FILOSOFÍA DE LA MENTE

Twittear 

EL PROBLEMA MENTE-CEREBRO

1. DUALISMO DE SUSTANCIAS

   1. Reacciones al dualismo cartesiano

2. DUALISMO DE PROPIEDADES

• 1. La Psicología Pop y laTeoría Representacional de la Mente

  2. La Teoría Computacional de la Mente

     1. Las máquinas de Turing

     2. La Tesis de Turing y el problema de la Turing-computabilidad

  3. El Funcionalismo

3. EL MONISMO MATERIALISTA

• 1. La Teoría de la Identidad mente/cerebro

     1. Identidad de Casos vs. Identidad de Tipos

     2. Críticas a la Teoría de la Identidad mente/cerebro

        1. Crítica lógica: Las leyes de Leibniz

        2. Crítica Metafísica: El Principio de Materialización Múltiple

  2. La Teoría Neurocomputacional de la Mente

  3. El Materialismo Eliminativo

  4. La Teoría Dinamicista de la Mente

  5. El Monismo Anómalo

1. EL DUALISMO DE SUSTANCIAS

            El enfoque que propone Jerry Fodor para tratar la intencionalidad se fundamenta en el análisis de la forma lingüística que tienen las oraciones en las que aparecen verbos como «creer», «esperar», «desear » y otros similares. Los enunciados que usan estos verbos tienen una estructura como la de la oración siguiente

(1) "Teresa espera que la película sea divertida"

En este tipo de oraciones el verbo principal  ("espera") viene seguido de la palabra «que» y de una proposición «la película sea divertida». El verbo de la oración permite expresar la actitud de una persona –en este caso Teresa– hacia la proposición, de ahí que Russell llamara a este tipo de oraciones «actitudes proposicionales». Las oraciones de actitud proposicional permiten caracterizar los estados mentales; o dicho de otra manera, un estado mental viene representado por una actitud proposicional. Así, la oración «Jack Sparrow espera recuperar La Perla Negra», representaría el estado mental en el que se encuentra Sparrow –capitán Sparrow– de volver a capitanear La Perla Negra. De esta manera, podemos usar la proposición hacia la que una persona tiene una actitud para identificar el contenido de un estado mental. Por ejemplo, la actitud que tiene Sparrow hacia la proposición «recuperar La Perla Negra» nos indica cuál es el estado mental de Jack Sparrow.

            Al caracterizar los estados mentales en función de las actitudes proposicionales, podemos explicar el comportamiento de las personas en términos de sus creencias, deseos e intenciones 

Psicosemántica

« Lo que quiero explicar es esta diferencia imprensionante entre las capacidades conductuales de Greycat (el gato de Fodor) y las de, digamos, la nebulosa espiral de Andrómeda. Tengo, como suele suceder, notablemente inteligente. 

La teoría es que Greycat –a diferencia de las rocas, los gusanos, las nebulosas y demás cosas por el estilo–ñ tiene, y actúa a partir de, creencias y deseos. Por ejemplo la razón por la que Greycat ronda su cuenco de comida por las mañanas es que quiere comida y cree –ha llegado a creer sobre la base de anteriores comidas– que su cuenco de comida es el lugar habitual para encontrarla. La razón por la que Greycat evita a los perros agresivos, es que los tiene miedo. La razón por la que Greycat araña la puerta, es que quiere salir. Así sucesivamente. Mientras que, en contraste, resulta que las rocas y las cosas por el estilo no tienen creencias ni deseos. Sus «comportamientos» son diferentes de los de Greycat porque son, en ese respecto, causados de una manera diferente. ­» (Fodor (1994). Psicosemántica. El problema del significado en la filosofía de la mente. Madrid, Tecnos. P.12) 

A esta psicología que explica la conducta de los agentes en términos de sus estados mentales Fodor la denomina «Psicología del sentido común de las creencias y los deseos», aunque también se la conoce como Psicología Pop o psicología popular, por ser la forma popular o más extendida con la que explicamos la conducta de los agentes. Para Fodor la Psicología Pop es interesante por tres motivos:

• Primero: La Psicología Pop goza de buena salud. La Psicología Pop nos permite inferir las intenciones de las personas a partir de lo que nos dicen. También nos permite inferir el comportamiento de las personas a partir de sus intenciones 

