Andy Clark_ Fernando Martínez Manrique - Estar ahí _ cerebro, cuerpo y mundo en la nueva ciencia cognitiva (1999, Paidós) - libgen li - Beatriz Bustamante

Prévia do material em texto

ANDY CLARK
ESTAR AHÍ
Cerebro, cuerpo y mundo 
en la nueva ciencia cognitiva
PAIDÓS 4
Barcelona • Buenos Aires • México
Título original: Being there: Putting Brain, Body, and World TogetherAgain 
Publicado en Inglés por The Mit Press, Cambridge, Massachusetts
Traducción de Genis Sánchez Barberán 
Revisión técnica de Fernando Martínez Manrique
Cubierta de Ferran Caries y Montse Piass
Quedan rigurosamente prohibidas, sin la autorización escrita de los titulares del -Copyright-, 
bajo tas sanciones establecidas en las leyes, la reproducción total o parcial de esta obra por cualquier 
medio o procedimiento, comprendidos la reprogratia y el tratamiento informático, y la distribución 
de ejemplares de el!¿ mediante alquiler o préstamo públicos.
© 1997, Massachusetts Institute ol Technology 
© 1999 de la traducción, Genis Sánchez Barberán 
© 1999 de todas las ediciones en castellano,
Ediciones Paidós Ibérica, S. A.,
Mariano Cubf, 92 - 08021 Barcelona 
y Editorial Paidós, SAICF,
Defensa, 599 - Buenos Aires. 
http://www.paidos.com
ISBN: 84-493-0670-1 
Depósito legal: B. 2.014-1999
I
Impreso en A&M Gráfic, s.l„
08130 Sta. Perpetua de Mogoda (Barcelona)
Impreso en España - Printed ¡n Spain
http://www.paidos.com
A mi padre, Jim Clark, el chicarrón escocés 
que me enseñó a preguntarme...
Sumario
Agradecimientos . ................................................................... ..................... 13
Prólogo: Del conexionismo a ¡a mente corpórea y em bebida___ . . . . 15
Prefacio: Pensamiento profundo contra acción flu ida............................ 31
Bases ............................................................. ..................... ......................... .... 35
Introducción: Un automóvil con cerebro de cucaracha ......................... 39
Primera parte
DE EXCURSIÓN POR I.A MENTE
1. Agentes autónomos: un paseo por 3a luna ............................ .. 49
1.1 Bajo el volcán ..................................... ................ ..................... 49
1.2 Desfile de robots ...................... , ................................................... 50
1.3 Mentes sin modelos .................... ................................................. 61
1.4 N ich os.............................................................................. ............... 63
1.5 ¿Sensibilidad para los detalles? ............................................ .. 65
1.6 El robot refinado ..................................................................... 71
2. El niño situado.............................................................. ....................... 75
2.1 Yo, robot ....................................................................................... 75
2.2 Bucles de acción ........................................... ............................... 76
2.3 Desarrollo sin diseños........................................ ......................... 79
2.4 «Montaje blando» y soluciones descentralizadas .................... 83
2.5 Mentes con andamiajes................................................................. 86
2.6 La mente como espejo frente a la mente como controladora . 88
10 I Estar ahí
3. Mente y mundo: la frontera p lástica.................................................. 93
3.1 La mente escurridiza........................................................................ 93
3.2 Las redes neuronales: una revolución inconclusa.................... 93
3-.3 Apoyarse en el entorno............................ .................................... 100
3.4 Planificación y resolución de problem as................................... 104
3.5 Después del archivador ............................................................... 109
4. Sabiduría colectiva al estilo de los hongos m ucilaginosos............. 113
4.1 Aquí llega el mucílago ................................................................. 113
4.2 Dos formas de em ergencia............................................................ 116
4.3 Tripulaciones m arinas..................................................................... 119
4.4 Las raíces de la arm onía............................................................... 120
4.5 Modelos de la mente oportunista................................................ 123
Intermedio: una historia condensada.................................................. 126
Segunda parte
EXPLICAR LA MENTE EXTENDIDA
5. Robots en evolución .............................. ............................................. 131
5.1 Las elusivas estratagemas de la mente corpórea y embebida . 131
5.2 Un telón de fondo evolutivo......................................................... 132
5.3 Los algoritmos genéticos como instrumentos de exploración 133
5.4 Inteligencia corpórea en evolución ............................................ 135
5.5 La batalla de los simuladores (¡Viva lo auténtico!)............... .. 139
5.6 Cómo comprender los agentes evolucionados,
corpóreos y em bebidos................................................................. 142
6. Emergencia y explicación ..................................... .............................. 149
6.1 ¿Estilos diferentes?................... ................................................... 149
6.2 De las partes a los to d o s ............................................................... 150
6.3 Los sistemas dinámicos y la explicación basada en la
emergencia....................................................................................... 160
6.4 Matemáticos e ingenieros........... .............. 166
6.5 Decisiones, decisiones ................................................................. 170
6.6 El cerebro contraataca ................................................................. 174
7. La imagen neurocientífica................................................................... 177
7.1 ¿Cerebros? ¡Para qué! ................................................................. 177
7.2 Los dedos del m o n o ........... .......................................................... 179
Sumario I 11
7.3 La visión de los primates: de la detección de
características a los filtros sintonizados..................................... 182
7.4 Hipótesis del control neuronal.................................................... 184
7.5 Refinar la representación ............................................................ 190
8. Ser, computar, representar................................................................... 193
8.1 ¿Noventa por ciento de vida (artificial)?................................... 193
8.2 ¿Qué es eso que llamamos representación?.............................. 193
8.3 Representación orientada hacia la acción ............................ 200
8.4 Programas, fuerzas y programas parciales................................... 204
8.5 Seguir el ritm o.................................................................................. 213
8.6 Causalidad recíproca continua...................................................... 215
8.7 Problemas ávidos de representación .............................. 219
8.8 Raíces..................................................................................................224
8.9 Representacionalismo m ínim o...................................................... 228
Tercera parte 
MÁS ALLÁ
9. Mentes y mercados .............................. . ......................... ...................233
9.1 Cerebros salvajes, mentes andamiadas......................................... 233
9.2 Perdidos en el supermercado.........................................................235
9.3 ¿Oficinas inteligentes?..................... 239
9.4 Dentro de la m áquina............................................... 241
9.5 Entornos de d iseño..........................................................................245
10. Lenguaje: el artefacto defin itivo...........................................................247
10.1 El poder de la palabra ...............................................................24710.2 Más allá de la comunicación................................................. .... 248
10.3 Cambio de espacios ..................................................................... 255
10.4 Pensar sobre el pensar: el efecto del m an glar........................263
10.5 La adaptación del lenguaje al cerebro .....................................267
10.6 ¿Dónde acaba la mente y empieza el resto del m u n d o?---- 270
11. Mentes, cerebros y atunes: un resumen en salm uera......................277
Epílogo: habla un cerebro........... ...................... 281
Bibliografía ......................................................................................................287
Indice analítico y de nom bres..................................................................... 301
Agradecimientos
Parte de los capítulos 6 y 9 y del epílogo se basan en los siguientes ar­
tículos escritos por mí. Agradezco a los compiladores y editores su autoriza­
ción para utilizar este material.
• «Happy complings: Emergence, exploratory styles and embodied, em- 
bedded cognition», en Readings in tbe Philosopby o f Artificial Life, M. Bo- 
den (comp.), Oxford University Press.
• «Economic reason: The interplay of individual learning and external 
structure», en Frontiers o f hutilutional Economics, J . Drobak (comp.), Aca- 
demic Press.
• «I am John’s brain», en Journal o f Consciomness Stttdies, 2 (1995), 
n° 2, págs. 144-148.
La procedencia de las figuras se acredita en las notas al pie correspon­
dientes.
Prólogo: Del conexionismo 
a la mente corpórea y embebida
La visión un tanto idealizada que la ciencia cognitiva tiene de sí misma 
(por ejemplo, Gardner, 1985) es la de un área en la que confluyen los es­
fuerzos interdisciplinarios de fuentes tan diversas como la inteligencia artifi­
cial, la psicología, la lingüística o las neurociencias. Cada una de estas disci­
plinas es a su vez una ciencia en movimiento, en la que cada semana están 
apareciendo nuevas tecnologías, nuevas hipótesis y un caudal de datos que 
resulta difícil conjugar en un todo coherente. Si a esto añadimos que la ma­
teria de estudio, el fenómeno de lo mental, está plagada de embrollos filosó­
ficos, nos encontramos con una ciencia que está en un proceso continuo de 
redefinición de sus límites, de sus tareas y de su aparato conceptual. Es fácil 
que al adentrarse en busca de explicaciones uno se encuentre inmerso en 
unas arenas movedizas que amenazan con tragarle. Como sabe todo aquel 
que haya visto una película de la jungla, la mejor manera de salir de unas are­
nas movedizas no es por medio de brazadas bruscas y movimientos violen­
tos, sino sujetándose a alguna liana y tirando firmemente pero con paciencia. 
Estar ahí, el tercer libro de Andy Clark, nos proporciona una de esas lianas.
A diferencia de sus dos obras anteriores, Microcogn ilion («Microcogni- 
ción», 1989) y Associative Engines («Motores asociativos», 1993), centradas 
principalmente en analizar los supuestos que hay detrás del enfoque cone- 
xionista de la cognición y en articular las consecuencias de este enfoque para 
la concepción general de la mente, el conexionismo no es el tema central de 
Estar ahí, aunque siga ocupando un lugar preeminente. De hecho, y muy en 
consonancia con el enfoque de la ciencia cognitiva que se va a ofrecer, no es 
fácil ni conveniente identificar un aspecto determinado como el tema o ar­
gumento central de este libro, sino que existe toda una colección de concep­
tos clave que se entrelazan en un tejido explicativo común. Nociones como 
descentralización, emergencia, sistemas dinámicos, reconocimiento de pa­
16 ! Estar ahí
trones, conducta adaptativa, van a conformar un entramado caleidoscopio), 
aderezado por una multitud de ejemplos de procedencia tan diversa como la 
robótica, la etología, la economía o el desarrollo infantil. Todo ello con el ob­
jeto de recuperar para la ciencia cognitiva cuestiones relativas al cuerpo y al 
ambiente, que no sólo rodean a la mente sino que, de acuerdo con el autor, 
forman con ella un mismo sistema.
A pesar del carácter notablemente diferente de este último libro respec 
to a los trabajos anteriores, hay un rastro de preocupaciones y motivos afines 
a lo largo de las tres obras. El objeto de este prólogo, por tanto, es poner a la 
vista la evolución del pensamiento de Clark en el contexto de sus primeras 
obras sobre conexionismo, de modo que el lector pueda apreciar, al menos a 
grandes rasgos, el proceso que desemboca en la imagen de la mente corpó­
rea y embebida que se plasma en Estar ahí.
Las redes del pensamiento
Los sistemas conexionistas irrumpieron con fuerza en el ruedo cognitivo 
a mediados de la década de los ochenta. En ese momento la concepción do­
minante entre quienes emplean modelos computacionales de las funciones 
mentales se basa en la manipulación de representaciones simbólicas discre­
tas y sintácticamente estructuradas por medio de reglas sensibles a dicha es 
tructura. Las representaciones se conciben como símbolos capaces de reci­
bir una interpretación semántica en función de la relación particular que 
posean con el ambiente o con otros símbolos. Son, asimismo, capaces de 
combinarse con otros símbolos para formar estructuras más complejas. Los 
procesos cognitivos, por su parte, serán de carácter algorítmico. Una deter­
minada función se realizará a través de una serie de transformaciones de es­
tructuras simbólicas. Las transformaciones vienen dadas por un conjunto de 
reglas que determinan los pasos permisibles a partir de cada estado del sis­
tema. El enfoque que se deriva de esta visión ha recibido distintas etiquetas, 
más o menos afortunadas, como cognitivismo clásico, paradigma simbólico, 
computacionalismo ortodoxo, enfoque de representaciones y reglas, o el 
acróstico GOFAI (Good Old-Fasbioned Artificial bitelligence o inteligencia 
artificial al viejo estilo).
En oposición a este tipo de organización, los distintos tipos de sistemas 
conexionistas están constituidos por unidades simples interconectadas for­
mando una red cuya estructura está inspirada, de un modo muy general, en 
las características de la arquitectura neuronal del sistema nervioso, por lo 
que también reciben el nombre de redes neuronales artificiales. Las unida­
des o nodos poseen un determinado grado de activación, la cual se propaga
Prólogo I 17
a través de las conexiones hacia otras unidades, activándolas o inhibiéndolas 
en mayor o menor medida según el peso y valor (positivo o negativo) de las 
conexiones. Para llevar a cabo una tarea es preciso entrenar a la red, de ma­
nera que modifique los pesos de las conexiones entre las unidades hasta que 
se asiente en una solución estable al problema. La conducta del sistema es así 
el producto de la interacción de sus elementos. Este enfoque también ha 
sido bautizado de diversas maneras, como conexionismo, paradigma sub­
simbólico, neurocomputacionalismo o enfoque PDP (Procesamiento Distri­
buido en Paralelo).
El conexionismo atrajo inmediatamente la atención de un nutrido grupo 
de insatisfechos con las aproximaciones computacionalistas simbólicas tradi­
cionales. Entre ellos se contaban investigadores de muy distintos credos, ta­
les como holistas, asociacionistas, eliminativistas, neurocomputacionalistas o 
anticomputacionalistas. Esta diversidad de partidarios se debe, en parte, al 
carácter opaco de los procesos en los que se basa la conducta de una red co- 
nexionista. La actividad es producto de los vínculos asociativos existentes en­
tre las unidades de la red, de ahí la etiqueta (o, para algunos, la acusación) de 
asociacionista. El sistema integra simultáneamente (en paralelo) un cúmulo de 
elementos de información que determinan conjuntamente la respuesta del sis­
tema ante un estímulo determinado, de ahí la etiqueta de bolista. Por otra 
parte, los neurocomputacionalistas confiaban en que los nuevos sistemas per­
mitirían integrar los datos procedentes de la neurociencia en modelos com- 
putacionalesque idealizasen el funcionamiento de los sistemas nerviosos. Así, 
el conexionismo permitiría vislumbrar la forma básica de las representaciones 
en los sistemas biológicos. Los detractores del computacionalismo, por el 
contrario, veían en el carácter emergente de la conducta de la red con respec­
to a la actividad de las unidades un punto de apoyo para rechazar cualquier 
interpretación representacional y computacional de las estructuras y procesos 
internos responsables de dicha conducta. Los eliminativistas, sin embargo, in­
terpretaban la falta de vínculos claros entre las entidades que identificamos 
en nuestras explicaciones psicológicas de andar por casa (entidades tales 
como creencias y deseos) para decretar la expurgación de nuestro lenguaje 
psicológico científico de semejantes entidades ficticias.
A la hora de contrastar el enfoque conexionista con el simbólico, el des­
concierto ha seguido siendo la norma. Las redes eran empleadas con éxito 
en la solución de problemas del mismo tipo que en el enfoque convencional, 
y la vocación de sus primeros promotores era más reformista que revolucio­
naria con respecto a la ortodoxia cognitiva. No obstante, las redes se resistí­
an al análisis clásico en términos de estructuras (los datos) y procesos (los 
programas) que caracterizaba a la inteligencia artificial típica. A primera vis­
ta es evidente que existe alguna diferencia entre ambas familias y para ca­
18 I Estar ahí
racterizarla se han señalado aspectos como los primitivos computacionales 
que emplean, la metodología de construcción del sistema, la capacidad re­
presen racional, la adecuación a los datos procedentes de la neurofisiología, 
la posesión de reglas, el nivel de explicación en el que se sitúan, el grado o 
tipo de innatismo que permiten, el modo de tratar las actitudes preposicio­
nales, el tipo de contenido, el tipo de conceptos y un sinfín de aspectos más; 
y prácticamente respecto a cada diferencia señalada ha habido quien ha ar­
gumentado que tal diferencia no existe.
El conexionismo pedía a gritos un análisis de sus cualidades y supuestos 
que permitiera ubicar con mayor claridad su lugar dentro del estudio de la 
cognición. Microcognition, el primer libro de Clark, es uno de los hitos prin­
cipales en la tarea de llevar a cabo este análisis. Su objeto es delinear qué 
imagen de la mente y de la ciencia cognitiva se sigue si aceptamos los postu­
lados conexionistas. Clark evita los posicionamientos rupturistas y las con­
frontaciones estériles para rescatar una imagen de la cognición que haga jus­
ticia tanto a tres décadas de ciencia clásica como a los deseos de renovación.
Una propiedad crucial con la que exhibir la diferencia entre los sistemas 
conexionistas y sus predecesores simbólicos es la transparencia semántica. En 
expresión de Clark U989, pág. 18), un sistema posee transparencia semánti­
ca cuando «es posible describir una correspondencia nítida entre una des­
cripción semántica simbólica (de nivel conceptual) de la conducta de un sis­
tema y una interpretación semántica proyectable de los objetos de su 
actividad computacional formal representados internamente». Las descrip­
ciones de nivel conceptual son, en general, aquellas que nos proporcionan 
los predicados psicológicos ordinarios que utilizamos para hablar de la con­
ducta propia y ajena. En estas descripciones tienen un papel destacado las 
referencias a creencias, deseos y otros términos con los que designamos es­
tados mentales, tales como ver, esperar, intentar, suponer, etc., pero también 
pertenece a este nivel todo aquello que identificamos normalmente como un 
concepto. Así, al ver un perro uno categoriza de una determinada manera 
una porción de realidad, esto es, la hace corresponder a un concepto.
Los sistemas clásicos son inherentemente transparentes. Los objetos de 
computación son los símbolos que se transforman en las transiciones de es­
tado del sistema. Muchos de estos símbolos poseen una interpretación se­
mántica que corresponde a las entidades del nivel conceptual y los distintos 
estados mentales se diferencian en términos de los roles funcionales en que 
se puede hacer intervenir a los símbolos. Las reglas que gobiernan las transi­
ciones están definidas de modo que la conducta global del sistema sea se­
mánticamente coherente a través del tiempo, generalmente haciendo que el 
sistema respete una serie de principios lógicos. En el caso de los sistemas co­
nexionistas, por el contrario, la transparencia desaparece: los procesos com-
Prólogo I 19
putacionales que tienen lugar en una red neurona) no se llevan a cabo sobre 
elementos que posean una interpretación directa en el nivel conceptual. In­
cluso cuando se trata de una red local (aquella en que cada unidad sí corres­
ponde a una entidad de nivel conceptual, como objetos o proposiciones), la 
conducta viene determinada por el funcionamiento conjunto de todas las 
unidades, no por la transformación serial de unos símbolos en otros. Cada 
una de las pequeñas porciones de información codificadas en las unidades y 
en los pesos o fuerzas de las conexiones puede considerarse como una res­
tricción débil que influye en el resultado final de la conducta de la red. Una 
lección del conexionismo, por tanto, es que la relación entre los pensamien­
tos y lo computacional puede ser más laxa que lo supuesto inicialmente.
Otro importante principio defendido en Microcognition es la multiplici­
dad de la mente. La polémica entre clásicos y conexionistas gravita, en bue­
na parte, en una sucesión de intentos de mostrar que el enfoque respectivo 
es capaz de constituir el sustrato único en el que se desarrolla toda la activi­
dad mental. En la terminología de Pylyshyn (1984), se puede decir que am­
bos campos se consideran capaces de proporcionar la arquitectura funcio­
nal, esto es, una suerte de punto fijo sobre el que se definen todas y cada una 
de las funciones mentales.
Clark rechaza el supuesto de uniformidad que subyace en esta discusión: 
no tenemos motivos para pensar que todas las funciones mentales tengan 
que asentarse sobre el mismo tipo de arquitectura computacional. Al igual 
que es posible programar un determinado soporte computacional para que 
opere simulando el modo de funcionamiento de un soporte distinto, es po­
sible que el hardware de la mente esté formado en ocasiones por un sistema 
PDP que simula un sistema simbólico. Esto no significa, como algunos pro­
ponen (por ejemplo, Smolensky, 1988), que lo simbólico sólo sea una des­
cripción aproximada de un mecanismo causal genuinamente conexionista; 
más bien, lo simbólico podría constituir en ocasiones la descripción funcio­
nal correcta. Lo cierto es que no tiene por qué existir un solo tipo de rela­
ción entre ambos tipos de sistemas a lo largo de toda la mente. Es mejor con­
cebir que existe una pluralidad de máquinas virtuales adaptadas para 
distintos propósitos en el curso de la evolución, máquinas que dejan traslu­
cir sus propiedades en dominios de problemas diferentes.
La idea de la multiplicidad de la mente cobra nuevos giros en Estar ahí, 
especialmente en el énfasis en los procesos descentralizados. La imagen sim­
bólica de la mente está a menudo asociada con la presencia de un sistema 
central que recibe y procesa la información de una variedad de sistemas pe­
riféricos. Por ejemplo, en la concepción modular de Fodor (1983) este pro­
cesador central llevaría a cabo la fijación de creencias atendiendo a toda la 
evidencia suministrada por los sistemas modulares de entrada, tales como la
20 ] Estar ahí
percepción visual o el lenguaje, para enviar la decisión adoptada a un siste­
ma motor de salida encargado de ejecutar la orden en cuestión. Clark, sin 
embargo, muestra una abigarrada colección de ejemplos en que la figura del 
sistema central desaparece y la mente se multiplica a lo largo de un sistema 
de entidades individuales enfrascadas en una tarea común. Podemos ver des­
centralización tanto en las conductas colectivas de las sociedadesde insec­
tos, como en la estructura neuronal del sistema nervioso o en la organización 
de las funciones de un determinado grupo humano.
Descentralización no entraña desorganización: el medio en el que se de­
sarrolla la conducta en cuestión impone una serie de restricciones que con­
figuran el resultado final tanto como la dinámica interna de los agentes im­
plicados. Si el conexionismo, al igual que los modelos clásicos, no puede 
fundamentar toda la cognición, los recursos de procesamiento de base esta­
dística con que cuenta necesitan ser complementados y potenciados. Estar 
ahí examina los modos en que tanto la misma constitución corporal como la 
manera en que ésta se relaciona con un ambiente que posee su propia es­
tructura y dinámica pueden proporcionar dicha complementariedad, en un 
delicado equilibrio de factores internos y externos.
Lo interno y lo externo: el caso de la sistematicidad
El desplazamiento desde una posición conexionista baria una visión que 
otorga mayor relieve al papel del cuerpo y el medio externo es en parte una 
consecuencia natural de las propias ventajas y debilidades de las redes neu- 
ronales artificiales. Podemos tomar como ejemplo una de las más arduas po­
lémicas entre el cognitivismo clásico y el conexionismo: el argumento de la 
sistematicidad, desarrollado por Fodor y Pylyshyn (1988). Existe una rela­
ción intrínseca entre pensamientos como Juan ama a María y María ama a 
Juan, de modo que las mentes capaces de pensar el primero son así mismo 
capaces de pensar el segundo. Una propiedad como ésta puede explicarse si 
consideramos que el medio en que se desarrollan los pensamientos posee 
una estructura de constituyentes que corresponden a cada uno de los ele­
mentos identificables en el pensamiento correspondiente {Juan, ama y Ma­
ría). Estos constituyentes son combinables entre sí, de modo que el signifi­
cado del compuesto viene determinado por el significado de los 
componentes más simples que intervienen. En otras palabras, la composicio- 
nalidad del lenguaje y el pensamiento sería un factor explicativo crucial para 
la sistematicidad.
El argumento de la sistematicidad se emplea contra el conexionismo 
aduciendo que los sistemas conexionistas no poseen estructura de constitu­
Prólogo I 21
yentes, con lo cual no son capaces de explicar una propiedad omnipresente 
de lo mental. Pero lo que es más, de acuerdo con Fodor y Pylyshyn, poseer 
dicha estructura es, sumado a la presencia de procesos sensibles a ella, una 
característica que define a los sistemas clásicos. En consecuencia, si los co- 
nexionistas son capaces de dotar a sus sistemas de una estructura de consti­
tuyentes, lo máximo que habrán logrado es implementar un sistema clásico 
en una red neuronal artificial. Dicho de otro modo, la auténtica explicación 
psicológica seguiría siendo de naturaleza simbólica y el conexionismo sólo 
habría proporcionado el mecanismo, descrito a un nivel demasiado bajo 
para los propósitos de la ciencia cognitiva, en el que el sistema de símbolos 
se realiza. El conexionista se encuentra así ante un dilema: o bien sus mode­
los no son capaces de explicar la sistematicidad porque carecen de la estruc­
tura necesaria, o si lo hacen en realidad parasitan la explicación clásica.
Ante este dilema la reacción de algunos partidarios del conexionismo 
(por ejemplo, Smolensky, 1988) es desarrollar metodologías para dotar a las 
redes de constituyentes y mostrar al mismo tiempo que los sistemas obteni­
dos no son implementaciones de modelos clásicos. Estas propuestas han 
sido objeto de una larga disputa con los cognitivistas clásicos, disputa difícil 
de resolver por cuanto comporta cuestiones espinosas (por ejemplo, cuándo 
podemos decir que un sistema tiene una estructura de constituyentes o qué 
condiciones deben cumplirse para afirmar que un sistema realiza o imple- 
menta a otro). Otros (por ejemplo, van Gelder, 1990) desarrollan una noción 
de composicionalidad que no requiere la concatenación de símbolos, una 
composicionalidad funcional que podría responder a las necesidades de los 
procesos conexionistas.
En la posición adoptada por Clark, los intentos de emplear la sistematici­
dad como objeción contra el conexionismo son fútiles, puesto que la sistema­
ticidad no es una propiedad de la arquitectura interna de la mente. Clark 
(1989, cap. 8) insiste en que el hecho empírico a explicar es la sistematicidad 
de la conducta, no la sistematicidad del pensamiento. Esta última propiedad 
hace referencia a un hecho conceptual. No se trata de que no podamos encon­
trar organismos que posean capacidades mentales no sistemáticas (en el senti­
do de que falte la conexión intrínseca reclamada por Fodor y Pylyshyn), sino 
que precisamente la ausencia de sistematicidad sería motivo suficiente para no 
atribuir mente a tales entidades. En otras palabras, forma parte de nuestro 
concepto de mente el hecho de que los pensamientos estén sistemáticamente 
relacionados. Clark no niega que las causas internas (es decir, computaciona- 
les) tengan relevancia constitutiva para el pensamiento, pero no ve la necesi­
dad de que se preserve una correspondencia 1:1 entre pensamientos y estados 
computacionales. Ello se debe a que la individuación de los pensamientos de­
pende de otros factores (las conductas) cuya influencia es holística.
22 I Estar ahí
La adscripción de un determinado pensamiento a un agente, apunta 
Clark, se hace en función de una amplia porción de la conducta del agente. 
Supongamos que un organismo es capaz de responder a una determinada re­
lación entre dos objetos aRb (por ejemplo, a es más alto que b) pero no a bRa 
(por ejemplo, un animal al que fuera posible entrenar para que respondiera 
ante aRb, pero no ante bRa). De un hecho como éste no concluimos, argu­
menta Clark, que el organismo es capaz de pensar aRb e incapaz de pensar 
bRa, sino más bien que «su patente incapacidad de tener un espectro de pen­
samientos que involucren a a, b y la relación mayor-que debería frustrar el 
intento de adscribirle el pensamiento ‘a es mayor que b' en primera instan­
cia». (1989, pág. 147).
En Associative Engittes, la sistematicidad va a ser contemplada más bien 
como una propiedad de determinados entornos. Se puede establecer un 
contraste entre «la sistematicidad como algo impuesto en una criatura por 
la forma básica de su arquitectura cognitiva y la sistematicidad como un ras­
go de uno o más dominios (esto es, como algo a aprender por parte de una 
criatura a medida que intenta dar sentido a un conjunto de datos de entre­
namiento)». (1993, pág. 148). En un entorno sistemático existen patrones 
recurrentes de estados de cosas, por ejemplo, individuos y propiedades aso­
ciados de maneras estables, que un mecanismo cuya capacidad básica es el 
reconocimiento de patrones puede llegar a aprehender. Un entorno siste­
mático por excelencia lo constituye el lenguaje. Su sugerencia, por tanto, es 
vincular las condiciones de aparición de la sistematicidad con las de la ad­
quisición de un lenguaje público estructurado sintácticamente. Pero el pro­
blema es, a sus ojos, tan intratable que recomienda ponerlo entre parénte­
sis mientras se investigan ulteriores métodos de procesamiento sensible a la 
estructura.
La actividad de un organismo en su entorno pasa a un primerísimo pla­
no en Estar a h í, no sólo para la adscripción de estados mentales sino como 
parte integrante de ellos. Desde el cognitivismo tradicional, la conducta 
constituye una de las fuentes (o la principal) de evidencia acerca de las pro­
piedades y capacidades mentales. Pero lo mental propiamente dicho es algo 
que interviene entre los estímulos (la entrada o input, en términos de proce­
samiento de información) y las respuestas (la salida o output). A diferencia 
de esto, Clark va a proponer que la interacción cuerpo-mundo es constituti­
va de la mente. Esta posición podría parecer a primera vista un retorno al 
conductismo de viejo cuño, para el cual no existe lo mental como elementoexplicativo ni ontológicamente sólido, sino tan sólo cadenas de estímulos y 
respuestas observables. Pero la postura de Clark dista mucho de esta disolu­
ción de la mente que realiza el conductista. Muy al contrario, su intención es 
extender lo mental, de modo que podamos abandonar la idea de una esfera
desconectada de los avatares del cuerpo que realiza las acciones y del am­
biente en que éstas se llevan a cabo.
Esta extensión puede interpretarse en dos fases o momentos. El primero 
tiene que ver con la metodología explicativa. Los constructos necesarios y su­
ficientes en una explicación cognitiva abarcan mucho más que los estados in­
ternos del sistema a explicar. No solamente se trata de que estos estados nos 
sean ininteligibles e indetectables si no es desentrañando las condiciones ex­
ternas en que la acción del sistema se lleva a cabo; se trata de que la explica­
ción misma será radicalmente incompleta si no hacemos referencia a tales 
condiciones. Esta ¡dea se encuentra ya plenamente presente en Associative 
Engines y permite repensar desde la perspectiva conexionista una clase am­
plia de fenómenos mentales olvidados en buena medida por la ciencia cogni­
tiva. Se trata de los fenómenos relacionados con el desenvolvimiento de la 
conducta en el tiempo, por ejemplo, todos aquellos implicados en el proceso 
de desarrollo y cambio conceptual. Los análisis de la ciencia cognitiva al uso 
(por ejemplo, Von Eckardt, 1993) dictaminan que su objeto de estudio típico 
es la cognición adulta, normal y típica. Los estudios del desarrollo de las fun­
ciones mentales tienen sólo una función secundaria, en la medida en que ayu­
den a esclarecer el funcionamiento de una mente formada. Una desafortuna­
da consecuencia de este enfoque es la concepción de la mente como un 
estadio «a alcanzar», una suerte de horizonte ideal cuyas bases constitutivas 
es posible estudiar con independencia de su proceso de adquisición.
Los procesos de cambio en el tiempo forman, sin embargo, una parte 
consustancial del estudio de la mente para Clark. En estos procesos el am­
biente interviene de una manera crucial. Una red neuronal no alcanza una 
solución con igual facilidad (o incluso no la alcanza en absoluto) a partir de 
distintos conjuntos de entrenamiento. La disposición y dosificación de la in­
formación a lo largo del aprendizaje puede ser crucial para que el sistema no 
se asiente inicialmente en soluciones erróneas de las que es muy difícil ha­
cerle salir. Es preciso que la red discurra a través de una apropiada trayecto­
ria representacional de modo que acceda a las representaciones básicas en 
primer lugar y aprenda las complejas una vez consolidadas las primeras. El 
mundo proporciona lo que Clark denomina el andamiaje de esas trayecto­
rias, tema en el que Estar ah í va a ahondar. En otras palabras, el proceso de 
desarrollo adquiere un perfil que no se debe tanto a la naturaleza del meca­
nismo de procesamiento interno, como a la naturaleza y disposición de los 
datos con que se entrena al sistema. En la explicación de la sistematicidad 
deben figurar, por tanto, parámetros relativos a la arquitectura y parámetros 
relativos al proceso temporal de adquisición de propiedades del dominio. La 
sistematicidad de las capacidades es consecuencia de este proceso de apren 
dizaje.
Prólogo I 23
24 I Estar ahí
Los aspectos temporales desempeñan un papel destacado en Estar ahí, 
en un doble sentido. Primeramente, respecto a la necesidad de considerar las 
conductas de los sistemas en tiempo real para calibrar los recursos que son 
capaces de ofrecer respuestas eficientes rápidas; en segundo lugar, respecto 
al desarrollo de dichas conductas eficientes tanto desde el punto de vista 
evolutivo como ontogenético. Ello va a requerir nuevos instrumentos de aná­
lisis más apropiados para captar el despliegue de actividad en el tiempo. Uno 
de estos instrumentos es la teoría matemática de sistemas dinámicos, a la 
cual Clark presta detallada atención.
El segundo momento de esta extensión de lo mental va a ser ontológico, 
esto es, se refiere a la propia naturaleza de la mente e implica difuminar los 
confines que delimitan dónde acaba la mente y dónde comienza el entorno. 
Lo mental se extiende hacia los dominios en los que actúa, de modo que 
«gran parte de lo que identificamos como nuestras capacidades mentales en 
realidad pueden ser propiedades de los sistemas más amplios, y extendidos 
en el entorno, de los que los cerebros humanos mismos son sólo una parte 
{importante)» (1997, pág. 214; esta edición, pág. 255). En la concepción clá­
sica, los estados mentales internos se relacionan con el mundo externo por 
medio de mecanismos de transducción, es decir, dispositivos que transfor­
man la energía presente en un determinado medio (luz, sonido, etc.) en in­
formación manejable en un medio completamente distinto (por ejemplo, un 
sistema de símbolos). En expresión de Pylyshyn (1984), la transducción 
constituye «el puente entre lo físico y lo simbólico», o lo que es lo mismo, 
entre lo no mental y lo mental. Esto permite contemplar los fenómenos cog- 
nitivos como un coto cerrado que recibe información a partir de toda una se­
rie de periféricos y que realiza sus acciones a través de diferentes efectores. 
Pero como señala Dennett (1996, pág. 74), la realidad biológica es que exis­
ten transductores y efectores prácticamente en cada esquina del organismo, 
en los niveles mismos de las sinapsis neuronales o de las secreciones quími­
cas. La consecuencia es que lo externo y lo interno se entremezclan empe­
zando por nuestro propio cuerpo.
Clark comparte esta idea de indisolubilidad de la unión entre mente y 
cuerpo, esto es, la idea de una mente esencialmente corporeizada (embodied). 
Esta mente corpórea se encuentra además encajada o embebida (embedded) 
en el mundo-en el que actúa. Las trayectorias representacionales, por tanto, no 
tienen su principio y fin dentro de la organización interna, sino que los mismos 
elementos del ambiente que proporcionan el andamiaje pueden verse como 
parte integrante de la trayectpria. La unidad de estudio, en consecuencia, ya 
no serán las transiciones de estado internas, sino que abarca las interacciones 
con el entorno, en las cuales dichas transiciones son un componente posible­
mente mucho más pequeño que lo sospechado en el enfoque clásico.
Prólogo I 25
En resumidas cuentas, el caso de la sistematicidad muestra cómo cambiar 
la forma de un problema al reconceptualizar como externa una propiedad 
que inicialmente se atribuye a la arquitectura interna. Si la sistematicidad es 
una propiedad del dominio externo con el que interacciona un agente y lo 
mental se extiende hacia lo externo, entonces toda explicación de la sistema­
ticidad debe incluir los procesos que se realizan en esa interacción entre agen 
te y entorno. Los requisitos de estructura de constituyentes y procesos sensi­
bles a dicha estructura no tienen por qué demandar una arquitectura clásica 
dentro del agente, toda vez que podemos incluir estructuras del ambiente y 
procesos sensibles a dichas estructuras dentro de nuestras explicaciones cog- 
nitivas. Esto permite al conexionista esquivar el dilema de Fodor y Pylyshyn: 
la arquitectura cognitiva puede seguir siendo fundamentalmente un sistema 
PDP siempre y cuando podamos explicar los procesos de interacción que 
permiten que un sistema de reconocimiento de patrones explote la estructu­
ra sistemática que el mundo le proporciona.
Para los detractores del enfoque conexionista, éste puede parecer un 
caso paradigmático de cómo hacer de la necesidad virtud, puesto que es la 
propia carencia de la estructura interna necesaria en las redes neuronales lo 
que empuja al teórico a buscar una solución (descabellada, para el clásico) 
extendida en el entorno. Probablemente, como el mismo Clark señala, no 
sea posible solucionar la disputa en ausencia de ulteriores trabajos empíri­
cos, trabajos que muestren si es posible o no dar cuenta de funciones men­
talescomplejas partiendo de un dispositivo básico de reconocimiento de pa­
trones y un ambiente estructurado. Pero el mensaje de fondo es claro: 
independientemente de la forma que la arquitectura de la mente acabe por 
tener, es bien posible que debamos aligerar el tipo de representaciones in­
ternas que el organismo precisa.
Representación sin textos
El desarrollo de la inteligencia artificial (IA) se puede organizar en tomo 
a tres grandes debates (Franklin, 1995). El primero tendría que ver con la 
posibilidad misma de existencia de la disciplina, esto es, de la validez tanto 
de la metáfora del ordenador como de los supuestos filosóficos y metodoló­
gicos de la IA para proporcionar una comprensión satisfactoria de los fenó­
menos mentales. El segundo debate sería la polémica simbólico-conexionis- 
ta. El tercer debate se centraría en la cuestión de las representaciones y en él 
se ven inmersas tanto la IA como la ciencia cognitiva en general. Aunque no 
puede decirse que los dos primeros debates se hayan disipado por completo 
ni tampoco que ninguno de ellos haya alcanzado una solución satisfactoria,
26 I Estar ahí
el más acuciante en el momento presente es el debate sobre la represen­
tación.
Es un tema común de la filosofía de la mente hablar de la intencionalidad 
como una de las propiedades cruciales de los fenómenos mentales. Estados 
tales como percepciones, creencias o deseos tienen la característica de estar 
«dirigidos hacia», de tener un contenido que se refiere a algún otro aspecto 
de la realidad o incluso a lo inexistente. Si veo un gato, creo que mañana será 
martes o deseo que vengan los Reyes Magos, mis estados mentales apuntan 
hacia objetos y estados de cosas que son el objeto de mis pensamientos. Es 
un problema filosófico y cognitivo de primer orden elucidar cómo es posible 
que lo mental exhiba esta propiedad. La representación constituye el mo­
derno ensayo de una solución a este problema. Aunque hay muchas nocio­
nes de representación, podemos decir que en términos generales implica la 
idea de una entidad que sustituye o «está pOD> otra, a la cual se refiere o de­
nota. La idea de representación resulta más clara en los sistemas de repre­
sentación externos, como las palabras y los dibujos, así que no es extraño 
que las teorías acerca de la representación interna hayan tomado a menudo 
como modelo esos otros sistemas.
Desde la aparición de E l lenguaje del pensamiento (Fodor, 1975) la 
teoría representacional de la mente se ha presentado como «el único jue­
go en la ciudad». Los argumentos a favor de las representaciones estruc­
turadas como elemento explicativo ineludible de los fenómenos cogniti- 
vos siempre han añadido como colofón la coletilla «({alguien tiene algo 
mejor?». En consecuencia, el rechazo categórico a las representaciones 
tiene un aire de bravata, de mera estratagema por parte del aparato de 
propaganda de unos científicos deseosos de llamar la atención sobre su 
trabajo pero que «en el fondo» saben que el estudio de la mente no pue­
de prescindir de ellas en casi todos los ámbitos de interés. El empleo de 
nuevas herramientas descriptivas no ligadas al vocabulario representacio­
nal, como las de la teoría de sistemas dinámicos, puede funcionar para 
una gama de fenómenos de bajo nivel, como deambular o evitar obstácu­
los. Pero cuando se trata de dar cuenta de las capacidades del sistema que 
responden a las propiedades semánticas del entorno, las representaciones 
se hacen ineludibles. Así, cuando se trata de que el sistema distinga ‘pa­
red’ como algo bien distinto de ‘suelo’, y no como un mero conjunto de 
estímulos ante los que reaccionar, nos enfrentamos al problema de dotar 
al agente de una estructura conceptual. Uno de los aspectos claves de la IA 
clásica consiste en elegir la conceptualización adecuada para la resolución 
del problema dentro de un dominio determinado. Esto supone desarrollar 
el tipo de representación más acorde para representar los aspectos esen­
ciales de dicho dominio.
Prólogo I 27
La crítica de muchos partidarios del enfoque dinámico es que las con- 
ceptualizaciones intentan resolver el problema abarrotando los modelos 
mentales de detalles del mundo que no requieren ser representados. El clá­
sico malgasta recursos computacionales en dotar a su sistema de una fuerza 
expresiva (por ejemplo, por medio de lógicas cada vez más potentes) que es 
en el mejor de los casos innecesaria y, en el peor, un auténtico obstáculo en 
la resolución de problemas. En consecuencia, es preferible abandonar la no­
ción de representación y sustituirla por la de un sistema acoplado con el 
mundo, que toma de éste los elementos necesarios en el momento en que los 
precisa, sin necesidad de representarlos internamente.
El problema es cómo mantener la idea de representación recogiendo a 
un tiempo lo que tienen de cierto las críticas dinámicas. En Associative En- 
gines Clark no duda de que cualquier inteligencia que merezca la pena va a 
requerir el concurso de lo conceptual, pero descarta la visión clásica de los 
conceptos como «sólidos mentales» (1993, cap. 1} que se transparentan des­
de las entidades que identificamos en el habla ordinaria hasta los estados in­
ternos responsables causalmente de nuestros pensamientos y acciones. En su 
lugar, los conceptos podrían tener un carácter mucho más activo, relaciona­
do con la capacidad de poner en práctica diversas habilidades. Poseer y em­
plear un concepto podría ser en el fondo una acción de reconocer o com­
pletar un patrón y la naturaleza exacta del proceso computacional que 
subyace en este reconocimiento no tiene por qué mantenerse invariable a lo 
largo de todas las apariciones del concepto. De hecho, el propio carácter 
inestable de los conceptos desaconseja este postulado. El rechazo de la soli­
dificación de los conceptos es congruente con críticas desde dentro de la IA, 
que sugieren que la división tradicional entre percepción y cognición es in­
sostenible para poder hablar de conceptos fluidos (por ejemplo, Hofstadter 
y otros, 1995).
El antirrepresentacionalista yerra el tiro porque apunta al blanco equi­
vocado. Como señala Cummins (1989), es posible distinguir entre el proble­
ma de la representación y el problema de las representaciones. El primero 
hace referencia a qué es lo que hace que representar sea posible, cuál es la 
fuente de la representacionalidad, y el segundo a qué caracterización pre­
sentan los estados y procesos representacionales. La solución de Clark pue­
de entenderse como una reorientación de los ataques del andrrepresentacio- 
nalismo desde el primero al segundo problema. Lo que los críticos esgrimen 
como un ataque frontal contra la noción misma de representación resulta 
ser, si lo observamos bien, un ataque contra las representaciones, esto es, 
contra una de las respuestas ofrecidas a la pregunta por la naturaleza de esos 
correlatos mentales de la realidad: una respuesta creada a imagen y semejan­
za de los textos lingüísticos, cuyas representaciones exhiben propiedades de
28 I Estar ahí
tipo lógico-sintáctico. Si en Assoáative Engtnes Clark propone sustituir la 
imagen clásica de la mente como texto por la imagen de la mente como pro­
cero, en Estar ah iva a permitir que ese proceso abarque más que los sucesos 
con base cerebral, permitiendo al teórico dinámico entrar en el juego expli­
cativo. No obstante, el texto no desaparece del todo: el lenguaje público pro­
porciona a la mente todos los recursos textuales que necesita un dispositivo 
de reconocimiento de patrones. No es preciso moldear las características 
computacionales de éste en términos cuasiíingüísticos, puesto que el mismo 
lenguaje es capaz de adaptarse de modo inverso a un mecanismo que fue se­
leccionado por demandas ambientales bien distintas.
Conclusión: ¿un nuevo paradigma?
Desde que el filósofo Thomas Kuhn caracterizara el desarrollo de una 
ciencia en términos de paradigmas, marcos normativos que se constituyen en 
un proceso histórico y que pueden desaparecertras un proceso de ciencia re 
volucionaria, da la impresión de que el sueño de todo científico cognitivo 
que tiene entre sus manos alguna nueva herramienta o teoría es el de con­
vertirla en la base de un nuevo paradigma para el estudio de la mente. Una 
idea tentadora, por tanto, es calificar la imagen de la mente corpórea y em­
bebida como un nuevo paradigma. Sin embargo, una de las lecciones, a mi 
entender, del trabajo de Clark es que no debemos apresurarnos a rechazar el 
bagaje conceptual con el que contamos antes de considerar las posibilidades 
de una revisión menos traumática.
La visión de la ciencia cognitiva que Clark presenta en Estar ahí puede 
calificarse, al igual que su trabajo sobre el conexionismo, de «razonadamen­
te ecléctica». No es el de Clark el único enfoque que conjuga una perspecti­
va favorable a los mecanismos conexionistas con una lectura desde la teoría 
de sistemas dinámicos (tal es, por ejemplo, la visión de Horgan y Tienson 
[1996], para quienes las matemáticas de los sistemas dinámicos constituyen 
un marco que engloba el computacionalismo tradicional como un caso es­
pecial). Ni es tampoco el único en intentar tender puentes entre disciplinas 
que trabajan en distintos niveles (como es el caso de Hardcastle [1996], que 
desarrolla yna idea de teoría cognitiva que cruza desde lo biológico hasta lo 
psicológico). Pero el rango de dominios empíricos que recorre y el esfuerzo 
integrador de todos ellos en una visión coherente es de mayor calado. La 
ciencia cognitiva es una amalgama de disciplinas que se disputan el papel 
vertebrador y Clark está dispuesto a admitir un heterogéneo cúmulo de tra­
bajos como parte integrante del estudio de la mente, no sólo como investi­
gaciones situadas en los márgenes de la tradición dominante y conspirando
Prólogo I 29
contra ésta. Una de las riquezas de Estar ahí es e! modo en que dirige nues­
tra atención hacia pautas generales y motivos básicos que aparecen de modo 
recurrente en los ámbitos y niveles más insospechados. Así, podemos pre­
senciar la influencia de las restricciones impuestas por la disposición parti 
cular del ambiente tanto si este ambiente consiste en un nicho ecológico, en 
un entramado de leyes económicas o en la presencia perenne del lenguaje.
Confieso que mis propias intuiciones divergen respecto a algunas de las 
consecuencias que se desprenden de esta visión de la mente. Por ejemplo, la 
imagen del lenguaje como sistema representacional externo sometido a una 
adaptación inversa a los recursos computacionales de la mente parece des­
conectar en demasía los productos lingüísticos de los propios organismos 
productores, desatendiendo las características de organización interna que 
permiten que una mente cree un lenguaje en primer lugar. Igualmente, mien­
tras como metáfora me parece sugerente la concepción de una mente que se 
filtra y extiende hacia el entorno próximo, como tesis ontológica me resulta 
difícil de aceptar. Pero son tantas las intuiciones ordinarias que la moderna 
ciencia de la mente ha hecho añicos, que no parece conveniente rechazar in­
cluso estas conjeturas aparentemente extemporáneas sin someterlas primero 
al mas severo escrutinio, tanto en sus aspectos conceptuales como empíricos.
Los conceptos clave de este libro también exigen un esfuerzo de acomo­
dación por parte del lector acostumbrado al punto de vista de la ciencia cog- 
nitiva más clásica. Le solicita que abandone su propia actitud mental centra- 
lizadora de buscar en alguna parte del libro la explicación o el conjunto de 
elegantes ecuaciones definitivas que da sentido a la totalidad; que sea pa­
ciente mientras ve emerger entre la barabúnda de insectos artificiales y mun­
dos simulados un patrón común que sus dispositivos de reconocimiento de­
ben ir entrenándose para captar; y que adapte su propia mirada al ritmo de 
la dinámica interna de la ciencia cognitiva que, como cualquier otro sistema 
vivo, también se desarrolla en el tiempo y obedece a la interacción de una 
miríada de mentes activas y mundos (reales y simulados) estructurados.
Referencias
Clark, A., Microcognilion: Philosophy, CognitiveScience and Parallel Distributed Pro­
cessing, Cambridge, MA: MIT Press, 1989.
Clark, A., Associative Engines: Conncctionism, Concep/s and Representational Chan­
ga, Cambridge, MA: MIT Press, 1993.
