo cuando
00:11:08
entendemos qué es lo que están haciendo
00:11:10
sobre todo para poder cuidarnos de los
00:11:11
os como también nos está advirtiendo
00:11:12
Carolina en su presentación lo que me Eh
00:11:16
Esto bueno también dicho en otras
00:11:18
palabras e estos modelos no son útiles
00:11:21
no son útiles cuando no son solamente
00:11:23
cajas negras lo que me lleva rápidamente
00:11:25
al trabajo que hacemos en nuestro
00:11:26
laboratorio que tiene que ver con la
00:11:28
interpretación de redes neuronales
00:11:30
artificiales que son entrenadas en
00:11:31
distintas tareas uno de nuestros
00:11:33
principales intereses es poder recuperar
00:11:36
y reclamar las distintas herramientas de
00:11:37
modelación como insumos para desarrollar
00:11:40
posibles teorías que no sean que nos
00:11:42
sean útiles para las ciencias cognitivas
00:11:44
nuestra preocupación no es ingeril ni de
00:11:46
Mercado sino más bien utilizar estos
00:11:48
modelos para desarrollar posibles
00:11:50
teorías de lo que nuestra mente lleva a
00:11:51
cabo de qué tipo de computaciones qué
00:11:53
tipo de procesos Qué tipo de algoritmos
00:11:55
cierto puede llevar puede estar llevando
00:11:57
nuestra mente a cabo cuando estamos eh
00:11:59
haciendo algún juicio o llevando a cabo
00:12:01
alguna computación en nuestra mente en
00:12:04
particular una de nuestras una de
00:12:06
nuestras preocupaciones es no caer
00:12:07
nuevamente lo que se conoce como la
00:12:09
paradoja de bonini que es la idea de que
00:12:11
en algún momento cuando nuestro modelo
00:12:13
llegue a ser lo suficientemente complejo
00:12:15
eh o casi tan complejo como aquello que
00:12:17
queremos modelar ya no vamos a poder ser
00:12:19
ya no vamos a poder interpretarlo porque
00:12:21
precisamente va ser tan complejo como
00:12:23
este como lo que queríamos estudiar en
00:12:24
un primer momento e lo que a nosotros
00:12:27
nos interesa entonces y lo que nosotros
00:12:28
nos hemos ded últimamente es a
00:12:30
interpretar lo que hacen nuestras redes
00:12:32
neuronales artificiales para poder
00:12:34
desarrollar hipótesis y teorías de lo
00:12:36
que nuestra mente puede estar llevando a
00:12:38
cabo en particular este trabajo que
00:12:39
tengo presentado acá fue un trabajo que
00:12:41
publicamos el 2023 en una es una red
00:12:44
musical que es un clasificador tiene
00:12:46
unidades de entrada que representan
00:12:47
distintas notas que pueden ver acá abajo
00:12:49
del do al s y nosotros le presentamos un
00:12:53
patrón de notas para que la red Aprenda
00:12:54
y nos pueda decir si si que el conjunto
00:12:56
de notas que le estamos presentando
00:12:57
corresponde a un acorde mayor un acorde
00:12:59
menor un acorde aumentado un acorde
00:13:01
disminuido e nuestro interés nuevamente
00:13:04
no es saber si es que la red puede o no
00:13:06
hacer esto porque nosotros sabemos que
00:13:08
la red eventualmente va a poder y de
00:13:10
hecho o sea lo hemos visto va a poder
00:13:12
hacer casi cualquier tarea o resolver
00:13:14
casi cualquier tipo de clasificación
00:13:15
dado el suficiente tiempo los
00:13:17
suficientes datos y el suficiente poder
00:13:22
computacional entonces lo que nosotros
00:13:24
lo que a nosotros más nos interesa es
00:13:25
poder entender cómo el modelo hace sus
00:13:27
predicciones Cuál es la inform
00:13:29
información que el modelo utiliza para
00:13:31
hacer sus predicciones y evaluar y
00:13:33
evaluar también las distintas