• Segundo : Profundidad de la Teoría. La teoría trata en definitiva de explicar cómo interactúan las creencias, las preferencias y los comportamientos, de forma que podamos establecer generalizaciones sobre la conducta de las personas del tipo: Si A desea hacer ‘x’ y A cree que ‘w’ es necesario para obtener ‘x’, entonces A realizará ‘w’. Lo que la psicología del sentido común supone es que el comportamiento de las personas viene al final de una cadena causal cuyos eslabones son sucesos mentales 

• Tercero : Indispensabilidad. Carecemos de una alternativa al vocabulario de las explicaciones de la psicología Pop. No tenemos otra forma de describir nuestros comportamientos y sus causas si es que queremos que nuestros comportamientos y sus causas puedan ser explicadas bajo leyes generales. Carecemos de un vocabulario alternativo para decir cosas como “creo que...” o “deseo que” 

            Para Fodor es posible disponer de una psicología científica que dé cuenta las explicaciones que se realizan dentro de la Psicología Pop mediante deseos y creencias. Se trataría de una teoría de base empírica que se comprometa con la existencia de las actitudes proposicionales. A Esta teoría se la conoce como Teoría Representacional de la Mente.  Cuando tenemos la creencia de que mañana va a llover lo que tenemos es una representación de un estado de cosas, una representación de cómo sería el mundo si mañana lloviera. Lo que la Teoría Representacional de la Mente tiene que explicar es cómo conseguimos formar esas representaciones y cómo conseguimos combinar una representaciones con otras para formar representaciones más complejas. Para ello la teoría combina la idea de las representaciones mentales con la “metáfora del ordenador”. Los ordenadores son sistemas que funcionan operando con símbolos (1 y 0). Estos símbolos se combinan entre sí formando cadenas complejas de símbolos gracias a unas reglas de composición y combinación (una sintaxis).

            Fodor va a postular la existencia de un lenguaje del pensamiento, un lenguaje que no debe confundirse con el lenguaje materno con el que nos comunicamos, que sería el lenguaje con el que opera la mente. Gracias a ese lenguaje del pensamiento innato podemos tratar las representaciones como si fueran símbolos y combinarlas entre sí según la sintaxis del propio lenguaje del pensamiento mentalés). Lo que se quiere decir mediante la teoría del lenguaje del pensamiento es que la estructura que tienen nuestros estados mentales se corresponde o es reflejada mediante la estructura sintáctica del lenguaje del pensamiento.

2.2. La Teoría Computacional de la Mente

Para representar el estado en el que se encuentra una máquina en un momento dado utilizaremos el siguiente símbolo en el que indicaremos mediante una R o una L si el movimiento del lector se dirige hacia la izquierda o hacia la derecha .

Por último, utilizamos flechas para indicar el orden en la sucesión de estados en una máquina.

O de una forma más sencilla

Por último, cuando el lector, desplazándose hacia la derecha, encuentra una casilla en blanco se detiene.

2.2.2.  La tesis de Turing y el problema de la Turing-computabilidad

Tesis 1. 

«Todo problema que pueda resolverse algorítmicamente, puede ser resuelto por una máquina de Turing» Es decir, es Turing computable

Conceptos asociados a la Tesis 1

      Algoritmo: conjunto de reglas que aplicadas de forma mecánica pueden resolver un problema de una clase dada. Fundamentalmente en contextos matemáticos.      Cálculo: Toda operación que se desarrolle mediante manipulación de símbolos en un medio de representación dado. Las operaciones simbólicas son atómicas, esto es, absolutamente simples y se realizan en un computador. La acción del computador va a depender de los símbolos que tenga el sistema y del estado interno en el que se encuentra el computador.

Tesis 2.

«Toda función computable puede ser computada por una máquina de Turing. Todo problema que puede ser resuelto por métodos algorítmicos puede ser resuelto por una máquina de Turing»

Conceptos asociados a la Tesis 2.

      Función computable: Clases de problemas que pueden ser resueltos algorítmicamente, esto es, si al algoritmo se le dan los argumentos correspondientes, entonces computará esos valores terminando la tarea en un número finito de pasos.