Clark, A., Being There; Putting Brain, Body, and World Togelher Again, Cambridge, 
MA: MIT Press, 1997.
Cummins, R., Meaning and Mental Representalion, Cambridge, MA: MIT Press, 
1989.
30 1 Estar ahí
Dennett, D. C., Kittdsof Minds, Nueva York, Basic Books, 1996.
Fodor, J. A., The Language o f Thought, Nueva York, Crowell, 1975 (trac!. cast.:E/ 
lenguaje del pensamiento, Madrid, Alianza, 1984)
Fodor, J. A., The Modularity o f Miad, Cambridge, MA: Bradford/MIT Press, 1983 
(trad. cast.:L/ modularidadde la mente, Madrid, Morata, 1986).
Fodor, J. A. & Pylyshyn, Z. \V„ «Connectionism and Cognitive Architecture: A Cri- 
tical Analysis», Cognition, 28, 1988, págs. 3-71.
Franklin, S., Artificial Minds, Cambridge, MA: Bradford/MIT Press, 1995.
Gardner, H., The Mind's New Science, Nueva York, Basic Books, 1985 (trad. cast.:Lt 
nueva ciencia de la mente Barcelona, Paidós, 1988).
Hardcastle, V. G., How to Build a Theory in Cognitive Science, Albany, Nueva York, 
State University of New York Press, 1996.
Hofstadter, D. and the Fluid Analogies Research Group, Fluid Concepts and Creati­
ve Analogies, Nueva York, Basic Books, 1995.
Horgan, T. & Ticnson, J., Connectionism and the Phtlosophy o f Psychology, Cam­
bridge, MA: MIT Press,1996.
Pylyshyn, Z. W., Computation and Cognition Cambridge, MA: Bradford/MIT Press, 
1984 (trad. cast.: Computación y conocimiento, Madrid, Debate, 1988).
Smolensky, P., «On the Proper Treatment of Connectionism», Behavioral and Brain 
Sciences, 11 ,1988, págs. 1-23.
Van Gelder, T„ «Compositionality: A Connectionist Variation on a Classical The- 
me», Cognitive Science, 14, 1990, págs. 355-384.
Von Eckardt, B., What Is Cognitive Science '■>, Cambridge, MA: MIT Press, 1993.
Prefacio
Pensar a fondo o actuar con fluidez
Si tuviera el lector que construir un agente inteligente, ¿por dónde empeza­
ría? ¿Qué cree que es ese algo especial que separa el mundo no pensante de las 
rocas, las cascadas y los volcanes, de los reinos de la inteligencia sensible? ¿Qué 
es lo que permite que algunas partes del orden natural sobrevivan percibiendo 
y actuando, mientras el resto se queda al margen, inerte y sin pensamiento?
«Mente», «intelecto», «ideas»: éstos son los elementos que marcan la dife­
rencia. Pero, ¿cómo los debemos entender? Estas palabras evocan reinos nebu­
losos. Hablamos de «intelecto puro» y decimos del sabio que está «sumido en el 
pensamiento». Nos cuesta muy poco dejarmos seducir por la visión de Descar­
tes de la mente como una esfera totalmente distinta de los reinos del cuerpo y el 
mundo.1 Una esfera cuya esencia no debe nada a los accidentes del cuerpo y del 
entorno: el famoso (en lo bueno y en lo malo) «fantasma en la máquina».1 2
Esta extrema oposición entre mente y materia ya hace tiempo que ha sido 
abandonada. En su lugar nos encontramos con una amplia coalición de cien­
cias de la mente cuya meta común es llegar a comprender cómo es material­
mente posible el pensamiento mismo. Esta coalición recibe el nombre de 
ciencia cogniíiva y durante más de treinta años los modelos computacionales 
de la mente han estado entre sus instrumentos más importantes. Teorizando
1. Descartes describió la mente como una sustancia inmaterial que se comunicaba con el 
cuerpo mediante la interfaz de la glándula pineal. Véanse, por ejemplo, Meditations II y IV en 
The Philosophical Works o f Descartes, Cambridge University Press, 1991 (trad. cast.: Medita­
ciones metafísicas, Madrid, Alfaguara, 1997).
2. Véase Gilbert Ryle, The Coneept o/Mmd, Hutdiinson, 1949 (trad. cast.: El concepto de 
lo mental, Buenos Aires, Paidós, 1967).
32 I Estar ahi
en el vértice entre la ciencia ficción yla ingeniería pura y dura, las personas 
que trabajan en un subcampo conocido como inteligencia artificial (IA)’ han 
tratado de dar un cuerpo computational a las ideas sobre cómo puede surgir 
la mente a partir del funcionamiento de una máquina física que, en nuestro 
caso, es el cerebro. Como dijo Aaron Sloman en una ocasión, «Todo fantas­
ma inteligente debe contener una máquina».3 4 5 Según parece, el cerebro hu­
mano es el puntal mecanicista de la mente humana. Cuando la evolución 
produjo cerebros complejos, cuerpos móviles y sistemas nerviosos, abrió la 
puerta (por medios puramente físicos) a maneras totalmente nuevas de vivir 
y de adaptarse, maneras que nos colocan en un lado de una línea divisoria 
natural, dejando en el otro a los volcanes, las cascadas y el resto de la crea­
ción cognitivamente inerte.
Pero, a pesar de todo, persiste una versión de la antigua oposición entre 
mente y materia. Persiste en la manera en que estudiamos el cerebro y la 
mente, excluyendo como «periféricos» los papeles desempeñados por el res­
to del cuerpo y el entorno local. Persiste en la tradición de modelar la inteli­
gencia como la producción de soluciones codificadas simbólicamente a pro­
blemas expresados mediante símbolos. Persiste en la falta de atención a las 
maneras en que el cuerpo y el entorno local forman parte, literalmente, de 
los bucles de procesamiento que ocasionan la acción inteligente. Y persiste 
en la elección de los dominios de problemas: por ejemplo, modelamos el jue­
go del ajedrez mediante programas como Deep Thought1 cuando aún no he­
mos podido conseguir que un robot real atraviese con éxito una sala abarro­
tada y seguimos sin poder modelar completamente el éxito adaptativo de 
una cucaracha.
En el contexto natural del cuerpo y el mundo, las maneras en que los ce 
rebros resuelven problemas se transforman radicalmente. No se trata de una 
cuestión filosófica profunda (aunque tiene profundas consecuencias). Es 
una cuestión práctica. Jim Nevíns, que trabaja en una planta de montaje con­
trolada por ordenador, cita un buen ejemplo. Ante el problema de conseguir 
que una máquina controlada por ordenador ensamble unos componentes 
con extrema precisión, una solución consiste en explotar múltiples bucles de
3. La inteligencia artificial estudia cómo hacer que los ordenadores realicen tareas para 
las que se considera que hace falta inteligencia, conocimiento o comprensión.
4. Sloman, «Notes on consciousness». /USB Quarterly 72 (1990), págs. 8-14.
5. Deep Thought (‘Pensamiento Profundo’) es un programa de ajedrez que juega al nivel de 
gran maestro. Se basa en una búsqueda exhaustiva que examina cerca de un millardo de movi­
mientos posibles por segundo. En cambio, los expertos humanos en ajedrez parecen emplear me 
nos la búsqueda y basarse más en estilos de razonamiento muy diferentes; véase, por ejemplo, H. 
Simón and K. Gilmartin, «A simulation of memory for chess positions», Cognitive Psycbology 5 
(1973), págs. 29-46.
Prefacio I 33
retroalímentación. Estos bucles pueden decir al ordenador si ha fracasado 
en el ajuste para que lo intente otra vez con una orientación ligeramente di­
ferente. Esta es, si se quiere, la solución formulada mediante «pensamiento 
puro». La solución basada en el «pensamiento corpóreo» es bastante dife­
rente. Basta con armar los brazos de la máquina de montaje con articulacio­
nes de goma, permitiendo que cedan a lo largo de dos ejes espaciales. Una 
vez hecho esto, el ordenador puede prescindir de los detallados bucles de re- 
troalimentación ya que las piezas «se mueven y deslizan hasta su lugar como 
si se estuvieran calculando continuamente millones de minúsculos ajustes de 
retroalímentación hacia un sistema rígido».* En esencia, todo esto significa 
que tratar la cognición como una pura resolución de problemas equivale a 
separarnos del mismísimo cuerpo y el mismísimo mundo en los que nuestros 
cerebros han evolucionado para guiarnos.
¿No sería más fructífero pensar en los cerebros como controladores de la 
actividad corpórea? Este pequeño cambio de perspectiva tiene grandes con­
secuencias para nuestra manera de construir una ciencia de la mente. De he­
cho, exige una reforma radical de nuestra manera de concebir la conducta 
inteligente. Nos exige abandonar la idea (común desde Descartes) de lo 
mental como una esfera distinta del ámbito del cuerpo; abandonar la idea de 
unas limpias líneas divisorias entre percepción, cognición y acción;6 7 abando­
nar la ¡dea de un centro ejecutivo donde el cerebro lleva a cabo el razona­
miento de alto nivel;8 y, sobre todo, abandonar los métodos de investigación 
que separan artificialmente el pensamiento de la actuación corpórea.
Lo que emerge es nada menos que una nueva ciencia de la mente; una 
ciencia que, por cierto, se basa en los frutos de tres décadas de investigación 
en colaboración, pero cuyos instrumentos y modelos son sorprendentemen­
te diferentes: una ciencia cognitiva de la mente corpórea. Este libro da testi­
monio de esta ciencia. Describe parte de sus orígenes, expone su sabor y 
hace frente a algunos de sus problemas. Seguramente no será la última cien­
cia nueva de la mente. Pero es un paso más en ese viaje tan fascinante de la 
mente en su intento de conocerse a sí misma y de comprender cuál es su lu­
gar en la naturaleza.
6. Este ejemplo se cita en Michie yjohnson, 198-1 y se comunica en Clark, 1989. El pasa­
je en sí procede de la pág. 95 de Michic yjohnson.
7. La expresión existente más clara de este punto de vista es probablemente el «marco de 
enacción» desarrollado en Varela y otros, 1991
8. Véase especialmente Dcnnctt, 1991
Bases
Estar ahí no ha surgido de la nada. La imagen de la mente unida inex­
tricablemente a cuerpo, mundo y acción, ya visible en Being and Time de 
Martin Heidegger (1927), encuentra una clara expresión en Structure ofbe- 
havior, de Maurice Merleau-Ponty (1942). Algunos de los temas fundamen­
tales están presentes en el trabajo de los psicólogos soviéticos, especialmen­
te de Lev Vygotsky; otros deben mucho al trabajo de Jean Piaget sobre el 
papel de la acción en el desarrollo cognitivo. Entre las discusiones previas 
en la literatura de la ciencia cognitiva, destacan por su importancia e in­
fluencia Maturana y Vareta, 1987, Winograd y Flores, 1986 y, especialmen­
te, The Embodied Mind (Varela y otros, 1991). The Embodied Mind se en­
cuentra directamente en las raíces de varias de las tendencias identificadas y 
estudiadas en esta obra.
Creo que mi propio contacto con estas tendencias empezó con la obra de 
Hubert Dreyfus What Computen Can't Do, publicada en 1979. El persisten­
te acoso de Dreyfus a la inteligencia artificial clásica contribuyó a motivar 
mis propias exploraciones de modelos computadonales alternativos {los en­
foques del conexionismo o del procesamiento distribuido en paralelo; véan­
se Clark, 1989 y Clark, 1993) y a consolidar mi interés en imágenes biológi­
camente plausibles de la mente y la cognición. Di mis primeros pasos en 
1987 con un breve artículo también titulado (y no por coincidencia) «Being 
There» [Estar ahí], donde el tema explícito de la discusión era la cognición 
corpórea y embebida en el entorno. Desde entonces, el conexionismo, la 
neurociencia y la robótíca en mundo real han hecho unos grandes progresos. 
Y aquí, especialmente en la explosión de la investigación en la robótica y en 
la denominada vida artificial (véanse, por ejemplo, los artículos de Brooks y 
Maes, 1994), encontramos por fin el impulso más inmediato de la presente 
discusión. Por fin (me parece a mí) aparece una imagen más redonda, con-
36 I Estar ahi
víncente e integradora, que reúne muchos de los elementos de las discusio­
nes previas en un marco de referencia rico en ilustraciones prácticas y ejem 
píos concretos. Esta imagen, más amplia e integradora, es la que aquí me 
propongo exponer y examinar.
La postura que desarrollo debe mucho a varios autores y amigos. Sin 
duda alguna, en el primer lugar de la lista se encuentranPaul Churchland y 
Dan Dennett, cuyas reconstrucciones cuidadosas y al mismo tiempo imagina­
tivas de la mente y la cognición han sido la inspiración constante que subya­
ce a todo mi trabajo. Más recientemente, he aprendido mucho en mis inte­
racciones y conversaciones con los especialistas en robótica Rodney Brooks, 
Randall Beer, Tim Smithers y John Hallam. También me han informado, en­
tusiasmado y desafiado varios fans de la teoría de los sistemas dinámicos, en 
particular Tim van Gelder, Linda Smith, Esther Thelen y Michael Wheeíer. 
Además, hay varios miembros del Sussex University Evolutionary Robotics 
Group que me han inspirado, enfurecido y siempre fascinado, especialmen­
te Dave Cliff e Inman Harvey.
Un agradecimiento muy especial a Bill Bechtel, Morten Christiansen, 
David Chalmers, Keith Butler, Rick Grush, Tim Lañe, Pete Mandik, Rob 
Stufflebeam y a todos mis amigos, colegas y estudiantes del programa PNP 
(Philosophy/Neuroscience/Psychology) de la Universidad de Washington en 
St. Louis. También aquí tuve la buena fortuna de conocer a Dave Hilditch, 
cuyos pacientes intentos de integrar las visiones de Merleau Ponty con la 
ciencia cognitiva contemporánea fueron fuente de alegría e inspiración. Gra­
cias también a Roger Gibson, Larry May, Marilyn Friedman y Mark Rollins, 
así como a todos los miembros del Departamento de Filosofía de la Univer­
sidad de Washington por su inestimable ayuda, apoyo y crítica.
David van Essen, Charlie Anderson y Tom Thach, de la Escuela Médica 
de la Universidad de Washington, merecen un agradecimiento especial por 
introducirme en el funcionamiento de la auténtica neurociencía, aunque pre­
cisamente aquí la expresión de mi agradecimiento no debe implicar culpa al­
guna por cualquier vestigio de error o malentendido. Doug North, Art Den- 
zau, Norman Schofield y John Drobak hicieron mucho por aligerar y alentar 
la breve incursión en la teoría económica que aparece en el capítulo 9: gra­
cias también a los miembros del Hoover Institute Seminar on Collective 
Choice de la Universidad de Stanford. No debería olvidarme de mi gato, 
Lolo, que mantenía las cosas en su verdadera dimensión sentándose sobre 
muchas versiones del manuscrito, ni del Santa Fe Institute, que me ofreció 
tiempo de investigación y Reacciones críticas básica en varios momentos cru­
ciales: gracias especialmente a David Lañe, Brian Arthur, Chris Langton y 
Melanie Mitchell por hacer que mis diversas estancias allí fueran tan pro­
ductivas. Gracias también a Paul Bethge, Jerry Weinstein, Betty Stanton y al
Bases I 37
resto del personal de The MIT Press: vuestro apoyo, consejo y entusiasmo 
me han ayudado enormemente. Beth Stufflebeam me proporcionó una fan­
tástica ayuda durante la preparación del manuscrito. Y Josefa Toribio, mi es­
posa y colega, me ha ofrecido una combinación perfecta de crítica, apoyo e 
inspiración. Mi más sincero agradecimiento a todos.
Introducción:
un automóvil con cerebro de cucaracha
¿Dónde están las mentes artificiales prometidas por la ciencia ficción de 
los años cincuenta y el periodismo científico de los sesenta? ¿Por qué inclu­
so nuestros mejores artefactos «inteligentes» son aún tan insoportable y 
mortalmente tontos? Una posibilidad es que, sencillamente, hemos malin- 
terpretado la naturaleza de la inteligencia misma. Concebíamos la mente 
como una especie de dispositivo de razonamiento lógico asociado a un al­
macén de datos explícitos: una especie de combinación entre una máquina 
lógica y un archivador. Al adoptar esta perspectiva, desatendíamos el hecho 
de que las mentes han evolucionado para hacer que ocurran cosas. Desaten­
díamos el hecho de que la mente biológica es, antes que nada, un órgano 
para controlar el cuerpo biológico. Las mentes hacen movimientos y los de­
ben hacer con rapidez: antes de que el depredador nos pille o de que nues­
tra presa consiga escapar. Las mentes no son dispositivos incorpóreos de ra­
zonamiento lógico,
Este simple cambio de perspectiva ha generado algunos de los trabajos 
más apasionantes e innovadores en el estudio contemporáneo de la mente. 
La investigación de modelos computacionales basados en «redes neurona- 
íes» ha empezado a desarrollar una visión radicalmente diferente de la es­
tructura computacional de la mente. La investigación en la neurociencia cog- 
nitiva ha empezado a sacar a la luz las maneras, siempre sorprendentes, con 
que los cerebros reales emplean sus recursos neuronales y sinápticos para re­
solver problemas. Y una oleada creciente de trabajos sobre robótica simple 
y en mundo real (por ejemplo, conseguir que una cucaracha robot camine, 
busque alimento y evite peligros) nos enseña cómo pueden los seres biológi­
cos llevar a cabo en el mundo real las acciones rápidas y fluidas necesarias 
para la supervivencia. Donde convergen estas investigaciones vislumbramos 
una nueva visión de la naturaleza de la cognición biológica: una visión que
40 I Estar ahí
coloca el almacenamiento de datos explícitos y la manipulación lógica en su 
lugar, es decir, como complemento secundario de la dinámica y los comple­
jos bucles de respuesta que unen entre sí cerebros, cuerpos y entornos rea­
les. Al parecer, la cognición natural no tiene tiempo (literalmente) para ar­
chivadores.
Naturalmente, no todo el mundo está de acuerdo. Un ejemplo extremo 
del punto de vista opuesto es un reciente intento de inculcar el sentido co­
mún a un ordenador, previa inversión de 50 millones de dólares, dándole 
una inmensa colección de conocimientos explícitos. Este proyecto, conoci­
do como CYC (abreviatura de encyclopedia), pretende construir manual­
mente una vasta base de conocimientos que abarque una parte importante 
del conocimiento general que tiene a su disposición un ser humano adulto. 
Iniciado en 1984, el proyecto CYC se propuso llegar a codificar cerca de un 
millón de unidades de conocimiento hacia 1994. Para introducir los datos de 
este proyecto, una sola persona tardaría dos siglos. Se esperaba que al final 
de este proceso CYC daría «el gran salto»: llegaría a un punto en el que po­
dría leer y asimilar directamente textos escritos y, a partir de ahí, «autopro- 
graman> el resto de su base de conocimientos.
Desde mi punto de vista, el aspecto más notable del proyecto CYC es su 
fe extrema en el poder de la representación simbólica explícita: su fe en la in­
teriorización de estructuras construidas a imagen de las cadenas de palabras 
de un lenguaje público. El lenguaje de representación del proyecto CYC co­
difica la información en unidades (marcos) como la siguiente:
Missouri
Capital: (Jefferson City)
Residentes: (Andy, Pepa, Beth)
Estado de: (Estados Unidos de América)
Aunque este ejemplo está simplificado, la estructura básica siempre es la 
misma. La unidad tiene «descripciones» «ranuras» (los tres subtítulos de 
arriba) y cada ranura tiene como valor una lista de entidades. Las ranuras 
pueden hacer referencia a otras unidades (por ejemplo, la ranura «Residen­
tes» puede actuar como un puntero hacia otra unidad que contenga más in­
formación y así sucesivamente). Este sistema de unidades y ranuras está au­
mentado por un lenguaje más potente (el lenguaje de restricción CycL, 
[CYC Constraint langtiage]) que permite la expresión de relaciones lógicas 
más complejas como «Para, todo elemento, si un elemento es X entonces tie­
ne la propiedad Y». El razonamiento de CYC también puede explotar varios 
tipos simples de inferencia. Sin embargo, la idea básica es dejar que el cono­
cimiento codificado haga casi todo el trabajo y mantener la estructura de in­
Introducción: un automóvil con cerebro de cucaracha I 41
ferencia y control simple y dentro de los límites de la tecnología actual. Los 
creadores de CYC, Douglas Lenat y Edward Feigenbaum (1992, pág. 192), 
argumentan que el embudo para la inteligencia adaptativa es el conocimien­
to, no la inferencia o el control.
La base de conocimientos de CYC intenta hacer explícito todo lo que sa­
bemos de nuestro mundo pero que normalmenteno nos molestamos en decir. 
Por tanto, CYC se propone codificar unidades de conocimiento que todos te­
nemos pero que rara vez enumeramos, como las siguientes (ibíd., pág. 197):
La mayoría de los automóviles de hoy circulan sobre cuatro ruedas.
Si nos dormimos mientras conducimos, nuestro automóvil no tardará mucho 
en salirse de la calzada.
Si hay algo grande entre nosotros y lo que queremos, probablemente debe­
remos rodearlo.
La idea es que, después de haber codificado explícitamente una gran 
parte de este «conocimiento consensuado de la realidad», CYC llegará a un 
nivel de comprensión que le permitirá responder con una inteligencia ge- 
nuina. Incluso se espera que CYC emplee el razonamiento analógico para 
abordar con buen criterio situaciones novedosas, encontrando paralelismos 
parciales en otras partes de su inmensa base de conocimientos.
CYC es un proyecto ambicioso e importante. Sin duda, la base de datos 
de sentido común que ahora codifica será de gran utilidad práctica como re­
curso para el desarrollo de mejores sistemas expertos. Pero deberíamos dis­
tinguir dos objetivos posibles para CYC. Uno sería ofrecer el mejor simulacro 
posible del sentido común mediante un sistema informático fundamental­
mente no pensante. El otro sería crear, a partir del fondo de conocimientos 
de CYC, el primer ejemplo de una mente artificial genuina.
Hasta la fecha, en el rendimiento de CYC no hay nada que indique que 
el segundo objetivo esté al caer. CYC parece destinado a convertirse en un 
«sistema experto» más grande y más elaborado, pero todavía esencialmen­
te frágil y falto de entendimiento. Y el hecho de añadir más y más conoci­
mientos a CYC no será una solución. La razón es que CYC carece de los ti­
pos más básicos de respuestas de adaptación al entorno. Esta deficiencia no 
tiene nada que ver con la relativa escasez de los conocimientos que el siste­
ma codifica explícitamente. Más bien es atribuible a la falta de un acopla­
miento fluido entre el sistema y un entorno real que plantee problemas rea­
les de acción y sensación. Como veremos, incluso la humilde cucaracha 
manifiesta este tipo de acoplamiento fluido: una versión del tipo de inteli­
gencia práctica, sólida y flexible de la que carecen casi todos los sistemas in­
formáticos. ¡Pero un ser tan sencillo mal puede ser acusado de contar con
42 I Estar ahí
un gran almacén de conocimientos representados explícitamente! Por tan­
to, el proyecto CYC, entendido como un intento de crear una comprensión 
y una inteligencia genuinas en una máquina, falla por su base de una mane­
ra rotunda y total. Las raíces de la inteligencia y la comprensión no se en­
cuentran en la presencia y la manipulación de estructuras de datos explíci­
tas y de tipo lingüístico, sino en algo más terrenal: el ajuste de respuestas 
básicas a un mundo real que permite a un organismo corpóreo sentir, actuar 
y sobrevivir.
Este diagnóstico no es nuevo. Importantes críticos filosóficos de la inte­
ligencia artificial han puesto en duda durante mucho tiempo el intento de in 
ducir la inteligencia por medio de la manipulación incorpórea de símbolos y 
también han insistido en la importancia de! razonamiento situado (es decir, 
del razonamiento llevado a cabo por seres corpóreos que actúan en un en­
torno físico real). Pero ha sido demasiado fácil atribuir estas incertidumbres 
a algún tipo de misticismo residual, a una fe carente de rigor científico en 
una esencia mental parecida al alma, o a un rechazo testarudo a permitir que 
la ciencia entre sin autorización en el terreno favorito de los filósofos. Pero 
ahora, cada vez es más evidente que la alternativa a la visión centrada en la 
«manipulación incorpórea de datos explícitos» de la inteligencia artificial no 
es apartarse de la ciencia pura y dura; es profundizar en una ciencia más 
dura todavía. Es colocar la inteligencia en el lugar que le corresponde: en el 
acoplamiento entre los organismos y el mundo que se encuentra en la raíz de 
la acción fluida cotidiana. Del CYC al ciclismo: así es el giro radical que ca­
racteriza a las nuevas ciencias de la mente corpórea.
Consideremos, por ejemplo, a la humilde cucaracha. La cucaracha es de­
positaría de un considerable corpas de conocimientos sobre el sentido co­
mún de las cucarachas. ¡Por lo menos, así es como debe aparecer ante cual­
quier teórico que piense que el conocimiento explícito es la clave para un 
comportamiento sensato en el mundo real! Porque la cucaracha es una for­
midable artista del escapismo, capaz de emprender una acción de huida for­
jada por una multitud de factores externos e internos. He aquí una breve lis­
ta, extraída del detallado estudio de Ritzmann (1993) sobre las habilidades 
de evasión de la cucaracha americana, Periplaneta americana:
La cucaracha siente las corrientes de aire provocadas por el movimiento de 
un depredador que ataca.
Distingue las corrientes producidas por los depredadores de las corrientes y 
brisas normales.
No evita el contacto con otras cucarachas.
Cuando inicia un movimiento de huida, no corre simplemente al azar. En 
cambio, tiene en cuenta su propia orientación inicial, la presencia de obstáculos 
(como paredes y rincones), el grado de iluminación y la dirección del aire.
Introducción: un automóvil con cerebro de cucaracha I 43
jClaro que siempre se escabulle! Como indica Ritzmann, esta malla de 
consideraciones contextúales conduce a una respuesta mucho más inteligen­
te que el simple reflejo de «detectar al depredador y echar a correr al azar» 
que los expertos en cucarachas {que los hay) creyeron otrora que todo lo ex­
plicaba. La complejidad adicional se capta con precisión en las descripcio 
nes que hace Ritzmann de un automóvil con una «inteligencia» comparable. 
Este automóvil percibiría a los vehículos que se aproximan, pero ignoraría a 
los que se movieran de una manera normal. Si detectara una colisión inmi­
nente, iniciaría automáticamente un giro que tuviera en cuenta su propio es­
tado actual (diversos parámetros de la aceleración y del motor) y la orienta­
ción y la superficie de la carretera, evitando meterse en más peligros. Parece 
claro que un automóvil con la inteligencia de una cucaracha estaría muy por 
delante de la industria automovilística más puntera de hoy en día. Sin em­
bargo, a primera vista no es probable que la frase «Compre usted el automó­
vil con cerebro de cucaracha» tuviera mucho éxito como eslogan publicita­
rio. Nuestros prejuicios contra las formas básicas de inteligencia biológica y 
a favor de las «máquinas lógicas-archivadoras» más grandes y elaboradas son 
demasiado profundos.
¿Cómo consigue la cucaracha controlar sus huidas? Ahora empezamos a 
entender los mecanismos neuronales. Las corrientes de aire son detectadas por 
dos cercas (estructuras parecidas a antenas situadas en la parte posterior del 
abdomen) cubiertos con pelos sensibles a la velocidad y la dirección del aire. 
Los movimientos de escape sólo se activan si la aceleración del aire es igual o 
superior a 0,6 m/s2: así es como la cucuaracha distingue una brisa ordinaria de 
la embestida de un atacante. El intervalo entre la sensación y la respuesta es 
muy breve: 58 milisegundos para una cucaracha quieta y 14 milisegundos para 
una cucaracha en movimiento. La respuesta inicial es un giro que tarda entre 
20 y 30 milisegundos (Ritzmann, 1993, págs. 113-116). El circuito neuronal 
básico que subyace a este giro está formado por poblaciones de neuronas cu­
yas posiciones y conexiones se conocen hoy bastante bien. En este circuito in­
tervienen más de cien intemeuronas que actúan para modular las diversas ór­
denes de giro en función de la información contextual sobre la posición actual 
de la cucaracha y el estado del entorno local. La información básica sobre el 
aire es transmitida por una población de interneuronas ventrales gigantes, 
pero la actividad final se basa en los resultados de la modulación de muchas 
otras poblaciones neuronales sensibles a esos aspectos contextúales.Ante la impresionante exhibición de rutinas de escape de la cucaracha, 
un teórico podría postular erróneamente que almacena de alguna clase de 
base de datos cuasi lingüística. De acuerdo con el espíritu de CYC, podría­
mos imaginar que la cucaracha accede a marcos de conocimiento que inclu­
yen elementos como éstos:
44 I Estar ahí
Si me atacan, no me estrellaré directamente contra una pared.
Si algo grande se interpone entre la comida y yo, intentaré rodearlo.
Las brisas suaves no son peligrosas.
Como el filósofo Hubert Dreyfus (1991) y otros han señalado, el proble­
ma es que los cerebros verdaderos no parecen emplear estos recursos lin- 
guaformes, parecidos a textos, para codificar respuestas hábiles ante el mundo. 
Y mejor que sea así, ya que como estas estrategias exigirían el almacena­
miento de enormes cantidades de datos explícitos y la búsqueda consiguien­
te, no podrían producir las rápidas respuestas que requiere la acción real. De 
hecho, tras una breve reflexión vemos claramente que la tarea de anotar los 
conocimientos «de sentido común» necesarios para capturar todo lo que 
sabe un adulto humano no tendría fin. j Es probable que incluso para captu­
rar de manera detallada el conocimiento corpóreo de una cucaracha hicieran 
falta varios volúmenes!
Pero, ¿de qué otra manera podría avanzar la inteligencia artificial? Un 
enfoque prometedor se basa en lo que se ha dado en llamar teoría de agenten 
autónomos. Un agente autónomo es un ente capaz de sobrevivir, actuar y 
moverse en tiempo real y en el seno de un entorno complejo y un tanto rea­
lista. Muchos agentes autónomos artificiales existentes son verdaderos ro­
bots capaces de caminar como insectos y de evitar obstáculos. Otros son si­
mulaciones por ordenador de robots de ese tipo que, en consecuencia, sólo 
se pueden mover y actuar en entornos simulados hechos por ordenador. 
Existen polémicas entre los investigadores que sólo son partidarios de las si­
tuaciones y de los robots reales, y los que se contentan con explotar «meras» 
simulaciones, aunque los dos bandos coinciden en destacar la necesidad de 
modelar conductas realistas y básicas y de desconfiar de las soluciones exce­
sivamente intelectualizadas al estilo de las del «razonamiento explícito in­
corpóreo».
Teniendo presente esta imagen general de la investigación sobre los agen­
tes autónomos, volvamos muy brevemente a nuestra protagonista, la cucara­
cha. Randall Beer y Hillel Chiel han creado simulaciones informáticas y ro- 
bóticas plausibles de la locomoción y la huida de la cucaracha. Para modelar 
la respuesta de escape, Beer y Chiel intentaron desarrollar un modelo de 
agente autónomo muy constreñido por datos etológicos y neurocientíficos. 
El objetivo era acercarse lo más posible hoy en día a los datos biológicos rea­
les. Para ello, combinaron la metodología de los agentes autónomos con 
modelos al estilo de las redes neuronales. También impusieron a este mode­
lo computacíonal unas restricciones coherentes con lo que se sabe de la ver­
dadera organización neuronal de (en este caso) la cucaracha. Utilizaron una 
red neuronal para controlar el cuerpo de un insecto simulado (Beer y Chiel
Introducción: un automóvil con cerebro de cucaracha I 45
1993). Los circuitos de esta red estaban limitados por los datos conocidos 
sobre las poblaciones y las conexiones neuronales que subyacen a la res­
puesta de escape de las cucarachas reales. Después de un entrenamiento, el 
controlador de la red neuroñal fue capaz de reproducir en el cuerpo del in­
secto simulado todas las características fundamentales de la respuesta de es­
cape mencionada anteriormente. En los capítulos que siguen trataremos de 
comprender, en parte, cómo se logran estos éxitos. Veremos con detalle 
cómo se combinan los tipos de investigación acabados de esbozar con ideas 
evolutivas, neurocientíficas y psicológicas para poder esclarecer una amplia 
gama de conductas, tanto simples como complejas. Y también exploraremos 
la sorprendente variedad de estrategias adaptativas de que disponen los 
agentes corpóreos y embebidos en un medio: los seres que se mueven por su 
mundo y actúan sobre él.
Estos comentarios introductorios pretenden destacar un contraste fun­
damental entre la visión incorpórea, intemporal e intelectualista de la men­
te, y la imagen de la mente como controladora de la acción corpórea. Esta 
imagen de la mente como controladora nos obliga a tomarnos en serio las 
cuestiones del tiempo, el mundo y el cuerpo. Un dispositivo controlador 
debe generar con rapidez acciones apropiadas en función de la interacción 
en curso entre el cuerpo y su entorno cambiante. El sistema de planificación 
de la inteligencia artificial clásica suele ponerse cómodo y tomárselo con cal­
ma para, al final, producir una descripción expresada simbólicamente de un 
curso de acción plausible. El agente planificador corpóreo debe entrar en ac­
ción con rapidez, antes de que la acción de otro agente le quite la vida. Aún 
no está claro si las codificaciones simbólicas similares al texto tienen algún 
papel que desempeñar en estas decisiones de vida o muerte, pero hoy sí pa­
rece claro que no es un papel estelar.
El camino que conduce a una comprensión computadonal completa de 
la mente está bloqueado -parafraseando a Lenat y Feigenbaum- por un col­
chón. Durante muchos años, los investigadores se han desviado para ro­
dearlo, han tratado de ignorarlo, han hecho de todo excepto ponerse a tra­
bajar para quitarlo de ahí. Lenat y Feigenbaum piensan que este colchón es 
el conocimiento y que los enigmas de la mente se disiparán en cuanto se haya 
construido una gran base de conocimientos repleto de fórmulas explícitas de 
sabiduría de sentido común. Las lecciones de la cognición natural nos ense­
ñan otra cosa. El colchón no es conocimiento sino capacidad de respuesta 
básica, en tiempo real y en el mundo real. La cucaracha tiene un tipo de sen­
tido común del que carecen los mejores sistemas artificiales de hoy, y segu­
ramente no es gracias a las codificaciones explícitas ni a las deducciones ló­
gicas que nos pueden servir en algunos ámbitos de cariz más abstracto. En 
su raíz, nuestras mentes también son órganos para iniciar con rapidez el pro
46 I Estar ahí
ximo movimiento en situaciones reales. Son unos órganos exquisitamente 
preparados para la producción de acciones que se despliegan en el espacio 
local y en tiempo real. Cuando la mente se formula como un dispositivo con­
trolador de la acción corporal, el conocimiento otrora recibido se desvanece 
capa tras capa. La distinción entre percepción y cognición, la noción de unos 
centros de control ejecutivo en el cerebro y una visión muy extendida de la 
racionalidad misma, son puestas en duda. También peligra el aparato meto­
dológico que estudia la mente y el cerebro con muy escasa consideración ha­
cia las propiedades del entorno local o las oportunidades proporcionadas 
por la acción y el movimiento corporal. La forma fundamental de las ciencias 
de la mente cambia continuamente. En los capítulos que siguen, deambula­
remos por el paisaje de la mente bajo este cambio de iluminación.
Primera parte
DE EXCURSIÓN POR LA MENTE
Bueno, ¿y con qué crees que comprendes? ¿Con la cabeza? ¡Bah!
Nlk'OS K a z a n t ZAKIS, Zorba el griego
El noventa por ciento de la vida consiste, simplemente, en estar ahí.
WOODY A lle n
1 Agentes autónomos: 
un paseo por la luna
1.1 Bajo el volcán1
En el verano de 1994, un robot explorador de ocho patas y 770 kg de peso lla­
mado Dame II descendió por una pared muy empinada hacia el fondo del cráter 
de un volcán activo cerca de Anchorage, Alasita. En el transcurso de una misión 
de seis días, Dante II exploró las paredes y el fondo del cráter empleando una 
mezcla de control autónomo (autodirigido) y externo. Dante II es producto de 
un proyecto financiado por la NASA, con base en la Universidad de Camegie 
Mellon y en otros lugares, cuya meta final consiste en desarrollar robots verdade­
ramente autónomos conel fin de recoger y transmitir información detallada so­
bre las condiciones ambientales locales de otros planetas. Se espera enviar a Mar­
te otro robot mucho más pequeño y en gran parte autónomo en 1996, y el 
explorador lunar LunaCorp, que está basado en el software de Dante II, tiene una 
plaza reservada en el primer lanzamiento comercial a la luna, previsto para 1997.
Los problemas a los que se enfrentan estos proyectos son muy instruc­
tivos. Los robots diseñados para explorar mundos lejanos no pueden de­
pender de una comunicación constante con científicos situados en la tie­
rra: los desfases de tiempo pronto conducirían a un desastre. Estos robots 
se deben programar para que busquen unas metas generales explorando y 
transmitiendo información. Para misiones largas deberán reabastecerse de 
energía, quizá explotando la energía solar. Deberán ser capaces de fun­
cionar ante dificultades inesperadas y resistir varias clases de daños. En 
resumen, deberán satisfacer muchas de las exigencias {aunque, desde lue-
t. Ei material acerca de Dante II se basa en un informe realizado por Peter Monaghcn 
(Chronicle o f Higber Educatton, 10 de agosto de 1994, págs. A6-A8).
50 I De excursión por la mente
go, no tocias) que la naturaleza ha planteado a los organismos móviles en 
evolución.
El intento de construir robots móviles robustos conduce con sorpren­
dente rapidez a un replantcamiento radical de muchas de nuestras cómodas 
y viejas ¡deas sobre la naturaleza de la inteligencia adaptativa.
1.2 Desfile de robots
Elmer y Elsie
Los antepasados históricos de los sofisticados robots de hoy con aspecto 
animal (a veces llamados «animatas») fueron un par de «tortugas» cibernéti­
cas construidas en 1950 por el biólogo W. Grey Walter. Estas «tortugas» 
-llamadas Elmer y Elsie2 3- empleaban unos sencillos sensores de luz y de tac­
to y unos circuitos electrónicos para buscar luz, aunque evitando la luz in­
tensa. Además, cada tortuga llevaba unos pilotos luminosos que se encen­
dían cuando los motores estaban en marcha. Incluso un equipo incorporado 
tan simple como éste condujo a unas intrigantes muestras de conducta, es­
pecialmente cuando Elmer y Elsie interaccionaban entre sí (al ser atraídos 
por la luz de los pilotos) y con el entorno local (que incluía algunas fuentes 
de luz por cuya proximidad competían y un espejo que condujo a un diver­
tido «baile» de autoseguimiento). Lo extraño es que, a ojos de un observa­
dor casual, sería más fácil ver vida y propósito en la conducta de estas crea­
ciones tan simples que en los diagnósticos incorpóreos hechos por sistemas 
expertos tradicionales y de campanillas como MVCIN.3
2, Veanse, por e|cmplo, W. Grey Walter, «An imitation of life», Scientific American, 182 
(1959), rT 5, págs. 42-45; Steven Lcvy, Artificial Ltfe The Qnesi for a New Creatton (Pantheon, 
1992), págs. 285 284.
3, El trabajo inicial en inteligencia artificial, como el trabajo de Newell y Simón (1972) so­
bre el «Solucionador general de problemas» (General Problem Solver), tendían a acentuar el 
razonamiento y la resolución de problemas de utilidad general. Sin embargo, pronto se hizo 
evidente que, para muchos propósitos, una base de conocimientos detallados y ricos adaptado 
a un domipio de actividad especifico era un determinante crucial para el éxito. Este descubrí 
miento condujo a una explosión de trabajos con los denominados «sistemas expertos» a los 
que se proporcionaban datos específicos de ciertas tareas obtenidos de expertos humanos y 
que, en consecuencia, eran capaces de alcanzar niveles bastante elevados de competencia en 
dominios restringidos como el diagnostico medico. El programa MYCIN (Shortlíffe, 1976) se 
basaba en un conjunto de reglas y directrices explícitamente formuladas, como la siguiente re­
gla para extracciones de sangre: «Si 1) el lugar de cultivo es sangre, 2) el organismo es gram 
negativo, 3) el organismo tiene forma de varilla y 4) el paciente es un receptor en peligro, en­
tonces hay indicios de que la identidad del organismo sea pseudomonas aernginose»
Agentes autónomos: un paseo por la luna I 51
Herbert
Uno de los precursores de las recientes investigaciones sobre los agentes 
autónomos es Rodney Brooks, del MÍT Mobile Robot Laboratory, Los ro­
bots móviles (mobile robots o «mobots») de Brooks son robots reales capa­
ces de funcionar en entornos reales, desordenados e imprevisibles como una 
oficina abarrotada. Dos características importantes de la investigación de 
Brooks son la utilización de micromundos horizontales y el empleo de des­
composiciones basadas en la actividad dentro de cada sección horizontal.
El contraste entre micromundos horizontales y verticales se establece en 
Clark, 1989 y, en términos diferentes, en Dennett, 1978b. La idea es sencilla. 
Un micromundo es un ámbito de estudio restringido: no podemos resolver a 
la vez todos los enigmas de la inteligencia. Un micromundo vertical aísla como 
objeto de estudio una pequeña parte de la competencia cognitiva de nivel hu­
mano. Como ejemplos cabe citar jugar a ajedrez, generar las formas pretéritas 
de verbos ingleses y planificar un picnic, todas ellas actividades que han sido 
objeto de anteriores programas de inteligencia artificial. El problema evidente 
es que cuando nosotros, los seres humanos, resolvemos estos problemas avan 
zados, podemos echar mano de recursos computación ales forjados por otras 
necesidades más básicas para las que la evolución equipó a nuestros anteceso­
res. Por tanto, las soluciones ingeniosas y orientadas al diseños para estos pro­
blemas tan recientes pueden ser muy diferentes de las soluciones naturales dic 
tadas por la necesidad de explotar la maquinaria y las soluciones ya existentes. 
Podemos ser maestros de ajedrez gracias a nuestra capacidad para reconocer 
patrones, seleccionada para que pudiéramos reconocer parejas, alimentos y 
depredadores. En contraste con lo anterior, un micromundo horizontal es la
(Feigenbaum, 1977, pág. 1.016). Estos sistemas demostraron ser frágiles y limitados. Degene­
ran rápidamente en una estupidez automatizada si el usuario traspasa una fina línea divisoria 
gramatical o de expresión, o si emplea términos que tienen abundantes significados del mun­
do real que no se reflejan explícitamente en la base de datos específica de la tarea (por ejem­
plo, el automóvil oxidado al que se le diagnosticó sarampión; véase Lcnat y Feigenbaum, 1992, 
pág. 197). ¿Cómo se puede evitar este deslizamiento hacia la estupidez? Una posibilidad es 
que basta con «turboalimenar» los tipos de enfoques tradicionales antes mencionados. SOAR 
(Laird y otros, 1987) es un intento de crear una versión más poderosa del Solucionador gene­
ral de problemas. CYC (véanse la introducción a este volumen, y Lenat y Feigenbaum, 1992) 
es un intento de crear esta base de conocimientos más grande y más rica. SOAR y CYC com­
parten el compromiso con el empleo abundante de formas simbólicas tradicionales e inspira­
das en el texto para la codificación de conocimientos y metas. Pero puede que el problema 
fundamental resida en el enfoque tradicional mismo: que el modelo de la inteligencia como 
manipulación incorpórea de cadenas de símbolos dentro de la cabeza o del ordenador sea 
erróneo en sí mismo. La presente obra explora algunas de las alternativas.
52 I De excursión por la mente
capacidad conductual completa de un ser (verdadero o imaginario) completo 
pero relativamente simple. Al estudiar estos seres, simplificamos los problemas 
de la inteligencia de nivel humano sin perder de vista elementos biológicos bá­
sicos como las respuestas en tiempo real, la integración de diversas funciones 
motrices y sensoriales y la necesidad de hacer frente a los daños.
Brooks (1991, pág. 143) establece cuatro requisitos para sus seres artifi­
ciales:
Deben hacer frente de una manera adecuada y oportuna a los cambios de su 
entorno dinámico.
Deben ser robustos en relación con su entorno...
Deben poder mantener múltiples metas...
Deben hacer algoen el mundo; su existencia debe tener algún propósito.
Los «seres» de Brooks se componen de varios subsistemas o «capas» 
productoras de actividad. Estas capas no crean ni pasan codificaciones o re- 
codificaciones de entradas (inputs) explícitas y simbólicas. En cambio, cada 
capa es, en sí misma, una ruta completa que va de la entrada a la acción. La 
«comunicación» entre capas distintas se limita a pasar alguna señal simple. 
Una capa puede estimular, interrumpir o anular la actividad de otra. La or­
ganización resultante es lo que Brooks denomina una «arquitectura de sub- 
sunción» (porque las capas pueden subsumir mutuamente su actividad pero 
no pueden comunicarse de una manera más detallada).
Por tanto, un ser se podría componer de tres capas (Brooks 1991, pág. 156):
Capa 1: evitar objetos mediante un anillo de sensores de sonar ultrasónico. Es­
tos sensores hacen que el mobot se detenga si se encuentra con un objeto directa 
mente frente a él y le permiten reorientarse hacia una dirección desbloqueada.
Capa 2: cuando la capa de evitar objetos está inactiva, un dispositivo incorpo­
rado puede generar rutas aleatorias para que el mobot «deambule» sin rumbo fijo.
Capa 3: esta capa puede anular la capa de deambulación y establecer una 
meta distante que lleve al mobot a un escenario totalmente nuevo.
Una característica esencial de esta metodología es que se pueden añadir 
capas progresivamente y que cada incremento produce un ser completo y 
funcional. Obsérvese que estos seres no dependen de un depósito central de 
datos o de un dispositivo planificador o razonador central. En cambio, ve­
mos en ellos una «colección de conductas que compiten entre si» orquesta­
da por las entradas del entorno. No existe una línea divisoria clara entre la 
percepción y la cognición, ningún punto donde las entradas perceptivas se 
traduzcan a un código central compartido por varios dispositivos de razona­
miento incorporados. Esta imagen de múltiples dispositivos especializados
Agentes autónomos: un paseo por la luna I 53
de resolución de problemas, orquestados por entradas del entorno y por ti­
pos relativamente simples de señalización interna es, como argumentaré en 
un capítulo posterior, un modelo neurocientíficamente plausible incluso 
para los cerebros más avanzados.
Herbert,4 construido en el MIT Mobot Lab durante los años ochenta, ex­
plotaba el tipo de arquitectura de subsunción acabada de describir. La mi­
sión de Herbert era recoger latas de refresco vacías esparcidas por el labora­
torio. No era una tarea trivial; el robot tenía que desenvolverse en un entorno 
abarrotado y cambiante, evitar tirar cosas, evitar tropezar con la gente, e 
identificar y recoger las latas. Nos podemos imaginar un dispositivo planifi­
cador clásico tratando de resolver este complejo problema real empleando 
abundantes datos visuales para generar un mapa interno detallado del en­
torno actual, distinguir las latas y planificar una ruta. Pero esta solución es a 
la vez costosa y frágil: el entorno puede cambiar rápidamente (como cuando 
entra alguien en la sala) y e! procesamiento visual intensivo (por ejemplo, el 
reconocimiento de escenas y objetos al nivel humano) se encuentra hoy en 
día más allá del alcance de cualquier sistema programado.
Como hemos visto, las arquitecturas de subsunción adoptan un enfoque 
muy diferente. La meta es conseguir la conducta compleja, robusta y en tiem­
po real que emerge como resultado de interacciones simples entre subsiste­
mas productores de conductas relativamente independientes. A su vez, estos 
subsistemas están controlados de una manera bastante directa por las pro­
piedades del entorno encontrado.5 No existe un control central o un plan glo­
bal. En cambio, el entorno mismo orienta al ser hacia el éxito gracias a algu­
nas respuestas conductuales básicas. En el caso de Herbert, estas conductas 
simples incluían rutinas de evitación de obstáculos (detenerse, reorientarse, 
etc.) y de locomoción. Estas rutinas se interrumpían cuando su sencillo siste­
ma visual detectaba un contorno parecido al de una mesa. Cuando Herbert 
se encontraba al lado de una mesa, las rutinas de locomoción y evitación de 
obstáculos cedían el control a otros subsistemas que barrían la mesa con un 
láser y una cámara de vídeo. Cuando detectaba el perfil básico de una lata, el 
robot giraba hasta situar el objeto con aspecto de lata en el centro de su cam­
po de visión. En este momento las ruedas se paraban y se activaba un brazo
4. Véase información sobre Herbert en Connell, 1989.
5. Ron McCIamrock 0995) comunica un caso procedente de Marr en el que un bucle de 
control sale de la cabeza y se extiende al entorno local. En palabras de McCIamrock (pág. 85): 
«Resulta que las moscas no saben del todo que, para volar, deben agitar las alas. No empren­
den el vuelo enviando una señal del cerebro a las alas. En cambio, existe un enlace de control 
directo entre las patas y las alas de modo que cuando las patas dejan de estar en contacto con 
una superficie, las alas de la mosca empiezan a agitarse. Para despegar, la mosca simplemente 
da un salto y deja que la señal procedente de las patas active las alas».