00:13:34
representaciones internas que nuestro
00:13:36
modelo se hace para poder hacer sus
00:13:38
distintos juicios una de las primeras
00:13:40
cosas que hacemos nosotros es analizar
00:13:43
por ejemplo los pesos de las conexiones
00:13:45
entre cada una de nuestras unidades de
00:13:46
entrada y las unidades ocultas de
00:13:48
procesamiento y lo que encontramos por
00:13:51
Ah bueno este es uno de los ejemplos de
00:13:52
cómo presentamos los distintos tipos de
00:13:54
acordes en en en digamos en números
00:13:57
binarios
00:14:00
Bueno una de las principales cosas que
00:14:01
nosotros observamos Entonces dentro de
00:14:03
nuestras redes es que los pesos de
00:14:05
conexiones de los pesos de las
00:14:07
conexiones entre las unidades de entrada
00:14:09
y las unidades de procesamiento central
00:14:11
se parecen mucho a eh cocientes digamos
00:14:14
o a coeficientes perdón de fier
00:14:17
eh que en este caso podríamos
00:14:19
representar como espacios
00:14:21
unidimensionales en los cuales tenemos
00:14:23
un vector central dentro de los cuales
00:14:25
cada uno de nuestras notas en este
00:14:27
espacio unidimensional se proyecta hacia
00:14:29
del medio eh cada una de estas
00:14:30
proyecciones se ha correspondido o hemos
00:14:32
visto que se corresponde precisamente
00:14:34
con los pesos de nuestras conexiones lo
00:14:37
que nos indica a muy a grande raco es
00:14:39
que nuestra red neuronal artificial se
00:14:41
está fijando
00:14:42
principalmente en el contenido
00:14:44
interválico en el intervalo que hay en
00:14:46
la distancia que hay entre cada una de
00:14:48
las notas que le estamos presentando y
00:14:50
no tanto en cada nota específica
00:14:53
entonces lo que nosotros hemos podido
00:14:55
encontrar en este caso es que nuestras
00:14:57
redes norales artificiales se están
00:14:58
fijando en el contenido de los
00:15:00
intervalos para poder llevar a cabo su
00:15:02
decisión acerca de qué tipo de acorde le
00:15:05
estamos
00:15:06
presentando voy a pasar rápidamente por
00:15:09
sobre esto porque quiero llegar a cómo
00:15:11
Entonces nosotros podemos valiar o
00:15:13
podemos pensar si es que este si es que
00:15:15
este tipo de modelos tiene algo de
00:15:17
parecido si es que no son útiles para eh
00:15:21
compararlos con la cognición humana para
00:15:22
saber si Digamos si es que todavía un
00:15:24
modelo plausible una de las formas en
00:15:26
las que lo podemos hacer es a través de
00:15:29
as técnicas matemáticas o estadísticas
00:15:30
como es por ejemplo el escalamiento
00:15:32
multidimensional que nos permite
00:15:34
representar espacialmente distintos
00:15:36
elementos que nosotros podemos encontrar
00:15:38
nuestra nuestras investigaciones este
00:15:41
Esta técnica estadística fue
00:15:42
desarrollada por crusal y es aplicada
00:15:44
por el drct chepar y la doctora km
00:15:46
Hansel en el ámbito de la cognición
00:15:48
musical una de las cosas que encontró la
00:15:50
doctora K Hansel dentro de su
00:15:52
investigación en cognición musical eh
00:15:54
fue que cuando aplicaba Esta técnica de
00:15:56
escalamiento multidimensional a sus
00:15:58
resultados de persona que que estaban
00:15:59
haciendo también juicios respecto de
00:16:02
eh distintas entidades musicales fue que
00:16:05
distintas eh distintos entidades
00:16:08
musicales se encontraban dentro de un
00:16:09
mismo plano y que estos distintos planos
00:16:12
también reflejaban un ordenamiento
00:16:14