            La tesis 2 de Turing tuvo una importancia fundamental tanto para el desarrollo de la Psicología Cognitiva como para el posterior desarrollo de la Inteligencia Artificial. Lo que se deriva de la tesis 2 es que si se pudiese ofrecer una descripción en términos de una función computable de cualquier estado mental, o lo que es lo mismo, los estados y procesos mentales podrían ser descritos en términos de una máquina de Turing . Por ejemplo, si se pudiese dar una definición computacional –algorítmica– de procesos tales como la memoria, el razonamiento, tener un sistema de creencias, o incluso, de procesos cognitivos más complejos, entonces podríamos disponer de modelos computacionales como los descritos mediante máquinas de Turing capaces de reproducirlos. Las consecuencias en el campo de la Inteligencia Artificial serían evidentes, podrían construirse agentes artificiales –sujetos en términos de Lowe– que implementasen sistemas computacionales como los descritos para que pudiesen implementar procesos cognitivos de los que llamamos superiores.

Infografía sobre el legado de Alan Turing (fuente)

2.3. El Funcionalismo

            El funcionalismo debe entenderse como un intento dentro de la Filosofía de la Mente por resolver los problemas relativos al reconocimiento y la clasificación de los estados mentales. El funcionalismo es una posición filosófica que se considera realista con respecto a los estados mentales, esto quiere decir que el funcionalismo está comprometido con la existencia de los estados mentales.

            Los estados mentales se clasifican en términos del papel causal que tengan dentro de un agente y no tanto por su constitución físico-química. Para el funcionalismo lo que define al estado mental es el papel causal que juega dentro de la economía cognitiva de un sujeto. Para comprender qué es un estado mental debemos prestar atención a qué es lo que se deriva o qué consecuencias tiene para un sujeto tener ese estado mental.

            Veamos cómo podemos analizar la siguiente situación:

            La princesa Leila cree que Luke Sky Walker es un chico atractivo. Para comprender qué significa estar en el estado mental, o simplemente tener la creencia de que “Luke Sky Walker es un chico atractivo”, lo que debemos analizar es el papel que juega en su sistema de creencias el tener esa creencia en concreto. Digamos que tener esa creencia, junto a otras creencias como que L.S.W. no tiene compromisos con otras princesas, o que LSW pueda estar interesado en ella, junto con el deseo de... (otro estado mental –entre otras cosas – ) le llevan a considerar a L.S.W. como alguien que es candidato a engrosar la más o menos nutrida relación de novios interestelares, y por lo tanto, a actuar en consecuencia.

            Sin embargo, esta situación cambia radicalmente cuando al conjunto de creencias de la Princesa Leila se le une una nueva e inesperada creencia: “Luke Sky Walker es hermano de la Princesa Leila”. Esta nueva creencia junto a la creencia de que una princesa no debe tener relaciones incestuosas con su hermano hacen que los deseos y la conducta de la Princesa leila cambien totalmente.

            Este sencillo caso nos permite analizar los estados mentales en virtud del papel que juegan en nuestros sistemas de creencias y cómo actúan para generar nuevas creencias o para determinar un curso de acción.

            Una premisa central de la doctrina funcionalista es que, dado que en la caracterización que se hacen de los estados mentales no intervienen las características físico-químicas de los estados, al describir el comportamiento de un sujeto, podemos establecer una distinción entre el nivel puramente físico, esto es, sus estados y procesos físicos en los que el sujeto se encuentra en un momento dado; y por otro lado, un nivel de descripción funcional o abstracto en que se reflejen los estados y procesos mentales por los que pasa en sujeto en ese momento dado y cómo esos estados intervienen en la conducta del sujeto.

Se suelen diferenciar dos tipos de funcionalismo

• Funcionalismo de la Psicología Popular. Cuando apelamos a actitudes proposicionales para explicar o racionalizar la conducta de un agente, nos referimos a la función o a papel que juegan sus creencias, deseos e intenciones en su conducta. En el caso anterior, cada una de las creencias de la Princesa Leila debe ser analizada como actitudes proposicionales que estarán ejemplificadas en oraciones del lenguaje del pensamiento (mentalés) y que se relacionan con otras en virtud de la gramática y de la lógica interna de ese lenguaje del pensamiento.