54 I De excursión por la mente
mecánico que, equipado con unos sencillos sensores, exploraba cuidadosa­
mente la superficie de la mesa que tenia delante. Cuando Herbert encontra­
ba la forma característica de una lata se activaba la conducta de agarrar y, una 
vez recogida la lata, Herbert continuaba su búsqueda.
Por tanto, Herbert es un «ser» sencillo que no tiene almacenado ni un 
plan a largo plazo ni un modelo de su entorno. Sin embargo, considerado 
como un animal artificial que busca latas en el nicho «alimenticio» propor­
cionado por el ecosistema del Mobot Lab, Herbert manifiesta una especie de 
inteligencia adaptativa simple donde la cooperación mutua entre sensores, 
circuitos incorporados y el entorno externo conduce al éxito.
Añila
Rodney Brooks cree que unos robots más pequeños y flexibles que el tor­
pe y pesado Dame serian más adecuados para las necesidades de la explora­
ción espacial. Atóla6 pesa poco más de kilo y medio y usa múltiples «minice­
rebros» («máquinas de estado finito») especializados para controlar un 
conjunto de conductas locales que, unidas, hacen que se desplace con gran 
habilidad moviendo cada pata por separado, detectando las fuerzas ejercidas 
por el terreno para compensar las pendientes, etc. Attila también emplea 
sensores infrarrojos para detectar objetos cercanos. Es capaz de desplazarse 
por terrenos abruptos y hasta puede volver a ponerse de pie cuando se cae 
de espaldas. Según Rodney Brooks, Attila ya encarna algo parecido a la inte­
ligencia de un insecto.
Periplaneta Computatrix
Esta es la cucaracha simulada mencionada anteriormente. Beer y Chiel 
(1993) describen un controlador de red neuronal para la locomoción hexá- 
poda. Cada pata tiene un minicontrolador que explota una unidad «marca- 
pasos»: un modelo idealizado de neurona cuya señal de salida oscila rítmica­
mente. Esta unidad se activa a intervalos determinados por el nivel tónico de 
excitación de una neurona dominante y de cualquier entrada adicional que 
reciba. La idea, sacada de un modelo biológico desarrollado por K. G. Pear- 
son (1976), consiste en dar a cada pata su propio generador de patrones rít­
micos, teniendo en cuenta las influencias moduladoras locales asociadas a las 
diferentes retroalimentaciones sensoriales de cada pata, a medida que el in­
6. Attila, descrito en las págs. 300-501 de Artificial Life, de Levy, fue diseñado por Colin 
Angle y Rodney Brooks. Un predecesor, Genghis, se describe en Brooks, 1993.
Agentes autónomos: un paseo por la luna I 55
secto avanza por un terreno desigual. La coordinación entre las patas se con­
sigue mediante enlaces inhibidores entre generadores de patrones adyacen­
tes. Cada pata tiene tres neuronas motrices: la primera controla la oscilación 
hacia adelante, la segunda controla la oscilación hacia atrás y la tercerahace 
que la pata se levante. Como antes, el circuito de control global está total­
mente distribuido. No existe un procesador central que deba orquestar una 
respuesta teniendo en cuenta todas las entradas sensoriales. En cambio, cada 
pata tiene una «inteligencia» individual y los simples enlaces inhibidores ga­
rantizan una conducta global coherente. Aparecen diferentes maneras de an­
dar a partir de las interacciones entre los distintos niveles de excitación tó­
nica procedentes de las unidades marcapasos (los generadores de patrones) 
y la retroalimentación sensorial local. El robot adoptará una marcha trípeda 
cuando las frecuencias de excitación sean elevadas y pasará a una marcha 
metacrómca cuando sean más bajas. En la marcha trípeda, las patas anterior 
y posterior de un lado se mueven en sincronía con la pata central del otro; en 
la marcha metacrónica, cada pata empieza a moverse justo después de la 
pata que tiene detrás, en una especie de movimiento ondulatorio.
Aunque diseñado y puesto a prueba como una pura simulación por or­
denador, este circuito de locomoción se ha utilizado en el cuerpo de un ro­
bot real y ha demostrado su robustez en el mundo real de los rozamientos, la 
inercia, el ruido, los retrasos, etc. En la figura 1.1 se muestra el primer robot 
hexápodo, que se analiza con más detalle en Beer y Chiel, 1993, y en Quinn 
y Espenschied, 1993. El circuito de locomoción empleado también es capaz 
(al estar tan distribuido) de conservar la mayor parte de su funcionalidad 
cuando se dañan neuronas o conexiones individuales (Beer y otros, 1992). A 
pesar de la complejidad de la conducta que produce, el circuito de locomo­
ción en sí es bastante modesto: sólo consta de 37 «neuronas» estratégica­
mente situadas e interconectadas. Sin embargo, los vídeos del robot hexá­
podo y de sus sucesores constituyen un espectáculo fascinante. En una 
secuencia aparece un robot posterior, algo más complejo (figura 1.2), avan­
zando cautelosamente por un terreno desigual formado por trozos de po- 
liestireno expandido. Una pata se alza y empieza a descender suavemente. 
Como no «hace pie» (a causa del terreno local), se levanta otra vez y vuelve 
a posarse en un punto ligeramente diferente. AI final, cuando encuentra un 
punto de apoyo adecuado, el robot prosigue su marcha. Esta conducta ex­
ploratoria y tanteadora tiene todo el sabor de la inteligencia biológica real.
Robot braquiador
La braquiación (figura 1.3) es el movimiento pendular que emplean al­
gunos primates superiores para desplazarse de rama en rama por zonas den-
56 I De excursión por la mente
FIGURA 1.1 El primer robot hexápodo, construido por Ken Espenschied en la Case 
Western Reserve University bajo la supervisión de Roger Quinn. Fuente: Quinn y 
Espenschied, 1993. Reproducido con la autorización de K. Espenschied, R. Quinn y 
Academic Press.
I
FIGURA 1.2 El segundo robot hexápodo, construido por Ken Espenschied en la 
Case Western Reserve University bajo la supervisión de Roger Quinn. Fotografía ce­
dida gentilmente por Randall Becr.
Agentes autónomos: un paseo por la luna 1 57
FIGURA 1.3 Braquiacion de un gibóti. Fuente: Saito y Fukuda, 1994. Reproducido 
con la autorización de F. Saito, T. Fukuda y MIT Press.
sámente arboladas. Saito y Fukuda (1994) describen un dispositivo robótico 
que aprende a braquiar empleando un controlador de red neuronal. Esta ta­
rea es especialmente interesante puesto que incorpora una dimensión de 
aprendizaje y aborda una conducta para la que el tiempo tiene una impor­
tancia fundamental.
Este robot utiliza un tipo de aprendizaje basado en redes neuronales 
denominado Q-aprendizaje conexionista (connectionist Q-learning).1 El Q- 
aprendizaje implica intentar aprender el valor de distintas acciones en situa­
ciones diferentes. Un sistema de Q-aprendizaje debe tener un conjunto deli­
mitado de acciones y situaciones posibles y se le debe dar una señal de 
recompensa para comunicarle el valor (positivo) de una acción elegida en la 
situación que se le plantea. El objetivo consiste en aprender un conjunto de 
emparejamientos situación-acción que maximicen el éxito en relación con 
una señal de recompensa. Saito y Fukuda demuestran que estas técnicas per­
miten que una red neuronal artificial aprenda a controlar un robot braquia- 
dor real de dos brazos (figura 1.4). Un robot braquiador totalmente entre­
nado puede balancearse con éxito de una «rama» a otra y, si no encuentra 
asidero, puede aprovechar el impulso inicial para balancearse hacia atrás y 
volverlo a intentar. 7
7. Véase información sobre el conexiomsmo en c! capítulo 4 de este mismo libro. El Q 
aprendizaje es una forma de aprendizaje por refuerzo (véanse Kaelbling, 1995 y Sutton, 1991) 
desarrollado por Watkíns (1989). El empleo de redes neuronales en escenarios de Q-aprendi­
zaje se discute en Lin, 1993.
58 I De excursión por la mente
F igura 1.4 Robot braquiador de dos brazos. Fuente: Saito y Fukuda, 1994. Repro­
ducido con la autorización de F. Saito, T. Fukuda y MIT Press.
COG
Seguramente, COG (Brooks, 1994; Brooks y Stein, 1993) es el más am­
bicioso de todos los proyectos de la «nueva robótica» emprendidos hasta 
ahora. Este proyecto, éncabezado por Rodney Brooks, se propone crear un 
robot humanoide con un funcionamiento extremadamente complejo. Este ro­
bot, del tamaño de una persona (figura 1.5) no tiene capacidad de ambula­
ción; sin embargo puede mover las manos, los brazos, la cabeza y los ojos.
Agentes autónomos: un paseo por la luna I 59
F igura 1.5 Tres vistas del robot C O G . Fotografías cedidas por Rodney Brooks.
60 I De excursión por la mente
Aunque su base está firmemente sujeta a un tablero, puede girar a la altu­
ra de las caderas. Esta libertad de movimientos se obtiene a partir de 24 
motores separados, dotados cada uno de un procesador exclusivamente 
dedicado a supervisar su funcionamiento (de acuerdo con el «espíritu» 
general de los mobots de evitar un control centralizado). Los brazos dis­
ponen de muelles que amortiguan los movimientos mecánicos. La mayor 
parte de los motores (salvo los de los ojos) disponen de sensores de calor 
que permiten a COG reunir información sobre su propio funcionamiento 
en cada momento y conocer el nivel de trabajo de cada motor: una espe­
cie de versión robótica del sentido cinestésico que nos dice cómo se orien 
tan en el espacio las partes de nuestro cuerpo. Cada ojo consta de dos cá­
maras; una tiene un campo de visión amplio con una resolución baja y el 
otro tiene un campo de visión reducido con una resolución alta. Estas cá­
maras se pueden mover para inspeccionar una escena visual y las que tie­
nen el campo reducido realizan una función parecida a la de la fóvea de 
los mamíferos. COG también recibe información de audio por medio de 
cuatro micrófonos. Toda esta abundancia de datos de entrada es procesa­
da por un «cerebro» compuesto por múltiples submáquinas (o «nodos», 
cada uno con un megabyte de ROM y de RAM y un sistema operativo de­
dicado), que son capaces de comunicarse entre sí de maneras restringidas. 
Por tanto, el cerebro mismo de COG es un sistema multiprocesador y su 
sistema nervioso también incluye otros dispositivos «inteligentes» (como 
los procesadores dedicados de los motores). Así pues, aunque la organi 
zación global de COG refleja gran parte de la filosofía que guía el trabajo 
de Brooks con insectos robot, es lo suficientemente compleja como para 
traer a un primer plano problemas nuevos y acuciantes. Entre sus carac 
terísticas familiares se incluyen la ausencia de una memoria central com­
partida por todos los procesadores, la carencia de controles ejecutivos 
centrales, una comunicación restringida entre los diversos subdispositivos 
y el énfasis en la resolución de problemas en tiempo real que supone sen­
tir y actuar. Todos los problemas nuevos se centran en torno a la necesi­
dad de obtener conductas coherentes de un sistema complejo como éste 
sin volver a los métodos antiguos y poco prácticos de la planificaciónse­
rial y el control central. Los ingeniosos trucos y estrategias que permiten 
a los sistemas corpóreos mantener una coherencia mientras explotan múl­
tiples rutinas de resolución de problemas especializadas y cuasi inde­
pendientes (que se abordarán en capítulos posteriores), aportan luz so­
bre los papeles del Jenguaje, la cultura y las instituciones en la 
potenciación de la cognición humana. De momento, sin embargo, retro 
cederemos un poco e intentaremos extraer algunas conclusiones generales 
de este desfile de critters artificiales.
Agentes autónomos: un paseo por la luna I 61
1.3 Mentes sin modelos
La revolución de la «nueva robótica» rechaza una parte fundamental de 
la imagen clásica de la mente. Rechaza la imagen de un planificador central 
que tenga conocimiento exclusivo de toda la información disponible en cual­
quier parte del sistema y que se dedique a descubrir posibles secuencias con- 
ductuales que satisfagan unas metas concretas. El problema del planificador 
central es que, en esencia, es muy poco práctico. Introduce lo que Rodney 
Brooks denominó acertadamente un «embotellamiento representacional» 
que bloquea cualquier respuesta rápida en tiempo real. La razón es que la in­
formación sensorial entrante debe ser traducida a un código simbólico único 
para que el mencionado planificador pueda encargarse de ella. Y la salida que 
produzca el planificador también se deberá traducir desde su propio código 
interno a los diversos formatos necesarios para controlar varios tipos de res­
puesta motriz. Estas fases de traducción consumen mucho tiempo y energía.
Critters artificiales como Herbert y Attila destacan por su falta de plani­
ficación central. En su lugar, la arquitectura de subsunción sitúa múltiples 
dispositivos cuasi independientes, cada uno de los cuales constituye una vía 
autosuficiente que enlaza la entrada sensorial con la acción. En consecuen­
cia, las conductas de estos sistemas no están mediatizadas por ninguna base 
integrada de conocimientos que represente el estado actual del entorno glo­
bal. A estas bases de conocimientos se les suele llamar «modelos detallados 
del mundo» y un tema recurrente de los nuevos enfoques es que logran al­
canzar un éxito adaptativo sin emplear estos modelos.
Sin embargo, sería fácil exagerar esta diferencia. Uno de los mayores pe­
ligros que acechan a toda propuesta revolucionaria en la ciencia es que se 
puede descartar una parte demasiado grande de la «visión antigua»: es decir, 
se puede tirar mucha fruta fresca junto con la pocha. Este mismo peligro 
existe, creo yo, en el rechazo de la nueva robótica frente a las representacio­
nes, los modelos y los mapas internos. Si sólo se interpreta como un aviso 
para prestar atención a los costes de los modelos centralizados, integrados y 
simbólicos, la crítica es oportuna e importante. Pero si se interpreta como un 
rechazo sistemático a las economías internas cuyas complejidades incluyen 
múltiples representaciones centradas en la acción y múltiples modelos par­
ciales del mundo, esto sería un error al menos por dos razones.
En primer lugar es indudable que, en ocasiones, el cerebro humano inte­
gra múltiples fuentes de información. El área que rige los movimientos sacá- 
dicos (los movimientos rápidos de la fóvea de alta resolución hacia un nuevo 
objetivo) es capaz de responder a múltiples entradas sensoriales: podemos 
realizar un movimiento sacádico hacia el lugar donde hemos detectado un 
movimiento periférico, hacia el origen de un sonido o para examinar un ob-
62 I De excursión por la mente
jeto detectado solo por el tacto. Además, con frecuencia combinamos mo­
dalidades utilizando el tacto, la vista y el sonido en complejos bucles inter­
dependientes donde la información recibida en cada modalidad ayuda a sin­
tonizar y eliminar la ambigüedad del resto (como cuando nos encontramos 
con un objeto familiar en un rincón oscuro del armario).
En segundo lugar, la presencia de modelos internos que intervienen en­
tre la entrada y la salida no siempre constituye un embudo costoso en cuan­
to a tiempo. La emulación motriz ofrece un ejemplo claro y convincente. 
Consideremos la tarea de alcanzar una taza. Una «solución» para estos pro­
blemas es el alcance balístico. Como indica su nombre, esta manera de asir 
depende de una trayectoria prefijada y no corrige errores a lo largo de la mis­
ma. Una manera de asir más hábil se basa en la retroalimentación sensorial 
para realizar correcciones sutiles y guiar el asimiento sobre la marcha. Una 
fuente de esta retroalimentación es la propiocepción, el sentido interno que 
nos dice cómo se sitúa nuestro cuerpo (en este caso, el brazo) en el espacio. 
Pero las señales propioceptivas deben hacer el viaje de vuelta desde las peri­
ferias corporales hasta el cerebro y esto requiere tiempo; de hecho, requiere 
demasiado tiempo para que las señales se puedan emplear en la generación 
de movimientos fluidos de asimiento. Para resolver este problema, el cere­
bro puede emplear un truco (muy empleado en los sistemas industriales de 
control) denominado emulación motriz. Un emulador es un circuito incor­
porado que duplica ciertos aspectos de la dinámica temporal del sistema más 
amplio. Toma como entrada una copia de una orden motriz y produce como 
salida una señal cuya forma es idéntica a la de una señal que vuelva de las pe­
riferias sensoriales. Es decir, predice cómo debe ser la retroalimentación 
propioceptiva. Si el dispositivo es fiable, se pueden utilizar estas prediccio­
nes en lugar de las señales sensoriales reales para generar una actividad de 
corrección de errores más rápida. Estos emuladores son el tema de numero­
sos tratamientos teóricos detallados (por ejemplo, Kawato y otros, 1987; 
Dean y otros, 1994) que muestran que el aprendizaje de redes neuronales 
simples puede producir emuladores fiables y en los que se especula sobre la 
manera de desarrollar estos emuladores en circuitos neuronales reales.
Estos emuladores motrices no son embudos que obstaculicen el éxito en 
tiempo real. Al contrario, facilitan el éxito en tiempo real al ofrecer un tipo 
de «retroalimentación virtual» que supera la retroalimentación procedente 
de las periferias sensoriales reales, proporcionándonos una especie de «hi- 
pcragudeza» motriz que nos permite generar unas trayectorias de asimiento 
más fluidas y precisas de lo que sería posible, dadas las distancias y la velo­
cidad de conducción que gobiernan el regreso de las señales sensoriales des­
de las periferias corporales. Pero también es indudable que un emulador es 
una especie de modelo interno. Consturir modelos de aspectos destacados
Agentes autónomos: un paseo por la luna I 63
de la dinámica corporal de los agentes y se puede desplegar incluso en 
ausencia de las entradas sensoriales usuales. Con todo, es un modelo parcial 
dedicado a una clase específica de tareas y, en consecuencia, es compatible 
con el escepticismo de la nueva robótica acerca de los modelos del mundo 
detallados y centralizados y con su insistencia en el éxito conductual en tiem­
po real. También destaca la importancia intrínseca de los aspectos tempora­
les de la cognición biológica. El papel adaptativo del emulador depende tanto 
de su velocidad de operación (su capacidad de superar la retroalimentadón 
sensorial real) como de la información que codifica.
Así pues, es evidente que el primer mensaje de la cognición corpórea es 
que se debe evitar un modelado excesivo del mundo y que los modelos se 
deben adaptar a las exigencias de los sistemas productores de conducta en 
tiempo real.
1.4 Nichos
El segundo mensaje está muy relacionado con el primero. Se refiere a la 
necesidad de encontrar ajustes muy precisos entre las necesidades y los esti­
los de vida de sistemas específicos (sean animales, robots o humanos) por un 
lado, y los tipos de estructuras ambientales portadoras de información a las 
que responden estos sistemas por otro. La idea es reducir la carga de proce 
samiento de información,sensibilizando el sistema a determinados aspectos 
del mundo que tengan una trascendencia especial para él a causa del nicho 
ambiental en el que habita.
Vimos algo de esto en el caso de Herbert, cuyo «nicho» es el entorno lle­
no de latas de Coca-Cola del MIT Mobile Robot Laboratory. Un hecho bas­
tante seguro de ese nicho es que las latas tienden a acumularse encima de las 
mesas. Otro es que las latas, por sí solas, no se mueven ni intentan escapar. A 
la vista de estos hechos, la carga computacional de Herbert se puede reducir 
considerablemente. En primer lugar, puede utilizar señales de baja resolu­
ción para detectar las mesas y acercarse a ellas. Cuando se encuentra junto a 
una mesa, puede iniciar una rutina especial dedicada a buscar latas. Para 
buscar las latas, Herbert no necesita (y de hecho, no puede) formar repre­
sentaciones internas de los otros objetos que hay en la mesa. El «mundo» de 
Herbert sólo está poblado de obstáculos, superficies de mesas y latas. Cuan 
do ha localizado una lata, Herbert lleva a cabo unos movimientos físicos de 
orientación con el fin de simplificar la tarea de cogerla. Todo lo que hace 
Herbert (emplear movimientos, basarse en señales fácilmente detectables y 
evitar modelos del mundo detallados y centralizados), constituye un ejemplo 
de sensación dependiente del nicho.
La nocion de sensación dependiente del nicho no es nueva. En 1934, Ja- 
kob Von Uexkull publicó una maravillosa monografía cuyo título se traduce 
por Un paseo por los mundos de animales y hombres: libro ilustrado de mun­
dos invisibles. En esta obra, con una elocuencia y una claridad parecidas a las 
de un cuento, Von Uexkull introduce la idea del Umwelt, definido como el 
conjunto de aspectos ambientales a los que está sensibilizado un tipo deter 
minado de animal. Describe el Umwelt de una garrapata, que es sensible al 
ácido butírico que se encuentra en la piel de los mamíferos. El ácido butíri­
co, cuando es detectado por la garrapata, induce a ésta a soltarse de la rama 
donde se encuentra para caer sobre el animal. El contacto táctil extingue la 
respuesta olfativa e inicia un procedimiento de corretear hasta que se detec­
ta calor. La detección del calor inicia la actividad de perforar y cavar. Es im 
posible resistirse a citar a Von Uexkull con cierta extensión:
La garrapata cuelga inmóvil de la punta de una rama en el claro de un bos­
que. Su posición le da la oportunidad de dejarse caer sobre un mamífero que 
pase. De todo el entorno entero, no le afecta ningún estimulo hasta que se acer­
ca un mamífero, cuya sangre necesita para poderse reproducir.
Y ahora sucede algo totalmente fantástico. De todos los efluvios que emanan 
del cuerpo del mamífero, sólo tres se convierten en estímulos y además en un or 
den definido. Del vasto mundo que rodea a la garrapata, tres aspectos refulgen 
como faros en la oscuridad y actúan como guias que conducen de una manera ¡n 
falible a la meta. Además de su cuerpo con sus receptores y efectores, la garra­
pata tiene la facultad de detectar tres señales que actúan como estímulos. Y es­
tas señales perceptivas prescriben el curso de sus acciones con tanta rigidez que 
sólo puede producir los impulsos efectores correspondientes.
El mundo entero y rico que rodea a la garrapata se encoge para convertirse 
en un marco austero que consta, en esencia, de tres señales de recepción y tres 
señales efectoras: su Umwelt. Pero la pobreza misma de este mundo garantiza la 
indefectible certeza de sus acciones: la seguridad es más importante que la ri 
queza (ibíd., págs. 11-12).
Así pues, para Von Uexkull, cada especie animal habita en un entorno 
efectivo distinto. Este entorno efectivo está definido por los parámetros que 
tienen importancia para un animal y su estilo de vida concreto, y el entorno 
general es el mundo físico en todo su esplendor y complejidad.
La monografía de Von Uexkull está repleta de imágenes maravillosas del 
aspecto que podría tener el mundo si se viera a través del cristal de la sensa 
ción dependiente del Um vell (figuras 1.6 a 1.8). Aunque las ilustraciones 
son muy caprichosas, sus ideas son profundas e importantes. La cognición 
biológica es muy selectiva y puede sensibilizar a un organismo a cualquier 
parámetro (con frecuencia simples) que especifique con fiabilidad las condi-
64 i Pe excursión por la mente
Agentes autónomos: un paseo por la luna I 65
dones que condernen a esa forma de vida concreta. La similitud entre los 
mundos operacionales de Herbert y de la garrapata es sorprendente: ambos 
se basan en señales simples que son específicas de sus necesidades y ambos 
salen ganando al no molestarse en representar otros tipos de detalles. Una 
extensión natural de esta idea, y que da bastante que pensar, es preguntarse 
si el ser humano también percibe el mundo de una manera sesgada y res­
tringida. Nuestro tercer mensaje afirma que así es, y de una forma mucho 
más espectacular de lo que pueda sugerir la experiencia cotidiana.
1.5 ¿Sensibilidad para los detalles?
Sin duda, muchos lectores estarán de acuerdo en que incluso la avanza­
da percepción humana está sesgada hacia los aspectos del mundo que tienen 
importancia para los intereses y las necesidades del hombre. Según el último 
y más especulativo mensaje de nuestra breve lista, este sesgo es mucho más 
fuerte de lo que hayamos podido imaginar. Concretamente sugiere que nues­
tras experiencias cotidianas de percepción nos pueden inducir a error indi­
cando la presencia de unos modelos del mundo más duraderos y detallados 
que los que nuestros cerebros construyen en realidad. Esta idea, en cierto 
modo paradójica, exige una cuidadosa introducción.®
Consideremos el acto de correr para atrapar una bola. Se trata de una 
habilidad que exhiben rutinariamente los jugadores de criquet y de béis­
bol. ¿Cómo se lleva a cabo? La experiencia común sugiere que vemos la 
pelota en movimiento, prevemos la continuación de su trayectoria y co­
rremos para estar en la posición adecuada para interceptarla. En cierto 
sentido esto es correcto. Pero la experiencia (la «fenomenología») puede 
ser engañosa si creemos que computamos activamente estas trayectorias. 
Investigaciones recientes’ indican que una estrategia más eficiente en cuan­
to a computación consiste, simplemente, en correr de manera que la acele­
ración de la tangente de elevación de la mirada del jugador hacia la bola se 
mantenga a cero. Si hacemos esto, siempreinterceptaremos la bola antes de 
que llegue al suelo. La observación de secuencias grabadas en vídeo de in­
terceptaciones reales indican que, en efecto, los seres humanos utilizan 
-inconscientemente- esta estrategia. Una estrategia como ésta evita mu­
chos costes de computación porque aísla los parámetros mínimos y más fá- 8 9
8. Esto se expone con precisión en Churchland y otros, 1994 y está presente en gran par­
te de Dennett, 1991.
9. Estas investigaciones fueron llevadas a cabo por Zolten Dienes en la Universidad de 
Sussex (comunicación personal).
66 i De excursión por la mente
F ig ur a 1.6 Entorno y Umwcll de una vieira. Ilustración basada en la figura 19 de 
Von Ucxkull, 193-1; adaptada por Christinc Clark, con autorización de International
Universities Press.
Agentes autónomos: un paseo por la luna I 67
FlGL'RA 1.7 Umwelt de un astrónomo. Ilustración basada en la figura 21 de Von 
Uexkull, 1934: adaptada por Christine Clark, con autorización de International Uni 
versities Press.
cilmente perceptibles que pueden apoyar la acción específica de la inter­
ceptación.
Siguiendo una línea similar, un importante corpus de investigaciones co­
nocido como visión anim ada (Ballard, 1991; véase también P, S. Churchland 
y otros, 1994) indica que la resolución cotidiana de problemas guiada por la 
visión puede explotar una gran cantidad de estas estratagemas y rutinas es­
pecializadas. En vez de considerar la visión como la transformación de unas 
señales luminosas entrantes en un modelo detallado de un mundo externo 
tridimensional,la investigación de la visión animada estudia cómo se pueden 
apoyar respuestas adaptativas rápidas y fluidas mediante rutinas que requie­
ran menos intensidad computacional: rutinas que entrelacen la sensación 
con la acción y con el movimiento en el mundo. Como ejemplos podemos ci­
tar el uso de movimientos sacádicos rápidos y repetidos para inspeccionar
63 I De excursión por la mente
F igura 1.8 Entorno y Umwell de una abeja. Ilustración basada en la figura 53 de 
Von Uexkull, 1934; adaptada por Christine Clark, con autorización de International
Universities Press.
Agentes autónomos: un paseo por la luna I 69
una escena visual y extraer información detallada únicamente en posiciones 
foveales seleccionadas, y la explotación de señales más burdas (como el co­
lor) que se pueden detectar en las periferias de baja resolución.
El caso de la exploración visual rápida es especialmente instructivo. Los 
ojos humanos utilizan una pequeña área (menos del 0,01 % del campo visual 
total) de resolución muy elevada. Los movimientos sacádicos desplazan esta 
ventana de alta resolución de un punto a otro en una escena visual. Yarbus 
(1967) mostró que estos movimientos pueden ser inteligentes en el sentido 
de que un sujeto humano situado frente a una escena idéntica realiza explo­
raciones sacádicas muy diferentes para llevar a cabo tareas distintas. Estos 
movimientos son muy rápidos (unos tres por segundo) y suelen incidir una y 
otra vez sobre la misma posición. En uno de los estudios de Yarbus, a los su­
jetos se les mostraba la imagen de una habitación con algunas personas en 
ella y se Ies pedía que dijeran las edades de estas personas, que adivinaran 
qué actividad habían realizado anteriormente o que recordaran las posicio­
nes de personas y objetos. Se identificaron pautas muy diferentes de movi­
mientos sacádicos en función de la tarea especificada.
Según los investigadores de la visión animada, los movimientos sacádicos 
frecuentes nos permiten sortear la necesidad de construir modelos detallados y 
duraderos de nuestro entorno visual. Según Rodney Brooks, podemos utilizar el 
mundo como si fuera el mejor modelo de sí mismo e inspeccionar una y otra vez 
la escena real, tomando muestras detalladas en las posiciones concretas requeri­
das. Así se evita la costosa actividad de mantener y actualizar un modelo interno 
completo de una escena tridimensional. Además, podemos tomar muestras de la 
escena de maneras adecuadas a las necesidades concretas de cada momento.
Aun así, realmente nos parece que, en general, disponemos de una ima­
gen tridimensional completa y detallada del mundo que nos rodea. Sin em­
bargo, como han destacado varios autores recientemente,10 esto puede ser 
una ilusión subjetiva que se apoya en nuestra capacidad para incidir rápida­
mente sobre cualquier parte de una escena y recuperar una información de­
tallada (aunque no duradera) de la región de la fóvea. Ballard (1991, pág. 59) 
comenta que «el sistema visual produce la ilusión de estabilidad tridimen­
sional por su capacidad de realizar conductas rápidas».
El sentido del tacto nos ofrece una útil analogía." En los años sesenta, 
Mackay planteó la siguiente pregunta: imaginemos que estamos tocando 
una botella con los ojos cerrados y las yemas de los dedos separadas. Sólo 
recibimos sensaciones táctiles de unos cuantos puntos separados. ¿Por qué
!0. Especialmente Dennett, 1991; Ballard, 1991 y Cliurchland y otros, 1994.
11. Véanse Mackay, 1967 y Mackay, 197). Encontré este ejemplo por primera vez en 
O'Regan, 1992, págs. 471-476.
70 I De excursión por ta mente
no tenemos la sensación de palpar un objeto con agujeros que correspon­
derían a los espacios que hay entre los dedos? La razón es, en cierto senti­
do, obvia. Utilizamos el tacto para explorar superficies y estamos acostum­
brados a desplazar las yemas de los dedos para encontrar más superficie, 
sobre todo cuando sabemos que lo que sostenemos es una botella. No tra­
tamos los espacios entre las entradas sensoriales como si fueran espacios en 
el mundo, porque estamos acostumbrados a utilizar los sentidos como ins­
trumentos exploratorios que pasan de un punto a otro. Tras reflexionar so­
bre este caso, un investigador propuso que lo que con frecuencia pensamos 
que es el acto sensorial pasivo de «sentir la botella», se entiende mejor si se 
concibe como un ciclo basado en la acción donde unas percepciones frag­
mentarias provocan nuevas exploraciones, y que este ciclo de acción es la 
base de la experiencia de percibir una botella completa.1- Este punto de vis­
ta radical, donde el tacto se formula como un instrumento exploratorio que 
se lanza de acá para allá para explorar una y otra vez el entorno local, se ex­
tiende de una manera completamente natural a la visión y a la percepción 
en general.
La sospecha de que la visión no es todo lo que parece se expresa a la per­
fección en el artículo publicado en 1994 por Patricia Churchland, V. S. Ra- 
machandran y Terrence Sejnowski con el título «A critique of puré visión» 
(Critica Je la visión paral. También ellos proponen que en lugar de una re­
presentación interna formada por «imágenes perfectas» sólo extraemos una 
sucesión de representaciones parciales, conjetura que caracterizan como la 
hipótesis de los «semimundos visuales» o de las «representaciones parciales 
por ojeada». Según ellos, esta hipótesis no sólo está apoyada por considera­
ciones computacionales generales relacionadas con la utilización de movi­
mientos sacádicos frecuentes, etc., sino también por algunos experimentos 
psicológicos sorprendentes.”
Estos experimentos se basaban en mostrar imágenes en la pantalla de un 
ordenador y «engañar» a los sujetos alterando la imagen mostrada durante 
los movimientos sacádicos de los ojos. Resultó que los cambios efectuados 
durante los movimientos sacádicos rara vez se detectaban. En estos momen­
tos críticos se pueden cambiar de lugar objetos enteros, se pueden añadir 
otros objetos y se pueden modificar los colores, todo esto mientras el sujeto 
permanece (normalmente) en la más bendita ignorancia. Quizá sea aún más
12. «El “pcrcepto” dc(la botella es una acción: concretamente, la exploración visual o 
mental de la botella. ¡Vo es una simple sensación pasiva que obtenemos de la reúna o algún de­
rivado icónico de la información que hay en ella» (O'Regan, 1992, pág. 472).
13 Véanse McConkie y Rayner, 1976; McConkie, 1979; McConkie, 1990; O'Regan, 1990 
y Rdvncr y otros, 1980
Agentes autónomos: un paseo por la luna I 71
sorprendente una investigación relacionada con la anterior, en la que se le 
pide a un sujeto que lea un texto presentado en una pantalla de ordenador. 
El texto en cuestión nunca está totalmente presente en la pantalla al mismo 
tiempo y se limita a una zona que abarca (para sujetos típicos) 17 o 18 ca­
racteres. Este texto está rodeado por caracteres aleatorios que no forman pa­
labras verdaderas. Pero (y aquí está el truco) la ventana de texto real se des­
plaza a lo largo de la pantalla de izquierda a derecha acompañando la mirada 
del sujeto. El texto no es repetitivo porque el programa que se ejecuta en el 
ordenador garantiza que el texto adecuado vaya apareciendo sistemática­
mente en lugar del texto aleatorio (aunque, como se trata de una ventana 
móvil, van apareciendo nuevos caracteres aleatorios donde antes había tex­
to real). Cuando este sistema está bien calibrado para un sujeto concreto, 
¡éste no se da cuenta de la presencia de los caracteres extraños! Además, la 
impresión subjetiva es, con toda claridad, la de encontrarse frente a una pá­
gina llena de texto verdadero que abarca toda la periferia visual, de izquier­
da a derecha. En estos casos por lo menos podemos decir con seguridad que 
la naturaleza experimentada de la escena visual es una especie de ilusión 
subjetiva provocada por el empleo de una exploración rápida y una ventana 
pequeña de resolución y atención.
1.6 El robot refinado
Hubo un tiempo en que el Mobile Robot Laboratoryde Rodney Brooks 
tenía un lema: «Rápido, barato y fuera de control». Este es, de hecho, el 
mensaje inmediato de la visión de la nueva robótica. Sin una planificación 
central o incluso sin el empleo de un código simbólico central, estos sistemas 
artificiales navegan de una manera fluida y robusta por el mundo real. Y lo 
hacen gracias a unos acoplamientos cuidadosamente orquestados entre unos 
dispositivos incorporados relativamente independientes y unos aspectos se­
leccionados del entorno (el Urnwelt del robot, por así decir). A pesar de las 
apariencias, ahora parece imaginable que gran parte de la inteligencia hu­
mana se base en estrategias y ardides similares específicos del entorno, y que 
también nosotros podamos carecer de un modelo del mundo central e inte­
grado al estilo tradicional. Por tanto, en la medida en que nos tomemos en 
serio los mensajes generales de la nueva robótica, nos enfrentaremos a dos 
problemas inmediatos y acuciantes.
El primero es un problema de descubrimiento. Si evitamos la imagen fá­
cil del planificador central que cavila sobre estructuras de datos similares a 
textos, y si no nos fiamos de nuestras intuiciones sobre la información que 
extraemos de los datos sensoriales, ¿qué debemos hacer? ¿Cómo podemos
72 [ De excursión por la mente
siquiera formular hipótesis acerca del posible funcionamiento y la estructu 
ra de estas mentes fragmentarias y que desafían nuestra intuición? Brooks y 
otros confían en desarrollar un nuevo conjunto de intuiciones basadas en la 
atención a conductas específicas y organizadas en torno a la idea general de 
una arquitectura de subsunción. Sin embargo, cuando tratemos de abordar 
casos cada vez más complejos, es dudoso que este enfoque «artesanal» pue­
da triunfar. En capítulos posteriores investigaremos algunas maneras de 
avanzar que parecen estar menos sujetas a las intuiciones humanas: trabajar 
con datos neurocientíficos y evolutivos reales, procurar que los sistemas ro- 
bóticos aprendan por su cuenta e incluso intentar imitar el cambio genético 
para hacer evolucionar generaciones de robots cada vez más refinados. {Ob­
servemos la naturaleza y dejemos que la naturaleza simulada siga su curso!
El segundo problema es de coherencia. Tanto el poder como el misterio 
de la investigación de la nueva robótica residen en el empleo de múltiples 
subsistemas cuasi independientes de los que, en condiciones ecológicas ñor 
males, emerge con delicadeza una conducta orientada a metas. El poder es­
triba en la capacidad de respuesta robusta y en tiempo real de estos sistemas. 
El misterio es cómo mantener unas pautas de conducta coherentes cuando 
los sistemas se hacen más y más complejos y se les exige que muestren una 
variedad de conductas cada vez más amplia. Naturalmente, una respuesta a 
este problema es renunciar a la imagen básica e insistir en que las conductas 
complejas y avanzadas deben basarse en algo parecido a un sistema planifi­
cador simbólico central. Sin embargo, no deberíamos rendirnos antes de 
tiempo. En los capítulos que siguen, sacaremos a la luz una cantidad sor­
prendente de estrategias y ardides adicionales que pueden inducir una co­
herencia global. La mayoría de estas estrategias suponen el empleo de algún 
tipo de estructura externa o «andamiaje» para moldear y orquestar la con­
ducta. Entre los candidatos más evidentes se encuentran el entorno físico 
inmediato (recordemos a Herbert) y nuestra capacidad para reestructurar 
activamente ese entorno con el fin de apoyar y extender mejor nuestras ca­
pacidades naturales para la resolución de problemas. Estas estrategias son 
especialmente manifiestas en el desarrollo infantil. Entre otros factores menos 
evidentes pero que tienen una importancia crucial, se encuentran la presen­
cia restrictiva del lenguaje, la cultura y las instituciones públicas, la economía 
interna de las respuestas emocionales y diversos fenómenos relacionados con 
la inteligencia grupal o colectiva. En particular, el lenguaje y la cultura apa­
recen como unas especies avanzadas de andamiaje externo, «diseñadas» para 
extraer la máxima coherencia y utilidad de unas mentes fundamentalmente 
cortas de vista, especializadas e internamente fragmentadas. Por tamo, des­
de sus inicios en la simple robótica, nuestro viaje llegará a tocar -y en oca­
siones a poner en entredicho- algunos de los elementos más arraigados de la
Agentes autónomos: un paseo por la luna I 73
imagen intelectual que tenemos de nosotros mismos. El «deliberador racio­
nal» resulta ser un «respondedor adaptativo» bien camuflado. Cerebro, 
cuerpo, mundo y artefacto están estrechamente vinculados entre sí, forman­
do la más compleja de las conspiraciones. Y mente y acción se manifiestan 
en un íntimo abrazo.
2 El niño situado
2.1 Yo, robot
Robots que recogen latas de refrescos, exploradores lunares, cucarachas: 
si todo esto nos suena extraño, pensémoslo mejor. La incipiente perspectiva 
sobre la cognición corpórea también nos puede ofrecer la mejor esperanza 
hasta el momento de comprender las características fundamentales del pen­
samiento y el desarrollo humanos. Un campo especialmente prometedor es 
el estudio de la infancia. La imagen que tiene la nueva robótica de «pensar 
con los pies» encuentra un complemento natural en nuestra comprensión 
creciente del desarrollo del pensamiento y la acción en los niños, porque el 
especialista en robótica y un número cada vez mayor de psicólogos del desa­
rrollo coinciden en destacar la delicada interacción entre cerebro, cuerpo y 
entorno local para determinar el éxito cognitivo inicial.
De hecho (y para ser históricamente justos), es probable que los psicólo­
gos del desarrollo fueran de los primeros en destacar la verdadera relación 
entre los factores internos y externos para determinar el cambio y el éxito 
cognitivo. En este sentido, teóricos como Jean Piaget, James Gibson, Lev 
Vygotsky y Jeromc Bruner, aunque partiendo de enfoques muy diferentes, 
previeron muchas de las ideas de cariz más radical a las que ahora se dedica 
la robótica situada.’ Con todo, continúan existiendo abundantes posibilida­
des para un mutuo esclarecimiento, pues cada uno de los dos campos dispo­
ne de un conjunto distinto de instrumentos conceptuales y experimentales y 
de Corpus de datos diferentes. Por tanto, la alianza intelectual entre la psico­
logía del desarrollo y las otras ciencias de la mente corpórea puede acabar
1. Véanse, por ejemplo, Fiagei, 1952, 1976; Gibson, 1979; Bruner, 1968; Vygotsky, 1986.
76 I De excursión por la mente
siendo una de las empresas interdisciplinarias más apasionantes de la próxi­
ma década.
En este capítulo se exploran cinco hitos de fundamental importancia que se 
encuentran a lo largo de esta frontera interdisciplinaria: la idea de bucles de ac­
ción que entrecruzan el organismo y su entorno (apartado 2.2); una visión muy 
interactiva del proceso de desarrollo según la cual mente, cuerpo y mundo ac 
túan en pie de igualdad (apartado 2.3); una imagen de la cognición biológica en 
la que emergen soluciones a problemas sin un control ejecutivo central (apar 
tado 2.4); el reconocimiento del papel fundamental desempeñado por apoyos y 
estructuras externas para posibilitar el éxito adaptativo y proporcionar la en 
voltura para el aprendizaje individual (apartado 2.5); y un escepticismo cre­
ciente, enraizado en todas las consideraciones anteriores, acerca del verdadero 
valor de las divisiones intuitivas entre percepción, acción y cognición (apartado 
2.6). La conclusión a la que se llega es que el desarrollo cognitivo no se puede 
tratar con eficacia aislándolo del hecho de que el niño está embebido en el 
mundo e interacciona con él. En una imagen más adecuada de la cognición in­
fantil (y, de hecho, de toda cognición), percepción, acción y pensamiento se vin­
culan entre sí en una variedad de formas complejas e interpenetradas.
2.2 Bucles de acción
Consideremos un puzzle. Una manera (improbable) de tratar de resolverlo 
consiste en mirarmuy fijamente una pieza y tratar de determinar, sólo con la ra­
zón, si encaja en una posición determinada. Sin embargo, en la práctica real em­
pleamos una estrategia mixta en la que hacemos una determinación mental 
aproximada y luego probamos físicamente si la pieza encaja o no. En general, 
no nos representamos la forma detallada de una pieza lo suficientemente bien 
como para saber con certeza si encajará antes de realizar esta manipulación fí­
sica. Además, podemos hacer girar físicamente las piezas candidatas antes de 
probar si encajan para simplificar la tarea más «mental» de evaluar aproxima­
damente su ajuste potencial (recordemos el empleo por parte de Herbert de un 
procedimiento similar, girando sobre sí mismo para fijar una lata en una posi­
ción central canónica de su campo visual). Por tanto, acabar un puzzle supone 
una danza intrincada y repetida donde el «pensamiento puro» conduce a ac­
ciones que, a su vez, cambian o simplifican los problemas a los que se enfrenta 
este pensamiento. Probablemente, éste es uno de los ejemplos más sencillos de 
los fenómenos conocidos como bucles de acción.2
2. Véanse exposiciones de fenómenos de bucles de acción en Colé y otros, 1978; Rut- 
kowska, 1986, 1993; Theíen y Smith, 1994.
El niño situado í 77
Recientes investigaciones sobre el desarrollo realizadas por Esther The- 
len y Linda Smith, indican que estas interacciones entre pensamiento y ac­
ción puede ser tan omnipresentes y fundamentales, que estas investigado­
ras sospechan que todo nuestro conocimiento inicial se construye 
«mediante interacciones trabadas en el tiempo entre percepción y acción 
en contextos particulares» {Thelen y Smith, 1994, pág. 217). Para ver lo 
que esto significa, consideremos la conducta de los niños pequeños ante 
precipicios visuales (un precipicio visual es una caída vertical cubierta con 
una superficie fuerte, rígida y transparente de plexiglás u otro material si­
milar). Se ha demostrado que los niños que aún no pueden gatear son ca­
paces de distinguir los lados poco profundos del precipicio de la zona que 
se encuentra más allá de la caída. Muestran una atención y un interés ere 
cientes y, sorprendentemente, lloran menos cuando se encuentran encima 
del precipicio que cuando están sobre los lados menos profundos. Los ni­
ños de más edad y con mayor movilidad responden al precipicio con res­
puestas asociadas al miedo (Campos y otros, 1978).' Claramente, los dos 
grupos de niños pueden percibir la información visual que especifica la 
profundidad. La diferencia crucial parece residir en cómo se emplea esta 
información, es decir, en cómo interviene en la interacción entre percep 
ción y acción.
Un trabajo reciente sobre las respuestas de los niños a las pendientes nos 
ofrece más información sobre esta interacción. En esta investigación, se co­
locaron niños pequeños con diferentes tipos de movilidad (niños que gatea­
ban y niños que caminaban) sobre pendientes con distintos grados de incli­
nación. Los que caminaban (14 meses) recelaban de las pendientes con 20° 
o más de inclinación y, o bien se negaban a descender, o bien bajaban desli­
zándose. Los niños que gateaban abordaban con intrepidez inclinaciones de 
20° o más y, normalmente, acababan cayendo (aunque siempre se Ies cogía a 
tiempo).
Sin embargo, tras un examen detallado apareció una pauta fascinante. A 
medida que los niños que gateaban iban aumentado su experiencia, apren­
dían a evitar las pendientes más inclinadas. Pero en el momento de transi­
ción en el que los niños empezaban a caminar, este conocimiento obtenido 
con tanto esfuerzo parecía desaparecer. Los niños que empezaban a caminar 
tuvieron que aprender sobre las pendientes desde el principio. En una prue­
ba, dos terceras partes de estos niños «se lanzaban sin vacilación por todas 
las pendientes, igual que hicieron al encontrarse con ellas por primera vez, 
cuando sólo gateaban» (Thelen y Smith, 1994, pág. 220)/’ 3 4
3. Véase también Rutkowska, 1993, pág. 60.
4. El trabajo comunicado fue llevado a cabo por Adolph y otros (1993).
78 I De excursión por la mente
Estas pruebas no sólo sugieren que los niños aprenden sobre el mundo 
realizando acciones, sino también que el conocimiento mismo que adquieren 
suele ser específico de la acción. Los niños pequeños no emplean su expe­
riencia de gatear para adquirir conocimientos sobre las pendientes en gene­
ral. En cambio, adquieren conocimientos sobre el papel de las pendientes en 
contextos específicos que implican una acción. Otros resultados relaciona­
dos con la especificidad del conocimiento de los niños pequeños apuntan en 
la misma dirección general/
Este fenómeno no se limita a la infancia. Investigaciones recientes sobre los 
mecanismos de compensación perceptiva de los adultos revelan un perfil espe­
cífico de la acción de carácter similar. Thach y otros (1992) presentan un ejem­
plo centrado en la adaptación perceptiva en condiciones inusuales." Thach y sus 
colegas estudiaron la adaptación humana a unas lentes especiales que despla­
zaban la imagen hacia la derecha o la izquierda. Es bien sabido que el sistema 
de percepción humano puede aprender a adaptarse a esta clase de distorsiones. 
De hecho, varios experimentos demuestran que los sujetos pueden adaptarse 
incluso a lentes que invierten por completo la escena visual haciendo que el 
mundo se vea cabeza abajo. Después de llevar estas lentes de inversión unos 
cuantos días, los sujetos comunican unos cambios súbitos donde los aspectos 
del mundo se reorientan correctamente. Naturalmente, cuando se ha produci­
do esta adaptación, los sujetos dependen de las lentes: si se las quitan, el mun­
do vuelve a aparecer invertido hasta que se produce una nueva adaptación.
Lo que mostró el grupo de Thach es que, en el caso de las lentes de des­
plazamiento lateral, la adaptación parece ser específica de ciertos bucles mo­
tores. Se pidió a los sujetos que lanzaran dardos a una diana. Al principio fa­
llaban como resultado del desplazamiento lateral producido por las lentes. 