jerárquico entre la música entre los
00:16:16
distintos elementos musicales y nosotros
00:16:20
aplicamos esto mismo cierto a la
00:16:21
actividad que nuestros distintos
00:16:22
patrones musicales eh tienen dentro de
00:16:24
nuestras redes neuronales artificiales y
00:16:26
lo que encontramos también fue que el
00:16:29
momento para poder hacer las
00:16:30
clasificaciones dentro del espacio
00:16:33
representacional de nuestra red neuronal
00:16:35
eh los acordes que son de un mismo tipo
00:16:37
se encuentran dentro de un mismo plano o
00:16:39
pertenecen digamos que pertenecen a la
00:16:41
misma clase dentro de un espacio y así
00:16:43
es como nuestra red puede llevar a cabo
00:16:45
su
00:16:48
clasificación Bueno también podemos
00:16:50
hemos encontrado cierto que esto se
00:16:51
corresponde con distintas eh
00:16:53
características de la teoría musical
00:16:55
rápidamente por ejemplo aquí podemos ver
00:16:57
no sé si se alcanza observar de manera
00:17:00
muy clara pero por ejemplo aquí en en
00:17:02
este espacio podemos encontrar que
00:17:04
distintas entidades musicales caen en el
00:17:06
mismo espacio cuando están a la
00:17:08
distancia de un tritono es decir eh
00:17:09
cuando están a seis semitonos de
00:17:11
distancia por ejemplo el res sostenido
00:17:14
con la que podemos ver acá en en
00:17:19
rojito Entonces cuál es la correcta
00:17:21
interpretación entre la correcta
00:17:24
interpretación entre la relación entre
00:17:25
un modelo y lo modelado qué nos dice
00:17:27
esto respecto de la mente cerebro la
00:17:29
cognición digamos Cuál es cuál es la
00:17:30
correcta interpretación que podríamos
00:17:32
hacer en primer lugar yo diría que sería
00:17:34
inapropiado pensar que a pesar de que
00:17:35
hay una correlación e o que pesar de que
00:17:39
hay una relación y que hay una similitud
00:17:41
entre nuestro lo que nuestro modelo
00:17:42
encuentra y la cognición humana eh sería
00:17:46
inapropiado decir que que nuestro modelo
00:17:48
es igual a la cognición humana las redes
00:17:50
neuronales artificiales difieren en
00:17:52
bastante aspectos de las redes
00:17:53
neuronales de verdad las neuronas tienen
00:17:55
distintas propiedades cierto tienen
00:17:57
propiedades electroquímicas que no son
00:17:58
reproduc por los modelos de redes
00:17:59
neuronales artificiales por lo que en
00:18:01
primera instancia tenemos que hacer la
00:18:03
diferencia de que los modelos de de
00:18:04
redes neuronales artificiales no nos
00:18:06
dicen nada acerca del cerebro en
00:18:08
particular de lo que sí nos pueden estar
00:18:10
dando una indicación es acerca de cómo
00:18:12
una posible computación puede estarse
00:18:14
dando desde un punto de vista cognitivo
00:18:16
es decir los procesos que ocurren en
00:18:17
nuestra mente y cuáles son los tipos de
00:18:19
información relevantes para estas
00:18:20
operaciones o sea en el fondo de lo que
00:18:22
nos pueden hablar nuestros distintos
00:18:24
tipos de modelos de redes neuronales
00:18:27
artificiales es de nivel computacional
00:18:29
más no por ejemplo del
00:18:31
nivel de arquitectura o de
00:18:34
implementacion eh Y por aquí ya quiero
00:18:37
cerrar la presentación del día de hoy
00:18:38
que creo que ya estoy llegando a los 15
00:18:40
minutos eh Muchas gracias
![Antropología filosófica (apartados 5 y 6) [Curso de Ingreso UNLaM]](https://ruhnrawpgxrzdrgaohnf.supabase.co/storage/v1/object/public/images/video/xBxHYmub3ik/thumbnail.jpg)