• Funcionalismo de Máquina de Turing. Esta modalidad de funcionalismo considera al estado computacional de una máquina como algo comparable al estado psicológico de una persona. «La clave de su propuesta es identificar los estados mentales con estados computacionales dentro del sistema, donde los estado se definen en términos de géneros de operaciones realizadas. El resultado es que no identificaremos un estado mental con un estado de una máquina particular, sino con una operación que podría realizarse en una gran variedad de máquinas» (William Bechtel (1991) Filosofía de la mente. Una panorámica para la ciencia cognitiva. Tecnos.) Una panorámica para la ciencia cognitiva) Un programa, nos dice Andy Clark, debe ser entendido como una receta para realizar un trabajo dado que puede ser definido en niveles muy abstractos. En realidad un programa será el conjunto de operaciones que son realizadas en un sistema a partir de una serie de entradas (inputs) y que dan lugar a una serie de salidas (outputs). Esta idea abstracta de un programa puede ser capturada mediante una máquina de Turing.

            En el caso antes comentado, cada uno de los estados mentales de la Princesa Leila debe ser considerado como un estado computacional, de manera que el sujeto pasa de unos estados computacionales a otros hasta determinar la conducta más adecuada.

            Una idea central del funcionalismo es que un mismo programa, un mismo software, puede ser realizado, o puede estar implementado en distintas sistemas físicos, ya que en la doctrina funcionalista la mente es al cerebro lo que el programa a la máquina; o dicho de otra manera: la mente es un programa que, en humanos, corre teniendo al cerebro como su soporte o hardware. Esta conexión entre mente y programa debe ser entendida en un sentido fuerte, en un sentido que va más allá de una mera analogía, ya que para muchos funcionalistas el cerebro humano es un ordenador biológico configurado mediante un proceso de selección natural en el transcurso de la evolución humana. La función de cerebro sería la de recoger información del entorno y procesarla de acuerdo con ciertos programas que han sido instalados, en parte, en el mismo proceso evolutivo, o bien mediante un proceso de aprendizaje.

3.2. La Teoría Neurocomputacional de la Mente

 Los avances que se producen en el campo de las neurociencias, la posibilidad del estudio de los procesos cerebrales y el desarrollo de modelos de la mente desligados de los modelos de computación clásicos van a permitir el desarrollo de una Teoría Neurocomputacional de la Mente. La TNM está ligada al abandono de un principio que se consideraba básico en la Ciencia Cognitiva Clásica: los estados mentales son estados computacionales y la computación consiste en la manipulación de símbolos. La adopción de este principio permitió el desarrollo de la “metáfora del ordenador” y la idea de que los procesos cognitivos son procesos computacionales en el sentido en el que hablamos de computación cuando nos referimos a lo que realiza un ordenador convencional.

            La crisis de los sistemas clásicos de computación y de la Ciencia Cognitiva Clásica asociada a ellos tuvo como consecuencia inmediata la necesidad de desarrollar nuevos sistemas computacionales. Estos sistemas computacionales serán los sistemas conexionistas. Los sistemas conexionistas están inspirados en los diseños y estructuras que conforman el cerebro, ahora la imagen se ha invertido, es el cerebro quien proporciona el modelo adecuado para comprender el funcionamiento de los sistemas computacionales. La diferencia entre un sistema de computación clásico y un sistema conexionista es que este último no requiere de la manipulación de símbolos. La diferencia fundamental entre los modelos simbólicos y los modelos conexionistas es que mientras que los primeros recurren a las propiedades formales de un sistema simbólico para simular los sistemas cognitivos, los segundos se basan en diseños que tratan de copiar la estructura del cerebro (sistemas de diseño cerebriforme). Los modelos o diseños de estructuras conexionistas son muy variados. En realidad para cada problema podría plantearse el diseño de un modelo distinto, es por ello que en esta sección lo que se pretende explicar aquellos elementos comunes a la mayoría de los sistemas conexionistas y como los modelos conexionistas han influido en la imagen computacional de la mente.