Sin embargo, con el tiempo se produjo una adaptación y fueron capaces de 
apuntar tan bien como antes (a diferencia de lo que ocurría en los experi­
mentos con lentes de inversión, esta adaptación no tuvo ninguna conse­
cuencia en la experiencia: los sujetos no comunicaron ningún «rebote» de la 
imagen visual consciente). Pero, en la mayoría de los casos, esta adaptación 
era específica del bucle motor. Al pedírseles que lanzaran los dardos sin le­
vantar el brazo por encima del hombro -en vez de tirarlos por encima de la 
cabeza- o que emplearan su brazo no dominante, los sujetos no mostraron 
una mejora comparable. La adaptación para los lanzamientos por alto y con 
el brazo dominante no se extendieron en absoluto a los otros casos. Lo que 
parece haber ocurrido es un adaptación restringida a la combinación especí­
fica del ángulo de visióh y el ángulo de tiro empleados en un lanzamiento
5. Véanse Shields y Rovee-Collier, 1992; Rovee-Collier, 1990.
6. Véase un estudio general de experimentos con lentes deformadoras en Welch, 1978
E! niño situado I 79
normal. Lo que no se produjo fue una adaptación perceptiva general que 
ofreciera «datos de entrada corregidos» para que fueran utilizados por cual 
quier subsistema cognitivo o motor.
Thach y otros han relacionado sus resultados con algunas hipótesis muy 
específicas y fascinantes sobre el papel de una estructura nerviosa concreta 
-el cerebelo- en el aprendizaje de respuestas pautadas a estímulos encontra 
dos con frecuencia. Estas conjeturas encajan bien con la imagen que nos va­
mos forjando, puesto que indican que la antigua imagen que consideraba al 
cerebelo puramente implicado en tareas motrices es errónea y que las fun­
ciones motrices y algunas funciones cognítivas «superiores» pueden estar ín­
timamente relacionadas en el cerebro. Por ahora, sin embargo, sólo es nece­
sario destacar que puede hacer falta algún replanteamiento de la imagen 
«pasiva» de nuestro contacto perceptivocon el mundo. Al parecer, en mu­
chos casos la percepción no se debería contemplar como un proceso en el 
que se recopilan pasivamente datos del entorno. En cambio, la percepción 
puede estar orientada desde el principio hacia rutinas de acción específicas. 
Asi pues, el reto estriba en desarrollar «una estructura teórica que sea, por 
asi decir, más “motorcéntrica” que “visuocéntrica"» (P. S. Churchland y otros, 
1994, pág. 60). Los estudios detallados de microdesarrollos, como el trabajo 
sobre el modo de superar pendientes, parecen ofrecer una prometedora base 
experimental sobre la que fundamentar una reorientación tan radical.
2.3 Desarrollo sin diseños
Aquí entenderemos por diseño un plan o una especificación muy deta­
llados de -por ejemplo- un automóvil o un edificio. Las explicaciones más 
sencillas (pero normalmente menos satisfactorias y admisibles) del desarro­
llo, describen la alteración y el crecimiento de las capacidades cognitivas de 
un niño como el despliegue gradual de un «diseño» para el cambio cogniti­
vo determinado genéticamente. Según la ingeniosa descripción de Thelen 
y Smith (1994, pág. 6), estas explicaciones, que predominaron durante los 
años treinta y cuarenta,7 8 conciben el desarrollo como «una progresión lineal 
y por etapas a través de una secuencia de conductas cada vez más funciona­
les que es dirigida hacia unas formas adultas por un plan global (que está 
programado por un cronometrador global)». Estas concepciones aún siguen 
con nosotros, pero con unas formas cada vez más sofisticadas. Por ejemplo, 
el desarrollo gradual de la capacidad para caminar se explica como el efecto
7. Recuérdense los ejemplos de visión animada descritos en el capítulo 1.
8. Véase, por ejemplo, Gesell 1939; McGraw, 1945, y e! capítulo 1 de Thelen y Smith, 1994.
80 I De excursión por la mente
de unos aumentos de la velocidad de procesamiento del cerebro que están 
determinados por la maduración y que permiten un control y una integra* 
ción motrices de carácter complejo (Zelazo, 1984).
Sin embargo, desde la perspectiva altamente interactiva que hemos esta* 
do desarrollando, estos enfoques suelen incurrir en un error muy común. 
Toman un fenómeno complejo (por ejemplo, el desarrollo de la capacidad 
del niño para caminar) y buscan un solo factor determinante. Este error es lo 
que Mitchel Resnick, del MIT Media Lab, denomina «pensamiento centra­
lizado»:
...la gente tiende a buscar la causa, la razón, la fuerza impulsora, el factor decisi­
vo. Cuando la gente observa pautas y estructuras en el mundo (por ejemplo, las 
pautas de las bandadas de aves o las pautas de búsqueda de alimento de las hor­
migas), suele suponer unas causas centralizadas que en realidad no existen. Y 
cuando la gente intenta crear pautas o estructuras en el mundo (por ejemplo, 
nuevas organizaciones o máquinas), suele imponer un control centralizado que, 
en realidad, no es necesario (Resnick, 1994, pág. 120).
He citado este pasaje completo porque capta perfectamente un mensaje 
fundamental de nuestras investigaciones que aparecerá una y otra vez en este 
libro: los fenómenos complejos presentan una gran autoorganización. De he­
cho, las aves que vuelan en bandada no siguen a un líder. En cambio, cada ave 
sigue unas cuantas reglas sencillas que hacen que su conducta dependa de la 
conducta de las aves que tiene más cerca. La pauta de la bandada surge de 
la masa de estas interacciones locales: no está orquestada por un líder o por 
un plan general representado en la mente de cada ave. De manera similar, 
ciertos tipos de hormigas buscan alimento mediante un proceso de «recluta­
miento en masa». Cuando una hormiga encuentra alimento, vuelve al nido y, 
durante el recorrido, va soltando un marcador químico (una feromona). 
Cuando otra hormiga detecta este rastro, lo sigue hasta llegar a la fuente de 
alimento. Esto hace que, a su vez, esta hormiga refuerce el rastro químico. 
Este rastro más fuerte tiene más probabilidades de atraer a otra hormiga que, 
cuando encuentre el alimento, reforzará aún más la señal química aumentan­
do su potencia. Por tanto, lo que nos encontramos aquí es un proceso exten­
dido de retroalimentación positiva que pronto conduce a una concentración 
masiva de actividad, con centenares de hormigas recorriendo el camino arri­
ba y abajo. La cuestión es que esta organización se consigue mediante unas 
cuantas «reglas» locales sencillas que, en presencia de la fuente de alimento y 
de otras hormigas, dan origen a esta conducta aparentemente organizada. 9
9, Véase una simulación por ordenador de este y otros fenómenos emergentes en Resnick, 
1994, págs. 60^67.
El niño situado | 61
Algunos estudios recientes proponen que el desarrollo infantil también 
se puede comprender mejor desde el punto de vista de las interacciones de 
múltiples factores locales que incluyen, en pie de igualdad, el crecimiento 
corporal, los factores ambientales, la maduración del cerebro y el aprendiza­
je. No existe un «diseño» para la conducta ni en el cerebro ni en los genes, 
igual que no existe un diseño de la bandada en la cabeza de las aves.
Para captar el sabor de esta propuesta, consideremos el caso de aprender 
a caminar. Los datos brutos son los siguientes: cuando un recién nacido es 
suspendido por encima del suelo, realiza unos movimientos de pisar bien co­
ordinados; hacia los dos meses de edad estos movimientos de pisar se pierden; 
los movimientos reaparecen entre los ocho y los diez meses de edad, cuando 
el niño empieza a apoyar su peso sobre los pies; hacia los doce meses, apare­
ce el andar independiente. Según el punto de vista «del plan global y el fac­
tor único», sería de esperar que estas transiciones fueran expresiones de la 
maduración o el desarrollo de una fuente central (por ejemplo, la apropia­
ción gradual de unos procesos similares a reflejos por parte de un centro 
cognítivo superior; véase Zelazo, 1984). Sin embargo, los estudios del mi- 
crodesarrollo indican que estas transiciones no están orquestadas por una 
entidad central y que, al parecer, se deben a la interacción de múltiples fac­
tores en condiciones esenciales de igualdad.
Por ejemplo, aunque es cierto que el reflejo de pisar desaparece hacia los 
dos meses de edad, todavía se producen unos movimientos cinemáticos casi 
idénticos cuando el niño está tendido sobre la espalda. Este «pataleo en de­
cúbito supino» persiste durante todo el primer año de vida. Ahora parece 
que el parámetro crucial que subyace a la desaparición del pisar a los dos 
meses es, simplemente, ¡la masa de las piernas! En la postura erguida, la re­
sistencia ejercida por la masa de las piernas hacia los dos meses de edad su­
pera la acción elástica de los músculos. Esta hipótesis está apoyada por unos 
experimentos (figura 2.1) donde el pisar desaparece cuando se añade peso a 
las piernas de un niño que pisa y por otros donde el pisar reaparece cuando 
niños de tres meses de edad que no pisan se sostienen erguidos dentro del 
agua para reducir la masa efectiva de las piernas.10
Las manipulaciones del entorno son igualmente eficaces para estudiar la 
segunda fase: la reaparición del pisar entre los ocho y los diez meses de edad. 
Cuando colocamos a niños más pequeños que no pisan en una rueda de an­
dar, pisan de una manera coordinada; incluso son capaces de ajustar el ritmo 
de su paso a la velocidad de la rueda y de adaptarse a restricciones asimétri­
cas cuando se les coloca sobre una rueda de andar con dos cintas indepen-
10. Véase Thelen y Smith, 1994, págs. 11-12. Véanse también Thelen y otros, 1982 y Thc-
Icn y otros, 1984.
82 i De excursión por la mente
FIGURA 2.1 Este niño de tres meses de edad fue sometido a prueba para ver si pisa­
ba erguido, primero sobre una mesa y después sumergido en agua tibia. Fuente: 
Thelen y Smith, 1994. Por gentileza de E. Thelen, L. Smith y MIT Press.
clientes que van a velocidades distintas. Se encontró que la conducta de pi* 
sar en ruedas de andar se daba en niños de edades comprendidasentre uno 
y siete meses de edad (Thelen y Smith, 1994, págs. 11-17).11
Estos últimos resultados indican que la pauta mecánica ocasionada por 
la extensión de las piernas hacia atrás, que a su vez está provocada por la 
rueda, tiene un papel fundamental. Este componente de pisar es indepen­
diente de las transiciones conductuales generales normales que reflejan la in­
fluencia de múltiples factores adicionales como la masa de las piernas. La 
pauta evolutiva no es la expresión de un diseño interno. Más bien refleja la 
compleja interacción de múltiples fuerzas, algunas corporales (como la masa 
de las piernas), otras mecánicas (la extensión de las piernas y las acciones 
elásticas), algunas totalmente externas (la presencia de ruedas de andar, 
agua, etc.) y otras más cognitivas e internas (la transición hacia un movi-
II. Véanse también Thelen, 1986; Thelen y otros, 1987 y Thelen y Ulrich, 1991.
El niño situado I 83
miento volitivo, es decir, deliberado). Centrarse exclusivamente en uno de 
estos parámetros equivale a pasar por alto la verdadera explicación del cam­
bio evolutivo, que se basa en comprender la interacción de diversas fuerzas 
y eliminar la necesidad de postular un solo factor controlador.
2.4 «Montaje blando» y soluciones descentralizadas
Una perspectiva multifactorial conduce, de una manera bastante natural, 
a un respeto y un interés teórico crecientes hacia lo que podría denominarse 
«idiosincrasias históricas del desarrollo individual». Pero esto exige explicar 
el delicado equilibrio existente entre la variación individual y los logros evo­
lutivamente sólidos. Una noción fundamental para comprender esta acción 
de equilibrio es la de montaje blando.
Un brazo robódco tradicional, gobernado por un programa clásico, pro­
porciona un ejemplo de «montaje duro». Dispone de un repertorio de movi­
mientos y su éxito depende de la precisión de la colocación, la orientación, el 
tamaño y otras características de los componentes que debe manipular. En 
cambio, el andar humano es de montaje blando en el sentido de que compensa 
de una manera natural cambios bastante importantes en el espacio del proble­
ma. Como indican Thelen y Smith, las aceras heladas, las ampollas en los pies y 
los zapatos de tacón «reclutan» diferentes pautas de marcha, control muscular, 
etc., mientras se mantiene el objetivo general de la locomoción. En general, el 
control centralizado con modelos internos o especificaciones de carácter deta­
llado parece ser desfavorable para esta adaptación fluida y contextual (recor­
demos las lecciones de la robótica situada en el capítulo 1). En cambio, los en­
foques multifactoriales y descentralizados suelen producir esta adaptación 
sólida y contextual como una consecuencia indirecta y sin coste alguno. La ra­
zón de esto es que, como vimos antes, estos sistemas crean acciones basándose 
en «asociaciones en pie de igualdad» donde el entorno local desempeña un pa­
pel fundamental en la selección de conductas. En situaciones donde una solu­
ción más clásica, dirigida por un modelo interno, fracasa como resultado de la 
incapacidad del modelo para reflejar cambios novedosos en el entorno, las so­
luciones basadas en «asociaciones en pie de igualdad» suelen ser capaces de 
funcionar porque el entorno mismo ayuda a orquestar la conducta.
Siguiendo esta misma línea, Pattie Maes del MIT Media Laboratory des­
cribe un sistema de planificación cuyo objetivo consiste en emparejar proce­
sos (tareas o partes de tareas) con procesadores (máquinas).12 Se trata de una
12. Este ejemplo procede de Maes, 1994 (págs. 145-146), Los agentes de planificación 
clásicos se describen en Kleinrock y Nilsson, 1981
84 I De excursión por la mente
empresa compleja puesto que siempre se están creando tareas nuevas y el vo­
lumen de trabajo de cada máquina varía continuamente. Un solución tradi­
cional de montaje duro adoptaría un enfoque centralizado donde un sistema 
contendría un Corpus de conocimientos sobre las configuraciones de las di­
ferentes máquinas, las tareas típicas, etc. Este sistema también reuniría con 
cierta frecuencia datos procedentes de todas las máquinas acerca de su volu­
men de trabajo actual, los trabajos que hay en espera, etc. A continuación, y 
utilizando toda esta información y algunas reglas o heurísticos, el sistema tra­
taría de elaborar una programación (una asignación eficiente de tareas a má­
quinas). Ésta es la solución ofrecida por la «cognición centralizada pura». 
Ahora consideremos, en cambio, la solución descentralizada favorecida por 
Maes.!* Aquí, cada máquina controla su propio volumen de trabajo. Si una 
máquina A crea una tarea, envía una «solicitud de ofertas» a todas las má­
quinas restantes. Las otras máquinas responden a esta petición enviando un 
cálculo aproximado del tiempo que tardarían en realizar la tarea (las máqui­
nas que se utilicen poco o que ya tengan cargado un programa adecuado 
«pujarán» más que las máquinas muy utilizadas o mal preparadas). Enton­
ces, simplemente, la máquina original envía el trabajo a la máquina que más 
haya «pujado». Esta solución es a la vez sólida y de montaje blando. Si en 
una máquina se produce un fallo, el sistema lo compensa automáticamente. 
Y no hay una sola máquina que sea crucial: la planificación es más bien una 
propiedad emergente de las interacciones simples de «anunciar» y «pujar» 
entre las máquinas que estén activas en cada momento. Como no existe un 
modelo central de la configuración del sistema en ningún lugar, no se plan­
tean los problemas asociados con la actualización y la utilización de seme­
jante modelo.
Los montajes blandos formados por múltiples componentes básicamen­
te independientes producen una mezcla característica de solidez y flexibili­
dad. Las soluciones que emergen se adaptan a las particularidades del con­
texto y al mismo tiempo satisfacen un objetivo general. Esta mezcla, que 
impregna todo el desarrollo, persiste en la resolución de problemas y la ac­
ción durante la madurez. Por tanto, la variabilidad individual no se debería 
desestimar como si fuera «mala información» o «ruido» que oscureciera, de 
alguna manera, unas pautas de desarrollo esenciales. En cambio, como in­
sisten Thelen y Smith, es una buena pista hacia la naturaleza de los procesos 
de montaje blando subyacentes.13 14
Para ilustrar esto, Thelen y Smith describen el desarrollo de la conducta 
de alcanzar en varios niños pequeños. A pesar del carácter común de la con-
13. Se basa en Malone y otros, 1988.
14. Por tamo, la %'ariabilidad es un dato, no ruido; véase Smith y Thelen, 1994, págs. 86-88.
El niño situado I 85
ducta global final (la capacidad para alcanzar objetos), encontraron fuertes 
diferencias individuales. En cada caso concreto, la conducta de alcanzar re­
sultó ser el resultado del montaje blando de unos componentes un tanto di­
ferentes, que reflejaban diferencias en la dinámica intrínseca de los ni­
ños y en su experiencia histórica. Aunque la descripción que ofrecen Thelen 
y Smith es muy detallada, aquí nos limitaremos a examinar algunos aspectos 
destacados.
Uno de los niños, Gabriel, era muy activo por naturaleza y agitaba los 
brazos con mucha rapidez. Para él, la tarea consistió en convertir estos mo­
vimientos en una conducta de alcance dirigido. Para conseguirlo, necesitó 
aprender a contraer los músculos cuando el brazo estaba cerca de un objeto 
con el fin de moderar los movimientos y establecer un contacto adecuado.
En cambio, Hannah era más bien inactiva en el aspecto motor. Movía las 
manos con muy poca velocidad y escasa fuerza. Su problema no era moderar 
los movimientos, sino producir el impulso suficiente para vencer la gravedad.
Otros niños presentaban distintas mezclas de dinámica intrínseca, pero 
en todos los casos el problema básico consistía en aprender a controlar esta 
dinámica intrínseca (cuya naturaleza, como hemos visto, puede variar consi­
derablemente) para alcanzar un objetivo. Para hacerlo, el sistema nervioso 
central (SNC) debeencontrar una solución que tenga en cuenta una amplia 
variedad de factores que incluyen la energía, el temperamento y el tono mus­
cular. Una propuesta prometedora15 es que, cuando hace esto, el SNC trata 
el sistema total como si fuera un conjunto de muelles y masas. Por tanto, no 
se ocupa de generar modelos internos de trayectorias de alcance, etc., sino 
de aprender a modular factores como la rigidez de las extremidades para que 
la energía transmitida se combine con una dinámica intrínseca parecida a la 
de los muelles y produzca una oscilación cuyo punto de reposo sea el objeto 
deseado. Es decir, el SNC se trata como un sistema de control para un cuer­
po cuya dinámica intrínseca desempeña un papel crucial en la determinación 
de la conducta.
Por tanto, los problemas evolutivos a los que se enfrenta cada niño son 
diferentes, puesto que la dinámica intrínseca de cada niño es distinta. Lo que 
tienen en común es el problema de nivel superior de dominar esta dinámica 
individual para lograr alguna meta como la conducta de alcanzar. A lo largo 
del desarrollo, el trabajo del SNC no es «meter en vereda» cada vez más al 
cuerpo para que pueda llevar a cabo unas órdenes detalladas y representadas 
internamente que especifican, por ejemplo, las trayectorias que deben seguir 
los brazos. En cambio, su tarea consiste en aprender a modular parámetros 
(como la rigidez) que después interaccionarán con restricciones intrínsecas
15. PolityBizzi, 1978; Hogan y otros, 1987; Jordán y otros, 1994; Thelen y Smith, 1994.
86 I De excursión por la mente
corporales y ambientales para producir los resultados deseados. En resu­
men, la tarea consiste en aprender a armar conductas adaptativas mediante 
montajes blandos que respondan al contexto local y exploten la dinámica in­
trínseca. Así pues, mente, cuerpo y mundo intervienen en pie de igualdad en 
la construcción de conductas sólidas y flexibles.
2.5 Mentes con andamiajes
Hay una propiedad final de las soluciones basadas en los montajes blan­
dos que se debe mencionar explícitamente porque ocupará un lugar desta­
cado en varios capítulos posteriores. Se refiere a la afinidad natural existen­
te entre el montaje blando y el empleo de andamiajes externos. Como ya se 
ha apuntado antes, cuando el sistema nervioso central aprende a modular 
parámetros como la rigidez, lo que hace en realidad es resolver un problema 
«suponiendo» un telón de fondo formado por una dinámica corporal intrín­
seca concreta (las propiedades elásticas de los músculos). Estos telones de 
fondo no tienen por qué limitarse al cuerpo del agente: con frecuencia po­
demos resolver problemas «a horcajadas» sobre ciertas propiedades fiables 
del entorno. Lo que quiero denotar con el término andamiaje es esta explo­
tación de la estructura externa.
La noción de andamiaje tiene sus raíces en el trabajo del psicólogo sovié­
tico Lev Vygotsky.16 Vygotsky destacó que la experiencia con estructuras ex­
ternas (incluyendo las lingüísticas, como palabras y frases, véase el capítulo 
10) puede alterar y dar contenido a los modos de procesamiento y compren­
sión intrínsecos de un individuo. La tradición que siguió incluía la noción de 
una zona de desarrollo proximal:17 la idea de que la ayuda de los adultos en 
momentos cruciales del desarrollo del niño, daría a éste la experiencia de 
una acción con éxito que el niño, por sí solo, no podría conseguir. Ofrecer 
apoyo durante los primeros pasos vacilantes de un niño que empieza a cami­
nar y sostener a un bebé en el agua para que pueda realizar movimientos de 
natación son dos buenos ejemplos.
Sin embargo, la noción intuitiva de andamiaje es más amplia porque pue­
de abarcar toda clase de apoyos y ayudas externas, tanto si proceden de 
adultos como del entorno inanimado.18 Como ejemplos tenemos la utiliza­
ción de la estructura física del entorno de la cocina como ayuda externa para 
la memoria (agrupando las especias, los cacharros, etc.; Colé y otros, 1978) y
16. Véase, por ejemplo, Vygotsky, 1986.
17. Véanse, por ejemplo. Valsiner, 1987 y Wcrtsch, 1981.
18. Vcase esta utilización, por ejemplo, en Rutkowska, 1993, págs. 79-80
El niño situado I 87
el empleo de utensilios especiales para comer que reducen la libertad del 
niño para derramar y pinchar cosas, al tiempo que ofrecen un tosco simula­
cro del entorno de un adulto cuando come (Valsiner, 1987).19 Para nuestros 
propósitos actuales, la cuestión es que las estructuras del entorno, como la 
elasticidad de los músculos, forman un telón de fondo en relación al cual se 
configuran los problemas computacionales individuales a los que se enfren­
ta cada niño.
Este andamiaje es muy común en casos no cognitivos. La simple esponja, 
que se alimenta filtrando agua, explota la estructura de su entorno físico na­
tural para reducir la cantidad de bombeo que debe realizar: cambia de orien­
tación y aprovecha las corrientes del entorno para alimentarse.20 Aunque se 
trata de una estrategia manifiesta, los biólogos no la han reconocido hasta 
hace muy poco. La razón de esta tardanza es reveladora: los biólogos han 
tendido a centrarse únicamente en el organismo individual como sede de la 
estructura adaptativa. Han tratado el organismo como si se pudiera entender 
independientemente de su mundo físico. En este sentido, los biólogos se han 
parecido mucho a los científicos cognitivos que sólo han buscado explica­
ciones internas para los fenómenos cognitivos. En respuesta a estas tenden­
cias, el biólogo Vogel (1981, pág. 182) ha recalcado la necesidad de un prin­
cipio de parsimonia: «N o desarrollar explicaciones que requieran un gasto 
de energía metabólica (por ejemplo, la hipótesis de bombeo total para la es­
ponja) hasta que se puedan descartar los efectos físicos simples (por ejemplo, 
la utilización de las corrientes del entorno)». La extensión de la máxima de 
Vogel al ámbito cognitivo es simple. Es lo que una vez denominé «principio 
007»:
En general, los seres evolucionados no almacenarán ni procesarán informa­
ción de maneras costosas si pueden emplear la estructura del entorno y sus ope­
raciones sobre él como sustitutos convenientes de las operaciones implicadas en 
el procesamiento de la información. Es decir, no hace falta saber más de lo nece­
sario para cumplir una misión (Clark 1989, pág. 64).
Este principio se refleja en el lema de la mobótica: «El mundo es la me­
jor representación de sí mismo». También es un compañero natural de las 
nociones de montaje blando y de resolución de problemas descentralizada. 
En lugar de un dispositivo intelectual que cavila inmerso en un reino de mo­
delos internos detallados, nos enfrentamos a un agente corpóreo y embebi­
do que interviene, en pie de igualdad, en respuestas adaptativas que hacen
19. Véanse también el capítulo 4 de Clark, 1989 y el capítulo 3 de Rutkowska, 1993.
20. Véanse Vogel, 1981 y el capítulo 4 de Clark, 1989.
88 i De excursión por la mente
uso de recursos de la mente, el cuerpo y el mundo. Hasta ahora hemos visto 
unos cuantos ejemplos preliminares basados en la dinámica corporal y en el 
empleo de ciertos tipos sencillos de almacenamiento externo de memoria. 
En capítulos posteriores aplicaremos estas ideas a las esferas especiales de las 
estructuras externas puestas a nuestra disposición por el lenguaje, la cultura 
y las instituciones.
2.6 La mente como espejo frente a la mente como controladora
Acabamos de ver que la cognición puede explotar de varias maneras la 
acción real para reducir la carga computacional. La perspectiva desarrollada 
en los apartados precedentes nos lleva un paso más allá, porque indica algu­
nas de las maneras en que las conductas sólidas y flexibles pueden depender 
de procesos descentralizados de montaje blando donde mente, cuerpo y 
mundo actúan en pie de igualdad en la determinación de la conducta adap- 
tativa. Esta perspectiva conduce a un profundo cambio en nuestra concep­
ción de la mente y de la cognición, un cambio que yo caracterizo como la 
transición desde los modelosde la representación como reflejo o codifica­
ción, hasta los modelos de la representación como control (Clark, 1995). La 
idea es que el cerebro no se debería contemplar como la sede de unas des­
cripciones internas de situaciones externas; más bien se debería considerar la 
sede de unas estructuras internas que operan en el mundo mediante su papel 
en la determinación de acciones.
Podemos encontrar un excelente ejemplo del empleo de estas represen­
taciones centradas en la acción en el trabajo de Maja Mataric, del MIT Arti­
ficial Intelligence Laboratory. Mataric ha desarrollado un modelo inspirado 
en la neurobiología de cómo se orientan las ratas en su entorno. Este mode­
lo se ha implementado en un robot móvil. La rata robot, que dispone de sen­
sores de sonar y de una brújula, consigue el éxito en tiempo real empleando 
la arquitectura de subsunción que se describe en el capítulo 1: utiliza un con­
junto de «capas» cuasi independientes, cada una de las cuales constituye una 
ruta de procesamiento completa desde la entrada hasta la salida, y que sólo 
se comunican pasándose unas señales muy simples. Una de estas capas ge­
nera el trazado de los contornos: el robot sigue las paredes al tiempo que evi­
ta los obstáculos. Otra capa detecta referencias físicas o «hitos» del entorno, 
que se registran como una combinación del movimiento del robot y de su 
entrada sensorial (así, un'corredor se recuerda como la combinación de un 
movimiento hacia delante y unas lecturas de distancias laterales cortas en los 
sensores de sonar). Otra capa emplea esta información para construir un 
mapa del entorno (figura 2.2). Este mapa consiste en una red de hitos que,
El niño situado I 89
FIGURA 2.2 Ejemplo de la conducta de orientación refleja de un robot en un entor 
no de oficina abarrotado. Las etiquetas incluyen ei tipo de referencia física y la orien­
tación según la brújula (PI8 = pared izquierda hacia el sur; 0 2 0 = corredor hacia e! 
norte; J = límite extenso irregular). Fuente: Mataric, 1991. Reproducido con la au­
torización de M. Mataric y MIT Press.
como hemos visto, son una combinación de lecturas motrices y sensoriales. 
Todos los nodos del mapa procesan información en paralelo y se comunican 
entre sí propagando estados de activación. La posición actual del robot es 
indicada por un nodo activo. El mapa construido representa la proximidad 
espacial de las referencias físicas mediante conexiones topológicas {a unas 
referencias adyacentes les corresponden unos nodos contiguos; véase la fi­
gura 2.3). Un nodo activo excita a sus vecinos en la dirección del recorrido, 
generando así unas «expectativas» sobre los próximos hitos que se van a en­
contrar. Supongamos ahora que el robot quiere encontrar el camino hacia 
una posición recordada. La actividad del nodo para esa posición aumenta. 
El nodo de la situación actual también está activo. A continuación, el proce­
so de propagación de la activación difunde una señal por el mapa cognitivo 
y se computa la trayectoria más corta hasta la meta (figura 2.4). Como los 
propios nodos del mapa combinan información sobre el movimiento del ro-
90 I De excursión por la mente
Figura 23 Mapa construido por un robot en el entorno mostrado en la figura 2.2. 
Las conexiones topológicas entre los hitos indican adyacencias espaciales. Fuente: 
Mataric, 1991. Reproducido con la autorización de M. Mataric y MIT Press.
FtGURA 2.4 El mapa lleva a cabo activamente la búsqueda de trayectorias. El nodo 
sombreado es el nodo meta. Las flechas indican la propagación de la activación a 
partir del nodo meta. Fuente: Mataric, 1991. Reproducido con la autorización de M. 
Mataric y MIT Press.
bot y la correspondiente entrada perceptiva, el propio mapa puede actuar 
como controlador. Resulta que utilizar el mapa y generar el plan para los mo­
vimientos reales es, exactamente, la misma actividad.
Esta característica -la capacidad del propio mapa para actuar como con­
trolador- es la que tiene más interés para nosotros. Un enfoque más clásico 
postularía la presencia simultánea de un mapa almacenado y de un módulo 
de control central que accede a ese mapa y lo emplea para planificar los mo­
vimientos. En cambio, el robot de Mataric no emplea ningún dispositivo de 
razonamiento fuera del mapa mismo. El mapa es su propio usuario y su co­
nocimiento es al mismo tiempo descriptivo (de posiciones) y prescriptivo 
(representa la relación entre dos posiciones como la secuencia de movimien­
tos que permiten al robot desplazarse de una posición a la otra). Por tanto, 
este robot es un ejemplo perfecto de la noción de representaciones orientadas 
a la acción: representaciones que describen aspectos .del mundo y al mismo 
tiempo prescriben acciones posibles, y que se encuentran entre las puras es­
tructuras de control y las representaciones pasivas de la realidad externa.
El psicólogo James Gibson (1950, 1968, 1979) promovió una imagen 
de las representaciones internas relacionada con la anterior. Sin embargo 
este trabajo incurrió en el error de parecer atacar lout court la noción de 
unos estados internos mediadores complejos. A pesar de este desliz retóri­
co, los enfoques de Gibson tienen mucho más interés cuando sólo se ven
El niño situado | 91
en cuanto se oponen a la imagen de la representación interna como codifi­
cación o reflejo.
La afirmación de Gibson, expresada de esta manera aséptica, era que la 
percepción, en general, no está mediada por unos modelos del mundo inter­
nos, detallados y neutrales respecto a la acción. No está mediada por estados 
internos que requieran más inspecciones o cómputos (por parte de otro 
agente interno) para producir acciones adecuadas. Por tanto, esto no signi­
fica negar totalmente la existencia y la importancia de unos estados media­
dores internos. Significa, más bien, insistir en que los estados internos están 
«centrados en la acción», tema en el que Gibson profundiza describiendo a 
los organismos como entes adaptados para detectar «facilitaciones (affor- 
dances)» en el entorno distal. Estas oportunidades no son nada más que las 
posibilidades de uso, intervención y acción que ofrece el entorno local a un 
tipo concreto de agente corpóreo. Por ejemplo, un ser humano percibe una 
silla como algo que «facilita un asiento», pero las facilitaciones ofrecidas por 
esa silla a un hámster serían totalmente diferentes.
Interpretada de esta manera, la percepción está orientada desde el prin 
cipio a investigar posibilidades para la acción. En lugar de una re-prescnta- 
ción pasiva seguida de una inferencia, Gibson postula la «percepción direc­
ta» de un complejo de oportunidades para la acción. Al representar (como 
diría yo, que no Gibson) el entorno como un complejo de posibilidades, 
creamos unos estados internos que describen aspectos parciales del mundo 
y que, al mismo tiempo, prescriben intervenciones y acciones posibles. Estos 
estados han sido bautizados acertadamente con el nombre de representacio­
nes «pushmi-pullyu» (animal imaginario de los relatos del doctor Dolittle, 
obra del escritor Hugh Lofting [n. del ed.]) por la filósofa Ruth Millikan.21 
Al igual que esta quimérica fiera, estas representaciones miran en los dos 
sentidos a la vez: dicen cómo es el mundo y además prescriben un espacio de 
respuestas adaptativas.
El tema común de estas diversas líneas de investigación es el rechazo a 
cualquier imagen global de la percepción como recepción pasiva de infor­
mación. Como vimos, las percepciones que tienen los niños de las pendientes 
parecen estar vinculadas profundamente con los hábitos motores específicos 
mediante los cuales se enfrentan activamente a ellas. En los experimentos 
con lentes distorsionadoras, parece que la habilidad de los adultos con los 
dardos implica la intervención de sistemas de percepción/acción a gran es­
cala, y no una percepción pasiva que actúe como fuente de datos que luego
21. Véanse Millikan, 1995 y Clark, 1995. También se puede encontrar una versión cíe tipo
computacional deestas ideas en el empleo de Rutkowska (1995, págs. 67-78) de los «progra­
mas de acción» como constructo fundacional de las teorías del desarrollo
serán explotados por unos sistemas de acción independientes. Estos casos 
indican que los productos inmediatos de gran parte de la percepción no son 
tanto descripciones neutrales del mundo como especificaciones ligadas a la 
actividad de modos potenciales de acción e intervención. Tampoco estas es­
pecificaciones son neutrales en relación con el sistema. En cambio, como in­
dica la discusión sobre la acción de alcanzar, es probable que se adapten de 
maneras que simplemente supongan, como telón de fondo no representado, 
la dinámica corporal intrínseca de unos agentes específicos. Vale la pena ha­
cer una pausa para apreciar cuánta distancia separa esta visión de la clásica 
imagen «incorpórea».
La percepción se suele formular como un proceso mediante el cual reci­
bimos información procedente del mundo. Por tanto, la cognición com 
prende unos procesos inteligentes definidos en tomo a alguna versión inter­
na de esa información. La acción intencional se interpreta como la ejecución 
de órdenes que constituyen la salida de un sistema «pensador» central. Pero 
el éxito en el mundo en tiempo real no respeta esta pulcra división tripartita 
del trabajo. En cambio, la misma percepción está enmarañada con unas po­
sibilidades específicas de acción: de hecho, está tan enmarañada que la tarea de 
la cognición central con frecuencia deja de existir. Por tanto, las representa­
ciones internas que emplea la mente para orientar las acciones se pueden en­
tender mejor como estructuras de control específicas de la acción y del con­
texto, en vez de como recapitulaciones pasivas de la realidad externa. Los 
modelos internos detallados y neutrales respecto a la acción que tenían que 
proporcionar el ámbito para un pensamiento incorpóreo y centralizado, apa­
recen ahora como un lujo lento, costoso y difícil de mantener que la natura­
leza preocupada por los costes generalmente se esforzará en evitar.
92 I De excursión por la mente
3 Mente y mundo: 
la frontera plástica
3.1 La mente escurridiza
La mente es un órgano escurridizo, que se escapa constantemente de sus 
confines «naturales» y se mezcla descaradamente con el cuerpo y el mundo. 
¿Qué tipo de cerebro necesita semejante apoyo externo y cómo deberíamos 
caracterizar sus interacciones con el entorno? Como veremos, emergerá una 
imagen del cerebro como una especie de motor asociativo cuyas interaccio­
nes con el entorno constituyen una serie repetida de cómputos sencillos 
orientados a completar patrones.
A primera vista, esta imagen puede parecer profundamente inadecuada. 
¿Cómo puede explicar la auténtica escala y dimensión del éxito cognitivo hu­
mano? Parte (pero sólo parte) de la respuesta es que, con frecuencia, núes 
tra conducta está esculpida y secuenciada por una clase especial de estruc­
turas externas complejas: los artefactos culturales y lingüísticos que 
estructuran la vida moderna, incluyendo mapas, textos y planes escritos. La 
comprensión de la compleja interacción entre nuestros recursos neuronales 
incorporados y en línea por un lado, y estos puntales y soportes externos por 
otro, es una tarea fundamental para las ciencias del pensamiento corpóreo.
Empezaré poco a poco, presentando un protagonista destacado de nues­
tro incipiente escenario: la red neuronal artificial.
3.2 Las redes neuronales: una revolución inconclusa
CYC, la enciclopedia electrónica descrita en la introducción, era un 
ejemplo extremo de inteligencia artificial basada en reglas y símbolos. No to­
dos los proyectos de la inteligencia artificial tradicional eran tan fanáticos
94 I De excursión por la mente
acerca del poder de las grandes bases de conocimientos y las codificaciones 
explícitas, pero persistía un sabor común subyacente a todos ellos: la ima­
gen general de la inteligencia como manipulación de símbolos siguiendo 
unas reglas. Por ejemplo, los programas de «física ingenua» pretendían es­
pecificar en forma lógica nuestro conocimiento cotidiano sobre cómo se de­
rraman los líquidos, cómo se amontonan los libros, etc. (Hayes, 1979). Pro­
gramas como STRIPS aplicaban técnicas de demostración de teoremas a la 
resolución de problemas ordinarios (Fikes y Nilsson, 1971), y sistemas gran­
des como SOAR incorporaban una amplia variedad de métodos y represen­
taciones de este tipo en una sola arquitectura computacional. Sin embargo, 
hasta la aparición (o la reaparición1) de los denominados modelos de redes 
neuronales de la mente, no se puso sobre la mesa una propuesta fundamen­
talmente diferente.
Como indica su nombre, los modelos de redes neuronales están inspira­
dos, por lo menos vagamente, en una reflexión sobre la arquitectura del ce­
rebro. El cerebro se compone de muchas unidades simples de procesamiento 
(las neuronas) enlazadas en paralelo por una gran masa de cables y empal­
mes (axones y sinapsis). En general, las unidades individuales (las neuronas) 
sólo son sensibles a informaciones locales: cada neurona «escucha» lo que 
sus vecinas le cuentan. Pero a partir de esta masa de conexiones en paralelo, 
procesadores simples e interacciones locales, surge la asombrosa habilidad 
computacional y de resolución de problemas del cerebro humano.
Durante los años ochenta, el campo de la inteligencia artificial fue trans­
formado por una explosión de interés en una clase de modelos computado- 
nales que compartían esta tosca descripción de la funcionalidad del cerebro. 
Eran los modelos «conexionistas» (o «de redes neuronales» o «de procesa­
miento distribuido en paralelo») de la inteligencia y la cognición. El grado 
de similitud entre estos modelos iniciales y el cerebro no se debería exage­
rar/ Las diferencias seguían siendo enormes: la multiplicidad de tipos de
1. Algunas de las ideas originales fueron formuladas hace ya muchos años (desde la pers­
pectiva de la inteligencia artificial), en 1943; véanse McCulloch y Pitts, 1943; Hebb, 1949 y Ro- 
senblatt, 1962.
2'. Consideremos el modelo de Mataric, descrito en el apartado 2.6 anterior. El tipo de 
mapa que detalla Mataric tiene fuertes afinidades con modelos recientes sobre la codifica­
ción de información espacial por parte del hipocampo (McNaughton, 1989). Sin embargo, 
hay una diferencia relacionada con el empleo en el modelo de Mataric de nodos únicos como 
codificadores de informaéión sobre «hitos». Es probable que el hipocampo emplee una for­
ma de representación mucho más distribuida, con muchas neuronas involucradas en la re­
presentación de cada «hito». Existen modelos más detallados de la función del hipocampo 
basados en redes neuronales artificiales que realmente reconocen el papel de esta distribución 
(veanse, por ejemplo O ’Keefe, 1989 y McNaughton y Nadel, 1990). Estos modelos sugieren
Mente y mundo: la frontera plástica I 95
neuronas y sinapsis y el empleo de propiedades temporales (como las fre­
cuencias de los picos) no entraban en los modelos, la conectividad no estaba 
restringida de la misma manera que en los sistemas nerviosos reales, etc. A 
pesar de todo esto, el sabor de los modelos era ciertamente diferente y, en un 
sentido muy real, biológicamente más atractivo. Para los investigadores de la 
inteligencia artificial que trabajaban en el nuevo paradigma, llegó a ser mu­
cho más fácil entrar en contacto con los resultados y las hipótesis de la neu- 
rociencia real. Por fin, los vocabularios de las diversas ciencias de la mente 
parecían acercarse entre sí.
El estilo básico de este nuevo enfoque se transmite mejor mediante ejem­
plos. Consideremos la tarea de pronunciar textos escritos en inglés convir­
tiendo la entrada escrita (palabras) en salida fonética (habla). Este problema 
se resuelve mediante sistemas que codifiquen reglas para convertir textos a 
fonemas y listas de excepciones, todas ellas cuidadosamente codificadas a 
mano por programadores humanos. Por ejemplo, DECtallc es un programa 
comercialque realiza esta tarea y cuya salida puede gobernar un sintetizador 
de voz digital. Por tanto, DECtalk se basa en una base de conocimientos bas­
tante grande, formulada explícitamente y hecho a mano. En cambio, NET- 
talk aprende a resolver el problema usando una red neuronal artificial. A 
esta red no se le ha proporcionado ningún conjunto de reglas codificadas a 
mano para resolver el problema, y aprende a resolverlo mediante la exposi­
ción a un gran conjunto de ejemplos de parejas texto-fonemas y empleando 
una rutina de aprendizaje (que se detalla más adelante). La arquitectura de 
NETtalk es una red de unidades interconectadas que comparten toscamen­
te algunas de las propiedades de las redes neuronales reales. Y la conducta
que la estructura del hipocampo es una muy buena candidata para un sistema nervioso real 
que opere, en líneas generales, de manera similar a las redes neuronales artificiales descritas 
en el apartado 3.2. Sin embargo, es igual de evidente que harán falta unos modelos neuro- 
biológicamente más realistas que incorporen muchas características no encontradas en la ma­
yoría de las redes artificiales. Por ejemplo, el tipo de retroalimentación correctora de errores 
muy detallada utilizada por los dispositivos de aprendizaje por retropropagación, probable 
mente no se encuentra en el cerebro aunque seguramente tiene lugar algún tipo de adapta­
ción dirigida por el error. Tampoco los circuitos neuronales reales exhiben la conectividad si 
métrica mostrada en la mayoría de las redes artificiales y, en cambio, nos solemos encontrar 
con una conectividad asimétrica y especializada. A pesar de estas diferencias (y hay muchas 
más; véanse McNaughton, 1989 y Churchland y Sejnowski, 1992), los modelos computacio 
nales de las estructuras neuronales reales siguen debiendo mucho más a los marcos de refe­
rencia de las redes neuronales artificiales que a los de la inteligencia artificia! clásica. Y la ca 
pacidad básica responsable de esto es la dependencia de sistemas de memoria asociativa, que 
sustituyen el razonamiento basado en reglas y símbolos por procesos ricos y potentes de com- 
pleción de patrones.
3 Digital Equipment Corporation DTC 01-AA.
96 I De excursión por (a mente
de esta red artificial es verdaderamente impresionante. Como las unidades 
de salida están conectadas a un sintetizador de voz, se puede escuchar al sis­
tema mientras aprende lentamente a hablar, pasando de un balbuceo entre­
cortado a palabras medio formadas y, por último, a una buena simulación de 
una pronunciación normal.
NETtalk (al igual que DECtalk) no entiende nada. No se le ha dicho 
nada sobre el significado de las palabras y no puede emplear el lenguaje para 
lograr una meta mundo real. Pero, con todo, es una demostración de refe­
rencia de la capacidad de las redes neuronales artificíales para resolver pro­
blemas complejos y realistas. ¿Cómo funciona?
Los elementos de este sistema informático son unas neuronas idealizadas 
o «unidades». Cada unidad es un dispositivo procesador simple que recibe 
señales de entrada de otras unidades mediante una red de conexiones en pa­
ralelo. Cada unidad combina sus entradas y produce una salida basándose 
en una simple función matemática.4 Por tanto, la unidad se activa en la me­
dida dictada por los datos de entrada y pasa una señal a las unidades vecinas. 
La señal que llega a estas unidades vecinas está determinada tanto por el ni­
vel de activación de la unidad «remitente» como por la naturaleza de la co 
nexión implicada. Cada conexión tiene un peso que modula la señal. Este 
peso puede ser positivo (excitador) o negativo (inhibidor). La señal que se 
recibe está determinada por el producto del peso numérico y la fuerza de la 
señal de la unidad «remitente».
Una red conexionista típica como NETtalk consta de tres capas de uni­
dades: las «unidades de entrada» (que codifican los datos que se deben pro­
cesar), las «unidades ocultas» (que intervienen en el procesamiento}5 y las 
«unidades de salida» (que especifican la respuesta del sistema a los datos en 
forma de un vector de valores numéricos de activación). El conocimiento del 
sistema se codifica en los pesos de las conexiones entre las unidades, y estos 
pesos se adaptan durante el aprendizaje. El procesamiento supone la dise­
minación de la activación por toda la red, tras la presentación de un conjun­
to específico de valores de activación en las unidades de entrada. En el caso 
de NETtalk hay siete grupos de unidades de entrada con 29 unidades cada 
uno. Cada grupo representa una letra y la entrada consta de siete letras de las 
que la cuarta es el objetivo cuya contribución fonémica se debe determinar 
en cada momento (dentro del contexto proporcionado por las seis letras res­
4. Estas fundones no,suelen ser lineales; es decir, la fuerza de la salida no es directamen­
te proporcional a la suma de las entradas. En cambio, puede ser proporcional cuando (por 
ejemplo) las señales entrantes son de intensidad media pero allanarse cuando son muy fuertes 
o muy débiles.
5. Las características de respuesta de las unidades ocultas se han descrito más arriba.
Mente y mundo: la frontera plástica 97
tantes). Las entradas se conectan a una capa de 80 unidades ocultas, que a su 
vez se conectan a 26 unidades de salida que codifican fonemas. En total, la 
red consta de 18.829 conexiones con sus correspondientes pesos.
¿Cómo aprende un sistema como éste? Aprende ajustando los pesos en 
tre las unidades según un algoritmo o procedimiento sistemático. Uno de es­
tos procedimientos es el «algoritmo de retropropagación» (backpropaga- 
don), que funciona de la manera siguiente: el sistema se inicializa con una 
serie de pesos aleatorios (dentro de ciertos limites numéricos). Como los pe­
sos son aleatorios, el sistema no solucionará el problema planteado. Enton­
ces es cuando se entrena a la red. Se le da un conjunto de entradas y para 
cada entrada producirá (gracias a los pesos aleatorios iniciales) una salida, 
casi siempre incorrecta. Sin embargo, hay un sistema supervisor que consul­
ta la salida correcta para cada entrada (como un profesor que sabe las res­
puestas de antemano). El sistema supervisor compara automáticamente la 
salida real (un conjunto de valores numéricos de activación) con la salida co­
rrecta. Por ejemplo, un sistema de reconocimiento de rostros puede tomar 
como entrada la especificación de una imagen visual y se le puede exigir que 
dé como salida unos códigos artificiales que correspondan a unos individuos 
nombrados. En este caso, la salida correcta para una entrada visual dada po­
dría ser la sucesión numérica (1010) si hubiera sido designada de antemano 
como un código arbitrario para «Esther Russeíl». A causa de los pesos alea­
torios, el sistema quizás no acierte y dé, por ejemplo (0,7,0,4,0,2,0,2) como 
salida inicial. En este punto, el sistema supervisor compara la salida real con 
la deseada para cada unidad de salida y calcula el error correspondiente. Los 
errores se elevan al cuadrado (por razones que no hace falta especificar aquí) 
y se calcula su media, obteniéndose un error cuadrárico medio (ECM). Lue­
go el sistema se centra en el peso de una conexión y comprueba (mantenien­
do invariables los otros pesos) si aumentando o disminuyendo ligeramente el 
peso se reduce el ECM. Si es así, el peso se corrige en consecuencia. Este pro­
cedimiento se repite para cada peso y el ciclo total de entrada/salida/ajuste de 
peso se repite una y otra vez hasta que se alcanza un ECM bajo. En este mo­
mento la red funcionará bien (en nuestro caso, asignando el nombre correcto 
a cada imagen visual). Ahora es cuando cesa el entrenamiento y los pesos se 
conservan: la red ha aprendido a resolver el problema.6
Este tipo de aprendizaje se puede concebir como un descenso por un gra­
diente. Imaginemos que nos encontramos en algún punto de la pendiente in­
terior de un cráter en forma de cuenco gigante. Nuestra tarea es encontrar el 
fondo, es decir, la solución correcta o elerror más bajo. Como tenemos los
6. Véase una explicación especialmente clara y accesible de estos enfoques en Church* 
land, 1995. Véanse también Clark, 1989 y Churchland, 1989.
