Pedro Luis Cobos: Desórdenes emocionales, procesos asociativos y conexionismo

01/10/2018 0 comentarios
Menear

Presentamos en este artículo una breve entrevista con el profesor Pedro Luis Cobos, profesor titular de Psicología en la Universidad de Málaga. Muy interesado inicialmente en los procesos asociativos de aprendizaje y activación, entró de lleno en el debate en torno a la capacidad explicativa de las teorías asociativas frente a las teorías proposicionalistas del conocimiento. En la actualidad, sus proyectos van orientados al estudio de la influencia de los procesos asociativos en la adquisición de conductas de miedo y evitación en el ámbito clínico.

 PEDRO LUIS COBOS

 

-P. Estimado profesor Cobos: en un artículo publicado en 2018 junto a Amanda Flores, Francisco J. López y Bram Vervliet, demuestra que la intolerancia a la incertidumbre es un factor que provoca conductas de evitación exageradas e inflexibles (p. 24). Desde hace mucho se conoce cómo la no tolerancia a la incertidumbre es un mecanismo decisivo en el desencadenamiento de preocupación patológica y de ansiedad. ¿Querría explicarnos brevemente qué tipo de diseños experimentales están aplicando en el contexto clínico para obtener estos resultados?

-R. Antes de nada quería manifestarte (espero que no te importe que te tutee) mi enorme agradecimiento por la entrevista, por tus muy amables palabras y por la oportunidad que me ofreces para dar más difusión a las cosas que hacemos en nuestro laboratorio en Málaga. También siento la necesidad de decir que, si bien se han escrito muy pocos libros sobre conexionismo y cognición en castellano, en inglés se han publicado muchos y muy buenos. Los aciertos que se puedan advertir en el mío constituyen en el fondo una gran deuda en relación con contribuciones previas de autores como McLelland, Rumelhart, Hinton, Smolensky, Plunket, Elman, Rolls, Treves, Bechtel, Abrahamsen y otros muchos.

   En cuanto a la pregunta, si bien es cierto que hay muchos estudios que relacionan la intolerancia a la incertidumbre con las preocupaciones patológicas y la ansiedad, es muy poco lo que se ha avanzado en la comprensión detallada de los mecanismos causales que explican estas relaciones. Y lo que se percibe en estos momentos es que muchos laboratorios se han percatado recientemente de la necesidad de solucionar esta laguna de comprensión a partir de un abordaje experimental y neurocientífico. En el fondo, lo que se esconde tras este interés es la idea de que si obtenemos una comprensión detallada de los procesos que originan y mantienen los trastornos de ansiedad, podremos mejorar las técnicas de evaluación y los tratamientos y podremos poner en marcha programas de prevención. Por tanto, esta estrategia de investigación forma parte de un programa más general que se extiende a todos los trastornos mentales y que se basa en la idea de proporcionar sistemas de diagnóstico y tratamiento etiológicamente inspirados que superen las limitaciones del DSM. Este programa se conoce hoy en día con el nombre de RDoC, del inglés "Research Domain Criteria".

   Nuestros experimentos, en concreto, se interesan por las conductas de evitación en situaciones inciertas y por la relación existente entre tales conductas y la intolerancia a la incertidumbre. La intolerancia a la incertidumbre es una disposición que manifiestan algunas personas a considerar inaceptable la posibilidad de que suceda un acontecimiento amenazante incierto por pequeña que sea la probabilidad de su ocurrencia. Existe la idea, con un cierto respaldo experimental, de que la evitación contribuye al desarrollo y, sobre todo, al mantenimiento y agravamiento de los trastornos de ansiedad. Por otro lado, hay muchos estudios que señalan la existencia de una relación entre la intolerancia a la incertidumbre y la evitación excesiva. Sin embargo, hasta ahora no se había proporcionado una prueba conductual que relacionara la intolerancia a la incertidumbre con la evitación excesiva. Nuestro experimento se basa en el condicionamiento instrumental. Los participantes tienen que aprender a evitar estímulos aversivos inciertos que se presentan de acuerdo con un patrón temporal variable. Como es imposible predecir el momento exacto de ocurrencia de estos estímulos desagradables, para poder evitarlos, los participantes se ven obligados a responder con una frecuencia relativamente alta a lo largo de toda la fase de aprendizaje. Nuestro procedimiento y diseño experimental tienen la ventaja de que nos permiten detectar diferencias individuales en cuanto a la frecuencia de la respuesta de evitación. Y lo que hemos encontrado es que las personas que puntúan más en intolerancia a la incertidumbre tienden a realizar más respuestas de evitación. Además, también hemos hallado que los más intolerantes tienden a seguir evitando con la misma frecuencia aunque el estímulo que tratan de evitar haya perdido su carácter aversivo o amenazante y a pesar de los estímulos aversivos dejen de presentarse.

