Rol del procesamiento lingüístico y de la corteza visual primaria en la percepción de las relaciones causa-efecto²

Roberto Limongi Tirado¹

1 ( UPEL – IPC - IVILLAB )

2 (BRAIN AND COGNITIVE SCIENCE PROGRAM,

SOUTHERN ILLINOIS UNIVERSITY AT CARBONDALE )

robertol@siu.edu

Resumen

En este trabajo abordamos la pregunta de si la percepción de las relaciones causa-efecto está basada en información fundamentalmente sensorial o requiere de procesamiento lingüístico adicional. Para ello, desarrollamos un experimento en el que los sujetos juzgan si oraciones léxicas causales o perifrásticas causales describen estímulos visuales del tipo causa-efecto. Los resultados de este estudio sirven de base para el desarrollo de un modelo de redes neurales artificiales en el que sólo se simulan unidades tipo neuronas, de la corteza visual asociativa y se estima la varianza que puede ser explicada por el modelo. Los resultados arrojan que los sujetos utilizan estructuras sintácticas específicas para describir relaciones causales directas e indirectas. Por otra parte, el modelo computarizado solo logra explicar 22% de la varianza de los datos arrojados por el experimento. Esta deficiencia del modelo es evaluada a la luz de los recientes trabajos en neurociencia cognoscitiva y se llega a la conclusión de que regiones corticales superiores involucradas en el procesamiento lingüístico y la atención podrían explicar el 78% restante de la varianza.

Palabras clave: causalidad perceptual, lenguaje y causalidad, modelaje computacional

The role of linguistic processing and primary visualcortex in the perception of cause-effect relations

Abstract

In this work, we addressed whether perceptual causality lays on sensory information or requires further linguistic processing. We developed an experiment in which subjects judged lexical-causative or periphrastic-causative sentences as describing visual stimuli culturally considered as causal. Results of this experiment led to set up an artificial neural network model that simulates neuron-like units of the associative visual cortex, and we assessed the amount of variance the model could account for. Experiment’s results yielded that subjects used specific syntactic structures when describing direct and indirect causal events. On the other hand, the computerized model only explained up to 22% of the variance of the data. We evaluated such a weakness under the scope of recent cognitive neuroscience research, and we concluded that higher cortical regions involved in linguistic processing and attention might account for the remaining 78% of the variance.

Key Words: perceptual causality, language and causality, computational modeling

Role du procede linguistique et de l’écorce visuelle primaire dans la perception des relations de cause a effet

Résumé

Dans cette recherche, on analyse si la perception des relations de cause à effet est fondée sur une information fondamentalement sensorielle ou exige un procédé linguistique additionnel. Pour cela, on a développé une expérience dans laquelle les sujets jugent si des propositions lexiques causales ou périphrastiques causales décrivent des stimulus visuels du type cause à effet. Les résultats de cette expérience servent de base pour développer un modèle de réseaux neuraux artificiels où on ne simule que des unités type neurones de l’écorce visuelle associative et on tient compte la variance pouvant être expliquée par le modèle. Les résultats de l’expérience démontrent que les sujets emploient des structures syntaxiques spécifiques pour découvrir des rapports causaux directs et indirects. Par ailleurs, le modèle informatisé ne réussit qu’à expliquer 22% de la variance des données obtenues à travers cette expérience. Cette faiblesse du modèle est évaluée à la lumière des plus récentes recherches sur neuroscience cognitive et on conclut que des régions corticales supérieures liées au procédé linguistique et l’attention pourraient expliquer les 78% de la variance.

Mots clés : causalité perceptuelle, langage et causalité, modelage informationnel.

Ruolo del processo linguistico della corteccia visuale primaria nella percezione delle relazioni

causa – effetto

Riassunto

In questa relazione ci chiediamo se la percezione delle relazioni causa – effetto abbia la sua base in una informazione fondamentalmente sensoriale o abbia bisogno di un ulteriore processo linguistico. Con questo fine, abbiamo sviluppato un esperimento nel quale i soggetti giudicano se frasi causali o perifrastici causali descrivono stimoli visuali del tipo causa – effetto. I risultati di questo esperimento servono come basamento per lo sviluppo di un modello di reti neurali artificiali dove sono simulati esclusivamente unità come neuroni della corteccia visuale associativa e si è stimata la varianza che può essere spiegata dal modello. I risultati dell’esperimento dicono che i soggetti usano strutture sintattiche specifiche per descrivere relazioni causali dirette ed indirette. D’altronde, il modello computerizzato soltanto riesce ad esprimere il 22% della varianza dei dati ottenuti dall’esperimento. Questa deficienza del modello è valutata in confronto con i più recenti saggi della neuroscienza conoscitiva e si arriva alla conclusione che regioni corticali superiori coinvolte nel processo linguistico e nell’attenzione potrebbero spiegare il 78 % mancante della varianza.