98 I De excursión por la mente
ojos vendados, no podemos ver dónde está el fondo. Sin embargo, cada vez 
que damos un paso pequeño podemos determinar si nos movemos hacia 
arriba (es decir, en la dirección de más error) o hacia abajo (en la dirección 
de menos error). Simplemente utilizando esta retroalimentación local y avan­
zando paso a paso, nos acercaremos inexorablemente al fondo de la cuenca, 
que es donde nos detendremos. Los métodos de aprendizaje de descenso 
por un gradiente (de los que la retropropagación es un ejemplo) actúan esen­
cialmente de la misma manera: el sistema es empujado cuesta abajo por la 
pendiente del error decreciente hasta que no puede bajar más. En este pun 
to (en paisajes con forma de cuenco) se alcanza la solución y el problema se 
resuelve.
Obsérvese que los pesos no se codifican a mano en ninguna etapa de este 
proceso. Para cualquier problema complejo, encontrar un conjunto funcio 
nal de pesos de conexión mediante un análisis reflexivo está mucho más allá 
de nuestras capacidades actuales. Lo que se nos ofrece es una arquitectura 
inicial con una cantidad dada de unidades y un tipo determinado de conec- 
tividad, y un conjunto de casos de entrenamiento (pares entrada-salida). Ob­
sérvese también que, en general, el resultado final del aprendizaje no es que 
el sistema memorice como un papagayo los datos de entrenamiento. En el 
caso de NETtalk, por ejemplo, el sistema aprende aspectos generales de la 
relación entre el inglés escrito y hablado. Después del entrenamiento, la red 
puede enfrentarse con éxito a palabras nuevas que no estaban en el conjun­
to de entrenamiento inicial.
Lo más importante es que el conocimiento de las transiciones de texto a 
fonemas de NETtalk no adopta la forma de codificaciones explícitas de re 
glas o principios mediante cadenas de símbolos. Este conocimiento se alma­
cena de una manera adecuada para su empleo directo medíante un sistema 
parecido al del cerebro: como pesos o conexiones entre unidades o «neuro­
nas» idealizadas. En cambio, las formas de tipo textual favorecidas por CYC 
y SOAR son adecuadas para que unos agentes avanzados como los seres hu­
manos las utilicen como estructuras de conocimiento externas y pasivas. Si 
miramos hacia atrás, sin duda consideraremos muy poco verosímil que nues­
tros propios cerebros (que no son tan diferentes de los de algunos seres que 
carecen de lenguaje) emplearan un formato similar al elegido por las débiles 
proyecciones de nuestros pensamientos en medios públicos como el papel y 
las moléculas de aire. Los códigos cerebrales deben ser activos en un sentido 
en el que el almacenamiento de textos no lo es. Por tanto, creo que la princi­
pal lección de la investigación de las redes neuronales ha sido expandir nues­
tra visión de las maneras en que un sistema físico como el cerebro puede co­
dificar y explotar informaciones y conocimientos. En este sentido, la 
revolución de las redes neuronales ha sido un éxito indudable.
Mente y mundo: la frontera plástica 99
Además, parece que la tecnología de las redes neuronaíes va a permane­
cer entre nosotros. Técnicas como las que acabamos de describir se han apli­
cado con éxito en una increíble variedad de campos, incluyendo el recono­
cimiento de códigos postales escritos a mano, tareas de procesamiento 
visual, el reconocimiento de rostros, el reconocimiento de firmas, el control 
robótico e incluso la planificación y la demostración automatizada de teore­
mas. La potencia y la utilidad de esta tecnología son indudables. Sin embar­
go, su capacidad para dilucidar la cognición biológica no depende simplemen­
te de utilizar un estilo de procesamiento que recuerda aproximadamente al 
de los sistemas nerviosos reales, aunque sea de una manera aproximada, sino 
también del despliegue de estos recursos de una manera biológicamente re­
alista. Creo que la elección de representaciones de entrada y salida muy arti­
ficiales y de ámbitos de problemas muy pobres ha privado a la revolución de 
las redes neuronaíes de parte de su impulso inicial. Esta inquietud está di­
rectamente relacionada con el énfasis creciente en la acción real y, en conse 
cuencia, merece una explicación más detallada.
El problema es, en esencia, que gran parte de la investigación sobre las 
redes neuronaíes artificiales se ha apoyado demasiado en una concepción 
más bien clásica de la naturaleza de los problemas. Muchas redes se han de­
dicado a investigar lo que una vez denominé «mícromundos verticales» 
(Clark, 1989, capítulo 4; véase también el apartado 1.2 anterior): pequeñas 
piezas de cognición de nivel humano como producir el pretérito de verbos 
ingleses7 o aprender gramáticas simples.8 9 Incluso en tareas aparentemente 
más básicas (por ejemplo, equilibrar bloques de construcción en una barra 
que se apoya sobre un fulcro móvil’), la elección de las representaciones de 
entrada y de salida solían ser muy artificiales. Por ejemplo, la salida de ios 
programas para equilibrar bloques no era un conjunto de acciones motrices 
reales de brazos robóticos o, por lo menos, una codificación de estas accio­
nes; era simplemente la actividad relativa de dos unidades de salida, inter­
pretada de modo que una actividad igual en las dos unidades indicaba la 
expectativa de un estado de equilibrio y una actividad excesiva en cualquier 
unidad indicaba la expectativa de un desequilibrio en la dirección corres­
pondiente. Las entradas proporcionadas al sistema también eran artificiales: 
una codificación arbitraria para el peso en un canal de entrada y otra para la 
distancia desde el fulcro en el otro canal. Es bastante razonable suponer que 
esta manera de establecer el espacio del problema puede conducir a solucio­
7. Véanse Rumelhart y McClelland, 1986 y las evaluaciones críticas en Clark, 1989 y 
Clark, 1993.
8. Véase Elman, 1991.
9. McClelland, 1989; Plunkctt y Sinha, 1991.
100 I De excursión por la mente
nes artificiales e irreales. Seguramente una estrategia alternativa y quizá me­
jor sería darle al sistema datos de entrada realistas (por ejemplo, proceden­
tes de cámaras) y hacer que produjera como salida acciones reales (desplazar 
bloques reales hasta el punto de equilibrio). Naturalmente, un sistema como 
éste requiere la solución de muchos problemas adicionales y la ciencia siem­
pre debe simplificar los experimentos cuando sea posible. Sin embargo, cabe 
la sospecha de que la ciencia cognitiva ya no puede permitirse más simplifi­
caciones que excluyan del bucle al mundo real y al organismo que actúa: es­
tas simplificaciones pueden oscurecer las soluciones a los problemas ecoló­
gicamente realistas que caracterizan a agentes corpóreos activos como los 
seres humanos. La aspiración de la ciencia cognitiva -dilucidar la cognición 
biológica real- no puede ser compatible con una estrategia basada en la 
abstracción continua de los anclajes de la percepción y de la acción en el 
mundo real. Creo que esta sospecha está totalmente confirmada por los im­
portantes Corpus de investigación descritos en este libro. Un tema funda­
mental, que ya ha aparecido anteriormente, es que abstraer los polos reales 
de la sensación y de la acción priva a nuestros sistemas artificiales de la opor­
tunidad de simplificar, o de transformar de otras maneras, sus tarcas de pro­
cesamiento de información mediante la explotación directa de la estructura 
de la realidad. Sin embargo, y como veremos a continuación, esta explota­
ción puede ser especialmente esencial si pretendemos abordar la resolución 
de problemas sofisticados utilizando los tipos de recursos biológicamente 
plausibles de compleción de patrones que nos ofrecen las redes neuronales 
artificiales.
3.3 Apoyarse en el entorno
Las redes neuronales artificiales de tipo general descritas anteriormen­
te10 presentan una interesante combinaciónde ventajas e inconvenientes. 
Son capaces de tolerar datos «ruidosos», imperfectos o incompletos. Son 
resistentes a daños locales. Son rápidas. Y sobresalen en tareas que suponen 
la integración simultánea de muchas pequeñas señales o elementos de infor­
mación, una capacidad que es esencial para el reconocimiento perceptivo y 
el control motor en tiempo real. Estas ventajas se derivan del hecho de que 
estos sistemas se dedican a completar patrones con un procesamiento en pa­
ralelo masivo. La tolerancia a datos «ruidosos», incompletos o imperfectos 
equivale a la capacidad de recrear patrones completos a partir de señales 
parciales. La resistencia a los daños locales se debe al empleo de múltiples
10. Vease una descripción mucho más cuidadosa de esta clase de modelos en Clark, 1993.
Mente y mundo: la frontera plástica I 101
recursos, a nivel de unidad, para codificar cada pauta. La velocidad se debe 
al funcionamiento en paralelo, igual que la capacidad para tener en cuenta 
simultáneamente múltiples señales pequeñas." Incluso algunos fallos de es­
tos sistemas son atrayentes en el plano psicológico. Pueden sufrir «interfe­
rencias» cuando unas codificaciones similares se obstaculizan mutuamente 
(de manera similar a cuando aprendemos un número de teléfono que se pa­
rece a otro que ya sabemos y enseguida los confundimos, olvidándonos de 
los dos). Y no son intrínsecamente adecuados para la resolución de proble­
mas secuencial y gradual típica de la lógica y la planificación {Norman, 1988; 
Clark, 1989, capítulo 6). Estos sistemas se podrían caracterizar en pocas pa­
labras diciendo que son «buenos al fútbol pero malos en lógica», un perfil 
más que familiar. Los sistemas clásicos, con sus direcciones de memoria or­
denadas y bien definidas, son inmunes a estas interferencias y ofrecen un ren­
dimiento excelente en la resolución de problemas lógicos y secuenciales, pero 
rinden mucho peor en tareas de control en tiempo real.
Por tanto, las redes neuronales artificiales son sistemas rápidos pero li 
mitados que, de hecho, sustituyen el razonamiento clásico por el reconoci­
miento de patrones. Como era de esperar, esto es a la vez una ventaja y un in­
conveniente. Es una ventaja en el sentido de que ofrecen, precisamente, los 
recursos necesarios para las tareas que los seres humanos realizan mejor y con 
más fluidez: control motor, reconocimiento de rostros, lectura de códigos 
postales escritos a mano, etc. (Jordán y otros, 1994; Cottrell, 1991; LeCun y 
otros, 1989). Pero es una desventaja cuando nos enfrentamos a tareas como 
razonar de manera secuencial o planificar a largo plazo. Esto no es necesaria­
mente malo. Si nuestro objetivo es modelar la cognición humana, se deben fa­
vorecer aquellos fundamentos computacionales que produzcan una pauta de 
puntos fuertes y débiles parecida a la nuestra. Y en general somos mejores al 
fútbol que en lógica. De todos modos, también somos capaces, por lo menos 
en ocasiones, de planificar a largo plazo y de llevar a cabo razonamientos se­
cuenciales. Si en el fondo somos dispositivos asociativos reconocedores de 
patrones,IJ ¿cómo es esto posible? Creo que nuestra capacidad para elevarnos 11 12
11. Véanse los detalles completos en el capítulo 5 de Clark, 1989.
12. Naturalmente, esto sigue siendo objeto de debate. Pero cada vez parece más claro 
que, sean como sean realmente los cerebros, están más cerca del perfil de procesamiento de in­
formación de las redes neuronales artificiales que del perfil de los dispositivos clásicos. De he­
cho, parece probable (véase el apartado 3.4 más adelante) que los cerebros biológicos explo­
ten más mecanismos especializados que las redes neuronales artificiales típicas pero que el 
«tilo de representación y de procesamiento siga siendo similar a lo largo de varias dimensio­
nes importantes (como el empleo de codificaciones distribuidas en paralelo y de transforma­
ciones vector a vector; véanse, por ejemplo Churchland, 1989; Churchland y Sejnowski, 1992 
y Churchland, 1995).
102 i De excursión por la mente
por encima de nuestras raíces computacionales es el resultado com binado de 
varios factores. Algunos de ellos aparecerán en capítulos posteriores.” Sin 
embargo, hay uno que merece nuestra inmediata atención. E s el em pleo de 
nuestro viejo amigo, el andamiaje externo.
Las mentes conexionistas son las candidatas ideales para utilizar un abun­
dante andamiaje externo. Un ejemplo sencillo, detallado en P aralle l D istri­
buí ed Processing (la «biblia» en dos volúmenes de la investigación sobre las 
redes neuronales13 14), es el caso de las multiplicaciones largas. E l argum ento es 
que la mayoría de nosotros podem os aprender a reconocer de un vistazo la 
respuesta a multiplicaciones simples como 7 x 7 = 49. E ste conocim iento se 
puede apoyar fácilmente en un dispositivo incorporado básico para el reco­
nocimiento de patrones. Sin embargo, las multiplicaciones m ás largas plan­
tean un problema diferente. Si se nos pide que multipliquemos 7.222 x 9.422, 
la mayoría de nosotros echará mano de lápiz y papel (o de una calculadora). 
Con el empleo de lápiz y papel, lo que conseguimos es reducir un problem a 
complejo a una sucesión de problemas más simples que em pieza con 2 x 2 . 
Utilizamos el medio externo (un papel) para almacenar los resu ltados de es­
tos problemas simples y al final llegamos a una solución m ediante una serie 
interrelacionada de compieciones de patrones sim ples y alm acenam ientos 
externos. Rumelhart y otros (1986, pág. 46), comentan: « L o que aqu í vemos 
es un verdadero procesamiento de símbolos, y empezamos a pen sar que es el 
principal procesamiento de símbolos que somos capaces de realizar. D e he­
cho, desde este punto de vista, el entorno exterior se convierte en una ex­
tensión fundamental de nuestra mente».
Naturalmente, algunas personas aprenden a hacer estos cálcu los mental­
mente. En estos casos el truco parece consistir en aprender a m anipular un 
modelo mental de la misma manera que antes m anipulábam os el mundo 
real. Este tipo de manipulación interna de sím bolos es fundam entalm ente 
distinta de la concepción clásica de los sím bolos internos, p o rq u e no dice 
nada del sustrato computacional de estas imágenes. La cuestión es, pura y 
simplemente, que podemos simular mentalmente el entorno exterior y que, 
en consecuencia, a veces interiorizamos competencias cognitivas que no por 
ello dejan de estar enraizadas en manipulaciones del m undo exterior. Dicho 
de otra manera: la ciencia cognitiva se encuentra con la psicología soviética.”
f
13- Véanse especialmente las exposiciones sobre la actividad colectiva (capítulo 4) y so­
bre el papel mas amplio del lenguaje y la cultura (capítulos 9 y 10).
14. Parallel DistributedProcessing- Explorations tu the Microstructure o f Cogmtion , volu­
men 1. Poundations y volumen 2: Psycbologtcal and Btological Models (M IT Press, Í986). El 
trabaio descrito (Rumelhart y otros, 1986) se encuentra en el capítulo 14.
15. Véase, por ejemplo, Vygatsky, 1962. Véanse también los cap ítu los 9 y 10 de este 
libro.
Mente y mundo: la frontera plástica I 103
Por tanto, podríamos decir que la combinación de unas capacidades bá­
sicas para la compleción de patrones con unos entornos complejos y bien es­
tructurados nos permite alzarnos del suelo tirando de nuestras propias orejas 
computacionales. Quizás la visión original de la inteligencia artificial clásica 
equivalía, en realidad, a considerar que las capacidades básicas de comple­
ción de patrones de los organismos estaban embebidas en un entorno per­
fectamente estructurado; una visión erróneamente proyectada en los recur­
sos de procesamiento básicos incorporados en el organismo. Dicho en otros 
términos, la inteligencia artificial clásica basada en reglas y símbolos puede 
haber comeddo un error fundamental, confundiendo el perfil cognitivo del 
agente más el entorno, con el perfil cognitivo del cerebro aislado (Clark, 
1989, pág. 135; Hutchins, 1995,capítulo 9). La clásica separación limpia y 
tajante entre datos y procesos, entre estructuras de símbolos y procesadores 
centrales, quizás no haya reflejado nada más que la separación entre el agen­
te y un andamiaje externo de ideas que persisten sobre papel, en archivado­
res o en soportes electrónicos.
Los atractivos de esta visión no deberían disimular sus defectos. El en­
torno externo humano está perfectamente estructurado en virtud de nues­
tro empleo de formalismos lingüísticos, lógicos y geométricos y de los múl­
tiples sistemas de memoria externa de la cultura y el aprendizaje. No todos 
los animales son capaces de crear estos sistemas ni se pueden beneficiar de 
ellos una vez establecidos. Por tanto, la insistencia en el andamiaje externo 
no puede soslayar el hecho evidente de que los cerebros humanos son espe­
ciales. Pero la diferencia computacional puede ser menor y menos radical 
de lo que en ocasiones creemos. Quizás el origen y la explotación de instru­
mentos lingüísticos y culturales simples se deba a una pequeña serie de di­
ferencias neurocognitivas. A partir de aquí se puede poner en marcha un 
efecto tipo bola de nieve (un bucle de retroalimentación positiva). Unos 
simples apoyos externos nos permiten pensar mejor y crear nuevos apoyos 
y prácticas de carácter más complejo que, a su vez, «turboalimentarán» 
nuestro pensamiento un poco más, lo que conduce al desarrollo de apoyos 
aun mejores... ¡Es como si la longitud de nuestra orejas creciera al tirar de 
ellas para alzarnos!
De nuevo con los pies en el suelo, podemos profundizar en la idea de un 
razonamiento completador de patrones en algunos ámbitos más sencillos. 
Consideremos el estudio de David Kirsh (1995) sobre el empleo inteligente 
del espacio físico. Kirsh, que trabaja en el Departamento de Ciencias Cogni- 
tivas de la Universidad de California en San Diego, observa que los estudios 
típicos de inteligencia artificial tratan la planificación como un fenómeno 
muy incorpóreo: sobre todo, desatienden nuestra manera de utilizar las pro­
piedades espaciales reales del ámbito de trabajo para simplificar el cómputo
104 I De excursión por la mente
interno. Naturalmente, una vez expresada esta idea los ejemplos abundan. 
Veamos algunos de los ejemplos favoritos de Kirsh:
• Si al seguir una dieta queremos consumir las 3/4 partes de la ración de 
requesón de un día (digamos 2/3 de taza) durante una comida, daremos una 
forma redonda a la ración de queso, la dividiremos en 4 porciones y nos ser­
viremos 3. De esta manera es fácil ver la cantidad requerida, pero calcular 
3/4 de 2/3 ya no es tan fácil. (De la Rocha, 1985, citado en Kirsh, 1995).
• Cuando reparamos un alternador, al desmontarlo colocaremos las pie­
zas en línea o formando grupos para que la tarea de volverlo a montar sea 
más fácil.
• Para colocar comestibles en bolsas, crearemos lotes de artículos simila­
res encima del mostrador. Si agrupamos los artículos resistentes, los frágiles 
y los intermedios, simplificaremos el proceso de selección visual y el tamaño 
relativo de cada montón nos alertará sobre las necesidades de acomodación 
más urgentes.
• Cuando resolvamos un puzzle, agruparemos las piezas similares y asi 
podremos comparar visualmente y de una manera detallada todas las piezas 
verdes (por ejemplo) que tengan un borde recto.
El mensaje es claro: controlamos nuestro entorno físico y espacial de ma­
neras que alteran fundamentalmente las tareas de procesamiento de infor­
mación a las que se enfrenta nuestro cerebro (recordemos el «principio 007» 
del capítulo 2).
Sí este enfoque cooperador es valioso se debe a la diferencia entre la na­
turaleza de los cómputos que surgen de una manera natural en el cerebro en 
sí y la naturaleza de los cómputos que se pueden realizar parasitando recur­
sos del entorno. Pero, como veremos, este parasitismo pone en duda los mis­
mos límites tradicionales que existen entre mente y mundo.
3.4 Planificación y resolución de problemas
Existe una visión incorpórea clásica de la planificación que Phil Agre y 
David'Chapman (1990) han denominado «los planes como programas». Se 
trata de la idea (que ya encontramos en el capítulo 2) de que un plan especi­
fica una sucesión completa de acciones que basta realizar con éxito para lo­
grar una meta. Una lista de instrucciones para cocinar un huevo pasado por 
agua o para desmontar un alternador viene a ser una de estas especificacio­
nes. De hecho, gran parte del trabajo sobre la planificación «clásica» imagi­
na que las secuencias complejas de acciones están determinadas por una ver­
Mente y mundo: la frontera plástica I 105
sión interiorizada de uno de estos conjuntos de instrucciones (véanse, por 
ejemplo, Tate, 1985, y Fikes y Nilsson, 1971).
Sin embargo, en cuanto observamos detenidamente las conductas de pla­
nificación de agentes reales, es evidente que existe una interacción bastante 
compleja entre el plan y el entorno de apoyo. Esta interacción va mucho más 
allá del hecho evidente de que unas acciones específicas, una vez realizadas, 
tal vez no tengan el efecto deseado y, en consecuencia, exijan replantear so­
bre la marcha la consecución de algunos subobjetivos concretos. En estos ca­
sos el plan interiorizado original sigue siendo una especificación completa, 
aunque falible, de un camino hacia el éxito. Sin embargo, en muchos casos 
el plan resulta ser mucho más parcial y dependiente de las propiedades del 
entorno local.
El caso anterior del puzzle es un buen ejemplo. Aquí, un agente puede 
explotar una estrategia que incorpore la actividad física de una manera fun­
damental. Tomar piezas, hacerlas girar para buscar potenciales coincidencias 
espaciales y después probarlas son partes de la actividad de resolución de pro­
blemas. Imaginemos, en cambio, un sistema que primero resuelva el puzzle 
entero por puro pensamiento y que después emplee el mundo meramente 
como el campo donde la solución ya alcanzada se va a representar. Incluso 
un sistema que luego reconociera los fallos de ajuste físico y los empleara 
como señales para volver a planificar (una versión menos caricaturizada de 
la planificación clásica) seguiría utilizando el entorno mínimamente en com­
paración con las ricas interacciones (rotaciones, evaluaciones de piezas can- 
didatas, etc.) que caracterizan la solución humana.
Esta diferencia crucial es descrita con precisión por David Kirsh y Paul 
Maglio (1994) mediante la distinción entre acción pragmática y acción episté - 
mica. Una acción pragmática es una acción llevada a cabo por la necesidad 
de alterar el mundo con el fin de lograr alguna meta física (por ejemplo, hay 
que pelar las patatas antes de hervirlas). En cambio, una acción epistémica 
es una acción cuyo propósito principal es alterar la naturaleza de nuestras 
propias tareas mentales. En estos casos seguimos actuando sobre el mundo, 
pero los cambios que imponemos están impulsados por nuestras propias ne­
cesidades computacionales y de procesamiento de información.
Ya hemos visto varios ejemplos de acción epistémica: recuérdese el em­
pleo de movimientos corporales y oculares en la visión animada para recu­
perar tipos específicos de información como y cuando sea necesario. Lo que 
Kirsh y Maglio añaden a este marco de referencia es la idea de que la clase de 
las acciones epistémicas es mucha más amplia de lo que muestran los ejem­
plos de visión animada. Incluye todo tipo de acciones e intervenciones cuyo 
papel adaptativo sea simplificar o alterar los problemas a los que se enfren­
tan los cerebros biológicos.
106 I De excursión por la mente
Un ejemplo sencillo, de nuevo procedente de Kirsh {1995, pág. 32), se re­
fiere al empleo de las fichas del juego Scrabble o Intelect. Mientras jugamos, 
ordenamos y reordenamos físicamente las fichas como método para estimu­
lar nuestros propios recursos neuronales en línea. Si relacionamos esto con 
la investigación sobre redes neuronales artificiales descrita en el apartado 3.2 
anterior, podemos imaginareste recurso neuronal en línea como una especie 
de memoria asociativa completadora de patrones. Una estrategia para jugar 
al Scrabble es emplear una clase especial de manipulaciones externas para 
crear una variedad de entradas fragmentarias (nuevas cadenas de letras) ca­
paces de estimular al ingenio completador de patrones para que recuerde 
palabras enteras. El hecho de que encontremos tan útiles estas manipulacio­
nes externas indica claramente que nuestros ingenios computación ales in­
corporados (en el cerebro) no se prestan muy bien a estas manipulaciones 
(mientras que un programa clásico de inteligencia artificial encontraría tri­
viales estas operaciones internas). Este simple hecho habla en favor de un 
modelo de los recursos internos distinto al clásico. Es como si la imagen clá­
sica incluyera dentro de la máquina un conjunto de capacidades operativas 
que en la vida real sólo emergen a partir de las interacciones entre esa má­
quina (el cerebro) y el mundo.
Una conclusión de estas observaciones es que las estructuras externas 
(incluyendo símbolos externos como las palabras y las letras) son especiales 
en la medida en que permiten realizar tipos de operaciones que difícilmente 
(o nunca) se pueden realizar en el ámbito interno.11'
Un ejemplo más complejo, que conduce esencialmente a la misma con­
clusión, procede de los estudios detallados de Kirsh y Maglio (1994) sobre 
el rendimiento en el juego de ordenador Tetris. En este juego, el jugador 
debe colocar unas piezas geométricas multicolores (denominadas «zoides») 
formando hileras compactas (figura 3.1). Cuando se completa una hilera, ésta 
desaparece de la pantalla dejando espacio para nuevos zoides. Los zoides 
aparecen por la parte superior de la pantalla y caen a un ritmo que aumenta a 
medida que avanza la partida. Mientras un zoide cae, el jugador puede ha­
cerlo girar, desplazarlo hacia la derecha o la izquierda, o hacerlo caer directa­
mente al fondo. Por tanto, el objetivo es hacer encajar unas formas con unas 
oportunidades geográficas dentro de unas fuertes restricciones en tiempo 
real, Un resultado sorprendente de las investigaciones de Kirsh y Maglio fue 16
16. En Clark, 1986 y Clark, 1988a examino resultados del ámbito del dibujo que ofrecen 
más apoyo a esta conjetura. En estos artículos también examino el trabajo de Chambers y Reis- 
berg (1985) sobre las propiedades especiales de los dibujos reales en comparación con las imá­
genes mentales de dibujos. Esta investigación se cita también en Kirsh, 1995 y en Zhang y Nor­
man, 199*1.
Mente y mundo: la frontera plástica I 107
Girar
m
*r
Desplazar “__ 1--
____ r■ ■ r j
Ü5E1! i1 m
H a
Soltar
— La hilera 
rompida 
desaparece
FIGURA 3.1 El juego Tetris se caracteriza por unas piezas llamadas «zoides» que caen 
de una en una desde la parte superior de la pantalla y acaban depositándose directa­
mente en el fondo o sobre otras piezas que hayan caído antes. Mientas cae una pieza, 
el jugador puede hacerla girar, desplazarla hacia la derecha o hacia la izquierda, o ha­
cerla bajar de inmediato. Cuando se consigue que una hilera de cuadrados llene hori­
zontalmente toda la pantalla, la hilera en cuestión desaparece y las que se encuentran 
por encima de ella bajan un nivel. Fuente: Kirsh y Maglio, 1994. Reproducido con la 
autorización de D. Kirsh, R. Maglio y Ablex Publishing Corporation.
que los jugadores expertos realizaban una amplia variedad de acciones epis- 
témícas: acciones cuyo propósito era reducir la cantidad de computación in­
terna en lugar de ganar terreno físico. Por ejemplo, un jugador puede hacer 
girar físicamente un zoide para determinar mejor su forma o para comprobar 
su coincidencia potencial con alguna oportunidad geográfica. Estas opera­
ciones externas parecen más rápidas y fiables que sus equivalentes internas 
(como imaginar la rotación del zoide). Es especialmente interesante destacar 
(como hacen Kirsh y Maglio) que, en el caso del Tetris, las operaciones inter­
nas y externas deben estar tan coordinadas en el tiempo que los sistemas in­
ternos y externos (el cerebro/SNC y las operaciones en pantalla) parecen fun 
cionar conjuntamente como una sola unidad computacional integrada.
108 i De excursión por la mente
Por tanto, el mundo puede funcionar de maneras que van mucho más 
allá de la simple memoria externa. Puede ofrecer un campo donde unas cla­
ses especiales de operaciones externas transformen sistemáticamente los 
problemas que se plantean a un cerebro.1 De la misma manera que Einstein 
sustituyó las nociones independientes del tiempo y el espacio por un cons- 
tructo unificado (el espacio tiempo), Kirsh y Maglío proponen que para la 
ciencia cognitiva puede ser conveniente sustituir los constructos indepen­
dientes del espacio físico y el espacio del procesamiento de la información 
por un espacio «físico-informacional» unificado."*
Como comentario final sobre la interacción entre la mente y la estructu­
ra del entorno, consideremos el caso de pacientes con la enfermedad de 
Alzheimer en estado avanzado. Muchos de estos pacientes llevan una vida 
sorprendentemente normal en la comunidad, a pesar de que las evaluacio­
nes estándar de sus capacidades indican que muchos de ellos deberían ser 
incapaces de sobrevivir fuera de instituciones especializadas. Al parecer, la 
clave de estos éxitos sorprendentes reside en la medida en que estas perso­
nas se basan en entornos muy estructurados que primero crean y después 
habitan. Estos entornos pueden incorporar múltiples letreros recordatorios 
colocados por toda la casa y el seguimiento estricto de unos hábitos con­
cretos. Una paciente vive, virtualmente, en un sofá que se encuentra en el 
centro de su apartamento, ya que esto le brinda una posición estratégica 
desde la cual puede acceder visualmente a la situación de cualquier cosa 
que necesite: este s í es, realmente, un caso de empleo del mundo como me­
moria externa.
¿Cómo encaja en todo esto la noción de planificación? Al parecer, la re­
solución sistemática de problemas de los cerebros biológicos no sigue real­
mente el modelo del plan como programa. En cambio, los agentes desplie­
gan unas estrategias generales que incorporan ciertas operaciones sobre el 
mundo como parte intrínseca de la actividad de resolución de problemas. Es 
evidente que esta actividad puede suponer unos planes formulados de una 
manera explícita (quizá por escrito). Pero incluso en estos casos, el plan ac­
túa más como una limitación externa sobre la conducta que como una rece­
ta completa para el éxito.17 18 19 20 En cierto sentido, somos como mobots muy inte­
ligentes dotados de archivadores. Nuestra inteligencia se demuestra en la
t
17. Este tema se explora a fondo en el capítulo 10 posterior.
18. Véanse los comentarios de Kirsh y Maglio (1994, pág. 515) acerca de la necesidad de 
redefinir el espacio de estados donde tiene lugar la planificación.
19. Agradezco a Caroline Baum, directora de la Occupational Therapy Unit de la Was­
hington University School of Medicine, por comunicarme estos casos. Véanse Baum, 1993 y 
Edwards y otros, 1994.
20. Véanse, por ejemplo, Suchman, 1987 y Bratman y otros, 1991.
Mente y mundo: la frontera plástica I 109
capacidad de estructurar nuestro entorno y de operar activamente sobre él 
para simplificar nuestras tareas de resolución de problemas. Esta estructu­
ración y explotación activa va desde la simple utilización de distribuciones 
espaciales, pasando por el empleo de transformaciones específicas (mezclar 
las fichas de Scrabbíe, hacer girar los zoides del Tetris), hasta la producción 
de planes escritos explícitos que permiten reorganizar y cambiar el foco de 
atención con facilidad. Estos últimos casos comportan el empleo de la clase 
especial de estructuras externas formada por mapas, códigos, lenguajes y 
símbolos, estructuras que examinaremos con detalle en el capítulo 10.
3.5 Después del archivador
Como hemos visto, las redes neuronales artificiales proporcionan un mo­
delo útil (aunqueclaramente parcial) de algunas de las estrategias computa- 
cionales que los cerebros reales parecen desplegar. Estas estrategias hacen 
hincapié en la compleción de patrones y en la memoria asociativa a costa de 
las manipulaciones lógicas y simbólicas más familiares. Por tanto, el trabajo 
con las redes neuronales artificiales proporciona un valioso antídoto contra 
lo que se ha denominado «imagen de archivador» de la mente: la imagen de 
la mente como un almacén de símbolos pasivos, parecidos al lenguaje, que 
esperan ser recuperados y manipulados por una especie de unidad central de 
procesamiento neuronal. Con todo, quedan por eliminar algunos aspectos 
residuales de esta «imagen de archivador. Al igual que un archivador, la 
mente ha sido tratada con demasiada frecuencia como un recurso pasivo: 
como un órgano para clasificar y transformar datos de entrada pero que no 
está intrínsecamente orientado a actuar en el mundo. Esta falta de atención 
a los problemas y las posibilidades que acompañan a las acciones en el mun­
do real y en tiempo real se manifiesta de varias maneras. La elección de ám­
bitos de tareas muy abstractos (como generar las formas pretéritas de verbos 
ingleses) y el empleo de formas de codificación de entrada y salida muy arti­
ficiales, son síntomas de una imagen de la mente que, en esencia, la conside­
ra el órgano de una razón intemporal e incorpórea. Naturalmente, nadie ha 
pensado que la percepción, el movimiento y la acción carezcan totalmente 
de importancia. Todo el mundo está de acuerdo en que, tarde o temprano, 
estos factores se deberán tener en cuenta. Sin embargo, según la creencia 
más arraigada, los problemas adicionales que plantean estas cuestiones se 
pueden separar sin riesgo alguno de la tarea principal de comprender la 
mente y la cognición, y las soluciones a estos problemas más «prácticos» sim­
plemente se pueden «adjuntan» a los dispositivos de procesamiento de la ra­
zón incorpórea.
110 I De excursión por la mente
Esta separación metodológica entre las tareas de explicar la razón y la 
mente (por un lado) y la acción en tiempo real y en el mundo real (por otro) 
es lo que la ciencia cognitiva de la mente corpórea se propone cuestionar. 
Cuando se abordan problemas del mundo real en su verdadero escenario y 
con toda su complejidad, se hace evidente que ciertos estilos de resolución 
de problemas simplemente no funcionan. Y los tipos de solución que s í fun­
cionan suelen fusionar los procesos de razonamiento y de acción de maneras 
inesperadas, atravesando una y otra vez los límites tradicionales entre men­
te, cuerpo y entorno.
En cierto sentido, esto no nos debería sorprender. Nuestros cerebros evo­
lucionaron como controladores de unos cuerpos que se movían y actuaban 
en un mundo real (y con frecuencia hostil). Seguramente estos órganos evo­
lucionados desarrollaron unos recursos computacionales complementarios 
de las acciones e intervenciones que controlaban. Después de todo, el cere­
bro así entendido no necesita mantener una réplica interna y a pequeña es­
cala del mundo que sustente exactamente los mismos tipos de operación y 
manipulación que habitualmente aplicamos sobre él. La responsabilidad del 
cerebro es ofrecer prestaciones complementarias que apoyen la explotación 
reiterada de operaciones sobre el mundo. Su tarea consiste en proporcionar 
procesos computacionales (como una potente compleción de patrones) que 
el mundo, incluso cuando es manipulado por nosotros, no suele ofrecer.21
Entonces, ¿dónde se encuentra la mente? ¿Se encuentra realmente «den­
tro de la cabeza» o quizá ahora se ha extendido, de una manera un tanto li­
bertina, por el mundo? A primera vista, esta pregunta es extraña. Después 
de todo, cada cerebro individual sigue siendo la sede de la conciencia y la ex­
periencia. Pero, ¿qué ocurre con la razón? Cada pensamiento es considera­
do por un cerebro. Pero ahora vemos que el flujo de pensamientos y el éxito 
adaptativo de la razón dependen de interacciones reiteradas y cruciales con 
recursos externos. El papel de estas interacciones, en los casos que he desta­
cado, es claramente computacional e informacional: consiste en transformar 
entradas, simplificar búsquedas, contribuir al reconocimiento, estimular el 
recuerdo asociativo, descargar la memoria, etc. En cierto sentido, un ser hu­
mano que razona es un dispositivo cognitivo verdaderamente distribuido: re­
aliza llamadas a recursos externos para que lleven a cabo unas tareas de pro­
cesamiento específicas, de manera muy parecida a cuando un ordenador 
conectado a una red hace llamadas a otros ordenadores conectados para que
t
2 !. Naturalmente, esto ya no es estrictamente cierto. Las mismas redes neuronales artifi­
ciales constituyen recursos externos completadores de patrones (Churchland, 1995, capitulo 
11), Además, otros agentes y animales también constituyen recursos de compleción de patro­
nes externos al individuo. Véase más información al respecto en el capítulo 4.
Mente y mundo: la frontera plástica I 111
realicen unas tareas concretas. Por tanto, propongo que la demostración que 
hacen Kirsh y Maglio del papel de la acción epistémica tiene como conse­
cuencia una distribución correspondiente del mérito epistémico. El flujo de 
pensamientos o la generación de respuestas razonadas no son un mérito ex­
clusivo del cerebro. La colaboración entre cerebro y mundo es mucho más 
rica y está más impulsada por necesidades de computación e información de 
lo que se creía hasta ahora.
Sería reconfortante suponer que esta imagen más integrada de la mente 
y el mundo no plantea ninguna amenaza a cualesquiera de nuestras ideas fa 
miliares sobre la mente, la cognición y el yo. Reconfortante, pero falso. Por­
que si bien los pensamientos concretos continúan estando vinculados a los 
cerebros individuales, el flujo de la razón y las transformaciones de informa­
ción que dicho flujo implica parecen entrecruzar el cerebro y el mundo. Sin 
embargo, sospecho que este flujo de ideas es lo que la mayoría de nosotros 
asocia con más fuerza con la idea de la mente como sede de la razón y del yo. 
Este flujo es más importante que las instantáneas que nos ofrecen los pensa 
mientos o las experiencias aisladas." Como veremos, el verdadero motor de 
la razón no está delimitado ni por la piel ni por el cráneo. 22
22. El epílogo ilustra esta afirmación considerando e! papel del cerebro en la generación 
de una compleja corriente de ideas vinculadas. Véase también el apañado 10.5.
4 Sabiduría colectiva al estilo 
de los hongos mucilaginosos
4.1 Aquí llega el mucílago
Es la primavera del año 1973 y el tiempo ha sido anormalmente húme­
do. Al mirar por la ventana que da al jardín, nuestra mirada es atraída por 
una proliferación de masas redondeadas de un intenso color amarillo. 
¿Qué podrán ser? Intrigados, intentamos volver a trabajar pero somos in­
capaces de concentrarnos. Un poco después volvemos a mirar por la ven­
tana. Las masas gelatinosas de color amarillo siguen ahí, pero podríamos 
jurar que se han movido. Tenemos razón. Sin prisa, pero sin pausa, estos 
seres desconocidos se arrastran por el jardín y trepan por el poste telefóni­
co, acercándose a nosotros. Llenos de espanto, telefoneamos a la policía 
para comunicarles la probable visión de formas de vida extraterrestre. 
Pero en realidad lo que hemos visto (como han visto muchas otras perso­
nas) es un ser totalmente terrestre, aunque con un ciclo de vida ciertamen­
te muy extraño: se trata del Fuligo séptica, un tipo de hongo mucilaginoso 
acelular.1
Existen hongos mucilaginosos de muchas variedades1 2 y tamaños, pero to­
dos pertenecen a la clase de los micetozoos. El nombre es revelador, ya que 
combina «miceto» (hongo) y «zoos» (animales). Les gustan los ambientes 
húmedos y suelen encontrarse sobre troncos podridos..., tocones o en mon­
tones de restos vegetales en descomposición. Su distribución geográfica es 
muy extensa y no parece limitarse a unos climas específicos. Como se dice en1. Esta historia se basa en informes de Alexopouios y Mims, 1979 y Farr, 1981.
2. Existen dos tipos principales de hongos mucilaginosos: los acelularcs, donde las célu­
las se fusionan para formar una masa multinuclear y los celulares, donde las células se agrupan 
pero nunca se fusionan y donde la masa multicelular forma un cuerpo móvil (denominado ba­
bosa en ocasiones). Véase el capítulo 1 de Ashworth y Dee, 1975.
114 I De excursión por la mente
un manual, «muchas especies tienden a aparecer en cualquier lugar, de ma­
nera inesperada» (Farr, 1981, pág. 9).
De interés especial es el ciclo de vida de los hongos mucilaginosos «celu­
lares». Tomemos, por ejemplo, la especie Dictyoslelium dtscoideunt,’ descu­
bierta por primera vez en 1935, en Carolina del Norte. El ciclo de vida del 
D. discoideum empieza con lo que se denomina una fase vegetativa, donde 
las células del hongo mucilaginoso existen individualmente, como las ame­
bas (se llaman mixoamebas). Mientras las fuentes locales de alimento duran 
(las mixoamebas se alimentan de bacterias), las células crecen y se dividen. 
Pero cuando las fuentes de alimento se agotan, ocurre una cosa verdadera­
mente extraña. Las células empiezan a agruparse formando una masa con as­
pecto de tejido llamada pseudoplasmodio. Aunque pueda parecer increíble, el 
pseudoplasmodio es un ser colectivo móvil, una especie de babosa en minia­
tura (figura 4.1) que puede arrastrarse por el suelo.'1 Es atraído por la luz y si­
gue gradientes de temperatura y humedad. Estas señales le ayudan a encontrar 
un lugar con más alimento. Cuando encuentra un lugar adecuado, el pseudo­
plasmodio vuelve a cambiar de forma, esta vez diferenciándose por medio de 
un tallo y un cuerpo fructífero con una masa de esporas que comprende unos 
dos tercios del número total de células. Cuando las esporas se propagan, el ci­
clo vuelve a empezar con una nueva población de mixoamebas.
¿Cómo saben agruparse las células individuales (mixoamebas) del hon­
go mucilaginoso? Una solución -el equivalente biológico de un planificador 
central (véase el capítulo 3)- sería que la evolución hubiera elegido unas 
«células líder». Estas células estarían especialmente adaptadas para «lla­
mar» a las otras células, probablemente por medios químicos, cuando el ali­
mento empezara a escasear y, de alguna manera, orquestarían la construc­
ción del pseudoplasmodio. Sin embargo, parece que la naturaleza ha 
optado por una solución más «democrática». De hecho, las células del hon­
go mucilaginoso parecen comportarse como las hormigas descritas en el 
apartado 2.3 anterior. Cuando el alimento escasea, cada célula libera un 
compuesto químico (AMP cíclico) que atrae a otras células. A medida que 
las células se van agrupando aumenta la concentración de AMP cíclico, que 
atrae a más células. Por tanto, un proceso de retroalimentación positiva 
conduce a la agrupación de las células que constituyen un pseudoplasmo­
dio. Como comenta Mitchel Resnick (1994, pág. 51), este proceso es un 
buen ejemplo de lo que se conoce como autoorganización. En los sistemas 
autoorganizados emergen pautas de nivel superior a partir de las interac-
i 3
3. La explicación sobre el D discotdewn se basa en Ashworth y Dee, 1975, págs. 32-36.
A. Los hongos mucilaginosos acelulares como el Fuligo séptico no forman una babosa mó­
vil. En cambio, el piasmodio emigra mediante comentes de protoplasma.
Sabiduría colectiva al estilo de los hongos mucilaginosos I 115
FIGURA 4.1 Agrupaciones irigradoras (pseudoplasmodios) de un hongo mucilagi- 
noso celular. Fuente: Morrissey, 1982. Reproducido con la autorización de Academic 
Press.
dones de múltiples componentes simples, sin necesidad de líderes, contro­
ladores ni orquestadores.
Propondré que la autoorganización y la emergencia no se limitan a colecti 
vos primitivos como el hongo mucilaginoso. También se dan formas de una 
conducta adaptativa emergente en colectivos de agentes humanos. El cerebro 
biológico, que parasita el mundo externo (véase el capítulo 3) con el fin de au­
mentar su capacidad para resolver problemas, no traza el límite en las exten­
siones inorgánicas y ciertos aspectos cruciales de nuestro éxito adaptativo están 
determinados por las propiedades colectivas de grupos de agentes individuales.
116 I De excursión por la mente
4.2 Dos formas de emergencia
La emergencia de fenómenos nuevos a partir de una actividad colectiva 
(sin líderes ni controladores centrales) se puede producir, por lo menos, de 
dos maneras. La primera, a la que denominaré emergencia directa, se basa 
principalmente en las propiedades de los elementos individuales (y en sus re 
laciones mutuas); en este caso, las condiciones ambientales sólo desempeñan 
un papel de contexto. La emergencia directa puede implicar múltiples ele­
mentos homogéneos (como cuando emergen la temperatura y la presión a 
partir de las interacciones entre las moléculas de un gas), o puede implicar 
elementos heterogéneos (como cuando emerge agua a partir de las interac­
ciones entre moléculas de oxígeno y de hidrógeno). La segunda forma de 
emergencia, a la que denominaré emergencia indirecta, también se basa en las 
interacciones de elementos individuales pero requiere que estas interaccio 
nes estén mediadas por unas estructuras ambientales activas y, con frecuen­
cia, bastante complejas. Por tanto, la diferencia reside en la medida en que 
podemos comprender la emergencia de un fenómeno dado centrándonos, 
principalmente, en las propiedades de los elementos individuales (emergen 
cía directa) o en la medida en que la explicación del fenómeno requiere aten­
der a detalles bastante específicos del entorno. Esta distinción está lejos de 
ser absoluta puesto que todos los fenómenos se basan en mayor o menor me­
dida en condiciones ambientales contextúales. (Se puede hacer un poco más 
precisa formulándola en función de los papeles explicativos de diferentes ti­
pos de «variables colectivas»; véase el capítulo 6). Pero podemos obtener 
una impresión intuitiva básica de esta diferencia examinando algunos casos 
sencillos.
Un ejemplo clásico de emergencia directa es el familiar fenómeno de los 
atascos de tráfico. Puede producirse un atasco aun cuando no se pueda cul­
par de ello a ningún suceso externo inesperado (como una colisión o una se­
rie de semáforos averiados). Por ejemplo, mediante unas sencillas simulacio­
nes, Mitchel Resnick5 demuestra que se producirá un embotellamiento si 
cada automóvil sigue simplemente dos reglas intuitivas: «Si nos vamos acer­
cando al vehículo que tenemos delante, reduciremos la velocidad; si no, la 
aumentaremos (salvo sí ya hemos alcanzado la velocidad máxima permiti­
da)» {Resnick, 1994, págs. 69,73). Pero cuando se siguen estas dos reglas y 
no hay ningún obstáculo externo, ¿por qué el tráfico no acelera hasta la má­
xima velocidad permitida y se queda ahí? La respuesta se encuentra en las
5. Aquí, como en los apartados 4.1 y 4.2, sigo a Mitchel Resnick cuyo libro Turitrs, Ter- 
miles, and Tra/fic Jams (1994) es a la vez un modelo de claridad y un poderoso testimonio del 
alcance y la fuerza del pensamiento descentralizado.
posiciones iniciales. Al principio de la simulación, la distancia entre los au­
tomóviles que circulan por la carretera es aleatoria. Por tanto, en ocasiones 
un automóvil empieza a acercarse a otro y pronto debe reducir la velocidad; 
esto hace, a su vez, que el vehículo que tiene detrás también reduzca la suya. 
El resultado final es una mezcla de tramos de tráfico rápido y de tráfico len­
to. De vez en cuando un automóvil sale del atasco, acelerando y dejando es­
pacio para el que tiene detrás. Pero con la misma rapidez con que el embo­
tellamiento se «desatasca» en una dirección, crece en la otra a medida que se 
incorporan nuevos automóviles por detrás y se ven obligados a reducir la 
marcha. Aunque cada vehículo avanza hacia adelante, el atasco de tráfico en 
sí, considerado como un tipo de entidad de orden superior, ¡se mueve hacia 
atrás! Portanto, esta estructura de orden superior (a la que Resnick deno­
mina estructura colectiva) muestra una conducta fundamentalmente diferen­
te de la conducta de sus componentes. De hecho, los componentes no dejan 
de cambiar (a medida que unos vehículos van saliendo y otros nuevos se van 
incorporando), pero la integridad del colectivo de orden superior se conser­
va. (De una manera similar, el cuerpo humano no siempre está formado por 
la misma masa de materia: las células mueren y son reemplazadas por otras 
nuevas construidas a partir de la energía obtenida de los alimentos. También 
nosotros somos colectivos de orden superior cuya materia constituyente se 
encuentra en flujo constante.) Los atascos de tráfico se consideran casos de 
emergencia directa porque el necesario telón de fondo ambiental (las dis­
tancias variables entre los vehículos) es mínimo: seguramente el espaciado 
aleatorio es la condición por defecto y no requiere ninguna manipulación 
ambiental especial. Sin embargo, la emergencia indirecta es intuitivamente 
muy diferente, como veremos a continuación.