-P. En la misma línea de investigación, el trastorno de ansiedad generalizada sigue produciendo estragos entre la población mundial. La ansiedad, como otros desórdenes emocionales, depende mucho de procesos de aprendizaje asociativo. ¿Está Ud. y su grupo trabajando en algún proyecto al respecto que pueda tener repercusiones clínicas?

-R. Tal y como se desprende de mi respuesta anterior, aunque nuestro trabajo se basa en un enfoque experimental centrado en los procesos responsables de la ansiedad y la evitación, su objetivo final es producir conocimientos y técnicas útiles para la Psicología clínica. Y no solo en lo concerniente a la ansiedad generalizada, sino a otros trastornos como el trastorno de pánico, la ansiedad social, el trastorno obsesivo compulsivo, la anorexia nerviosa y otros trastornos que se han relacionado igualmente con la intolerancia a la incertidumbre y que se presentan con una importante tasa de comorbilidad. Supongamos, por ejemplo, que futuros resultados experimentales revelan que uno de los motivos por los que los intolerantes a la incertidumbre tienden a evitar en mayor medida y presentan mayores niveles de estrés radica en una dificultad para identificar señales de seguridad que indiquen la ausencia de peligro. El desarrollo de técnicas de evaluación para identificar esta dificultad de aprendizaje y de tratamientos destinados a superarla podría ser crucial no solo como solución a los trastornos anteriores, sino para aumentar la resiliencia de las personas y evitar recaídas en el futuro.

-P. Ya que acabamos de aludir a la idea de procesos asociativos, una de las conclusiones de su tarea investigadora es que los procesos asociativos y los procesos de razonamiento conviven y explican parcialmente tanto el proceso de inferencia causal como el de aprendizaje. Para disociar ambos procesos, es interesante estudiar el aprendizaje de relaciones de contingencia. ¿Qué tipo de relaciones de contingencia está analizando Ud.  y su grupo de investigación en sus estudios más recientes?

-R. Se trata de relaciones de contingencia entre acontecimientos antecedentes y consecuentes. El ejemplo más empleado en el área es la tarea de las alergias, donde los participantes tienen que aprender a predecir si un paciente desarrollará una alergia o no (acontecimiento consecuente) a partir de información acerca de los alimentos que ha ingerido (acontecimientos antecedentes). Decimos que existe una relación de contingencia entre, pongamos, aguacate y la reacción si la probabilidad de dicha reacción cambia en de si se ha ingerido aguacate o no. En tal caso, si aprendemos esta relación, ingerir aguacate se convierte en un acontecimiento informativo que resulta útil para generar expectativas sobre la ocurrencia de la alergia. El procedimiento habitual para estudiar esta forma de aprendizaje consiste en proporcionar ensayos de forma repetida en los que los participantes se exponen a la ocurrencia de acontecimientos antecedentes y consecuentes. De este modo, los participantes aprenden a predecir de forma gradual las consecuencias a partir de los antecedentes.

   En nuestro caso, en los últimos años hemos empleado tareas que se alejan en cierta medida de la clásica tarea de las alergias para poder estudiar de un modo más fino el rol de los procesos asociativos en el aprendizaje de relaciones de contingencia. Por ejemplo, una de nuestras tareas favoritas consiste en aprender la relación entre figuras geométricas que aparecen en el centro de la pantalla y la localización espacial de un determinado estímulo que se presenta con posterioridad. La idea que subyace a nuestro planteamiento experimental es que tareas como la de las alergias no representan de forma adecuada la gran variedad de situaciones en las que el aprendizaje de relaciones de contingencia está fuertemente implicado. Por ejemplo, es bien sabido que nuestro cerebro aprende la relación existente entre el input visual que proporciona el movimiento de los labios de nuestro interlocutor y el input auditivo correspondiente con el fonema que está pronunciando. El aprendizaje de esta relación estadística está tan bien asentado que el acceso visual al movimiento de los labios puede alterar nuestra percepción auditiva del fonema pronunciado. Este efecto de integración multisensorial se conoce como el efecto McGurk.

