Por Roxana Hebe Hernández
*Ángel Eugenio Tovar y Romo junto con Gert Westermann desarrollaron una metodología estadística, basada en redes neuronales artificiales, para entender cómo asimilamos el lenguaje
Coneme / Científicos de la UNAM y de la Universidad de Lancaster, Inglaterra, realizaron un estudio del lenguaje humano, mediante el cual replicaron en redes neuronales artificiales el mecanismo básico de éste, y encontraron que una de las capacidades fundamentales para el procesamiento tiene que ver con aprender rápidamente secuencias auditivas y patrones de regularidades entre estas.
“El principal hallazgo es que podemos dar cuenta del aprendizaje del lenguaje con mecanismos que se consideran generales, lo que significa que no necesitamos mecanismos específicos para el lenguaje, lo cual es una gran discusión en Psicología”, afirmó el profesor de la Facultad de Psicología (FP) de la UNAM, Ángel Eugenio Tovar y Romo, quien llevó a cabo la investigación junto con su colega Gert Westermann, de la Universidad de Lancaster, Reino Unido.
Tovar y Romo explicó en entrevista: “nuestros cerebros funcionan como una gran máquina estadística que lo que hace es encontrar patrones de regularidades en el ambiente y aprender de esos patrones”.
El académico, integrante del Laboratorio del Desarrollo Cognitivo y del Lenguaje de la FP, detalló que por ejemplo la oración “la niña juega con su mascota” tiene una secuencia frecuente en español (sujeto, verbo y predicado). Quienes tenemos este idioma como lengua materna estamos expuestos tantas veces a oraciones con esta estructura, que nuestro cerebro se adapta a ella y procesa de manera prácticamente automática las oraciones; en cambio, puede costarnos más trabajo procesar secuencias gramaticales menos frecuentes, a las que llamó atípicas.
El conocimiento de secuencias también puede dar cuenta de cómo adquirimos vocabulario en los primeros meses y años de vida. “Los bebés aprenden la mayor parte de las palabras por vía auditiva, mediante el habla de los demás”, expuso.
En su investigación -que derivó en el artículo titulado “No es necesario el olvido, solo el balance: redes neuronales Hebbianas para el aprendizaje estadístico”, publicado en la revista científica Cognition- el universitario y sus colaboradores estudiaron el aprendizaje no en bebés sino en simuladores computacionales. “Proponemos que el aprendizaje de estas secuencias, denominado aprendizaje estadístico, puede ser simulado en un modelo de redes neuronales artificiales”, detalló.
Este modelo de redes neuronales artificiales cuenta con algoritmos y sistemas computacionales y, una vez obtenidos sus resultados, el experto coteja los datos con estudios en niños sanos, con autismo y síndrome de Down.
“Un aporte clave es que nuestro modelo propone que los mecanismos neuronales de procesamiento de secuencias no son específicos para el lenguaje, sino que son mecanismos generales que usamos en otras tareas como la navegación, imaginación y otros tipos de memoria”, acotó.
Tovar y Romo ahondó que el estudio con niños se divide en grupos: algunos sin patologías; otros con autismo y síndrome de Down, dos padecimientos en donde se retrasa la enseñanza del lenguaje.
Cuando el modelo estadístico genera una predicción, vamos y lo probamos en las personas, y a veces nos produce otro dato que ajustamos en el modelo, es una retroalimentación entre el modelo computacional y las personas, finalizó.
https://covid19comision.unam.mx/