Consideremos el siguiente ejemplo: tenemos que acordarnos de com­
prar una caja de latas de cerveza para una fiesta. Para refrescarnos la me­
moria, colocamos una lata de cerveza vacía sobre el felpudo de la puerta. 
Cuando volvemos a salir de casa, tropezamos con la lata y nos acordamos 
de nuestra misión. Hemos empleado lo que a estas alturas ya es un truco 
familiar (recordemos el capítulo 3): explotar algún aspecto de la realidad 
como sustituto parcial de la memoria incorporada. De hecho, hemos em­
pleado una alteración de nuestro entorno para comunicarnos algo a noso­
tros mismos. Este truco de emplear el entorno para provocar acciones y co­
municar señales figura en muchos casos de lo que yo denomino emergencia 
indirecta.
Tomemos la conducta de construcción de algunas termitas. La conducta 
de construcción de una termita supone modificar su entorno local en res­
puesta a los estímulos proporcionados por alteraciones previas del entorno 
realizadas por otras termitas o por la misma termita en otra ocasión. Dicho
Sabiduría colectiva al estilo de ios hongos muciiaginosos I 117
118 I De excursión por la mente
de otra manera, la construcción de un termitero está bajo el control de lo 
que se conoce como algoritmos estigmérgicos.6
Un ejemplo simple de estigmergia es la construcción de arcos (un aspec­
to básico de los termiteros) con pelotillas de barro. He aquí cómo funciona 
este proceso:7 todas las termitas hacen pelotillas de barro que, al principio, 
depositan al azar. Pero cada pelotilla incluye una señal química añadida por 
la termita. Las termitas prefieren dejar caer las pelotillas donde la señal quí­
mica es más fuerte. Por tanto, es probable que las pelotillas nuevas se depo­
siten encima de las antiguas, generándose entonces una fuerza de atracción 
aún mayor (¡sí, es la historia de siempre!). De esta manera se van formando 
columnas. Cuando dos columnas están muy próximas entre sí, las señales 
químicas de la columna vecina influyen en la conducta de soltar las peloti­
llas, incitando a los insectos a añadir barro en el lado de cada columna que 
encara a la otra. Este proceso continúa hasta que las puntas de las columnas 
se inclinan la una hacia la otra y se forma un arco. El producto final de una 
gran cantidad de estigmergias distintas es una estructura compleja de celdi­
llas, cámaras y túneles. En ningún punto de este prolongado proceso se sigue 
o se representa un plano del termitero. Ninguna termita actúa como líder 
durante la construcción. Ningún termita «sabe» nada, salvo responder cuan­
do se encuentra con una pauta específica en su entorno local. Las termitas 
no se hablan entre sí de ninguna manera, salvo mediante los productos am­
bientales de su propia actividad. Esta coordinación basada en el entorno no 
requiere ninguna codificación o descodificación lingüística y no impone car­
ga alguna a la memoria; además, las «señales» persisten aunque el individuo 
responsable de las mismas se haya ido a hacer otra cosa (Beckers y otros, 
1994, pág. 188).
Resumiendo: aprendemos lecciones importantes incluso a partir de estos 
casos simples de emergencia de fenómenos colectivos. Estos fenómenos se 
pueden producir de maneras directas o muy mediadas por el entorno. Pue­
den sustentar conductas adaptativas complejas sin necesidad de líderes, di­
seños o planificadores centrales. Y pueden manifestar rasgos característicos 
totalmente diferentes de los rasgos de los individuos cuya actividad reflejan. 
En el siguiente apartado veremos estas conductas en un contexto más fami­
liar: el de la actividad humana.
6, «Esúgmérgico», una combinación de «estigma» (señal) y «ergon» I trabajo), implica la 
utilización del trabajo como señal para más trabajo.
7. Véanse Grasse, 1959 y Beckers y otros. 1994.
4.3 Tripulaciones marinas
En la investigación más prolongada y con más éxito realizada basta la fe­
cha sobre las propiedades cognitivas de grupos humanos, Edwin Hutchins 
-antropólogo, científico cognitivo, marinero y oficial de derrota en regatas a 
mar abierto- ha descrito y analizado el papel de las estructuras externas y de 
las interacciones sociales en la navegación en alta mar. He aquí su descrip­
ción de cómo se realizan y coordinan algunas de las tareas necesarias (Hut- 
chins, 1995, pág. 199; la nota al pie8 es mía):
De hecho, es posible que el equipo [de navegación] organice su conducta en 
una secuencia adecuada sin que exista un guión o un plan global en ninguna par­
te del sistema.8 Cada miembro de la tripulación sólo necesita saber qué debe hacer 
cuando se producen ciertas condiciones en el entorno. Un examen de los debe­
res de los integrantes de la tripulación muestra que muchos de ellos se especifi­
can en la forma «hacer X cuando ocurra Y». He aquí algunos ejemplos extraídos 
de los procedimientos:
A. Hacer sondeos y enviarlos al puente cuando se soliciten.
B. Anotar hora y profundidad cada vez que se envíe un sondeo al puente.
C. Medir y comunicar las demoras en relación con los objetos especificados 
por el piloto cuando éste lo ordene.
Al parecer, cada miembro de la tripulación sólo debe seguir una especie 
de procedimiento estigmérgico9 esperando que una alteración del entorno 
local (como la colocación de una carta de navegación concreta sobre una 
mesa, la llegada de una petición verbal o el sonido de una campana) motive 
una conducta específica. Esa conducta, a su vez, influirá en el entorno local 
de otros miembros de la tripulación, provocará nuevos arranques de activi­
dad y así sucesivamente, hasta que la tarea se haya realizado.
Naturalmente, estamos hablando de agentes humanos que se formarán 
ideas y modelos mentales del proceso global. Y como comenta Hutchins, 
esta tendencia general hace que el sistema sea más robusto y flexible, porque
Sabiduría colectiva al estilo de los hongos mucilaginosos I 119
8. De hecho, en muchos navios exisie un plan formal. Pero los miembros de la tripulación 
no lo emplean explícitamente para estructurar sus acciones; en realidad, como sugiere Hut­
chins (1995, pág. 178), el plan no funcionaría aunque lo hicieran.
9. La verdadera estigmergia requiere una falta total de flexibilidad de respuesta en pre­
sencia de una condición desencadenante. Por tamo, la actividad humana, en genera!, sólo es 
cuasi estigmérgica. Lo común es el empleo de condiciones ambientales como instigadoras de 
la acción y la capacidad global del grupo para realizar una actividad de resolución de pro­
blemas que sobrepasa el conocimiento y el alcance computacional de cada miembro por se 
parado.
120 I De excursión por la mente
los individuos pueden supervisar mutuamente su actividad (por ejemplo, pi­
diendo una demora que no se haya dado a tiempo) y, si es necesario, pueden 
encargarse de otras tareas (por ejemplo, si alguien cae enfermo). Sin embar­
go, ningún miembro de la tripulación tendrá interiorizados todos los cono­
cimientos y habilidades pertinentes.Además, vemos que una gran cantidad de trabajo la llevan a cabo, una 
vez más, estructuras externas: reglas de cálculo náuticas, alidadas, registros 
de demora, transportadores, cartas de navegación, sondas, etc.13 Estos dis­
positivos cambian la naturaleza de ciertos problemas computacionales, ha­
ciendo que sean más fáciles de abordar por unos cerebros que tienden a la 
percepción y la compleción de patrones. La regla de cálculo náutica, que es 
el ejemplo favorito de Hutchins, convierte operaciones matemáticas com­
plejas en operaciones de alinear escalas en el espacio físico."
Por último, y recordando temas del capítulo 3, diremos que el espacio de 
trabajo mismo para la navegación está estructurado para reducir la comple­
jidad de la resolución de problemas. Por ejemplo, las cartas que se emplean 
para atracar en un puerto dado están reunidas en un tablero de cartas y co­
locadas unas sobre otras en el orden en que se van a utilizar (la que primero 
se necesite, encima de las restantes).
Según Hutchins, todos estos factores se unen para posibilitar que el sis­
tema global formado por artefactos, agentes, el mundo natural y la organiza­
ción espacial, resuelva el problema de navegar. La conducta global (en el ni­
vel de la embarcación) no está controlada por un plan detallado en la cabeza 
del capitán. El capitán puede establecer los objetivos, pero la secuencia de 
reunir y transformar información para alcanzar estos objetivos no necesita 
representarse explícitamente en ningún lugar. En cambio, la potencia y la 
pericia computacionales necesarias se distribuyen por todo un conjunto he­
terogéneo de cerebros, cuerpos, artefactos y otras estructuras externas. Así 
navegan los cerebros que completan patrones por mares hostiles y matemá­
ticamente exigentes.
4.4 Las raíces de la armonía
r
Pero, ¿cómo se produce esta delicada armonización entre cerebros, cuer­
pos y mundo? En los casos de lo que he llamado emergencia directa, este
♦
10. Hutchins (1995, capítulo 3) los describe de forma detallada. Una alidada es un dispo­
sitivo telescópico para dirigir visuales; los transportadores son semicírculos graduados que se 
emplean para trazar lineas o ángulos sobre cartas de navegación.
11 Véanse la pág. 171 de Hutchins, 1995 y los capilulos 3 y 10 de este libro
problema es menos acuciante porque las propiedades colectivas están direc­
tamente determinadas por la acción masiva de una tendencia individual uni­
forme. Por ejemplo, si la naturaleza hiciera evolucionar -¡nos libren los dio­
ses!- vehículos y carreteras (partiendo de una distribución inicial aleatoria y 
de las dos reglas expuestas en el apartado 4.2 anterior), inmediatamente se 
producirían embotellamientos de tráfico.
A primera vista, la emergencia indirecta plantea un enigma mayor. En los 
casos de este tipo, la propiedad que hay que alcanzar (por ejemplo, la cons­
trucción de un termitero o navegar con éxito) surge a partir de interacciones 
múltiples y con frecuencia variadas entre un conjunto de individuos y un en­
torno estructurado con gran complejidad. Los individuos están aparente­
mente construidos o diseñados para que su dinámica, coordinada con estos 
entornos complejos, produzca un éxito adaptativo. En estos casos no hay 
ningún individuo que deba conocer un plan al completo. Sin embargo, en 
cierto sentido el sistema global está bien diseñado. Constituye un método ro­
busto y computacionalmente económico de lograr la conducta deseada. La 
pregunta ahora es, ¿cómo se produce este diseño?
Para el sistema nervioso de cada una de las termitas, una parte impor­
tante de la respuesta” es, evidentemente, «mediante la evolución». Hutchins 
propone que en el grupo que forma una tripulación también puede estar ac­
tuando una especie de proceso cuasi evolutivo. La característica clave es, 
simplemente, que se producen cambios pequeños sin una actividad de dise­
ño previa y que estos cambios tienden a conservarse en la medida en que me 
joren el éxito biológico. Por tanto, los cambios evolutivos implican un acre­
cimiento gradual de pequeños cambios «oportunistas»: cambios que, a su 
vez, alteran el «paisaje adaptativo» para cambios posteriores, tanto para la 
misma especie como para otras especies que habiten en el mismo ecosistema.
Ahora, y siguiendo todavía a Hutchins, consideremos el caso donde un 
colectivo cognitivo establecido (como una tripulación) se enfrenta a un reto 
nuevo e inesperado. Supongamos que este reto exige una respuesta rápida y 
que no hay tiempo para que el grupo se reúna y reflexione sobre la mejor 
manera de abordarlo.12 13 En estas condiciones, ¿cómo puede descubrir el gru­
po una nueva división social del trabajo que responda a las exigencias del en­
12. No deseo (ni necesito) incurrir en una petición de principio acerca de las contribu­
ciones relativas de la variación ciega y la selección natural por un lado, y de propiedades de au- 
toorganización más fundamentales de la materia, los compuestos químicos y las células, por 
otro. Véanse planteamientos al respecto en Kauffman, 1993; el capítulo 8 de Dennett, 1995 y 
las págs. 180-214 de Varela y otros, 1991. Gracias a Arantza Etxeberria por ayudarme a acla­
rar esta importante cuestión.
13. Hutchins (1995, capítulo 8) explica con detalle un caso concreto en el que un sistema 
de propulsión de una embarcación fracasó inesperadamente en un momento crítico.
Sabiduría colectiva al estilo de los hongos mucilaginosos I 121
122 I De excursión por la mente
torno? Lo que realmente sucede, como demuestra Hutchins, es que cada 
miembro del grupo trata de desempeñar las funciones básicas necesarias 
para evitar que la embarcación encalle; sin embargo, al actuar así, cada 
miembro limita la actividad de los demás e influye en ella, en una dinámica 
que equivale a una búsqueda colectiva y en paralelo de una división del tra­
bajo nueva y al mismo tiempo eficiente desde el punto de vista computacio- 
nal. Por ejemplo, cuando un miembro de la tripulación se da cuenta de que 
no tiene tiempo suficiente para hacer una suma crucial, le encarga el cálculo 
a otro tripulante. Esto, a su vez, desencadena otros efectos. La solución al 
problema de evitar el desastre surge como una especie de punto de equili­
brio en una serie repetida de negociaciones locales centradas en la distribu­
ción de tareas, un punto de equilibrio que está determinado tanto por las ha­
bilidades de los individuos como por la frecuencia y la secuencia de los datos 
de entrada. Ningún miembro de la tripulación reflexiona sobre un plan glo­
bal para redistribuir las tareas. En cambio, cada tripulante hace lo que sabe 
hacer mejor, negociando cualquier ayuda local o cambio de procedimiento 
que necesite. En estos casos se produce una búsqueda rápida y en paralelo 
de una respuesta colectiva coherente, pero esta búsqueda no implica ningu­
na representación localizada y explícita del espacio de las soluciones globa­
les posibles. En este sentido, como observa Hutchins, la nueva solución se 
encuentra mediante un proceso más semejante a la adaptación evolutiva que 
al diseño racionalista global.
He aquí una versión algo más sencilla de la misma idea:14 imaginemos 
que nuestra tarea consiste en determinar el trazado óptimo de unos senderos 
para conectar entre sí un complejo de edificios ya construidos (por ejemplo, 
el nuevo campus de una universidad). La estrategia usual es el diseño racio­
nalista global, donde una persona o un grupo pequeño consideran la utiliza­
ción de los diversos edificios, los números de viandantes, etc., y buscan una 
pauta de enlaces óptima que refleje las pautas de uso probable. Sin embar­
go, una solución alternativa sería establecer el campus sin ningún sendero y 
cubriendo de césped todos los espacios entre los edificios. Al cabo de unos 
meses, empezarán a surgir senderos que reflejarán tanto las verdaderas ne­
cesidades de los usuarios como la tendencia de las personas a seguir sende­
ros incipientes. Al cabo de un tiempo, los senderos más marcados se podránpavimentar y el problema se habrá resuelto sin que nadie haya tenido que 
considerar el problema global de encontrar una distribución óptima de los 
senderos o haya necesitado saber o representar los usos a los que se destinan 
todos los edificios. La solución se habrá encontrado por medio de una serie 
interactiva de cálculos aislados pequeños como, por ejemplo, «Tengo que ir
14. Tuve noticia de este ejemplo por primera vez a través de Aaron Sloman.
desde aquí hasta los comedores: ¿cómo lo haré?» y «Tengo que llegar al la­
boratorio de física lo antes posible: ¿cómo lo hago?». El efecto acumulado 
de estas múltiples decisiones locales resuelve el problema global de una for­
ma que se parece más a una especie de evolución que a un diseño centraliza­
do clásico.
Al parecer, la necesidad de explicar los orígenes del éxito colectivo no 
nos obliga a volver a la imagen de un agente planificador central que conoz­
ca la forma del espacio de problemas global. De hecho, en ocasiones pode­
mos estructurar nuestro propio entorno de resolución de problemas como 
una especie de subproducto de nuestra actividad básica de resolución de 
problemas. En nuestro campus hipotético, los primeros viandantes estruc­
turan el entorno como un subproducto de sus propias acciones, pero los 
viandantes posteriores se encontrarán con un entorno ya estructurado que, 
a su vez, puede ayudarles a resolver, precisamente, los mismos problemas.15
Sabiduría colectiva al estilo de los hongos mucilaginosos I 123
4.5 Modelos de la mente oportunista
Espero que estos primeros capítulos hayan transmitido una impresión 
cada vez más clara del carácter oportunista de gran parte de la cognición 
biológica. Cuando el cerebro biológico se enfrenta a las fuertes limitaciones 
temporales propias de la acción en el mundo real y sólo dispone de un estilo 
de cómputo incorporado bastante restrictivo y orientado a la compleción de 
patrones, aceptará toda la ayuda que pueda conseguir. Esta ayuda incluye el 
empleo de estructuras físicas externas (tanto naturales como artificiales), 
el empleo del lenguaje y de instituciones culturales (véanse también los ca­
pítulos 9 y 10) y el empleo abundante de otros agentes. Sin embargo, reco­
nocer la naturaleza oportunista y extendida en el espacio-tiempo de la ver­
dadera resolución de problemas equivale a exponerse a una potencial 
pesadilla metodológica. ¿Cómo podemos estudiar y comprender estos siste­
mas extendidos, complejos y a menudo construidos de una manera poco o 
nada intuitiva?
Existe una metodología científica cognitiva clásica que, claramente, no 
funciona en estos casos. Es la metodología de la reconstrucción racional, que 
consiste en formular inmediatamente cada problema en función de un siste­
ma abstracto de relaciones entre entradas y salidas, y buscar una solución 
óptima para el problema así definido. Aunque es probable que, en principio, 
esta metodología nunca haya sido defendida ni siquiera desde la inteligencia
15. Compárese con el tratamiento de unas hormigas en una playa llevado a cabo por Hut- 
chins (1995, pág. 169).
124 F De excursión por la mente
artificial clásica, sí que parece haber dado origen a un gran Corpus de inves­
tigación.16 Pensemos en todas esas investigaciones sobre micromundos abs­
tractos: jugar a damas, colocar bloques, planificar excursiones, hacer diag­
nósticos médicos, etc. En todos estos casos, el primer paso consiste en formular 
el problema en términos simbólicos canónicos y el segundo consiste en bus­
car una solución eficiente definida en un espacio de oportunidades de trans­
formación de símbolos.
Hemos visto (capitulo 3} que también los conexionistas heredaron la pe­
nosa tendencia a estudiar la resolución de problemas como si fuera incorpó­
rea y a establecer correspondencias entrada salida abstractas y definidas sim­
bólicamente.17 Sin embargo, desde las perspectivas de la robótica y de la 
infancia presentadas en los primeros capítulos, ahora parece más razonable 
imaginar que el entorno real de muchas tareas influye profundamente en la 
naturaleza de los problemas que plantean estas tareas a unos agentes activos 
y corpóreos. Estos problemas reales se plantean en un entorno que incluye 
las propiedades elásticas de los músculos y la presencia de objetos reales y 
manipulables en el espacio. Estas disparidades, que con tanto empeño he 
tratado de exponer, con frecuencia pueden marcar la diferencia en la natu 
raleza de una tarea computacional.
De hecho, la metodología de la reconstrucción racional puede inducir a 
error de varias maneras fundamentales. En primer lugar, la sustitución in­
mediata de cantidades físicas reales por elementos simbólicos puede ocultar 
estrategias oportunistas que impliquen actuar sobre el mundo real o explo­
tarlo de alguna manera que contribuya a la resolución de problemas (recor­
demos el «principio 007»). En segundo lugar, conceptualizar el problema en 
función de correspondencias entrada-salida también invita a concebir la cog­
nición como una computación pasiva. Es decir, describe la etapa de salida 
como el ensayo de una solución a un problema. Pero ya hemos visto muchos 
casos (por ejemplo, las estrategias de visión animada y el empleo del botón 
de rotación en Tetris) donde la salida es una acción cuyo papel consiste en 
descubrir o crear datos adicionales que, a su vez, contribuyan al éxito final. 
Estos casos de lo que Kirsh y Maglio llaman «acción episrémica»18 amenazan 
con colarse por las rendijas de cualquier imagen del éxito cognitivo funda­
mentalmente incorpórea y basada en correspondencias entrada salida. (Otra 
amenaza es que la búsqueda de soluciones óptimas puede inducir aún más a
16. Véase una revisión en los capítulos I y 4 de Clark, 1989. Véase también CliíT, 199-1. Se 
puede encontrar algo parecido a un apoyo explícito de estas estrategias racionalistas en Newell 
y Simón, 1981.
17. Véase el apartado 3.2 anterior. Véanse también McClelland, 1989 y Plunkett y Sinha, 
1991.
18. Véase el apartado 3.5 anterior. Véase también Kirsh y Maglio, 1994
error al ocultar el papel de la historia en la constricción del espacio de solu­
ciones biológicamente plausibles. Como veremos en el capítulo 5, la natura­
leza está muy limitada por las soluciones obtenidas para problemas encon­
trados anteriormente. En consecuencia, la actividad cognitiva rara vez está 
hecha de una pieza: normalmente comprende remiendos aplicados a toda 
prisa a estructuras y estrategias ya existentes.)
Por todas estas razones, la metodología de la reconstrucción racional pa­
rece distorsionar extremadamente la forma y la naturaleza de la cognición 
biológica. En su lugar, ahora podemos vislumbrar los perfiles más escuetos 
de una metodología alternativa: una metodología para estudiar la cognición 
activa y corpórea. Las características fundamentales de esta metodología pa­
recen ser las siguientes:
Centrarse en el mundo real, en tiempo real. Las tareas se identifican en 
función del mundo real. Las entradas son cantidades físicas, las salidas son 
acciones. La conducta se limita a marcos temporales que son biológicamen­
te realistas.
Reconocer las soluciones descentralizadas. No se parte del simple supues­
to de que una acción coordinada inteligente requiere una planificación cen­
tral detallada. Con frecuencia pueden surgir acciones globales inteligentes a 
partir de múltiples interacciones más elementales en las que intervienen in­
dividuos, componentes y/o el entorno.
Visión extendida de la cognición y la computación. Los procesos compu- 
tacionales (con frecuencia) se consideran extendidos en el espacio y en el 
tiempo. Estos procesos se pueden extender más allá de la cabeza de un indi­
viduo e incluir transformaciones realizadas mediante el empleo de instru­
mentos externos, y también pueden incorporar las cabezas y los cuerpos de 
múltiples individuos en situaciones de resolución colectiva de problemas.
Así interpretado, el estudio de la cognición activa y corpórea plantea cla­
ramente unos importantesretos conceptuales y metodológicos. Entre ellos 
se incluyen (aunque no son todos) los siguientes:
El problema de la tratabilidad. Ante esta visión radicalmente promiscua 
de la cognición, siempre escurriéndose hacia su entorno local, ¿cómo pode­
mos aislar fenómenos tratables para poderlos estudiar? Este desenfrenado li­
beralismo cognitivo, ¿no hace que resulte absurda la esperanza de encontrar 
una ciencia genuina de la mente?
El problema de la cognición avanzada. ¿Hasta qué punto podemos espe­
rar llegar con una concepción descentralizada de la mente? Seguramente 
existe algún lugar para la planificación central en la cognición avanzada.
Sabiduría colectiva al estilo de los hongos mucilaginosos I 125
126 I De excursión por la mente
Además, ¿qué ocurre con la visión de la razón individual misma? ¿Qué ima­
gen de la elección y la toma de decisiones racional está implícita en una vi­
sión radicalmente emergentista y descentralizada del éxito adaptativo?
El problema de la identidad. ¿Qué lugar ocupa en todo esto la persona in­
dividual? Si los procesos cognitivos y computacionales entrecruzan afanosa­
mente los límites de la piel y el cráneo, ¿implica esto alguna extensión corre­
lativa de la identidad personal hacia el entorno local? Dicho de una manera 
menos misteriosa, ¿implica esto que los cerebros y los organismos indivi­
duales no son objetos apropiados para el estudio científico? Desde luego, 
conclusiones como éstas serían bastante difíciles de discernir.
Nos encontramos aquí con una mezcla de inquietudes prácticas (¿cómo 
podemos estudiar la mente corpórea y embebida?}, problemas sin resolver 
(¿funcionará el mismo tipo de explicación para la cognición verdaderamen­
te avanzada?) y anomalías conceptuales (una cognición escurridiza, ¿implica 
personas escurridizas? Los cerebros, ¿son en algún sentido objetos inade­
cuados para el estudio?). En los capítulos restantes abordaré todas estas 
cuestiones. Especialmente trataré de responder de manera detallada a las in­
quietudes prácticas y metodológicas (capítulos 5-7), trataré de aclarar los 
problemas conceptuales (capítulos 6 y 8) y empezaré a abordar el acuciante pro­
blema de la cognición avanzada (capítulos 9 y 10). Propondré que la clave 
para integrar los datos sobre la cognición avanzada con la visión de una cog­
nición activa y corpórea reside en comprender mejor los papeles de dos an­
damiajes o apoyos externos muy especiales: el lenguaje y la cultura.
En resumen: la muerte de la reconstrucción racional crea una especie de 
vacío conceptual y metodológico. Nuestra tarea consiste ahora precisamen­
te en llenar este vacío.
Intermedio: una historia condensada
La ciencia cognitiva, tal como se ha esbozado en los capítulos preceden­
tes, se puede contemplar como una progresión en tres etapas. La primera (el 
apogeo del cognitivismo clásico) describía la mente en función de un dispo­
sitivo lógico central, unas bases de datos simbólicas y algunos módulos peri­
féricos «sensoriales». Las características fundamentales de esta visión in­
cluían estas ideas:
i
la memoria como recuperación de una base de datos simbólica almace­
nada,
la resolución de problemas como una inferencia lógica,
Sabiduría colectiva a! estilo de los hongos mucilaginosos I 127
la cognición como un proceso centralizado, 
el entorno como un (simple) ámbito de problemas,
y
el cuerpo como periférico de entrada.
La revolución conexionista (redes neuronales artificiales) tenía como ob 
jetivo sustituir las tres primeras características por las siguientes:
la memoria como re-creación de patrones,
la resolución de problemas como compleción y transformación de dichos 
patrones,
y
la cognición como un proceso progresivamente descentralizado.
Sin embargo, este replanteamiento radical de la naturaleza del dispositi­
vo cognitivo interno estaba acompañado, en gran medida, de una aceptación 
tácita de la clásica marginación del cuerpo y el mundo. A este clasicismo re­
sidual se enfrentan directamente las investigaciones antes presentadas. En 
estas investigaciones se mantienen los principios más generales de la con­
cepción conexionista, aunque potenciados por las siguientes imágenes:
una imagen del entorno como recurso activo cuya dinámica intrínseca 
puede desempeñar importantes funciones en la resolución de problemas,
y
una imagen del cuerpo como parte del bucle computacional.
Tomarse en serio de esta manera el cuerpo y el mundo invita a adoptar 
una perspectiva emergentista en relación con muchos fenómenos fundamen­
tales; equivale a considerar que el éxito adaptatívo es tan inherente a las 
complejas interacciones entre cuerpo, mundo y cerebro como a los procesos 
internos limitados por la piel y el cráneo. Sin embargo, los desafíos a los que 
se enfrenta este enfoque son numerosos y profundos. El más crucial es la 
acuciante necesidad de equilibrar de alguna forma el tratamiento de la apor­
tación interna (centrada en el cerebro) y el tratamiento de los factores exter­
nos, de una manera que haga justicia a cada cual. Este problema se mani­
128 ¡ De excursión por la mente
fiesta como una serie de inquietudes de cariz bastante abstracto, aunque son 
inquietudes con importantes consecuencias concretas para la dirección y la 
metodología de una ciencia de la mente corpórea. Estas inquietudes in­
cluyen:
encontrar el vocabulario adecuado para describir y analizar los procesos 
que entrecruzan el límite agente/entorno,
aislar para su estudio sistemas adecuados a gran escala y motivar alguna 
descomposición de estos sistemas en partes y procesos componentes que 
interaccionen entre sí,
y
comprender expresiones familiares como «representación», «computa­
ción» y «mente» de maneras que encajen con la nueva imagen (o, si no, 
rechazar por completo estas expresiones).
En resumen: ¿cómo debemos concebir el tipo de fenómenos que hemos 
expuesto y cuántas de nuestras viejas ideas y prejuicios tendremos que aban­
donar para hacerlo? A esta cuestión se dedica la segunda parte.
Segunda parte
EXPLICAR LA MENTE EXTENDIDA
Nuestro propio cuerpo está en el mundo como el corazón en el organismo... 
forma un sistema con él.
M áURICE M erleau-Po n ty , Phenomenology o/Percepíion. 
Versión en castellano del pasaje traducido al inglés por David Hilditch en su 
tesis doctoral (Universidad de Washington, 1995).
LAMINA 1. Representación tridimensional de la corteza cerebral y de los principales 
centros visuales subcorticales del macaco. La figura abarca todo el hemisferio derecho.
Fuente: van Essen y GalJant, 1994 Reproducida por gentileza de David van Esten, Kack Gallant y Cell 
Press.
A,
0,7
O l í
O u
Cartesianas
B.
% '/ / / i|
- 0,9
65,6
■ ' O'*-
$ }{
>I< o 4J? # (9 G s> M
' # © O O
Hiperbólicas Polares
62,4
1 ll
I ..
= -II $ • # <#
= Í5 ' / / Ü V N $ Q f > 0 $
r //uv'w' o o í ; o
r .
5 :c
M
Cartesianas Hiperbólicas Polares
LÁMINA 2. Respuestas de dos células de V4 a diferentes pautas espaciales cartesia­
nas y no cartesianas. Cada icono representa un estímulo visual particular y su color 
representa la respuesta inedia a ese estimulo en relación con la frecuencia espontá­
nea de londo, empleando la escala de color mostrada arriba. Á) neurona con una res­
puesta máxima ante estímulos polares, especialmente espirales, y mucho menos ante 
rejillas hiperbólicas y cartesianas (modificado con autorización de Gallant y otros, 
1993). B? neurona con una respuesta máxima ante estímulos hiperbólicos con fre­
cuencias espacíales de bajas a moderadas.
Fucnir v j i i ívsscn y Gallant, 1904 a-producirla p o r penalczj de David v_m Esstn. Kack Cufian! yCell l'ress.
LÁMINA 3. Atún robótico que cuelga de un soporte en el Ocean Engineering Testing 
Tank Facility del MIT.
Fuente: Triantaíyllou y Trianlafyllou, 1995. Fotografía de Sam Ogden; reproducida por gentileza de Sam 
Ogden y con la autorización de Scientific American, Inc
1 3
LÁMINA 4. Un coletazo enérgico seguido en rápida sucesión por otro en la dirección 
contraria produceun fuerte y súbito empuje muy adecuado para abalanzarse sobre 
una presa o huir con rapidez. El coletazo inicial produce un gran vórtice (1); el se­
gundo coletazo crea otro vórtice que gira en sentido contrario (2, 3). Antes de apar­
tarse de la cola y debilitarse mutuamente, los dos vórtices se combinan para crear un 
chorro que produce un fuerte impulso hacia adelante y una fuerza lateral desviada, 
aunque manejable (4).
Fuente: Tpanuíyílou yTriamafyllou. 1995; reproducida por gentileza de M. S. vC . S. Tnantafyllou y Scien- 
tific American, Inc.
5 Robots en evolución
5.1 Las elusivas estratagemas de la mente 
corpórea y embebida
¿Cómo deberíamos estudiar la mente corpórea y embebida? Este pro­
blema se convierte en apremiante cuando nos damos cuenta de que las so­
luciones de la naturaleza suelen confundir las imágenes por las que nos 
guiamos y burlar las nítidas demarcaciones (cuerpo, cerebro y mundo) que 
estructuran nuestro pensamiento. El cerebro biológico parece estar a la vez 
constreñido y potenciado de maneras fundamentales y en ocasiones nada in 
tuitivas. Está constreñido por la naturaleza del proceso evolutivo, un proce­
so que debe construir nuevas soluciones y estrategias adaptativas partiendo 
de los recursos cognitivos y del hardware existentes. Y como hemos visto, 
está potenciado por la disponibilidad de un campo en el mundo real que nos 
permite explotar otros agentes, buscar activamente entradas útiles, transfor­
mar nuestras tareas computacionales y descargar en el mundo el conoci­
miento adquirido.
Esta combinación de restricciones y oportunidades plantea un verdade­
ro problema al científico cognitivo. ¿Cómo podemos modelar y comprender 
sistemas cuyos parámetros de diseño y operación parecen (desde una pers­
pectiva de diseño no histórica e incorpórea) tan desordenados y poco intui­
tivos? Una solución parcial consiste en enfrentarse directamente al proble­
ma de la acción en el mundo real y en tiempo real, como en los trabajos de 
robótica examinados en el capítulo I . Otra consiste en observar atentamen­
te la interacción entre la cognición y la acción al principio del aprendizaje, 
como en la investigación sobre el desarrollo examinada en el capítulo 2. Un 
importante instrumento adicional -que es el tema central del presente capí­
tulo- es el empleo de una evolución simulada como medio para generar sis-
132 I Explicar la mente extendida
temas de control para robots (verdaderos o simulados). La evolución simu­
lada (como el aprendizaje de redes neuronales) promete ayudarnos a reducir 
el papel de nuestras predisposiciones y prejuicios racionalistas en la búsque­
da de soluciones eficientes.
5.2 Un telón de fondo evolutivo
Con frecuencia se ha dicho que los sistemas que han evolucionado de 
una manera natural simplemente no funcionan como un diseñador huma­
no podría esperar.1 Hay varias razones para ello. Una, que ya hemos visto 
ejemplificada muchas veces, supone una tendencia a soluciones distribui­
das. La cuestión, ahora ya familiar para nosotros, es que mientras un di­
señador humano normalmente construiría la funcionalidad necesaria para 
resolver un problema directamente en un dispositivo separado, la evolu­
ción no estaría limitada de ninguna manera por los límites entre un orga­
nismo o dispositivo y el entorno. La resolución de problemas se distribu­
ye fácilmente entre organismo y mundo o entre grupos de organismos. La 
evolución, que en un sentido muy real no tiene ninguna perspectiva sobre 
ningún problema, carece de impedimentos para encontrar soluciones dis­
tribuidas económicas porque no necesita las anteojeras (por ejemplo, la 
firme división entre dispositivo y ámbito de operación) que ayudan a los 
técnicos humanos a enfocar su atención y a descomponer problemas com­
plejos en componentes.
Sin embargo, esto no quiere decir que los principios de descomposición 
no desempeñen ningún papel en el diseño natural. Pero el tipo de descom­
posición que caracteriza al diseño por selección natural es, de hecho, muy di­
ferente. Es una descomposición dictada por la restricción del holismo evolu­
tivo, un principio formulado explícitamente por Simón (1969) que afirma 
que las totalidades complejas se suelen desarrollar de modo incremental con 
el tiempo evolutivo y que las diversas formas intermedias deben ser ellos 
mismos sistemas completos y robustos capaces de sobrevivir y reproducirse. 
Como dice Dawkins (1986, pág. 94), la clave reside en pensar en función de 
trayectorias o vías a través del tiempo evolutivo, considerando a los organis­
mos completos que tienen éxito como pasos a lo largo del camino.
Esta restricción es muy fuerte. Un diseño complejo extremadamente 
adaptativo que carezca de alguna descomposición evolutiva de esta clase 
(con formas ancestrales más sencillas pero exitosas), nunca evolucionará. 
Además, las transiciones entre estas formas no deberían ser demasiado ex­
I. Véanse, por ejemplo, Simón, 1962; Dawkins, 1986 y el capitulo 4 de Clark, 1989.
Robots en evolución I 133
tremas: deberían consistir en pequeñas alteraciones estructurales, cada una 
de las cuales genera un organismo completo y con éxito.
Se dice, por ejemplo,1 que nuestros pulmones evolucionaron a partir de 
la base proporcionada por las vejigas natatorias de los peces. Las vejigas na­
tatorias son unas bolsas de aire que facilitan el movimiento en entornos 
acuosos. Se ha propuesto que el origen de nuestra común propensión a la 
pleuresía y el enfisema se remonta a ciertos aspectos de la adaptación de la ve­
jiga natatoria. Así, Lieberman (1984, pág. 22) se ve conducido a comentar 
que «las vejigas natatorias son dispositivos diseñados lógicamente para na­
dar; para respirar constituyen un sistema complicado y extravagante».
La importante conclusión de todo esto es que las limitaciones del holis 
mo evolutivo, junto con la necesidad de avanzar mediante pequeños cambios 
increméntales de estructuras ya existentes, pueden producir soluciones a 
problemas presentes que deben mucho a sus antecedentes históricos partí 
culares. Como dice el especialista en genética celular Frangois Jacob (1977, 
pág. 1.163): «Los objetos simples son más dependientes de las limitaciones 
[físicas] que de la historia. Cuanto mas aumenta la complejidad, más impor 
tante es el papel desempeñado por la historia». Para Jacob, la evolución se 
parece más a un hojalatero que a un ingeniero. Un ingeniero se sienta frente 
a un tablero de dibujo en blanco y diseña una solución para un problema 
nuevo partiendo desde cero; un hojalatero toma un dispositivo ya existente 
y trata de adaptarlo para algún propósito nuevo. Al principio, lo que produ­
ce el mecánico puede tener poco sentido para el ingeniero, cuyo pensamien­
to no está limitado por los dispositivos y los recursos disponibles. De la mis­
ma manera, las soluciones naturales para los problemas a los que se 
enlrentan los seres evolucionados complejos también pueden parecer poco 
claras desde una perspectiva de diseño puro y sin tener en cuenta la historia.
Una manera de empezar a comprender estas soluciones a problemas inicial­
mente opacas, oportunistas e históricamente dependientes de trayectorias, con­
siste en tratar de recapitular artificialmente el proceso evolutivo mismo: hacer que 
un hojalatero alcance a otro. Con ello damos paso a los algoritmos genéticos.
5.3 Los algoritmos genéticos como instrumentos de exploración
Como todos sabemos, la evolución biológica funciona mediante un pro­
ceso de diversificación y selección. Dada una población de organismos y una 
diversidad dentro de esa población, algunos individuos sobreviven y se re­
producen mejor que otros. Añadamos a esto un mecanismo de transmisión
2. Véase una revisión de éstas y otras posibilidades en el capítulo 4 de Clark, 1989,
134 I Explicar la mente extendida
que haga que los descendientes de los más aptos hereden parte de la estruc­
tura de sus antepasados y tendremos las condiciones mínimas para la bús­
queda evolutiva. Normalmente, esta transmisiónsupone otros medios incor­
porados de variación (por ejemplo, la mutación) y de diversificación (por 
ejemplo, los procesos de división y recombinación característicos de la re­
producción sexual). Mediante una serie repetida de variaciones, diversifica­
ciones, selecciones y transmisiones, el proceso evolutivo realiza una búsque­
da en el espacio de opciones estructurales, una búsqueda que tenderá a 
concentrarse en las soluciones más aptas para los problemas de la supervi­
vencia y la reproducción.
Los algoritmos genéticos3 simulan este tipo de proceso evolutivo. La po­
blación consiste, inicialmente, en una variedad de individuos de software, 
que o bien se han codificado a mano, o bien se han generado al azar. Estos 
«individuos» podrían ser líneas de código, estructuras de datos, programas 
informáticos jerárquicos completos, redes neuronales, etc. A continuación, 
se permite que estos individuos actúen en algún entorno para poder com­
putar, después de cierto tiempo, una medida de aptitud para cada uno 
(¿Cuánto alimento ha encontrado? ¿Ha evitado a los depredadores?...). 
Después se emplea la codificación inicial de los individuos más aptos (nor­
malmente almacenada en forma de cadenas binarias) como base para la re­
producción (es decir, para generar la próxima población). Pero en vez de li­
mitarse a copiar los individuos con más éxito, se emplean operaciones de 
cruce y mutación. En las mutaciones se realiza un pequeño cambio aleato­
rio en la estructura de la codificación de un individuo. Por ejemplo, si el in­
dividuo es una red neuronal, se pueden modificar sutilmente algunos pesos. 
En los cruces se recombinan partes de las codificaciones de dos individuos 
para imitar la dinámica general de la reproducción sexual. Así, la nueva ge­
neración se basa en las variantes con más éxito de la generación anterior, 
pero continúa el proceso de búsqueda de soluciones eficientes investigando 
parte del espacio que circunda las buenas soluciones anteriores. Cuando 
este proceso se repite durante centenares de miles de generaciones, consti­
tuye (para ciertos ámbitos de problemas) una potente versión de la búsque­
da de descenso por un gradiente,4 salvo por el hecho de que aquí los incre­
mentos de aprendizaje se producen generación tras generación y no durante 
la vida de un solo individuo.
Estas técnicas se han utilizado para desarrollar soluciones a problemas en 
una amplia variedad de ámbitos, desde el seguimiento de pistas en hormigas ar-
I
3. Véase, por ejemplo, Holland, 1975; Goldberg, 1989; Koza, 1992; Belew, 1990; Nolft, 
Floreano, Miglino y Mondada, 1994.
4 Vease el capitulo 3 anterior
Robots en evolución I 135
tificiales (Jefferson y otros, 1990; Koza, 1991), hasta el descubrimiento de leyes 
del movimiento planetario (Koza, 1992), pasando por la evolución de contro­
ladores de redes neuronales para insectos artificiales (Beer y Gallagher, 1992). 
Esta ultima aplicación es especialmente interesante porque, como veremos a 
continuación, nos permite estudiar los efectos de aprendizajes evolutivos incre 
mentales en entornos que incluyen una rica dinámica corporal y ambiental.
5.4 Inteligencia corpórea en evolución
Caminar, ver y navegar son estrategias adaptativas fundamentales explo­
tadas por muchas criaturas evolucionadas. ¿Puede ayudarnos la evolución si­
mulada a comprenderlas mejor? La respuesta parece ser un «sí» provisional.
Consideremos el caminar. Randall Beer y John Gallagher (1992) han uti­
lizado algoritmos genéticos para hacer evolucionar controladores de redes 
neuronales para la locomoción de insectos. Resulta que estos controladores 
evolucionados explotan una variedad de estrategias robustas y, en ocasiones, 
nada evidentes. Muchas de estas estrategias se basan en interacciones estre­
chas y continuas entre el controlador y el entorno, y no suponen la cons­
trucción previa de programas motores detallados y explícitos. Además, los 
mejores controladores fueron capaces de enfrentarse con éxito a una varie­
dad de situaciones que constituían un desafío, incluyendo funcionar con re- 
troalimentación sensorial y sin ella, y compensar automáticamente ciertos ti­
pos de cambio estructural.
El insecto robot de Beer y Gallagher era una especie de cucaracha simu­
lada' con seis patas. Cada pata estaba articulada y se podía alzar y bajar. Un 
sensor en cada pata comunicaba el ángulo de las patas en relación con el 
cuerpo. El insecto simulado estaba controlado por una red de redes neuro­
nales (cada pata tenía un controlador de red dedicado, formado por cinco 
neuronas). Cada subred de cinco neuronas incluía tres neuronas motoras 
que gobernaban la pata y dos neuronas «extra» con una función abierta. 
Cada subred recibía datos de entrada procedentes del sensor asociado a la 
pata que controlaba. Se utilizó un algoritmo genético (véase el apartado 5.3 
anterior) para descubrir un conjunto de características (como los pesos de 
conexión; véase el capítulo 3 anterior) que permitiera a este tipo de arqui­
tectura de control generar una locomoción sólida y estable. Esto, a su vez, 
implicaba encontrar pesos, sesgos y constantes de tiempo (velocidades de 
respuesta) capaces de generar una pauta de movimiento viable para cada 
pata y de coordinar los movimientos de todas las patas.
5. Véanse la introducción y el capítulo 2 de este libro.
136 t Explicar la mente extendida
Beer y Gallagher desarrollaron once controladores, cada uno con un 
conjunto diferente de valores para los parámetros y los pesos. Todos los con­
troladores produjeron una buena locomoción y rodos emplearon la «marcha 
trípeda», favorita de los insectos reales que se desplazan con rapidez.
La importancia de la interacción controlador-entorno quedó demostrada 
por el desarrollo evolutivo de soluciones en tres entornos diferentes. En el 
primer entorno, la búsqueda evolutiva se producía con los sensores de las 
patas en funcionamiento. Como era de esperar en estas condiciones, las so­
luciones finales se basaban firmemente en una continua retroalimentación 
sensorial- Si más adelante se desactivaban los sensores, la locomoción se per­
día o presentaba muchos problemas. En el segundo entorno, la búsqueda 
evolutiva se producía sin retroalimentación sensorial. En esta condición «a 
ciegas» se descubrieron soluciones que sólo estaban basadas en generadores 
centrales de pautas y que, en consecuencia, producían una locomoción algo 
torpe pero fiable, semejante a la de un robot de juguete.
Muchísimo más interesantes fueron los resultados obtenidos cuando la 
retroalimentación sensorial estaba presente de una manera intermitente 
durante la búsqueda evolutiva. En estas condiciones inestables, evolucio­
naron unos controladores que podían producir un caminar fluido emple­
ando la retroalimentación sensorial cuando estaba disponible, pasando a 
una generación de pautas «a ciegas» en ausencia de retroalimentación sen­
sorial (y produciendo una locomoción viable aunque menos elegante) e in­
cluso compensando automáticamente ciertos cambios estructurales (por 
ejemplo, alteraciones de la longitud de las patas, como ocurre durante el 
crecimiento biológico). La explicación de esta última propiedad supone 
que, en estas soluciones «mixtas», la retroalimentación sensorial modula el 
generador de pautas. Una alteración en la longitud de una pata influye en 
las lecturas del sensor correspondiente y esto, a su vez, ocasiona una ra- 
lentización en el generador de salidas motrices. Este tipo de compensación 
automática tiene un sabor biológicamente realista: pensemos cómo se 
adapta automáticamente un gato para andar a tres patas cuando se ha le­
sionado una o cómo se adapta un ser humano a caminar sobre una super­
ficie helada o con un tobillo torcido. Sin embargo, como señala Beer 
(1995b), este tipo de adaptación no es el resultado de un aprendizaje indi­
vidual como tal: es más bien algo inherente a la dinámica original del siste­
ma, y las nuevas condiciones (lesiones, crecimiento de las patas, etc.) no 
hacen másque ponerla de manifiesto.
En general, el tipo de solución encarnada por este controlador mixto su­
pone un equilibrio tan sutil entre la generación centralizada de pautas y la 
modulación sensorial que, según Beer, es muy fácil que un analista humano 
lo hubiera pasado por alto. Mediante el empleo de algoritmos genéticos, se
Robots en evolución I 137
pueden encontrar soluciones que saquen el máximo partido de aquellas es­
tructuras ambientales disponibles y que no se vean perjudicadas por nuestra 
tendencia natural a buscar soluciones ordenadas, nítidas y fáciles de des­
componer. Naturalmente, la vertiente negativa de estas soluciones más de­
sordenadas, más interactivas y más realistas biológicamente es que no sólo 
son difíciles de descubrir sino que también son difíciles de comprender una 
vez descubiertas. Volveremos a este problema en el apartado 5.7.
Posteriores experimentos realizados en otros ámbitos han dado los mis­
mos resultados que los de Beer y Gallagher. Harvey y otros (1994) hicieron 
evolucionar sistemas de control para robots orientados visualmente y Yamu- 
chi y Beer (1994) hicieron evolucionar redes capaces de controlar un robot 
que empleaba como entrada señales de sonar para realizar tareas de recono­
cimiento y navegación por terrenos accidentados. Johnson y otros (1994) 
emplearon la programación genética para hacer evolucionar rutinas pareci­
das a la visión animada para solucionar tareas de procesamiento visual eco­
lógicamente realistas y computacionalmente poco costosas (recordemos el 
capítulo 1), y aparecieron soluciones que superaron significativamente a los 
mejores programas que ellos mismos habían escrito a mano. Por tanto, exis­
ten muchos indicios de la potencia de la búsqueda evolutiva simulada para 
descubrir soluciones robustas y poco evidentes a problemas biológicamente 
realistas. Con todo, el optimismo de esta afirmación se debería atenuar re­
conociendo varias limitaciones importantes que aquejan a la mayor parte de 
los trabajos en este campo. Las principales limitaciones son la «congelación» 
del espacio de problemas, el empleo de arquitecturas neuronales y corpora­
les fijas, la falta de una distinción adecuada entre fenotipo y genotipo, y el 
problema del «aumento de la escala» de la búsqueda evolutiva.