Parole chiavi: causalità percettuale, linguaggio e causalità, modellizzazione computerizzata.

Papel do processamento linguístico e do córtice visual primário na percepção das relações causa-efeito

Resumo

Neste trabalho abordamos a pergunta sobre se a percepção das relações causa-efeito está baseada em informação fundamentalmente sensorial ou se requer processamento linguístico adicional. Para isso, desenvolvemos uma experiência na qual os sujeitos julgam se orações léxicas causais ou perifrásticas causais descrevem estímulos visuais do tipo causa-efeito. Os resultados desta experiência servem de base para o desenvolvimento de um modelo de redes neuronais artificiais no qual só se simulam unidades tipo neurónios do córtice visual associativo e estima-se a variança que pode ser explicada pelo modelo. Os resultados da experiência demonstram que os sujeitos utilizam estruturas sintácticas específicas para descrever relações causais directas e indirectas. Por outro lado, o modelo computorizado só consegue explicar 22% da variança dos dados obtidos pela experiência. Esta deficiência do modelo é avaliada à luz dos recentes trabalhos em neurociência cognitiva, chegando-se à conclusão de que regiões corticais superiores envolvidas no processamento linguístico e na atenção poderiam explicar os restantes 78% da variança.

Palavras-chave: causalidade perceptiva, linguagem e causalidade, modelagem computacional.

Recepción: 06-10-2005 Evaluación: 11-01-2006 Recepción de la versión definitiva: 14-02-2006

Introducción

La relación entre percepción y lenguaje es uno de los temas más importantes en el campo de la psicología del lenguaje, así como de la psicolingüística. Esta relación se materializa lingüísticamente en la dicotomía significante/significado y psicológicamente, en la dualidad percepción/representación mental.

Las relaciones entre la percepción de estímulos ambientales (los referentes) y sus representaciones mentales (significados) abarcan desde objetos discretos (e.g. carro, árbol, caballo) hasta estímulos dinámicos (e.g. el movimiento de las personas, de los animales y la interacción de los objetos de la naturaleza). Dentro de esta última categoría de referentes, se encuentran las relaciones causa-efecto. La relación entre los referentes dinámicos del tipo causa-efecto y sus representaciones lingüísticas y/o semánticas constituyen uno de los problemas de investigación sobre percepción y lenguaje que ha tenido gran abordaje en los últimos años en las ciencias cognoscitivas.

Una pregunta que persiste tanto en las ciencias de la conducta como del lenguaje es si la percepción de las relaciones causa-efecto depende exclusivamente de los estímulos ambientales en forma de patrones de actividad nerviosa sensorial como la visión o audición, o si resulta de la interacción de estos estímulos y sus representaciones semánticas o lingüísticas. En el primer caso, nos referimos al procesamiento ascendente (bottom-up), mientras que en el segundo caso, la percepción es considerada como procesamiento descendente (top-down). En cualquier instancia, hoy en día estos procesos percepto-lingüísticos se pueden abordar en situaciones controladas de laboratorio.

Experimentalmente, los estímulos ambientales que desencadenan hipotéticas percepciones causa-efecto son representaciones dinámicas de objetos colisionando presentados en videos computarizados. Estos estímulos se han venido utilizando en la investigación psicofísica desde los años 40 (aunque no siempre en computadoras) a partir de la obra de Albert Michotte . Los trabajos que han continuado esta tradición se han focalizado en la naturaleza percepto-visual de las relaciones causa-efecto ; sin embargo, dichos estudios sólo refieren tangencialmente la naturaleza de las representaciones lingüísticas de las percepciones de relaciones causa-efecto.