            Paul y Patricia Churchland (Churchland, P.M. y Churchland, P.S. (1990 "Podría pensar una máquina". Investigación y Ciencia. ) destacan tres características que definen a los sistemas nerviosos: 

• En primer lugar, los sistemas nerviosos son máquinas en paralelo. Un Procesamiento Distribuido en Paralelo (PDP) se caracteriza porque en él existen procesadores conectados entre sí y especializados en realizar tareas específicas. 

• La segunda característica es que la unidad fundamental de procesamiento es la neurona. Este aspecto es fundamental puesto que las unidades que forman el sistema son estructuras muy sencillas que tienen un comportamiento también muy simple. Las neuronas son unidades que responden a impulsos eléctricos, impulsos que pueden inhibir, excitar o modular el comportamiento de la neurona. 

• Por último, las redes de neuronas forman sistemas recurrentes. Las conexiones que podemos encontrar en las neuronas son de dos tipos, de un lado, tenemos conexiones formadas por axones que parten de las neuronas para sinaptar con otras; y de otro, existen axones que vuelven desde la población de neuronas destinataria a la población de neuronas de origen. Estas proyecciones recurrentes modulan el procesamiento y, además, permiten al cerebro ser un sistema dinámico con una conducta que llega a ser, en algunos casos, independiente de los estímulos externos.

            Un sistema conexionista es, por lo tanto, una red de procesadores con un diseño tipo PDP, cuyos elementos básicos lo forman unidades simples, similares a neuronas que reciben el nombre de nodos de la red. Cada nodo está conectado con otros nodos formando una red a través de la cual se envían señales unos a otros y a sí mismos. El valor de activación de cada nodo depende de las entradas excitantes o inhibitorias procedentes de la red a la que esté conectado. Los valores de activación pueden ser del tipo 0 o 1, donde 0 indica que la unidad está desactivada y 1 indica que la unidad está activada. Al valor de activación se le suele denominar ‘fuerza’. La entrada total que recibe un nodo determinará su estado de activación, y esto puede depender del umbral que la entrada tenga que alcanzar para poder activar al nodo al que se conecta. La activación de un nodo viene representada por una relación que es directamente proporcional a la fuerza de la entrada que recibe. La fuerza de conexión entre dos nodos se denomina peso.

            Veamos cómo es el proceso analizando el comportamiento de una neurona muy simple. Esta neurona tiene una fuerza o un umbral de disparo de 4. Esto quiere decir que cuando la neurona reciba un peso con valor 4 la neurona se activará. Supongamos que la neurona tiene tres conexiones de entrada: la conexión A que tiene una fuerza con valor 1; la conexión B que tiene una fuerza con valor 2; y la conexión C que tiene una fuerza con valor 3. Cuando la neurona reciba señales de entrada procedentes de las conexiones A y C o de las conexiones B y C, el peso de la conexión será de 4 o más de 4 lo que hará que la neurona se active. Estos tipos de diseños pueden incluir modelos de conexión que sean inhibitorias, esto es, que impidan la activación de una neurona. Así, si suponemos ahora que la conexión B tiene una fuerza inhibitoria de valor 2 cuando la neurona reciba las entradas de las tres conexiones no se activará, ya que el peso de las tres conexiones (1-2+3) no supera el umbral de activación.

            Las redes neuronales pueden formar tres tipos de capas en función de las conexiones que establezcan. En primer lugar, tendríamos las unidades de entrada, que tienen conexiones fuera del sistema y reciben estímulos tanto del exterior como de otras unidades internas. Las unidades de salida también tienen conexiones con el exterior. De hecho, son las encargadas de enviar información al exterior. Y, por último, existen unidades ocultas, que carecen de conexiones fuera del sistema pero permiten establecer conexiones sinápticas entre distintos niveles del sistema. Un sistema de red neuronal podría tener este diseño:

Para los modelos conexionistas los estados y procesos mentales pueden ser explicados a partir de los sistemas computacionales basados en redes neuronales. No se trata ya de manipulación de símbolos como propone el modelo cognitivo más tradicional o la teoría computacional de la mente, sino de redes compuestas de nodos que se activan para formar representaciones. Las representaciones se realizan dentro del sistema y dependen de las propiedades o de la arquitectura del sistema. No están localizadas en un lugar del sistema, sino que se distribuyen en el sistema.