La «congelación» del espacio de problemas se refiere a la tendencia a 
predeterminar una función adaptativa fija y a utilizar la evolución simulada 
sólo para maximizar la aptitud en relación con esta meta prefijada (caminar, 
navegar, etc.). Este enfoque desatiende uno de los factores que con más fuer­
za diferencian la adaptación evolutiva real de otras formas de aprendizaje: la 
capacidad de hacer coevolucionar problemas y soluciones. Un ejemplo clási­
co es la coevolución de técnicas de persecución y evasión en especies anima­
les.6 La cuestión esencial es, simplemente, que la evolución natural no actúa 
para «resolver» un problema fijo. En cambio, los problemas mismos se alte­
ran y evolucionan en una compleja red de cambios coevolutivos.
Igualmente problemática es la tendencia a buscar dentro de un espacio 
de problemas definido parcialmente por alguna arquitectura neurona! o cor-
6. Véanse algunos experimentos de evolución simulada que implican persecución y eva­
sión en Miller y Clifí, 199-t.
138 I Explicar la mente extendida
pora! fija. Una vez más, estas búsquedas congelan parámetros que, en el 
mundo natura!, están sujetos al cambio evolutivo. Por ejemplo, la cucaracha 
simulada tenía una forma corporal fija y un conjunto fijo de recursos neuro- 
nales. En cambio, la búsqueda evolutiva real es capaz de modificar tanto la 
forma corporal7 como la arquitectura nerviosa general.
Otra distorsión biológica es el empleo de correspondencias genotipo 
fenotipo bastante directas. En la búsqueda normal por algoritmo genético, 
las nuevas poblaciones de individuos están totalmente especificadas por 
sus genotipos. En cambio, la manera en que los genes reales llegan a ex­
presarse en los cuerpos reales permite que las interacciones ambientales 
desempeñen un papel mucho mayor durante el tiempo de desarrollo indi­
vidual. De hecho, la imagen de que los genes «codifican» características fí 
sicas suele ser errónea. En realidad, los genes codifican características físi­
cas posibles cuya expresión depende, en gran medida, de la influencia de 
una variedad de factores ambientales. La capacidad de seleccionar factores 
genéticos cuya expresión final en los individuos sigue estando en gran me­
dida bajo el control del entorno, permite que la evolución biológica expío 
te varios grados de libertad que no están presentes en la mayoría de los 
modelos artificiales.8
Finalmente existe el problema ampliamente reconocido del «aumento de 
la escala». La mayoría de los trabajos presentados anteriormente aplican la 
búsqueda genética a controladores de redes neuronales relativamente pe­
queños. A medida que aumenta el número de parámetros que caracterizan a 
los controladores, las variedades normales de búsqueda evolutiva son cada 
vez más ineficaces. La clave para superar este problema parece residir en 
combinar una mejora de las codificaciones genéticas con una «descarga» de 
parte de la tarea en el entorno (es decir, reducir la cantidad de información 
codificada en el genotipo y depender más de las interacciones evolutivas con 
un entorno estructurador). Vemos así que el problema del aumento de la es­
cala y el anterior problema de la correspondencia entre fenotipo y genotipo 
pueden estar más vinculados de lo que parece a primera vista.9
7. Siguiendo esta linea, Menczer y Belew (1994) emplean un algoritmo genético para de- 
terminqr la elección de una interfaz organismo-entorno haciendo evolucionar diferentes tipos 
de sensor.
8. Véase un examen excelente de las complejidades de las interacciones gen-entorno en 
Gifford, 1990.
9. El trabajo de Nolfi, ^liglino y Parisi (1994) es uno de los pocos intentos de introducir 
la plasticidad fenotípica en un modelo combinado de algoritmo genético y red neurona!. En 
este modelo, la correspondencia genotipo-fenotipo es un proceso extendido en el tiempo y 
sensible al entorno. Además, la búsqueda evolutiva misma se emplea para determinar el equi­
librio entre la influencia de los genes y del entorno.
Robots en evolución I 139
Por tanto, es evidente que el empleo de la evolución simulada está lejos de 
ser una panacea para la investigación sobre agentes autónomos. Sin embargo, 
estos métodos ya se han ganado un lugar en la «caja de herramientas» de las 
ciencias cognitivas de la mente corpórea. La medida en que ese lugar sea más 
o menos fundamental también dependerá de la resolución de una disputa in­
terna bastante intensa sobre la legitimidad y el valor de emplear agentes y en­
tornos simulados para comprender la cognición corpórea y activa.
5.5 La batalla de los simuladores (¡Viva lo auténtico!)
En general, la evolución artificial tiene lugar en poblaciones de organis­
mos simulados que intentan superar entornos simulados. Sin embargo, el 
empleo de estas simulaciones es, en sí mismo, objeto de discusión dentro de 
la comunidad de investigadores que estudian la cognición corpórea y embe­
bida. Por un lado, el empleo de mundos y agentes simulados ofrece las cla­
ras ventajas de simplificar los problemas y hacer más tratable e! estudio de 
poblaciones grandes. Por otro lado, una de las principales ideas que impul­
san gran parte de la investigación de los agentes autónomos es, precisamen­
te, el reconocimiento de la insospechada complejidad de las interacciones 
reales entre agente y entorno y las sorprendentes maneras en que los seres 
corpóreos pueden explotar las características y las propiedades del mundo. 
Los fans de la robótica real10 * destacan que los investigadores subestiman sis­
temáticamente la dificultad de los problemas (desatendiendo aspectos de la 
realidad como el ruido y la poca fiabilidad de los componentes mecánicos) y 
que también pasan por alto soluciones sobre la marchaque dependen de 
propiedades físicas generales como la elasticidad y el «dar de sí» de ciertos 
componentes.11
Tim Smithers (1994, págs. 64-66) ofrece un útil ejemplo -no relacionado 
con la robótica- del papel de estas propiedades físicas en su interpretación 
de la «oscilación pendular», un fenómeno asociado a la segunda generación de 
reguladores de bolas empleados para controlar la potencia de salida de los 
primeros motores de vapor. Los reguladores de bolas (también conocidos 
como reguladores de Watt en homenaje a su inventor, James Watt) se em­
plean para mantener constante la velocidad de un volante que funciona con 
un motor de vapor y al que se conecta otra maquinaria. Sin un mecanismo 
regulador, la velocidad del volante variaría según las fluctuaciones del vapor, 
las alteraciones del volumen de trabajo y otros factores. El regulador se basa
10. Véanse, por ejemplo, Urooks, 1992 y Smithers, 1994.
11 Recuérdese el ejemplo del robot de una cadena de montaje citado en el prefacio.
140 l Explicar la mente extendida
en un eje vertical conectado con el volante principal. El eje tiene dos brazos, 
unidos por goznes, con una esfera metálica en el extremo de cada uno. 
Cuando el volante gira, los brazos se van separando del eje a medida que 
aumenta la velocidad de rotación. Los brazos actúan directamente sobre una 
válvula reguladora que reduce el flujo de vapor cuando los brazos se separan 
(cuando aumenta la velocidad del volante) y que lo aumenta cuando los bra­
zos se acercan (cuando disminuye la velocidad del volante). Este dispositivo 
hace que el volante mantenga una velocidad de rotación constante, necesaria 
para muchas aplicaciones industriales. Según Smithers, cuando aumentó la 
precisión en los procesos de fabricación apareció una nueva generación de re­
guladores que empezó a mostrar un problema no observado en las versiones 
anteriores, más «rudimentarias». Los nuevos reguladores, fabricados con pre­
cisión, solían ser incapaces de establecer una velocidad de rotación fija y pro­
vocaban una oscilación de aceleraciones y desaceleraciones. Esta oscilación 
pendular en torno a una velocidad constante se producía porque los nuevos 
reguladores reaccionaban con demasiada rapidez a la velocidad del eje prin­
cipal, produciendo una compensación excesiva. ¿Por qué el rendimiento de 
las primeras versiones rudimentarias superaba al de las posteriores, diseñadas 
con precisión? La razón era que el rozamiento entre las juntas, los cojinetes y 
las poleas de las primeras versiones era suficiente para amortiguar las res­
puestas del sistema, protegiéndolo así de los ciclos de rápida sobrecompen­
sación observados en las máquinas más nuevas. Los reguladores modernos se 
basan en componentes adicionales para impedir la oscilación pendular, pero 
al precio de ser más difíciles de montar y utilizar (ibíd., pág. 66).
Smithers demuestra que los intentos de hacer más precisos los sistemas 
sensoriales de robots sencillos se pueden encontrar con problemas similares. 
Si la conducta del robot depende estrechamente de las lecturas de los senso­
res, unos dispositivos muy sensibles quizás respondan en exceso ante pe­
queñas perturbaciones ocasionadas por cambios ambientales relativamente 
insignificantes o incluso por el funcionamiento del sensor mismo. Por tanto, 
un aumento de resolución no siempre es positivo. Mediante el empleo de 
componentes menos precisos, se pueden diseñar robots con dispositivos fí­
sicos cuyas propiedades (por ejemplo, pérdidas mecánicas y eléctricas) amor­
tigüen las respuestas y eviten variaciones y fluctuaciones no deseadas. Según 
Smithers, de todo esto se deduce que también puede ser erróneo concebir 
los sensores como dispositivos de medición y que deberíamos verlos como 
filtros cuyo papel consiste, en parte, en absorber variaciones conductalmen- 
te insignificantes para que el sistema pueda mantener unas interacciones sen­
cillas y robustas con su entorno. Según Smithers, los componentes físicos 
reales suelen ofrecer gran parte de esta capacidad de filtración o absorción 
como resultado de las pérdidas eléctricas y mecánicas inherentes a los me­
Robots en evolución I 141
dios físicos. Es evidente que estos efectos «de propina» no aparecen en los 
sistemas agente-entorno simulados. Por tanto, los trabajos basados en simu 
laciones corren el peligro de pasar por alto soluciones económicas a proble­
mas importantes porque no reconocen el papel estabilizador de ciertas pro 
piedades físicas brutas como la fricción y las pérdidas mecánicas y eléctricas.
Otro problema de los enfoques basados en la pura simulación es la iuer- 
te tendencia a simplificar en exceso el entorno simulado y a concentrarse en 
la inteligencia del agente simulado. Esto refuerza aún más la visión errónea 
del entorno que lo considera poco más que el marco en el que se establece 
un problema dado. En cambio, todos los argumentos de los capítulos ante­
riores describen el entorno como un recurso rico y activo que actúa como 
«cómplice» en la producción de la conducta adaptativa. Otras inquietudes 
relacionadas con ésta son la pobreza relativa de la física simulada (que, en 
general, excluye parámetros cruciales de la realidad como el rozamiento y el 
peso), la alucinación de un flujo perfecto de información entre el «mundo» 
y los sensores, y la alucinación de unos componentes uniformes y perfecta­
mente diseñados" (por ejemplo, el empleo de cuerpos idénticos para todos 
los individuos en la mayoría de los escenarios evolutivos). Esta lista se podría 
ampliar, pero el mensaje es claro. La simulación ofrece, como mucho, una 
versión empobrecida de la realidad y este empobrecimiento sigue unas líneas 
bastante peligrosas: líneas que amenazan con deformar nuestra imagen del 
funcionamiento de los agentes, enmascarando las aportaciones de las carac­
terísticas del entorno y de los cuerpos físicos reales.
A pesar de todo esto, las ventajas de emplear las simulaciones con mesu­
ra pueden ser grandes, especialmente cuando se investiga el cambio evoluti­
vo. Las grandes poblaciones simuladas son baratas de producir y iáciles de 
controlar. Dentro de un entorno virtual, la evaluación de la aptitud en rela­
ción con una conducta se puede automatizar. Los problemas de la ingeniería 
real se evitan completamente. Además, la evolución simulada a gran escala 
ofrece un considerable ahorro de tiempo en comparación con el empleo re­
petido de observaciones y evaluaciones en el mundo real.
Por tanto, lo más indicado a efectos prácticos parece ser una estrategia 
mixta. Así, teóricos como Nolfi, Miglino y Parisi (1994), y Yamuchi y Beer 
(1994), emplean simulaciones en las etapas iniciales de investigación y desa­
rrollo y después transfieren los resultados a robots móviles verdaderos. Na­
turalmente, los controladores de redes neuronales que se han hecho evolu­
cionar para guiar un robot simulado, difícilmente se podrán transferir sin 
problemas a un sistema real. Pero la fase de simulación se puede utilizar, por 12
12. Estas desventajas se identifican y se discuten en la pág. 194 de Nolfi, Floreano, Migli 
no y Mondada, 1994.
142 I Explicar la mente extendida
lo menos, para obtener valores generales de una variedad de parámetros que 
después se pueden ajustar y adaptar con más precisión al contexto real.11
Finalmente, se debe destacar que incluso la investigación basada en la si­
mulación pura puede ser inmensamente valiosa, en la medida en que permi­
ta la investigación de cuestiones generales relacionadas (por ejemplo) con la 
interacción entre el aprendizaje individual y el cambio evolutivo {Ackley y 
Littman, 1992; Nolíi y Parisi, 1991) y con las propiedades de grandes colee 
tivos de agentes muy simples (Resnick, 1994). Sin embargo, como medio 
para comprender la dinámica detallada de las interacciones entre agentes y 
entornos reales, las simulaciones siempre se deberían tomar «con pinzas».
5.6 Cómo comprender los agentes evolucionados, 
corpóreos y embebidos
A! parecer, el proceso dediseño natural superará sistemáticamente las fi­
guraciones de los teóricos humanos. En particular, la evolución biológica 
prescinde totalmente de nuestra nítida delimitación entre lo meramente físi­
co y lo computacional o informacional. Se pueden explotar características fí­
sicas burdas (como las pérdidas eléctricas y mecánicas, el rozamiento y el 
ruido) junto con estrategias computacionales familiares (como el aprendiza­
je de redes neuronales) para encontrar soluciones robustas a problemas de 
supervivencia y respuesta. Además, como hemos visto repetidamente en ca­
pítulos anteriores, el entorno se puede explotar activamente para transfor­
mar la naturaleza de los problemas que se nos plantean. Y como se comentó 
en el apartado 5.2 anterior, con frecuencia la evolución biológica debe tras­
tear con recursos viejos para producir nuevas capacidades: por tanto, la in­
novación cognitiva rara vez se confecciona a partir de un solo tejido com­
pleto, con un diseño ideal. Estos factores se unen para hacer que el diseño 
biológico acabe siendo curiosamente opaco. Si desmontamos una grabadora 
de vídeo encontraremos un conjunto bien delimitado de módulos y placas de 
circuitos que desempeñan unas funciones claras y específicas en la produc­
ción de un rendimiento con éxito. Esto ocurre porque los diseñadores hu­
manos (cosa nada sorprendente) optan por el tipo de diseño global basado 
en componentes que tiene más sentido para una reflexión secuencial y cons­
ciente. En el cerebro humano parecen intervenir como componentes unas 13
13. Este ajuste se puede lograr mediunte una evolución continuada, empleando robots 
reales como fuente de genotipos que luego son seleccionados y modificados con el uso de una 
simulación de algoritmo genético, o también se puede lograr mediante un diseño y un ajuste 
manual. Véase un planteamiento en Nolfi, Florcano, Miglino y Mondada, 1994.
Robots en evolución i 143
estructuras y unos cableados mucho menos transparentes, incluyendo enor­
mes cantidades de circuitos recurrentes que permiten modificaciones mu­
tuas y repetidas entre muchas áreas. Y de todos modos el papel del cerebro 
no es más que hacer que el cuerpo ejecute los movimientos correctos. Al fi­
nal, el éxito adaptativo no se puede atribuir a los cerebros sino a coaliciones 
cerebro-cuerpo embebidas en entornos ecológicamente realistas. Y aquí se 
plantea una pregunta muy amplia y, por ahora, sin respuesta: ¿cómo pode­
mos estudiar y comprender {no sólo reproducir) el éxito adaptativo de los 
seres biológicos, cuyos principios de diseño no respetan los límites intuitivos 
entre cognición, cuerpo y mundo?
Una posibilidad, que hoy por hoy va ganando terreno, es sustituir la teo­
rización computacional y el discurso representacional, que son los instru­
mentos usuales de la ciencia cognitiva, por la teorización y el discurso de la 
teoría de los sistemas dinámicos. El argumento es el siguiente: la imagen de 
la cognición como generación de transformaciones computacionales de re­
presentaciones internas, supone un retorno a la concepción del cerebro 
como sede fundamental de un tipo de inteligencia esencialmente incorpórea. 
Y la razón de ello es que, en esta imagen, se parte del supuesto de que las re­
presentaciones así concebidas sustituyen a elementos y sucesos reales y que 
el razonamiento se produce en una especie de terreno simbólico interno. 
Pero hemos visto que la inteligencia corpórea real es, fundamentalmente, 
una manera de enlazar con el mundo, de emplear estrategias activas que de­
jan gran parte de la información fuera, en el mundo, y de emplear astuta­
mente secuencias repetidas, en tiempo real, de interacciones cuerpo-mundo 
para resolver problemas de una manera robusta y flexible. La imagen es la de 
dos sistemas complejos acoplados (el agente y el entorno) cuya actividad 
conjunta resuelve el problema. En estos casos, puede tener poco sentido de­
cir que un sistema representa al otro.
Como esta idea puede ser difícil de captar, será útil dar un ejemplo. Tim 
van Gelder nos invita a considerar, desde esta perspectiva, el funcionamien­
to del regulador de Watt descrito en el apartado 5.5 anterior. Recordemos 
que este regulador mantiene el volante a una velocidad constante, mediante 
dos brazos lastrados cuya oscilación cierra la válvula reguladora cuando 
aumenta la velocidad de rotación y la abre cuando esta velocidad disminuye. 
Van Gelder (1995, pág. 348) contrasta esto con la operación de un «regula­
dor computacional» imaginario que funcionaría de la manera siguiente:
Medir la velocidad del volante.
Comparar la velocidad real con la velocidad deseada.
Si hay una discrepancia, entonces: 
medir la presión actual del vapor,
144 I Explicar la mente extendida
calcular la alteración deseada en la presión del vapor, 
calcular el ajuste necesario para la válvula reguladora.
Ajustar la válvula reguladora. Volver al paso I.
Este regulador computacional utiliza mediciones explícitas de la veloci­
dad y de la presión del vapor que luego actúan como entrada para otros pro­
cesos que calculan los ajustes necesarios. En cambio, el regulador de Watt 
incorpora las etapas de medición, cálculo y control en un proceso único que 
integra las influencias recíprocas entre la velocidad del motor por un lado, y 
la velocidad y el ángulo de los brazos por otro. Según van Gelder, es mejor 
concebir el funcionamiento del regulador de Watt en función de bucles de 
retroalimentación y de sistemas físicos estrechamente acoplados, que en fun 
ción de representaciones y de cálculos. Estos fenómenos pertenecen al te­
rreno de la teoría general de los sistemas dinámicos. Hagamos ahora una pau­
sa para conocer mejor esta teoría.
La teoría de los sistemas dinámicos es un marco de referencia14 bien 
establecido para describir y comprender la conducta de sistemas comple­
jos (véase, por ejemplo, Abraham y Shaw, 1992). Las ideas fundamentales 
que subyacen a la perspectiva de los sistemas dinámicos son la noción de 
un espacio de estados, la noción de una trayectoria o un conjunto de tra­
yectorias posibles a través de ese espacio y el empleo de la matemática 
(continua o discreta) para describir las leyes que dictan las formas de es­
tas trayectorias.
Por tanto, la perspectiva de los sistemas dinámicos incorpora, como un 
aspecto fundamental del análisis, la idea de la evolución de los estados de un 
sistema a lo largo del tiempo. Como formalismo general es aplicable a todos 
los sistemas computacionales existentes (tanto conexionistas como clásicos), 
pero su alcance es más amplio y también se puede aplicar al análisis de siste­
mas físicos no cognitivos y no computacionales.
Desde esta perspectiva, el objetivo del análisis de un sistema dinámico es 
presentar una imagen de un espacio de estados con una dimensionalidad de 
tamaño arbitrario (dependiendo del número de parámetros significativos del 
sistema) y comprender las conductas del sistema en función de su posición y
14. Los precursores directos de la nueva ola de «dinamicistas cognitivos» fueron los fe­
nomenales especialistas en cibernética de los años cuarenta y principios de los cincuenta. En­
tre las publicaciones fundamentales se encuentran la obra de Norbert Wiener Cybenietia, or 
Control and Communication Jn (be Animal and in (be Machine (Wiley, 1948), diversos volúme­
nes con transcripciones literales de las exposiciones realizadas durante una serie de conferen 
cías Macy sobre cibernética (Transactions of theSixth, Seventh, Eighth and Ntnth (1949-1952) 
Macy Con/erencei (Josiah Macy Jr. Foundation]), la obra de W. Ross Ashby btlroductton lo Cy- 
bemetics (Wiley, 1956) y el clásico de Ashby Destgn fora Bratn (Chapman and Hall, 1952)
Robots en evolución I 145
su movimiento dentro de ese espacio geométrico abstracto. Para reforzar 
esta comprensión se suelen invocar con regularidad varios constructos adi­
cionales. Estos constructos capturan las propiedades distintivas de ciertos 
puntos o regiones (conjuntos de puntos) del espacio determinadaspor la 
matemática que rige el sistema. Esta matemática suele especificar una ley di­
námica que determina cómo evolucionan con el tiempo los valores de un 
conjunto de variables de estado (esta ley puede consistir, por ejemplo, en un 
conjunto de ecuaciones diferenciales). Dado un estado inicial, la sucesión 
temporal de estados determinada por la ley dinámica forma una trayectoria 
a través del espacio. El conjunto de todas las trayectorias que pasan por 
cada punto se denomina flujo y su forma es el objeto típico de estudio. Para 
comprender mejor la forma de este flujo se utilizan varios constructos, in­
cluyendo el de atractor: un punto o una región del espacio que, de acuerdo 
con las leyes que gobiernan el movimiento a través de ese espacio, «absorbe» 
cualquier trayectoria que pase cerca de él. Otros conceptos relacionados son 
la «cuenca de atracción» (el campo de influencia de un atractor) y las «bi 
furcaciones» (casos donde un cambio pequeño en los valores de un paráme­
tro pueden reestructurar el flujo produciendo un nuevo «retrato de lase», es 
decir, una nueva representación de la estructura general de las cuencas de 
atracción y de los límites entre las mismas).
Por tanto, el enfoque de los sistemas dinámicos proporciona un conjun­
to de instrumentos matemáticos y conceptuales que ofrece una comprensión 
esencialmente geométrica del espacio de conductas posibles de un sistema. 
Para captar el sabor del empleo de estos instrumentos, consideremos una 
vez más el trabajo sobre la evolución de controladores de patas de insecto 
descrito en el apartado 5.4 anterior. Al intentar comprender el tunciona- 
miento del controlador de una sola pata,15 Beer (1995b) destaca la I unción 
desempeñada por un cambio sistemático entre dos atractores fijos. El primer 
atractor entra en acción cuando se acaba de colocar la punta de una pata so­
bre el suelo, dando inicio a una «fase de postura». La evolución de este esta­
do hace que el sistema se acerque a un atractor fijo. Sin embargo, cuando la 
pata se sigue moviendo, este atractor desaparece y es sustituido por otro que 
ocupa una posición distinta en el espacio de estados, haciendo que el estado 
del sistema evolucione hacia él. Este segundo atractor corresponde a una 
«fase de oscilación [de la pata]». El cambio alternante entre estos dos pun­
tos fijos se debe a un conjunto de bifurcaciones que se producen cuando la 
pata forma un ángulo determinado. Como consecuencia, el retrato de fase 
del controlador alterna entre los dos atractores fijos. Si se desactiva el sensor
15. Éste era el controlador que recibía una retroalimentación sensorial constante; Beer lo 
llama «controlador reflejo».
146 I Explicar la mente extendida
del ángulo de la pata, la dinámica se colapsa hasta un punto fijo, congelando 
al insecto en una fase de postura permanente. Obsérvese especialmente que 
la dinámica descrita por Beer no pertenece al controlador de red neuronal 
per se, sino más bien al sistema acoplado formado por el controlador y el 
cuerpo (pata) del insecto. La interacción recíproca entre el controlador y la 
pata (mediada por la capacidad de detección de ángulos del sensor de la 
pata) proporciona la trayectoria en el espacio de estados que acabamos de 
descubrir.
Aunque es indudable que este tipo de comprensión geométrica basada 
en espacios de estados es a la vez valiosa e informativa, sigue abierta la cues­
tión sobre la medida en que estas explicaciones pueden reemplazar, y no sólo 
complementar, las interpretaciones más tradicionales formuladas en térmi­
nos de transiciones computacionales y estados representacionales internos. 
Esta postura radical (que pronostica la sustitución total del discurso compu- 
tacional y representacional por un discurso centrado en sistemas dinámicos 
geométricos) se enfrenta a dos retos cruciales.
El primer reto se refiere a la escala y la tratabilidad. Incluso el conjunto de 
30 neuronas que controlan las patas del insecto artificial acabado de mencio­
nar, constituye un sistema dinámico de tal complejidad que nuestra com­
prensión geométrica intuitiva se viene abajo. Además, la matemática detalla­
da de la teoría de los sistemas dinámicos se hace menos tratable a medida que 
aumentan el número de parámetros y el tamaño del espacio de estados. Por 
eso el análisis de Beer se aplicó a los sistemas más simples, de cinco neuronas, 
que controlaban cada pata. Por tanto, el alcance práctico de la teoría de los 
sistemas dinámicos para sistemas acoplados muy complejos y dimensionales 
(como el cerebro humano) se debe poner seriamente en duda.
El segundo reto, más fundamental, se refiere al tipo de comprensión que 
ofrecen estos análisis. Esta comprensión corre el riesgo de convertirse más 
en una descripción abstracta que en una explicación completa. Sabemos qué 
hace el sistema y cuándo lo hace, y qué pautas de evolución temporal mues­
tra su conducta; pero esta información, aunque valiosa, no parece ser ex­
haustiva. De hecho, y como argumentaré después con más detalle, con fre­
cuencia nos quedamos con una imagen empobrecida del roladaptativo de los 
componentes y de la organización funcional interna del sistema.
Mi propuesta es que los mejores aspectos de los análisis dinámicos son su 
atención intrínseca a la dimensión temporal y su fácil capacidad para entre­
cruzar los límites entre cerebro, cuerpo y entorno. Destacaré los aspectos 
temporales en un capítulo posterior. Pero la cuestión de los límites ya debe­
ría estar clara: cuando tratamos el cerebro como un sistema dinámico, en 
esencia lo estamos tratando igual que la mecánica corporal y los procesos del 
entorno. El resultado es que la tarea de caracterizar la conducta adaptativa
Robots en evolución { 147
en función de acoplamientos complejos entre cerebro, cuerpo y entorno, se 
convierte en algo especialmente fácil y natural.
Por tanto, abogaré por una postura un tanto ecuménica. Los instrumen- 
tos de la teoría de los sistemas dinámicos son una baza muy valiosa para 
comprender las conductas estrechamente acopladas con el entorno que an­
tes he destacado. Pero se deberían considerar complementarios de la bús­
queda de interpretaciones basadas en la computación y la representación. 
Varios de los próximos capítulos se dedicarán a exponer los argumentos en 
favor de esta complementariedad.
6 Emergencia y explicación
6.1 ¿Estilos diferentes?
¿Qué instrumentos hacen falta para comprender la cognición corpórea y 
embebida en tiempo real? Concretamente, ¿existe una gama de fenómenos 
emergentes cuya dependencia tan estrecha del acoplamiento entre cerebro, 
cuerpo y mundo haga fracasar a los análisis tradicionales? Argumentaré que 
los fenómenos emergentes sí exigen unos estilos nuevos de explicación y es­
tudio, pero que es mejor considerar estos estilos como complementarios (no 
como contrarios) de los enfoques analíticos más familiares. Sin duda, vere­
mos una sensibilidad creciente hacia lo que se puede denominar una «deter­
minación ecológica»1 de las funciones de diversos estados y procesos Ínter 
nos (es decir, que la situación del organismo en un entorno más amplio y sus 
interacciones con ese entorno influyen en lo que se debe representar y com­
putar internamente). Y también veremos la otra cara de esta sensibilidad: 
una atención creciente a la dinámica global de los sistemas completos for­
mados por los organismos y su entorno. Pero ninguno de estos desarrollos 
evita la necesidad de comprender la contribución de los componentes neu- 
ropsicológicos reales a las capacidades que caracterizan psicológicamente a 
un agente: un proyecto que aún parece exigir el empleo de algunos instru 
mentos analíticos bastante tradicionales. En consecuencia, argumentaré que 
una ciencia cognitiva con éxito deberá estudiar tanto la macrodinámica de 
los sistemas agente/entorno como la mícrodinámica computacional y repre 
sentacional de los circuitos neuronales reales.
1 Debo esta expresión a Josefa Toribio.
150 I Explicar la mente extendida
6.2 Delas partes a los todos
En este apañado distinguiré tres estilos de explicación científica cogniti- 
va. Estos estilos son muy generales y reúnen modos de programación opues­
tos entre sí (como el conexionista y el clásico).
Explicación basada en componentes
Explicar el funcionamiento de una totalidad compleja detallando los pa­
peles individuales y la organización total de sus partes equivale a dar una ex­
plicación basada en componentes'. Éste es el estilo explicativo natural que 
adoptamos, por ejemplo, cuando explicamos el funcionamiento de un auto­
móvil, un televisor o una lavadora. Explicamos la capacidad global del siste­
ma haciendo referencia a las capacidades y funciones de sus componentes y 
a la manera en que estos componentes interaccionan entre sí.
Así interpretada, la explicación basada en componentes es la equivalen­
te contemporánea de la explicación reduccionista al viejo estilo. Evitaré el vo­
cabulario del reduccionismo por dos razones. En primer lugar, gran parte de 
la discusión filosófica sobre el reduccionismo suponía que las reducciones 
designaban relaciones entre teorías y que las teorías eran constructos Iingua- 
formes que implicaban leyes. Pero, en muchos casos (especialmente en la 
biología y en la inteligencia artificial), las explicaciones reduccionistas no 
adoptan esta forma; en cambio, suponen el desarrollo de unos modelos par­
ciales que especifican unos componentes y sus modos de interacción, y ex­
plican ciertos fenómenos de orden superior (como el funcionamiento de un 
receptor de televisión) haciendo alusión a componentes e interacciones de 
nivel inferior.1 Se trata de explicaciones reduccionistas en un sentido más 
amplio, sentido que la «explicación basada en componentes» parece captar. 
La segunda razón es que contrastar la explicación emergentista con la re­
duccionista daría pie a un malentedido bastante común de la noción de 
emergencia, que consiste en sugerir que las explicaciones emergentistas tie­
nen un factor de misterio porque no explican cómo surgen las propiedades 
de nivel superior a partir de estructuras e interacciones básicas. Pero las hi- 2 3
2. Esto también se conoce (creo que de una manera menos transparente) como «explica­
ción homuncular», una expresión que refleja la idea de que los subcomponcntes pueden ser 
sistemas inteligentes en miniatura siempre y cuando estos sistemas, a su vez, se puedan des­
componer en partes más pequeñas y «más tontas». Naturalmente, el resultado final es una co­
lección de partes tan tontas que, de hecho, se pueden construir. Los cambios de estado bina­
rios que subyacen a los circuitos digitales de un ordenador son un buen ejemplo de este 
resultado final físicamente implementable. Véase, por ejemplo, Dennett, 1978a.
3. Véase, por ejemplo, Bechtel y Richardson, 1992.
Emergencia y explicación I 151
pótesis emergentistas recientes no se callan en absoluto ante estas cuestiones. 
El contraste reside en las maneras en que se combinan las propiedades y las 
características de nivel inferior para producir los fenómenos de interés. En 
realidad, estas explicaciones emergentistas son un caso especial de explica­
ción reduccionista -por lo menos si se interpretan de una manera intuitiva— 
porque intentan eliminar el misterio de la presencia de una propiedad de ni 
vel superior haciendo referencia a una multitud de datos organizativos de 
nivel inferior.4 Así pues, y por todas estas razones, creo que será más preciso 
y menos confuso contrastar la explicación emergentista con la explicación 
basada en componentes y no con la teorización reduccionista en general.
Los métodos de programación modular de la inteligencia artificial clási­
ca5 se prestaban muy bien a una forma de explicación por componentes. 
Cuando intentamos comprender el éxito de estos programas, suele ser útil 
aislar las diversas subrutinas, módulos, etc. y mostrar su papel para dividir el 
problema que interesa en una serie de subproblemas manejables (Dennctt, 
1978a).
Como indica Wheeler (1994), ciertos trabajos «conexionistas» recientes 
también se prestan a un tipo de explicación por componentes. Las solucio­
nes a problemas complejos como el reconocimiento de códigos postales es­
critos a mano (Le Cun y otros, 1989) explotan redes (o redes de redes) muy 
estructuradas y con múltiples capas. En estos casos es posible profundizar en 
nuestra comprensión del funcionamiento del sistema preguntándonos por 
las funciones de estos componentes brutos (capas o subredes). Este tipo de 
explicación es más convincente cuando los componentes admiten una inter­
pretación representacional directa, es decir, cuando el sistema de interés po­
see unas configuraciones de componentes, internas e identificables con fia­
bilidad, que en cierto modo «representan aspectos del dominio... y [también 
posee] unos componentes internos, identificables con fiabilidad, que se pue­
den interpretar como transformadores algorítmicos de esas representacio­
nes» (Beer, 1995a, pág. 225). En resumen: existe una relación entre el análi­
sis de componentes de los sistemas inteligentes y la imagen de estos sistemas 
como dedicados al intercambio de representaciones internas, porque las fun­
ciones distintivas de los componentes postulados se suelen definir haciendo 
referencia a la forma o el contenido de las representaciones internas que pro­
cesan.
■ i. Véase un argumento acerca de que es mejor tratar la emergencia como una especie de 
reducción en Wimsntt, 1986 y Wimsatt (en prensa).
5 Véanse, por ejemplo, Newell y Simón, 1976 y Haugcland, 1981.
152 i Explicar la mente extendida
Explicación de «atrapar y lanzar»
Este es mi nombre favorito para un enfoque que se toma en serio muchas 
ideas de la cognición corpórea y embebida pero que sigue contemplándolas 
a través del cristal del análisis tradicional. La característica principal del mé­
todo de «atrapar y lanzar» es que el entorno se sigue tratando como una sim­
ple fuente de entradas al verdadero sistema de pensamiento: el cerebro. La 
concesión a la perspectiva corpórea reside en reconocer que estas entradas 
pueden conducir a acciones que simplifiquen cómputos posteriores. La ima­
gen tradicional de un ciclo entrada-pensamiento-acción se mantiene, pero se 
reconocen las influencias complejas y recíprocas entre la acción en el mundo 
real y el procesamiento interno. La investigación sobre la visión animada 
muestra algo de este carácter cuando describe que una entrada visual de baja 
resolución puede conducir a unas acciones reales (como mover la cabeza o 
la fóvea) que, a su vez, generan entradas adecuadas para procesamientos de 
mayor resolución. Aquí nos encontramos ante una descripción que recono­
ce las múltiples y complejas maneras en que se pueden alterar y simplificar 
las tareas internas por medio de la estructura de la realidad, la dinámica cor­
poral y las intervenciones activas en el mundo. Pero también encontramos 
un énfasis -y un interés- bastante tradicional en los ámbitos del procesa­
miento interno, las representaciones internas y la computación (como la 
construcción de unas bases de datos internas mínimas que codifican repre­
sentaciones «indéxicas» especializadas del tipo «mi taza es amarilla»; véase 
Ballard, 1991, págs. 71-80). La coexistencia pacifica de estas dos imágenes 
(del sistema activo y embebido y de la primacía de la economía del procesa­
miento interno) se mantiene mediante una firme insistencia en el límite en 
tre cerebro y mundo. El mundo lanza entradas al cerebro, que las atrapa y 
responde lanzando acciones. Estas acciones pueden alterar o simplificar pro­
cesamientos posteriores, al hacer que el mundo lance entradas más fáciles de 
utilizar, y así sucesivamente. En resumen, aunque existe un fuerte compro­
miso con unos modos interactivos de explicación, se mantiene el interés tra­
dicional en la representación y el procesamiento dentro del cerebro. Una 
causa de esto, implícita en la idea misma de «atrapar y lanzar» es que, en es­
tos casos, gran parte del interésse centra en simples cadenas de retroali- 
mentación donde las acciones del sistema alteran sus próximas entradas; es­
tas entradas, a su vez, controlan la siguiente acción, y así sucesivamente. En 
estos casos, la dimensionalidad relativamente baja de las interacciones nos 
permite comprender l'a conducta del sistema empleando instrumentos bas­
tante convencionales. Sin embargo, a medida que aumentan la complejidad 
y la dimensionalidad de estas interacciones cruciales, es más difícil (y quizá 
imposible) conceptualizarlas añadiendo un simple factor de retroalimenta-
Emergencia y explicación I 153
ción a nuestra comprensión normal. Esta complejidad crítica surge cuando 
aumenta el número de procesos de retroalimentación y cuando el montaje 
temporal de los diversos procesos se «desincroniza», permitiendo que la re­
troalimentación se produzca a lo largo de múltiples canales y en múltiples es­
calas asincrónicas de tiempo.6
Explicación basada en la emergencia
La explicación basada en la emergencia es el miembro más radical y es­
curridizo demuestra tríada. Mientras que la explicación de «atrapar y lan­
zar» en realidad no es más que una versión sutil y astuta de la explicación ba­
sada en componentes, la explicación basada en la emergencia se propone 
ofrecer una perspectiva totalmente nueva del éxito adaptativo. En el corazón 
de esta nueva perspectiva se encuentra, naturalmente, la peliaguda noción de 
la emergencia misma. Nos acercaremos a ella con cautela, mediante una se­
rie de ejemplos ilustrativos.
J. A. Scott Kelso, en su excelente tratado Dynamic Patterns (1995), pre­
senta el clásico ejemplo del fluido calentado desde abajo. Concretamente, 
describe Ja conducta del aceite calentado en una sartén. Cuando se empieza 
a aplicar el calor, hay poca diferencia de temperatura entre la parte superior 
y la parte inferior del aceite y no observamos ningún movimiento en el líqui­
do. Sin embargo, a medida que la temperatura aumenta, la masa de aceite 
empieza a moverse de una manera coordinada: observamos lo que Kelso 
(ibíd., pág, 7) describe como «un ordenado movimiento rotatorio». La fuen­
te de este movimiento es la diferencia de temperatura entre el aceite más frío 
de la parte superior y el aceite más caliente de la parte inferior. El aceite más 
caliente y menos denso se eleva y el más denso y frío desciende en un ciclo 
que se va repitiendo a medida que el aceite anteriormente frío, ahora en el 
fondo, se calienta y vuelve a ascender para enfriarse otra vez. El resultado es 
un persistente movimiento rotatorio conocido como bucle de convección. La
6. Esta observación ha sido hecha por Kelso (1995, pág. 9) y Ashby (1956). Asilby (ibíd., 
pág. 54) afirma que «el concepto de “retroalimentación", tan simple y natural en ciertos casos 
elementales, se convierte en artificial y poco útil cuando las interconexiones entre las partes se 
hacen inás complejas. Cuando sólo hay dos partes unidas de modo que cada una influye en la 
otra, las propiedades de la retroalimentación proporcionan una información útil c importante 
sobre las propiedades del todo. Pero cuando el número de partes aumenta hasta una cantidad 
tan pequeña como cuatro, si cada una influye en las otras tres se pueden trazar veinte circuitos 
entre ellos; y conocer las propiedades de los veinte circuitos no nos da una información com­
pleta sobre el sistema. Estos sistemas complejos no se pueden tratar como un conjunto entre­
lazado de circuitos de retroalimentación más o menos independientes, sino sólo como una to­
talidad».
154 t Explicar la mente extendida
aparición de estos bucles de convección es un ejemplo de propiedad autoor 
ganizada que emerge de un grupo de moléculas, y no es muy distinta de la 
autoorganización de las células del hongo mucilaginoso descrita en el capí 
tulo 4 anterior. Kelso (ibíd., págs. 7-81 comenta:
Los bucles de convección resultantes son lo que los físicos llaman un efecto 
colectivo o cooperativo, que surge sin ninguna instrucción externa. En el len­
guaje de los sistemas dinámicos, el gradiente de temperatura se llama parámetro 
de control. Obsérvese que el parámetro de control no prescribe la pauta emer­
gente ni contiene un código para la misma. Simplemente conduce al sistema por 
una variedad de pautas o estados posibles... Esta formación espontánea de pau­
tas es precisamente lo que entendemos por autoorganización: el sistema se orga­
niza a si mismo, pero no hay ningún «yo», ningún agente dentro del sistema que 
lleve a cabo la organización.
Naturalmente, la idea no es que las pautas emergentes carezcan por com 
pleto de causa: evidentemente, la causa inmediata es la aplicación de calor a 
la sartén. La idea es que las pautas observadas se explican principalmente 
por la conducta colectiva (bajo unas condiciones especificas) de un gran 
conjunto de componentes simples (las moléculas), ninguno de los cuales de­
sempeña un papel especial o principal en el control o la orquestación del 
proceso de formación de las pautas. De hecho, cuando empieza el movi­
miento rotatorio, se alimenta y se mantiene a sí mismo según la manera ca­
racterística de los sistemas autoorganizados. De estos sistemas se puede afir­
mar, simultáneamente, que las acciones de las partes ocasionan la conducta 
global y que la conducta global guía la acción de las partes. Como ejemplo 
cotidiano de esta idea (en ocasiones denominada «causalidad circular»), 
consideremos cómo se combinan las acciones de los .individuos que forman 
una muchedumbre para abalanzarse en una dirección, y cómo esa actividad 
succiona y moldea la actividad de los individuos indecisos manteniendo y re­
forzando la dirección del movimiento colectivo. Estos fenómenos se prestan 
a ser comprendidos en función de variables colectivas, variables que se cen­
tran en unas características de nivel superior cruciales para la explicación de 
un fenómeno, pero que no reflejan las propiedades de los componentes sim­
ples. Estas variables pueden reflejar propiedades que dependen de la inte­
racción'de múltiples componentes como la temperatura y la presión de un 
gas, la aceleración de una muchedumbre aterrada o la amplitud de los bucles 
de convección que se forman en un líquido calentado. Si trazamos los valo­
res de estas variables colectivas a medida que un sistema se despliega en el 
tiempo, podremos obtener datos importantes sobre la conducta posible y real 
del sistema más amplio. Y si trazamos las relaciones entre los valores de las 
variables colectivas y los parámetros de control (como el gradiente de tem­
Emergencia y explicación I 155
peratura), podemos llegar a entender algunos hechos importantes sobre las 
circunstancias en las que emergerán estas pautas de nivel superior, cuándo 
dará paso una pauta de nivel superior a otra, etc.
Así pues, ahora ya disponemos de un sentido básico del esquivo término 
«emergencia». Se produce emergencia cuando aparece una conducta intere­
sante, y sin un control central, como resultado de las interacciones de múlti­
ples componentes simples dentro de un sistema. Pero ya nos hemos encon­
trado antes con otro sentido de la emergencia, principalmente arraigado en 
las ideas sobre las interacciones organismo entorno. Este tipo de emergen­
cia, que caracteriza gran parte del trabajo de la robótica en mundo real des 
crita en capítulos anteriores, se puede ilustrar con un sencillo ejemplo pro­
cedente de Steels, 1994. Steels nos invita a imaginar un agente robótico que 
necesita situarse entre dos polos para recargarse. El punto de recarga está in­
dicado por una fuente de luz, Una solución (no emergentista) consistiría en 
dotar al robot de unos sensores que midieran su posición en relación con los 
polos y de una subrutina que computara una trayectoria entre los mismos. 
Una solución alternativa (emergentista) se basaría en dos simples sistemas de 
conducta cuyas interacciones ambientales producirían el posicionamiento 
entre los polos como una especie de efecto secundario. Estos sistemas de 
conductaserían: 1) un sistema de fototactismo que produjera un acerca­
miento en zigzag a cualquier fuente de luz y 2) un sistema de evitación de 
obstáculos que hiciera que el robot se desviara cuando golpeara contra algo. 
Con estos dos sencillos sistemas en acción, la conducta deseada emerge con 
facilidad y solidez. El robot es atraído por la luz y zigzaguea hacia ella. Si 
toca un polo, recula, pero vuelve a ser atraído por la luz y hace otro intento, 
aunque esta vez con un ángulo nuevo. Tras unos cuantos intentos, encuentra 
la única posición donde sus sistemas de conducta están en equilibrio: una 
posición cercana a la luz pero sin tocar ningún polo. La conducta de orien­
tación hacia los polos se considera emergente porque no hay ningún compo­
nente que calcule la trayectoria correspondiente: el fototactismo, la evitación 
de obstáculos y la estructura de! entorno local (la situación de la fuente de 
luz) ocasionan colectivamente el resultado deseado. Aquí nos encontramos 
con otro sentido de la emergencia que gira en torno a la idea de unos efectos 
secundarios funcionalmente valiosos producidos por la interacción entre 
unos componentes heterogéneos, y que coloca en primer plano las interac­
ciones entre unos sistemas de conducta y la estructura del entorno local. Es­
tos dos sentidos de la emergencia se corresponden, a grandes rasgos, con la 
anterior distinción entre formas de emergencia directas e indirectas (véase el 
apartado 4.2 anterior).
Ahora profundizaremos un poco mas y aclararemos el tema común que 
une a toda esta variedad de casos. Dicho en pocas palabras, ¿existe una ex
156 I Explicar la mente extendida
plicación razonablemente precisa y no trivial de la idea general de caracte­
rística emergente?
En ocasiones, la noción general de emergencia se equipara con la idea de 
conductas inesperadas (existen rastros de esto en el énfasis de Steels en los 
«efectos secundarios», aunque el autor es consciente del peligro y procura 
evitarlo). Sin embargo, existe el problema de que lo que puede ser inespera­
do para una persona puede haber sido predicho por otra: un ingeniero hábil 
podría diseñar el robot que encuentra el centro entre los polos, precisamen­
te para explotar las interacciones entre los componentes básicos y el mundo 
con el fin de resolver el problema de la recarga. Con todo, aunque el resul­
tado se haya predicho desde el principio, la solución conserva el sabor ca­
racterístico de la emergencia. En resumen: lo que realmente necesitamos es 
un criterio independiente del observador o, por lo menos, un criterio menos 
sujeto al capricho de las expectativas individuales.
Una idea más prometedora, también mencionada por Steels, dice que un 
fenómeno es emergente si su descripción exige un vocabulario nuevo, total­
mente diferente del que empleamos para caracterizar las facultades y las pro­
piedades de sus componentes. Steels cita como ejemplo ciertas propiedades 
químicas como la temperatura y la presión, que no figuran en las descripcio­
nes del movimiento de las moléculas individuales pero que son necesarias 
para describir la conducta de conjuntos de moléculas. Esto parece promete­
dor, pero no lo suficiente. La razón es que el cambio de vocabulario también 
caracteriza casos que, intuitivamente, no son de verdadera emergencia. Parte 
de la conducta de un equipo de alta fidelidad compuesto por un amplifica­
dor, un sintonizador y unos altavoces, se describe mejor con un vocabulario 
que no se aplica a ninguno de los componentes individuales; sin embargo, 
un sistema como éste parece ser un buen candidato para la antigua explica­
ción basada en componentes.7
Una mejor explicación de la emergencia (para nuestros fines, por lo me­
nos) es la generalización de la distinción entre lo que Steels (ibíd.) denomi­
na variables controladas (que reflejan conductas o propiedades que se pue­
den manipular de una manera simple y directa) y variables incontroladas 
(que reflejan conductas o propiedades que surgen de la interacción entre 
múltiples parámetros y que, en consecuencia, tienden a resistirse a una ma­
nipulación simple y directa). Consideremos el relato de Douglas Hofstadter
7. En realidad, las propiedades complejas de retroaiimentación y alimentación hacia ade­
lante de los circuitos de alta fjdclidad suelen producir características acústicas que se podrían 
describir adecuadamente como emergentes (véase más adelante). Pero los fabricantes se es­
fuerzan mucho para reducir estas interacciones, simplificar la señal que pasa entre ios com­
ponentes y aislarlos de la retroaiimentación, interaccionés no lineales, etc. Véase un plantea­
miento en Wimsatt (en prensa).
Emergencia y explicación I 157
sobre un sistema operativo que empieza a «colgarse» cuando tiene a unos 
35 usuarios conectados en línea. Hofstadter observa que, en este caso, se­
ría un error pedirle al programador del sistema que aumentara el umbral 
de «cuelgue» hasta (por ejemplo! 60 usuarios. La razón es que este um­
bral no esta determinado por una simple variable interna que el progra­
mador pueda manipular directamente y que, en cambio, «el número 35 
emerge dinámicamente a partir de una gran cantidad de decisiones estra­
tégicas tomadas por los diseñadores del sistema operativo, del hardware 
del ordenador, etc. No se puede juguetear con él» (Hofstadter, 1985, pág. 