El asunto es que si estudiamos el aprendizaje de relaciones de contingencia empleando únicamente tareas como la de las alergias y medimos lo aprendido a partir de los juicios verbales que los participantes nos proporcionan podemos llegar a tener una visión distorsionada de los procesos de aprendizaje responsables del aprendizaje de relaciones de contingencia en una gran variedad de situaciones de enorme importancia en nuestra vida cotidiana. Tareas como la de las alergias promueven el uso y expresión de procesos de razonamiento que llevan a algunos autores a concluir que los procesos de carácter asociativo no desempeñan ninguna función importante en el aprendizaje de relaciones de contingencia. Sin embargo, cuando cambiamos drásticamente el tipo de tarea que empleamos y medimos el aprendizaje con técnicas puramente conductuales no basadas en juicios, los procesos asociativos se expresan de una forma más notoria.

-P. Ud. publicó en 2005 el mejor libro sobre el Conexionismo y sus límites que conoce el autor de este blog. Hace ya casi 30 años que fue editado el primer libro sistemático sobre modelización de funciones cerebrales usando redes neuronales artificiales, basadas en atractores (Amit, 1991). A día de hoy, ¿cómo ve las posibilidades reales de la modelización cerebral utilizando modelos conexionistas? ¿De verdad el Deep Learning supone una auténtica revolución en el paradigma o todavía se podrá asistir a un nuevo invierno conexionista como se vivió en los años 70 del siglo pasado?  

-R. Te agradezco mucho tu generosa opinión. Insisto, no obstante, en que se han realizado contribuciones en inglés de una gran valía. Al fin al cabo, mi papel ha sido más bien el de un divulgador. En cuanto a la primera pregunta, es evidente que el momento de gran eclosión del conexionismo ya ha pasado y se ha recobrado una perspectiva más equilibrada sobre el cerebro y la cognición. Dicho esto, la irrupción del conexionismo ha producido cambios en el modo en que concebimos los procesos mentales y su ejecución en el cerebro que se han normalizado en nuestra disciplina. La modelización conexionista sigue estando presente y tiene un enorme valor en determinadas áreas experimentales y neurocientíficas por su capacidad para contrastar teorías. Lo que ha desaparecido es la visión ingenua de que solo con los principios de computación neuronal tendríamos bastante para iluminar todo el campo de la cognición. Hacen falta más aliados para tener una visión más precisa y completa. Por ejemplo, el enfoque de la cognición corporizada (“embodied cognition”) y, quizás, el del cerebro bayesiano, creo que constituyen aliados naturales del conexionismo que incorporan muchas de sus ideas y aportan otras nuevas que están teniendo un creciente impacto empírico.

   En cuanto al Deep Learning, aunque se inspira en los perceptrones multicapa, su evolución se ha regido más por criterios matemáticos y de eficiencia que por la necesidad de modelizar nuestra cognición y nuestro cerebro. Su impacto no se aprecia en la Psicología sino, más bien, en otras áreas como la Inteligencia Artificial o el análisis de grandes cantidades de datos. Por supuesto, esto no descarta que, en el futuro, se produzcan aportaciones en Deep Learning que se exporten a la Psicología, cuya historia está, precisamente, plagada de préstamos procedentes de otras disciplinas. Pero éste no es, desde luego, el objetivo principal de los que se dedican a mejorar las técnicas del Deep Learning y lo usan para sus propios fines.

   Muchas gracias por su amabilidad y espero que sus proyectos de investigación continúen avanzando.

Referencias

Amit, D.J. (1991). Modeling brain function: the world of attractor neural networks. Cambridge: CUP.

Cobos, P.L. (2005). Conexionismo y cognición. Madrid: Pirámide.

Flores, A., López, F.J., Vervliet, B. y P.L. Cobos (2018). Intolerance of uncertainty as a vulnerability factor for excessive and inflexible avoidance behavior, Behaviour Research and Therapy, 104 (May 2018), 34-43.