            La TNM sostiene que una red neuronal genera un mapa topográfico de n dimensiones en el que se produce una representación de una porción de realidad. Cada representación que tenemos del mundo se corresponde con un estado computacional dentro de ese espacio n-dimensional y ocupa un lugar en él. Por ejemplo, la representación que tenemos de una cara ocupará un lugar en el espacio de estados.

En este caso podemos imaginar un estado de tres dimensiones en el que se tienen tres representaciones de la cara de Ludwig Wittgenstein. Cada una de estas representaciones se correspondería con un vector que trazaría una trayectoria dentro del espacio de estados. La activación de una red neuronal se correspondería con la representación de la cara de Wittgenstein, y esa representación ocupará un lugar en el espacio de representaciones. La representación que se correspondería con el retrato en la medida en que difiere de la representación de la fotografía, ocupará un lugar más alejado de ésta en el espacio. Por último, la caricatura, al ser una representación que se diferencia más del original, ocupará una posición más alejada de la fotografía en el espacio de estados. Esta sería la manera en la que podemos formar representaciones no sólo de tipo sensorial, pues también habría espacios para representaciones morales, estéticas...

Magnífico vídeo de una serie de 7 en los que el profesor Javier García nos presenta qué son las arquitecturas basadas en redes neuronales

            Hay dos grandes modelos de sistemas conexionistas.

            Modelos localistas. En estos modelos cada nodo representa una entidad, una propiedad o un concepto simple. La conexión entre distintos nodos formará una red que se corresponderá con la representación de entidades o de conceptos más complejos. Cada nodo puede tener un nivel de activación determinado que transmite a los nodos con los que está conectado. Estos nodos suman el conjunto de la actividad recibida y lo proyectan hacia otros nodos.

            Modelos subsimbólicos. En estos modelos, los nodos no representan nada por sí mismos, es el vector de activación que conecta los distintos nodos lo que funciona como una representación. Una representación es un patrón de activación.

            En la actualidad hay un debate muy extendido en la Filosofía de la Mente y en la Filosofía de la Inteligencia Artificial sobre si realmente hay alguna diferencia significativa entre los modelos computacionales simbólicos y los modelos conexionistas de la mente.Para Fodor, el conexionismo debe entenderse como una manera distinta de implementar los procesos computacionales que definen lo que son los procesos mentales.

3.4. Teoría Dinamicista de la Mente

            Un problema al que se enfrentan tanto a los sistemas computacionales clásicos como los conexionistas está relacionado con la imagen cartesiana que se deriva su concepción de la dinámica de los procesos cognitivos. En ambos casos, los procesos cognitivos de los que dan cuenta los modelos computacionales clásicos y las arquitecturas conexionistas se limitan al flujo de información dentro de un sistema aislado de su entorno. En la teoría computacional clásica los procesos se estudian como transiciones de estados computacionales que vienen descritos por los algoritmos que componen el programa con el que opera el sistema; y en los sistemas conexionistas pasa algo parecido, pues aunque se contempla la posibilidad de que se formen bucles desde la capa de salida hacia la capa de entrada y de que el sistema pueda reconfigurar los pesos de los nodos en función de la información que pueda recibir desde las capas de salida, todo este proceso se realiza de una manera en la que el sistema está desligado del medio. Comprender los procesos cognitivos requiere comprender no tanto los mecanismos mediante los cuales un sistema procesa información, sino cómo un sistema interacciona con el entorno formando un sistema más complejo en el que agente y mundo son elementos de un mismo sistema.

            Los modelos cognitivos basados en arquitecturas dinamicistas interpretan la cognición como un proceso emergente y autoorganizado en el que se deben integrar tanto los factores relacionados con la actividad neuronal como los cambios producidos en el organismo y el medio en el que se encuentra el sujeto. El modelo resultante es por lo tanto un modelo extendido que concibe tanto al sujeto y al medio como elementos que configuran un mismo sistema en el que cobra una especial importancia la dimensión temporal. Al introducir el tiempo como un elemento más dentro de ese sistema global en el que están implicados agentes y entorno, se obtiene una visión más compleja de los procesos cognitivos al ser considerados estos como la resultante de la evolución a través del tiempo de la interacción entre agentes y el entorno.