642). Aquí tenemos una versión totalmente interna al sistema de una va­
riable incontrolada. En otros casos, modificar la variable podría exigir el 
ajuste de muchísimos parámetros internos y externos (ambientales) cuya 
conducta colectiva determinara su valor. Por tanto, según esta explica­
ción, los fenómenos emergentes son aquellos en cuyas raíces se encuen­
tran variables incontroladas (en este sentido amplio) y que son más el pro­
ducto de una actividad colectiva que de unos componentes aislados o de 
unos sistemas de control dedicados. Los fenómenos emergentes, asi en­
tendidos, no son nada raro ni impresionante: sin embargo, conseguir que 
emerjan unas conductas determinadas en función de unas variables in­
controladas no ha sido una estrategia común en la inteligencia artificial, y 
estas conductas, cuando aparecen, exigen unos tipos de comprensión y 
explicación que van más allá del modelo de componentes y del modelo in­
teractivo presentados anteriormente.
Dos ejemplos finales nos ayudarán. El primero, procedente de Resnick, 
1994b, se refiere a una estrategia para hacer que unas termitas simuladas re­
cojan astillas de madera y las reúnan en montones. Una solución sería pro­
gramar a (as termitas para que llevaran las astillas a un lugar determinado de 
antemano. En relación con esta solución, el amontonamiento de astillas sería 
una variable controlada porque la conducta de amontonar estaría bajo un 
control directo y podríamos «juguetear» completamente con ella. En cam­
bio, una solución emergentista conseguiría la conducta indirectamente por 
medio de los efectos combinados de dos reglas simples y un entorno restrin­
gido. Las reglas son: «Si no llevamos nada y nos topamos con una astilla de 
madera, la tomaremos; si llevamos una astilla y nos encontramos con otra, 
soltaremos la que llevamos (ibíd., pág. 234). jNo es evidente que una estra­
tegia como ésta funcione, ya que permite quitar astillas de los montones con 
la misma facilidad con que se pueden depositar! Sin embargo, 2.000 astillas 
dispersas, después de 20.000 iteraciones, acaban organizándose en sólo 34 
montones. La conducta de amontonar acaba por arrollar a la conducta de 
deshacer los montones porque cuando (por casualidad) se retira la última as­
tilla de una pila incipiente, esa posición queda bloqueada; según las dos re-
158 I Explicar la mente extendida
glas anteriores, en ese lugar no se puede iniciar ningún montón nuevo. La 
disminución con el tiempo del número de posiciones posibles para los mon­
tones en la cuadrícula artificial, obliga a amontonar las astillas en las posi­
ciones restantes. Esta característica de «bloqueo de posiciones» noprogra­
mada y determinada por el entorno permite que la actividad de acumulación 
supere a la de dispersión. En este ejemplo, es evidente que la conducta de 
amontonar no está controlada directamente sino que surge de la interacción 
entre dos reglas simples y un entorno restringido.
Otro ejemplo: Hallam y Malcolm (1994) describen una solución simple 
para el problema de hacer que un robot se desplace siguiendo el contorno de 
las paredes. Construimos en el robot una tendencia a desviarse hacia la dere­
cha y colocamos en su lado derecho un sensor que se activa por contacto y que 
hace que el robot gire un poco hacia la izquierda. Cuando este robot topa con 
una pared a la derecha, primero se aparta (gracias al sensor) y luego vuelve rá­
pidamente a dirigirse hacia la pared (gracias a la tendencia). Este ciclo se irá 
repitiendo y, de hecho, el robot irá siguiendo la pared rebotando repetida­
mente contra ella. Como ha indicado Tim Smithers en una comunicación per­
sonal, esta solución exige un equilibrio bastante delicado entre la cantidad de 
«viraje hacia la derecha» y la cantidad de «rebote hacia la izquierda». Smithers 
también indica que esta idea general de emplear «fuerzas opuestas para lograr 
una conducta regulada estable» puede verse en la tecnología de las clepsidras 
primitivas, ¡un buen ejemplo de cronometraje emergente! Sin embargo, la 
cuestión que cabe destacar es que la conducta de seguimiento de paredes 
que acabamos de describir surge de la interacción entre el robot y su entor­
no. No está controlada por ningún estado interno que codifique el objetivo 
de seguir las paredes. Nosotros, como teóricos externos, aplicamos la des­
cripción del seguimiento de paredes como una capa de barniz sobre la con­
ducta embebida global del aparato. En estos dos casos, la distinción de Ste- 
els entre variables controladas e incontroladas parece darnos lo que 
necesitamos. Esta explicación también se puede aplicar con éxito al proble­
ma de encontrar el centro entre los dos polos y sospecho que a cualquier 
otro caso de emergencia indirecta. Sin embargo, el énfasis en fenómenos que 
no se pueden controlar ni manipular alterando los valores de un solo pará­
metro, no puede abarcar fenómenos intuitivamente emergentes como la apa­
rición de bucles de convección en líquidos calentados. La razón es que los 
bucles de convección están bajo el control de un parámetro simple (el gra­
diente de temperatura o, pasando a las causas inmediatas, el calor aplicado) 
y, como resultado, es posible «juguetear» con ellos (para emplear la célebre 
frase de Hofstadter). De hecho, el gradiente de temperatura que dirige el 
movimiento se llama parámetro de control precisamente porque rige las con 
ductas colectivas del sistema de una manera tan potente.
Emergencia y explicación I 159
Ante esta importante clase de casos, creo que una explicación mejor de 
la emergencia (una especie de generalización débil de la idea de variable in­
controlada) es simplemente ésta: un fenómeno es emergente si se compren­
de mejor prestando atención a los valores cambiantes de una variable co­
lectiva. Veamos a continuación algunos comentarios breves acerca de esta 
definición:
• Una variable colectiva es una variable que refleja la pauta resultante de 
las interacciones entre múltiples elementos de un sistema {véanse el aparta­
do 6.2 anterior y Kelso, 1995, págs. 7, 8 y 44). Por tanto, todas las variables 
incontroladas son variables colectivas.
• Para dar cabida a los casos de emergencia indirecta, ampliamos la no­
ción pertinente de «sistema» para incluir (en ocasiones) aspectos del entor 
no externo, como en el caso del robot que encuentra el centro situado entre 
los polos.
• Ahora se pueden identificar diferentes grados de emergencia según la 
complejidad de las interacciones implicadas. Las interacciones múltiples, no 
lineales8 y temporalmente asincrónicas, producen las formas más fuertes de 
emergencia; los sistemas que sólo muestran interacciones lineales simples 
con una retroalimentación muy limitada, no suelen exigir una comprensión 
en función de variables colectivas o de propiedades emergentes.
• Los fenómenos pueden ser emergentes aunque se encuentren bajo el 
control de un parámetro simple, siempre y cuando ese parámetro se limite a 
hacer que el sistema pase por una sucesión de estados que se describen me­
jor recurriendo a una variable colectiva (por ejemplo, el gradiente de tempe­
ratura hace que el líquido pase por una sucesión de estados que se describen
8. Una relación no lineal es aquella donde dos cantidades o valores no se alteran mutua­
mente de una manera continua. En cambio, el valor de una cantidad puede aumentar (por 
ejemplo) durante un tiempo sin influir en absoluto en la otra y después, de repente, cuando se 
alcanza un umbral oculto, hace que la otra dé un salto o haga un cambio súbito. La ecuación 
de evolución para sistemas conexionistas complejos suele tener una no linealídad muy elevada 
porque la salida de una unidad no es la simple suma ponderada de sus entradas sino que im­
plica umbrales, funciones de paso u otras fuentes de no linealidad. Las formas más fuertes de 
emergencia se caracterizan por múltiples interacciones no lineales. Cuando las interacciones 
son pocas y lineales, rara vez es necesario definir variables colectivas que ayuden a explicar 
conductas de sistemas. {Agradezco a Pete Mandik y Ttm Lañe su insistencia en la importancia 
de las modulaciones interactivas complejas y no lineales para determinar la clase más fuerte de 
casos). Se debe destacar que el uso científico típico también permite el empleo de la etiqueta 
«emergente» en una variedad de casos mucho más débiles: de ahí nuestra atención a los robots 
que siguen paredes y buscan el centro entre dos polos y al empleo de la idea de emergencia en 
conexión con la clase más amplia de éxitos adaptativos mediados por el entorno, no progra­
mados o incontrolados. Véase una exposición más detallada en Wimsatt (en prensa).
160 I Explicar la mente extendida
mediante una variable colectiva que marca la amplitud variable de los bucles
de convección; véase Kelso, 1995, pág. 8).
• La emergencia así definida se vincula con el objetivo de determinar 
qué variables deben figurar en una buena explicación de la conducta de un 
sistema. Este objetivo depende un poco del observador porque se basa en la 
idea de una buena explicación teórica y, en consecuencia, implica cierta re­
lación con las mentes de los científicos humanos. Pero por lo menos no de­
pende de los caprichos de las expectativas individuales sobre la conducta del 
sistema.
6.3 Los sistemas dinámicos y la explicación basada en )a 
emergencia
¿Cuál es el marco explicativo más eficaz para comprender los fenómenos 
emergentes? Una intuición negativa ampliamente compartida es que, en estos 
casos, la explicación clásica basada en componentes suele salir, como mínimo, 
mal parada (Steels, 1994; Maes, 1994; Wheeler, 1994). Hay dos razones bas­
tante distintas para este fracaso.
Una razón gira en torno al hecho de que muchos fenómenos cognitivos 
emergentes (no todos) tienen su origen en factores que abarcan el organismo 
y su entorno. En estos casos (y ya hemos visto varios ejemplos) lo ideal sería 
un marco explicativo que cumpliera las siguientes condiciones: 1) que fuera 
adecuada para modelar tanto los parámetros del organismo como los del en­
torno y 2) que facilitara la comprensión de las complejas interacciones entre 
los dos, modelando estos parámetros en función de un marco y de un voca­
bulario uniformes. Según parece, un marco que invoque unos homúnculos 
dedicados a computar y procesar información no es un medio ideal para sa­
tisfacer estas demandas.
Otra razón gira en torno a la naturaleza de los componentes. Cuando 
cada componente hace una contribución definida a la capacidad de un siste­
ma para mostrar una propiedad concreta, el análisis de componentes es un 
potente instrumento. Pero algunos sistemas son muy homogéneos en el nivel 
delos componentes y la mayoría de las propiedades interesantes dependen 
únicamente de los efectos conjuntos de interacciones simples entre las par­
tes. Un ejemplo (van Gelder, 1991; Bechtel y Richardson, 1992) sería una 
simple red conexionista simple, formada por unas unidades de procesa 
miento muy similares y cuyas propiedades interesantes son principalmente 
atribuibles a la organización (mediante una gran densidad de conexiones 
con pesos) de estas unidades. Se produce un caso más complejo cuando un 
sistema es muy heterogéneo pero las contribuciones de las partes están muy
Emergencia y explicación I 161
interdefinidas; es decir: la función de un componente C en el tiempo t„ ade­
más de estar determinada por las funciones de los otros componentes en t, 
(y de contribuir a determinar estos otros componentes), también puede con­
tribuir de una manera totalmente diferente en un momento t2 gracias a unos 
enlaces complejos (y con frecuencia no lineales; véase nota 8) de retroali- 
mentación y alimentación hacia adelante con otros subsistemas. Así pues, la 
presencia de una heterogeneidad interna y de una especialización funcional 
en línea no garantiza que un análisis de los componentes constituya la des­
cripción más reveladora.
Estas complejidades se reflejan en la estupenda descripción que hace 
Wimsatt (1986) de los «sistemas agregados». Los sistemas agregados son los 
que más se adecúan a una explicación basada en los componentes. En estos 
sistemas, las partes muestran su conducta explicativa pertinente incluso es 
tando aisladas entre sí, y se pueden invocar las propiedades de un número 
pequeño de subsistemas para explicar fenómenos sistémicos interesantes.5 A 
medida que aumenta la complejidad de la interacción entre las partes, el 
peso de la explicación recae cada vez más en la organización de las partes 
que en las partes en sí. En este momento nos vemos conducidos a buscar 
nuevos tipos de marcos explicativos. Como veremos después, es probable 
que la cognición biológica avanzada se encuentre en algún punto intermedio 
de este continuo. Los sistemas tienen componentes neuronales diferenciados 
y funcionalmente especializados, pero las interacciones complejas y con fre­
cuencia no lineales (relaciones de retroalimentación y alimentación hacia 
adelante) entre estos componentes pueden ser factores determinantes de la 
mayoría de los fenómenos intuitivamente «psicológicos». Para comprender 
bien los casos de este tipo, además de una explicación tradicional basada en 
componentes hace falta algo más. Pero, ¿qué es esc algo?
Teniendo en cuenta nuestros dos deseos (dar cabida por igual a las inte­
racciones organismo-entorno y a las interacciones complejas entre los com­
ponentes), es natural que consideremos el marco de la teoría de los sistemas 
dinámicos (brevemente introducido en el capítulo 5 anterior), un enfoque 
teórico que ofrece un conjunto de instrumentos para describir la evolución 
de los estados de un sistema con el tiempo (Abraham y Shaw, 1992). En es­
tas descripciones, el teórico especifica un conjunto de parámetros cuya evo­
lución colectiva está regida por un conjunto de ecuaciones (normalmente) 
diferenciales. Una característica fundamental de estas explicaciones es que 
pueden abarcar con facilidad el organismo y el entorno. En estos casos, las 
dos fuentes de variación (el organismo y el entorno) se tratan como sistemas 
acoplados cuya evolución mutua se describe mediante un conjunto específi-
9. Vcasc también Beclitel y Ridiardson, 1992.
162 I Explicar la mente extendida
co de ecuaciones entrelazadas. La conducta de un péndulo de pared coloca­
do en el entorno de otro péndulo similar constituye un ejemplo sencillo. La 
conducta de un solo péndulo se puede describir mediante ecuaciones sim­
ples y constructos teóricos como atractores y ciclos límite1 pero, sorpren­
dentemente, dos péndulos colocados uno cerca del otro tienden a sincroni­
zar su oscilación con el tiempo. Esta sincronización admite una elegante 
explicación basada en la teoría de los sistemas dinámicos: los dos péndulos 
se tratan como si fueran un solo sistema acoplado y la ecuación para el mo­
vimiento de cada péndulo incluye un término que representa la influencia 
del estado actual del otro péndulo, alcanzándose el acoplamiento por medio 
de las vibraciones que se transmiten a través de la pared.' De mayor impor­
tancia en nuestro contexto es que la teoría de los sistemas dinámicos tam­
bién proporciona un nuevo marco explicativo. En el corazón de este marco 
se encuentra la idea de explicar la conducta de un sistema aislando y mos­
trando un conjunto de variables (variables colectivas, parametros de control, 
etc.) que subyacen a las pautas distintivas que emergen a medida que el sis 
tema se despliega en el tiempo, y de describir estos modelos de despliegue 
real y potencial mediante la terminología distintiva y matemáticamente pre­
cisa de los atractores, los puntos de bifurcación, los retratos de fase, etc. (vé­
ase el apartado 5.6 anterior).
La explicación dinámica típica difiere en muchos aspectos de la com 
prensión tradicional centrada en los componentes. A primera vista, la dife­
rencia más desconcertante es que la teoría de los sistemas dinámicos parece 
querer explicar unas conductas describiendo otras. Sin embargo (por lo me­
nos intuitivamente), proporcionar una descripción, por rica y detallada que 
sea, parece distar mucho de proporcionar una explicación, porque ésta suele 
reducir el desconcierto poniendo de manifiesto parte de los mecanismos 
ocultos que provocan una conducta. Además, muchos científicos y filósofos 
creen que ciertos sistemas físicos (como el cerebro) dependen de unos prin­
cipios organizativos especiales y que, en consecuencia, requieren un vocabu­
lario y un estilo explicativo muy diferentes de los empleados para explicar la 
coordinación entre dos péndulos o el goteo de un grifo. No obstante, la teo­
ría de los sistemas dinámicos nos sorprende al emplear el mismo enfoque bá­
sico para abordar muchos tipos de fenómenos reales que superficialmente 
son muy diferentes. Esto ayuda a explicar por qué muchos científicos cogni- 
tivos se sienten decepcionados al ver que este estilo de explicación ofrece 
unas interpretaciones detalladas de pautas de conducta generales, pero dice 
poca cosa sobre los «mecanismos reales». Esta sorpresa tiene sentido si lo que
10 Vcase una buena introducción en Norton, 1995.
11 Véase una explicación más completa en Salzman, 1995
Emergencia y explicación l 163
esperamos es encontrar una clase especial de interpretación centrada en suce­
sos ocultos e internos. Pero para un teórico de los sistemas dinámicos intere­
sado en la cognición, tanto la dinámica neuronal como la dinámica corporal 
general derivan de los mismos principios que subyacen a la autoorganización 
de los sistemas complejos. Desde esta perspectiva, es natural tratar ambos ti­
pos de pautas de maneras similares: en palabras de Kelso <1995, pág. 28), «lo 
que se propone es que tanto la conducta manifiesta como la conducta del ce­
rebro, adecuadamente interpretadas, siguen los mismos principios».1-1
Para captar el verdadero sabor de los tipos de explicación aquí debatidos, 
nos centraremos en el estudio de un caso real llevado a cabo por Kelso y otros 
0981) y resumido con precisión en el capitulo 2 de Kelso, 1995. Este estudio se 
centra en el fenómeno de la conducta rítmica y, concretamente, en la produc­
ción de movimientos rítmicos con los dedos. Intentemos mover nuestros dos 
dedos índices de un lado a otro en la misma frecuencia. Probablemente vere­
mos que lo podemos conseguir, o bien moviendo los dos dedos de modo que 
los músculos equivalentes de cada mano se contraigan a la vez, o bien haciendo 
que los músculos equivalentes estén exactamente desfasados (uno se contrae 
mientras el otro se expande). Estas dos mismas estrategias estables describen la 
conducta de los limpiaparabrisas de los automóviles: normalmente, los limpia- 
parabrisas se muevenen fase. Pero algunos modelos están diseñados para fun­
cionar con una coordinación en antifase que suele irritar a algunas personas. La 
diferencia importante es que los sujetos humanos se pueden acostumbrar a un 
modo u otro según como empiecen la secuencia de acciones. Además, la estra­
tegia de antifase sólo es estable con frecuencias de oscilación bajas. Si un suje­
to empieza con un modo de antifase y luego se le pide que aumente gradual 
mente el ritmo de oscilación, cuando llega a una cierta frecuencia crítica se 
produce una brusca transición o cambio de fase: en un llamativo ejemplo de al­
teración espontánea de pauta, un movimiento en antifase da lugar a un movi­
miento en fase. (Se produce el mismo tipo de alteración espontánea cuando un 
caballo, a una velocidad determinada, cambia del trote al medio galope. Estos 
dos estilos de locomoción implican unas estrategias de coordinación entre las 
patas totalmente diferentes; véase Kelso, 1995, págs. 42-43).
¿Cómo se deberían explicar estos resultados? Kelso se propuso hacerlo 
investigando, en primer lugar, qué variables y parámetros de control descri- 12
12. Naturalmente no es difícil que, en algún nivel, cerebro, cuerpo y mundo «obedezcan 
'os mismos principios»: las leyes básicas de la física subatómica constituyen precisamente uno 
de estos niveles. Sin embargo, es evidente que este no es el nivel optimo para comprender mu­
chos fenómenos (por ejemplo como funciona el motor de un automóvil). Lo que se quiere de 
cir aquí es que existen leyes y principios básicos que gobiernan todos los sistemas dinámicos, 
complejos y alejados del equilibrio, y que constituyen un nivel óptimo de análisis para com 
prender las pautas de conducta neuronal y corporal
164 t Explicar la mente extendida
bían mejor estas conductas. Descubrió que la variable crucial era la que re­
flejaba la relación de fase entre los dedos. Esta variable, como hemos visto, 
es constante para una amplia gama de frecuencias de oscilación de los dedos 
y cambia repentinamente cuando la frecuencia alcanza un valor determina 
do. Es una variable colectiva porque no se puede definir para un solo com­
ponente (un dedo) sino sólo para el sistema más amplio. Por tanto, la fre­
cuencia de movimiento es el parámetro de control de la relación de fase que 
ahora se traza como una variable colectiva. Pero el verdadero meollo del 
análisis reside en ofrecer una descripción matemática detallada de! sistema 
así descrito: un conjunto de ecuaciones que muestren el espacio de posibles 
evoluciones temporales de la fase relativa en función del parámetro de con­
trol. Esta descripción representa eficazmente el espacio de estados del siste­
ma (véase el capítulo 5 anterior) mostrando, entre otras cosas, qué áreas del 
espacio actúan como atractores (valores de la variable hacia los que tenderá 
el sistema desde otras localizaciones determinadas del espacio). Haken y 
otros (1985) encontraron precisamente una descripción como ésta y pudie­
ron mostrar las detalladas pautas de coordinación correspondientes a distin­
tos valores del parámetro de control. Entre otros aspectos importantes, este 
modelo no sólo podía describir las transiciones de fase observadas sin pos­
tular un «mecanismo conmutador» aparte de la dinámica colectiva, sino que 
también podía reproducir los resultados de interferencias de poca impor­
tancia en el sistema, como ocurre cuando se obliga a un dedo a abandonar 
brevemente su relación de fase estable. El modelo de Haken y otros también 
podía predecir con precisión ciertas características de! sistema, como el 
tiempo necesario para pasar de un estado desfasado a un estado de fase.J
Ahora debería estar más claro por qué la explicación dinámica no es me 
ramente una buena descripción de los fenómenos observados. Debe su con­
dición de explicación a su capacidad para dilucidar lo que los filósofos de­
nominan «contrafácticos»; es decir, a su capacidad para informarnos no sólo 
sobre la conducta real observada en el sistema, sino también sobre su com­
portamiento en varias otras circunstancias. Con todo, estas explicaciones to­
davía carecen de una potente característica de sus parientes más tradiciona­
les. No están obligadas a dar unas recetas detalladas para construir los 
dispositivos que describen y explican. En este aspecto, difieren de los mo­
delos familiares donde se explica una conducta mostrando cómo surge a 
partir de las propiedades de una variedad de componentes bien comprendi­
dos. Por ejemplo, los modelos computarionales tradicionales tienen la virtud 
muy real de descomponer tareas complejas en secuencias de tareas cada vez 13
13. Véanse detalles de estos resultados y del modelo matemático empleado en las págs. 
54-61 de Kelso, 1995.
Emergencia y explicación 165
mas simples, hasta llegar a un punto en el que podemos ver cómo llevarlas a 
cabo únicamente con puertas lógicas, placas de memoria, etc., como recur­
sos básicos.
En su vertiente positiva, las explicaciones dinámicas, con su aparato de 
variables colectivas y conductas acopladas, se prestan de una manera natu 
ral a abarcar múltiples componentes en interacción e incluso sistemas com­
pletos agente-entorno. Mientras que el marco normal parece orientado a 
describir los cómputos y representaciones del agente, los constructos de los 
sistemas dinámicos se aplican con la misma facilidad a aspectos del entorno 
i por ejemplo, los ritmos de un grifo que gotea) que a sucesos internos de 
procesamiento de información. Esta facilidad para describir sistemas inte 
grados más amplios es lo que conduce a teóricos como Beer y Galíagher 
(1992) y Wheeler (1994) a preferir antes la teoría de los sistemas dinámicos 
que los enfoques clásicos basados en componentes para explicar conductas 
emergentes que con frecuencia implican al entorno. Las conductas estudia­
das hasta ahora tienden a ser relativamente básicas, como la locomoción me­
diante patas (véase el capítulo 5 anterior) y el movimiento orientado visual 
mente. Pero muchos teóricos intuyen que la mayor parte de la inteligencia 
biológica cotidiana tiene sus orígenes en unos acoplamientos precisos entre 
los organismos y los entornos específicos de ciertas tareas y que, en conse­
cuencia, este estilo de explicación puede ir mucho más alia que las explica­
ciones de fenómenos de «nivel» relativamente bajo. De hecho, en Port y van 
Gelder, 1995, se encuentran varios ejemplos de aplicación de la teoría de los 
sistemas dinámicos a tareas de nivel superior como la planificación, la toma 
de decisiones, la producción del lenguaje y el reconocimiento de sucesos.
Sin embargo, es importante recordar que los parametros sistemicos re­
flejados en estas explicaciones dinámicas se pueden alejar mucho, y de 
una manera arbitraria, de los datos reales sobre la estructura y el procesa­
miento interno del agente. Van Gelder (1991) observa que una explica­
ción basada en la teoría de sistemas dinámicos para la conducta del motor 
de un automóvil a lo largo del tiempo podría tener que centrarse en un 
parámetro como la temperatura, que no corresponde a ningún compo­
nente interno o a ninguna variable directamente controlada. Según van 
Gelder, esto puede ocurrir porque «en su forma pura, la explicación di­
námica no hace referencia a la estructura propiamente dicha del mecanis­
mo cuya conducta explica. Nos dice cómo evolucionan con el tiempo los 
valores de los parámetros del sistema, no qué hay en la constitución del 
mismo sistema que haga que estos parámetros evolucionen de la manera 
especificada. Se dedica a explorar la estructura topográfica de la dinámi­
ca del sistema, pero esta estructura es totalmente diferente de la del siste­
ma mismo» (ibíd., pág. 500).
166 I Explicar la mente extendida
Evidentemente, también disponemos de las opciones intermedias. Salz 
man (1995) ofrece una explicación dinámica de la producción del habla ba 
sada en la coordinación de múltiples músculos y observa que esta dinámica 
coordinadora se debe especificar en términos abstractosde información que 
no reflejan directamente ni la estructura biomecánica ni la neuroanatómica. 
En sus propias palabras, «esta dinámica abstracta se define mediante coor­
denadas que representan las configuraciones de diferentes tipos de restric 
ción como, por ejemplo, las restricciones bilabiales empleadas para producir 
/b/, /p / o /m /, las restricciones alveolares empleadas para producir /d/, IxJ 
o /n/, etc.» (ibíd., pág. 274). Estas restricciones se definen en términos físi 
eos que implican elementos como la abertura y la prominencia de los labios. 
Pero la explicación basada en los sistemas dinámicos se define en función de 
los tipos más abstractos mencionados anteriormente. Este es un caso Ínter 
medio en la medida en que está claro que los parametros inás abstractos ci­
tados en el análisis dinámico se relacionan con componentes y estructuras fí­
sicas del sistema.
Estos análisis intermedios tienen una gran importancia. A continuación 
argumentaré que la ciencia cognitiva no se puede permitir prescindir de nin­
guno de los diversos estilos explicativos que acabamos de revisar y que, en 
consecuencia, es crucial que nos aseguremos de que estas diversas explica­
ciones se entrelacen y se ilustren mutuamente de un modo u otro. Ahora de 
sarrollaré un argumento en pro de este liberalismo explicativo y mostrare 
que la necesidad del entrelazamiento mencionado impone unas fuertes res­
tricciones adicionales a nuestra teorización.
6.4 Matemáticos e ingenieros
Exactamente, ¿qué poder tiene el estilo de explicación y análisis basado 
puramente en los sistemas dinámicos? Mi punto de vista, como se verá cada 
vez con mayor claridad durante los próximos capítulos, es que nos ofrece 
una parte fundamental de la comprensión que necesitamos pero (por lo me­
nos en la actualidad) no nos la puede ofrecer toda. Para ver por qué, prime­
ro debemos tener claro qué entiendo por un estilo de explicación basado pu­
ramente en los sistemas dinámicos.
Una explicación basada puramente en los sistemas dinámicos es aquella 
donde el teórico sólo busca aislar los parámetros, las variables colectivas, 
etc., que controlan con más fuerza la manera en que el sistema se despliega 
en el tiempo, incluyendo (esto es importante) la manera en que responderá en 
circunstancias nuevas, aún no encontradas. Por tanto, el teórico de los siste­
mas dinámicos puros busca modelos matemáticos o geométricos que permi­
Emergencia y explicación I 167
tan captar con fuerza los fenómenos observables. Esto, además de ser buena 
ciencia, es ciencia explicativa (y no sólo descriptiva). Además, como acaba­
mos de ver, gran parte del atractivo y el poder distintivo de estos enfoques 
reside en su capacidad de centrarse en variables colectivas, es decir, en va­
riables cuyas raíces físicas suponen las interacciones de múltiples sistemas 
(que con frecuencia se extienden por el cerebro, el cuerpo y el mundo). Pero 
este poder distintivo tiene un precio: estos modelos «puros» no apelan di­
rectamente a los intereses del ingeniero. El ingeniero quiere saber cómo 
construir sistemas que muestren propiedades parecidas a las de la mente y, 
en particular, quiere saber cómo surge la dinámica global mostrada con tan­
ta precisión por las explicaciones puras a partir de la microdinámica de di­
versos subsistemas y componentes. Aceptará que una comprensión plena del 
sistema en acción exige unas explicaciones dinámicas puras como las que 
acabamos de enumerar. Sin embargo, no creerá que esas explicaciones sean 
suficientes para comprender cómo funciona el sistema, porque se sitúan a 
una gran distancia de los datos sobre las capacidades de unos componentes 
físicos familiares y bien comprendidos. En este sentido, una explicación 
computacional típica (conexionista o clásica) se acerca mucho más a consti­
tuir una receta para construir un dispositivo capaz de mostrar las conductas 
deseadas. La razón de ello es que las transiciones de estado básicas que in­
tervienen en la especificación se deben poder reproducir medíante unas 
combinaciones conocidas de unas operaciones básicas que, a su vez, se de­
ben poder realizar empleando puertas lógicas, unidades de procesamiento 
conexionistas, etc.
En cierto sentido, lo que se consigue mediante una discusión dinámica 
pura se parece más a un sofisticado análisis de tareas que a una explicación 
computacional totalmente elaborada. Pero se trata de un análisis de tareas 
que está preñado contrafáclicamente (véase el apartado 6.3 anterior) y que al 
mismo tiempo es potencialmente amplio. Es amplio en la medida en que 
puede «unir» aspectos del espacio del problema que, por un lado, dependen 
del entorno exterior y, por otro, dependen de propiedades del organismo 
particular. En estos casos habrá múltiples maneras de implementar la diná­
mica descrita, y algunas de ellas incluso podrán dividir las subtareas entre 
cuerpo, cerebro y mundo de manera diferente. Por ejemplo, lo que hace un 
niño A gracias a la grasa corporal puede hacerlo un niño B gracias a unos pe­
sos artificiales, y lo que puede hacer un ser C mediante unos cálculos com­
plejos lo puede hacer un ser D mediante la resistencia de sus músculos elás­
ticos. Por tanto, a partir de unas «divisiones del trabajo» muy diferentes 
pueden emerger unas dinámicas generales idénticas.
Así pues, el principal motivo de queja es que una buena caracterización 
dinámicamente pura del sistema no llega a constituir una receta para cons­
168 I Explicar la mente extendida
truir un sistema que muestre las conductas de interés. Una respuesta a esta 
queja (respuesta que he oído muchas veces en labios de defensores acérri­
mos de la teoría de los sistemas dinámicos) consiste en atacar su misma base. 
¿Por qué insistir en que la verdadera comprensión de algo exige «saber cómo 
construirlo»? Esther Thelen (comunicación personal) observa que «según 
este criterio, deberíamos echar por la borda casi toda la biología», por no 
mencionar la economía, la astronomía, la geología y quién sabe qué más. 
¿Por qué la ciencia cognitiva debe satisfacer un criterio explicativo mucho 
más exigente que el de las restantes ciencias?
A pesar de su superficial verosimilitud, esta respuesta está desencami­
nada porque se toma la exigencia de la «capacidad de construcción» de una 
manera demasiado literal. Lo que aquí se propone no es que realmente po­
damos construir sistemas que muestren las características deseadas (aunque 
en favor de la inteligencia artificial se debe decir que, con frecuencia, su ob 
jetivo es precisamente éste), sino que deberíamos comprender algo sobre el 
origen de las propiedades a mayor escala a partir de las interacciones de las 
partes. Aunque no podamos construir nuestros propios volcanes, compren­
demos cómo se confabulan las fuerzas subterráneas para crearlos. También 
podemos buscar explicaciones convincentes del crecimiento y la disminu­
ción de la actividad volcánica a lo largo del tiempo, e incluso lo podemos 
hacer aislando parámetros de control, definiendo variables colectivas, etc. 
Sin duda, una comprensión plena de la naturaleza de la actividad volcánica 
depende de seguir simultáneamente y entrelazar con cuidado ambos tipos 
de explicación. Así pues, ¡en cierto sentido si que sabemos cómo construir 
volcanes, torbellinos, sistemas solares y todo lo demás! Los problemas para 
llevar a cabo esta construcción provienen de dificultades prácticas (de es­
cala, materiales, etc.) y no de alguna carencia en el nivel necesario de com­
prensión.
Por tanto, es necesario suavizar el criterio de la «capacidad de construc­
ción» para dar cabida al gran número de casos donde hay otros problemas 
que obstaculizan nuestro camino, Unos obstáculos típicos, tomados de un 
artículo de Fred Dretske de acertado título,14 podrían ser: «Los materiales 
brutos no están disponibles. No podemos pagarlos. Somos demasiado torpes 
o no somos lo suficientemente fuertes. La policía no nos deja» (Dretske, 
1994, pág. 468). A la inversa, según Dretske, el mero hechode que podamos 
construir algo no garantiza que realmente lo comprendamos: podemos mon­
14. El titulo es «If you can’t make one, you don’t know how n works» (Si no lo puedes 
construir, no sabes cómo funciona) Según Dretske (1994, pags. 468-482), a pesar de algunos 
problemas superficiales esta afirmación es cierta «en todos los sentidos pertinentes de todas las 
palabras pertinentes»
Emergencia y explicación I 169
tar las piezas de una maqueta y no ser más listos que antes. Así pues, la afir­
mación fundamental (y en mi opinión la correcta) es, simplemente, que para 
comprender de verdad un fenómeno complejo es necesario que comprenda­
mos por lo menos algo de sus orígenes en las propiedades más básicas de sus 
partes biológicas o físicas. Propongo que, en última instancia, esto requiere 
explorar continuamente más alia del nivel de las variables colectivas y simi­
lares con el fin de comprender las raíces mas profundas de la misma dinámi­
ca colectiva.
La vertiente positiva es que -retoricas esporádicas aparte- la mayoría de 
los proponentes de un enfoque dinámico reconocen esta necesidad y res­
ponden a ella. Después de describir la conducta corpórea y embebida de los 
niños pequeños con gran detalle, Thelen y Smith (1994) siguen investigando 
cuestiones relacionadas con la dinámica de las organizaciones neuronales 
subyacentes. Como indican ellas mismas, su descripción de los paisajes di­
námicos variantes {atractores cambiantes) de los niños, las deja «en una to­
tal ignorancia acerca de los mecanismos más precisos de la estabilidad cam­
biante de los atractores» (ibíd., pág. 129). En respuesta a esta necesidad, 
Thelen y Smith abordan mediante un enfoque dinámico el nivel de la orga­
nización neuronal. Kelso (1995, pág. 66) es aún mas claro cuando insiste en 
que hace falta un « “esquema tripartito” que implique un mínimo de tres ni­
veles (el nivel de las metas o tareas..., el nivel de las variables colectivas y el 
nivel de los componentes) para obtener una comprensión completa». Kelso 
también observa -importante cuestión- que lo que realmente cuenta como 
componente o como variable colectiva dependerá, en parte, de nuestros in­
tereses explicativos concretos. Citando su propio ejemplo, los osciladores no 
lineales se pueden tratar como componentes para algunos fines. Pero la mis­
ma conducta osciladora no lineal es un efecto colectivo que surge de las in­
teracciones de otras partes más fundamentales.
Randall Beer, en sus intentos cuidadosos y progresivos de comprender el 
funcionamiento de los controladores de redes neuronales de agentes senci­
llos, destaca la necesidad de comprender la dinámica detallada de cada neu­
rona individual, de pares acoplados de neuronas, de pares acoplados de neu­
ronas acoplados a su vez a cuerpos simples, etc., aumentando la escala de 
complejidad. En resumen, Bcer busca una comprensión basada en los siste­
mas dinámicos que llegue hasta abajo y en relación a la cual las propiedades 
especiales de sistemas cada vez más grandes y complejos empiecen a tener 
más sentido (véase, por ejemplo, Beer, 1995). Por tanto, todos estos teóricos 
comparten el reconocimiento de que las aspiraciones explicativas de la cien­
cia cognitiva van más allá de la representación detallada de la conducta cor­
pórea y embebida, e incluso más allá de las explicaciones genuinas de esta 
conducta que se puedan dar en función de variables colectivas adecuadas
170 I Explicar la mente extendida
para comprender la conducta general observada. Lo que en última instancia 
distingue estos enfoques del trabajo más tradicional, es la insistencia (Kelso 
y otros) o la sospecha (Beer) de que las nociones familiares de representa 
ción interna, procesamiento de información y (quizá) computación no pro­
porcionan el mejor vocabulario o marco para comprender las restantes cues 
tiones relacionadas con la organización neurona!. En cambio, estos autores 
abogan por el empleo de un vocabulario de sistemas dinámicos para descri­
bir y explicar todos los niveles de organización biológica. Mi opinión, como 
se vera claramente en los próximos capítulos, es que no sólo necesitaremos 
una mezcla de niveles de análisis (algo parecido al «esquema tripartito» de 
Kelso) sino también una mezcla de instrumentos explicativos que combine 
los constructos de los sistemas dinámicos con ideas sobre la representación, 
la computación y la función de procesamiento de información de unos sub­
componentes identificables. Para captar el sabor general de este enfoque 
mixto, consideremos un ejemplo concreto.
6.5 Decisiones, decisiones
La explicación basada en componentes y la explicación de «atrapar y 
lanzar» son adecuadas para explicar la conducta adaptativa desentrañando 
las aportaciones de componentes específicos del agente. La explicación de 
«atrapar y lanzar» se distingue principalmente por reconocer de una ma 
ñera explícita las profundas diferencias que puede producir, en nuestras 
hipótesis sobre la organización interna requerida para el procesamiento de 
información, la atención a las oportunidades ambientales y a las exigencias 
de la acción en tiempo real. En cambio, las explicaciones de fenómenos 
emergentes basadas puramente en los sistemas dinámicos, esperan impor­
tar una perspectiva completamente nueva que se centra en la evolución de 
parámetros sistémicos globales y que es especialmente idónea para mode­
lar la compleja interacción entre múltiples parámetros del agente y del en­
torno. Así descritos, parece casi evidente que los dos tipos de explicación 
(el análisis basado en componentes y en el procesamiento de información, 
y el estilo de análisis de la dinámica global) son necesarios y que se debe­
rían entralazar con fluidez. Sin embargo, varios escritos recientes propo­
nen un punto de vista alternativo, más imperialista. Según éstos, la teoría 
de los sistemas dinámicos es preferible al discurso de descomposiciones del 
procesamiento de información y de componentes internos que trabajan 
con representaciones. Un punto de vista tan radical sólo se puede mante­
ner adoptando una visión excesivamente empobrecida de los objetivos de 
la ciencia cognitiva.
Emergencia y explicación I 171
Consideremos el objetivo de explicar los efectos sistemáticos de varios ti­
pos de daños y trastornos locales. Con frecuencia, el hecho de centrarse en 
parámetros sistémicos globales que nos ayuden a comprender la dinámica 
imperante en sistemas organismo-entorno que funcionan bien, oculta deta­
lles sobre la contribución a ese acoplamiento de diversos sistemas internos y, 
en consecuencia, oculta información sobre la influencia de los fallos de estos 
sistemas en la conducta global. Sin embargo, un importante corpus de traba­
jo en la neurociencia cognitiva pretende precisamente determinar la organi­
zación interna que explica las pautas de fallo que se producen tras un daño 
local (Farah, 1990; Damasio y Damasio, 1994). Estas explicaciones suelen 
adoptar al mismo tiempo una perspectiva basada en módulos/componentes 
y una perspectiva basada en representaciones. Este tipo de comprensión 
complementa cualquier comprensión más amplia de la dinámica global. Cada 
estilo explicativo ayuda a capturar una gama distinta de fenómenos y ofrece 
tipos diferentes de generalización y predicción.
Por ejemplo, Busemeyer y Townsend (1995) presentan una elegante apli­
cación de la teorización dinámica para comprender la toma de decisiones. El 
marco de referencia que desarrollan estos autores, llamado «teoría del campo 
de decisiones», describe cómo evolucionan los estados de preferencia con el 
tiempo. Busemeyer y Townsend presentan unas ecuaciones dinámicas que de­
finen la interacción de diversos factores generales (como el valor previsto a lar­
go y a corto plazo para diferentes opciones) y que también predicen y explican 
las oscilaciones entre elecciones probables que se producen durante la delibe 
ración. Estas oscilaciones se explican como los efectos de variar la cantidad de 
atención que quien tomala decisión dedica en cada momento a diversos fac 
tores. Esta interpretación captura y explica varios fenómenos interesantes, in­
cluyendo las aparentes incoherencias entre los órdenes de preferencias medi­
dos por la elección y los medidos por el precio de venta.” Por tanto, a partir 
de las ecuaciones específicas que emplean estos autores para modelar la evo­
lución en el tiempo de las variables y los parámetros elegidos, aparece una cla­
se entera de generalizaciones, explicaciones y predicciones.
Sin embargo, hay otros tipos de explicación y de generalización que no 
se pueden subsumir en este nivel de descripción. Consideremos, por ejem­
plo, el famoso caso de Phineas Gage a mediados del siglo XIX. Gage, que tra­
bajaba de capataz en el tendido de raíles de ferrocarril, sufrió una terrible le­
sión cuando una barra de hierro le atravesó la cara, el cráneo y el cerebro. 
Increíblemente, Gage sobrevivió y recobró todas sus aptitudes lógicas, espa­
ciales y físicas. Pero aunque su memoria y su inteligencia no se vieron afec­
tadas, su vida y su personalidad cambiaron radicalmente. Ya no era digno de
15. Véase también Lichtenstein y Slovic, 1971.
172 I Explicar la mente extendida
confianza, ni afectuoso, ni capaz de cumplir con sus deberes y compromisos. 
Al parecer, la lesión de su cerebro había ocasionado un efecto muy específi­
co pero extraño: era casi como si sus «centros morales» se hubieran destrui­
do (Damasio y otros, 1994). Para ser más precisos, parecía que su capacidad 
de «tomar decisiones racionales acerca de cuestiones personales y sociales» 
(¡bíd.) hubiera sido dañada selectivamente, dejando intactas su inteligencia 
y sus restantes capacidades. Hace unos años, un equipo de neurocientíficos 
especializados en imágenes cerebrales analizó el cráneo de Gage y, mediante 
simulaciones por ordenador, pudieron identificar las probables localizacio­
nes de las lesiones cerebrales. Al identificar unas estructuras neuronales es­
pecíficas como localizaciones de las lesiones, Damasio y otros (ibíd.) pudie­
ron empezar a comprender las alteraciones selectivas de Gage (y de otros 
casos parecidos; véase el caso de E.V.R. en Damasio y otros, 1990). La lesión 
estaba en las regiones ventrales mediales de los dos lóbulos frontales, es de­
cir, en las áreas que parecen desempeñar un papel fundamental en el proce­
samiento emocional. Este hallazgo condujo al equipo de Damasio a especu­
lar que las respuestas emocionales desempeñan un papel especial en la toma 
de decisiones sociales.1* Inspirándose en parte en estos estudios, los Dama­
sio también desarrollaron un marco más general para la explicación de los 
déficit psicológicos selectivos. Se trata de la «hipótesis de la zona de conver 
gencia» que se explica con cierto detalle en el próximo capítulo. Como ve­
remos, un aspecto característico de esta hipótesis es cómo combina la aten­
ción a la compartimentación funcional básica del cerebro con el 
reconocimiento del papel de los circuitos integradores de mayor escala. Por 
tanto, parece que una explicación completa de déficit como los de Gage y 
E.V.R. requiere combinar localizaciones de procesamiento de información 
bastante familiares (asignar tareas definidas a zonas diferentes de la corteza 
motriz y sensorial) con análisis a mayor escala que implican la vinculación de 
múltiples zonas mediante complejas redes de conectividad retroalimentado- 
ra y de alimentación hacia adelante.
Los detalles de esta explicación quedarán más claros cuando nos centre­
mos en la neurociencia contemporánea (capítulo 7). De momento, lo impor­
tante no es evaluar los detalles de esta propuesta de Damasio y otros, sino 
observar que su objetivo es un tipo de comprensión que no está presente en 
la descripción global ofrecida por la teoría del campo de decisiones (que no 
ha sido diseñada para predecir o esclarecer las alteraciones inesperadamen­
te selectivas del proceso de toma de decisiones que abordan estos estudios 
neuroanatómicos). Esto no es una crítica de la teoría del campo de decisio­
nes, que en sí misma proporciona un tipo de comprensión, predicción y ex- 16
16. Véanse más detalles en el capítulo 8 de Damasio, 199-1 y en el capítulo 7 de este libro.
Emergencia y explicación t 173
plicacíón ausente en la propuesta de los Damasio. Y esto es así porque la 
teoría del campo de decisiones puede tratar las propiedades emergentes del 
sistema completo, intacto y que funciona bien como variables colectivas y, en 
consecuencia, proporciona un vocabulario y un nivel de análisis muy ade­
cuado para capturar pautas de evolución con el tiempo en la conducta de 
agentes intactos que funcionan bien. Además, con frecuencia estas descrip­
ciones más abstractas serán las que nos servirán mejor si queremos com­
prender los acoplamientos existentes entre unos sistemas completos y sus 
entornos. Debemos reconocer sin reparos que las características globalmen­
te emergentes suelen desempeñar un papel importante en aclarar las expli­
caciones de estos acoplamientos. Sin embargo, como estos dos estilos de 
explicación se complementan de manera natural, sobra la rivalidad que al­
gunos defensores del análisis basado en los sistemas dinámicos parecen fo­
mentar. En cambio, deberíamos distinguir claramente dos proyectos expli­
cativos, cada uno con su propia clase de generalizaciones. Uno de estos 
proyectos pretende comprender la manera en que se interrelacionan agentes 
y entornos intactos y, al hacerlo, puede invocar parámetros abstractos y glo­
balmente emergentes. El otro intenta comprender las funciones específicas 
de procesamiento de información que desempeñan diversos subsistemas in­
ternos en la producción de conductas y, en consecuencia, ayudar a explicar 
clases enteras de fenómenos (por ejemplo, los efectos de lesiones locales) 
que a su homólogo, simplemente, no le interesan.
De hecho, una manera natural de concebir los dos proyectos que acaba­
mos de resumir, consiste en describir el análisis de componentes como si 
proporcionara (en parte) la implementación detallada del relato más global 
y abstracto basado en los sistemas dinámicos. Van Gelder (1991) es escép­
tico acerca del valor de estas descripciones de implementación, por lo me­
nos para comprender redes neuronales complejas; observa (pág. 502) que la 
explicación basada en componentes (o, como él dice, «sistemática») es poco 
útil en casos donde «las “partes” de la estructura son muchas y muy simila­
res, y los parámetros esenciales... no hacen ninguna referencia en absoluto 
a partes del sistema». Pero si bien esto puede ser cierto para comprender las 
conductas de redes conexionistas aisladas y relativamente homogéneas, pa­
rece manifiestamente inexacto en lo que se refiere a los cerebros de la ma­
yoría de los organismos biológicos. Propongo que una imagen más realista 
debe aceptar tres tipos de explicación y descripción igualmente importan­
tes y entrelazados: 1
1. Una explicación de las conductas generales del organismo que fun­
ciona bien en el entorno: una explicación que pueda invocar variables co­
lectivas cuyas raíces constituyentes abarquen cerebro, cuerpo y mundo.
174 I Explicar la mente extendida
2. Una explicación que identifique los diversos componentes cuyas pro­
piedades colectivas son el objetivo de las explicaciones apropiadas a 1. Este 
objetivo consta de dos importantes subtareas: identificar los componentes 
neuronales pertinentes y explicar cómo interaccionan estos componentes en­
tre sí.
3. Una explicación de las diversas funciones de procesamiento de infor­
mación desempeñadas por los componentes (tanto internos como externos) 
identificados en 2., que además puede asignar unos roles computacionales y 
unas capacidades representacionales específicas a distintos subsistemas neu­
ronales.
Afirmo que las explicaciones satisfactorias del éxito adaptativo corpóreo 
y embebido deben abarcar estas tres bases. Además, cada tipo de explica­
ción impone limitaciones y requisitos a los otros. No puede haber ninguna