            Dentro de la Teoría de Sistemas Dinámicos se suele distinguir entre sistemas dinámicos concretos y sistemas dinámicos abstractos. La Teoría de Sistemas Dinámicos Concretos tiene como objeto el estudio de objetos reales situados en un mundo físico y los cambios que se producen en ellos a lo largo del tiempo. Los Sistemas Dinámicos Abstractos son modelos matemáticos que describen formalmente los cambios que se producen en entidades concretas.

            Las herramientas matemáticas que permiten describir el comportamiento de un sistema están integradas por un conjunto de ecuaciones diferenciales no lineales, que especifican los valores que va tomando un subconjunto de variables control que determinan los distintos estados hacia los que evoluciona un sistema en el tiempo. De forma genérica, se puede decir que la Teoría de Sistemas Dinámicos intenta modelar y explicar el comportamiento de sistemas concretos, identificando cuáles son las variables relacionadas con la conducta del sistema que van cambiando en el tiempo y que, de forma interactiva, describen las leyes que regulan el comportamiento del sistema.

           Mediante el tipo de herramientas conceptuales propios de la Teoría de Sistemas Dinámicos y la utilización de complejos sistemas de ecuaciones diferenciales, la Teoría de Sistemas Dinámicos tiene como objetivo la descripción los procesos cognitivos de nivel superior, considerados estos como sistemas que evolucionan en el tiempo.

           El ejemplo clásico de sistemas acoplados al entorno y capaces de autorregular su conducta lo encontramos en el gobernador centrífugo de Watt.

            En las máquinas de vapor el movimiento del pistón está vinculado al movimiento giratorio del motor que es el responsable del movimiento de la máquina. En estos tipos de máquinas, la velocidad del motor depende de variables como pueden ser las fluctuaciones de vapor, la temperatura del horno, la carga y otros factores de forma que no es posible mantener una velocidad constante. Para alcanzar esta velocidad constante es necesario un dispositivo que ajuste la válvula que controla la cantidad de vapor que llega al pistón. La solución propuesta por Watt consistía en insertar un eje vertical al motor al que van sujetos dos brazos que tienen acopladas dos bolas metálicas en sus extremos. El dispositivo funciona de manera que, al girar el eje, la fuerza centrífuga permite que las bolas metálicas suban y se desplacen hacia fuera. En el extremo superior del eje hay una válvula que permite ajustar el flujo de vapor. De este modo, cuando aumenta la velocidad del motor, los brazos suben cerrando la válvula, y cuando disminuye la velocidad del motor los brazos se cierran, abriendo así la válvula y permitiendo que aumente el flujo de vapor. El dispositivo resulta ser un sistema ingenioso que permite vincular la velocidad de rotación del eje con la velocidad del motor y de este modo conseguir una velocidad constante.

            El gobernador centrífugo es un ejemplo de sistema dinámico cuya conducta puede ser descrita mediante una ecuación diferencial no lineal de segundo orden. El gobernador centrífugo constituye pues un sistema que interactúa con el entorno y cuya conducta emerge a partir del control de una serie de variables que cambian interdependientemente en el tiempo, generando de este modo un único sistema que engloba tanto al dispositivo en sí como al medio en el que está acoplado. El comportamiento del sistema en su totalidad puede ser explicado mediante los modelos que proporciona la TSD.

            Según van Gelder, la concepción dinamicista de los procesos cognitivos se construye sobre dos afirmaciones básicas. Una de carácter ontológico (dynamical hypothesis) sostiene que los agentes cognitivos son sistemas dinámicos y la naturaleza última de la cognición es de carácter dinámico. La otra, de naturaleza epistemológica, (knowledge hypothesis) afirma que los agentes cognitivos, y la cognición misma, pueden ser comprendidos a partir de las herramientas y los modelos generados por la TSD.            Es complejo determinar qué es un agente cognitivo, en principio cualquier agente que muestre una conducta cognitiva que implique conocimiento puede ser considerado como un agente cognitivo, esto permitiría incluir como tales a las personas, algunas especies animales con un cierto nivel de desarrollo evolutivo e incluso a agentes artificiales como computadoras. Un agente cognitivo en principio es todo aquello que implementa sistemas dinámicos, por lo tanto, la cognición puede ser explicada mediante los elementos que proporciona la TSD