Por otra parte, la investigación psicolingüística se ha orientado a identificar cómo las representaciones causa-efecto contribuyen a la decodificación sintáctica o a la representación semántica del discurso . No obstante, estas investigaciones tampoco abordan cómo la información sensorial se relaciona con las representaciones lingüísticas. Aunada a la predominancia sensorial de las investigaciones psicofísicas, la orientación sintáctica o textual de la investigación psicolingüística evidencia la necesidad de estudiar la relación entre el lenguaje y las percepciones causa-efecto desde una perspectiva interdisciplinaria.

Recientemente, una tercera tradición de trabajos se ha dirigido a identificar el tipo y la naturaleza de las estructuras sintácticas que los sujetos utilizan para describir las percepciones causa-efecto . Estas investigaciones han permitido describir con precisión las características sintácticas de las oraciones que los hablantes de diferentes lenguas emplean para referirse específicamente a relaciones causales directas e indirectas. Por ejemplo, cuando a sujetos en condiciones experimentales se les presentan videos en el que una persona en una habitación se desplaza hacia una puerta, hace contacto con la manija de la puerta y posteriormente ésta se abre, los sujetos describen lingüísticamente esta percepción como "la persona abrió la puerta". Similarmente, si los sujetos observan un video en el que un auto colisiona con un árbol y éste se cae, ellos construyen oraciones como "el auto derribó el árbol".

En general, la bibliografía consultada reporta dos tipos de estructuras para referirse a las relaciones causa-efecto: léxicas causativas y perifrásticas causativas. En los casos "la persona abrió la puerta" y " el auto derribó el árbol", la estructura S + V + OD es la más utilizada, y se conoce como "léxica causativa" . Por otra parte, si en el video de la persona abriendo una puerta, el sujeto investigado utilizara un sistema de control remoto, muchas veces describirían esta acción como "la persona hizo que la puerta se abriera". Asimismo, si el auto colisiona con el árbol y en éste se encuentra un nido de pájaros que se cae junto con el árbol, los sujetos lo describirían como "el auto causó que el nido se cayera". Estos dos últimos casos son ejemplos de estructuras perifrásticas causativas.

Las estructuras léxicas causativas y perifrásticas causativas describen dos tipos de percepciones causales de diferente naturaleza. Las léxicas causativas describen eventos perceptuales de relaciones causales directas, mientras que las perifrásticas causativas describen tanto eventos directos como indirectos.

La especificidad de las estructuras sintácticas que se emplean para describir relaciones causales directas e indirectas sugiere que en el sistema cognoscitivo coexisten dos tipos de representaciones (lingüísticas y sensoriales) durante la percepción de situaciones causa-efecto. La coexistencia de las representaciones sensoriales y lingüísticas de un estímulo ambiental es básica en la lingüística estructural, generativa o textual. Sin embargo, desde una perspectiva psicológica, esta coexistencia precisa una descripción diferente en términos de cómo las representaciones interactúan y si dicha interacción puede ser explicada mediante explicaciones funcionales o se requieren de mecanismos intermedios.

Por explicaciones funcionales nos referimos a relaciones entre variables dependientes e independientes descritas por una función matemática (e.g. lineal, logarítmica, polinómica) o relaciones basadas en la triple relación de contingencia (i.e. estímulo antecedente, conducta, estímulo consecuente). Por su parte, por "requerimientos" mecanicistas entendemos la necesidad de utilizar constructos mecanísticos hipotéticos (e.g. memoria de corto plazo, central ejecutiva, almacén fonológico) o reales (corteza visual primaria, corteza prefrontal, área de Broca) para explicar las relaciones entre dos variables que en nuestro caso, serían los estímulos visuales y las respuestas lingüísticas con sus respectivas representaciones mentales. Como los abordajes mecanicistas y funcionales tienen antagónicos fundamentos filosóficos, es necesario abordarlos por separado.

En este trabajo reportamos un abordaje mecanicista para dar cuenta de la posible interacción entre las representaciones lingüísticas y visuales en las percepciones causa-efecto en condiciones de laboratorio. Si la percepción de los fenómenos causa-efecto son de naturaleza sensorial y la descripción lingüística es sólo una respuesta verbal establecida por contingencias sociales, entonces un modelo matemático que considere únicamente los mecanismos sensoriales debe ser suficiente para explicar el comportamiento de las variables. Esa "suficiencia" viene dada por el porcentaje de la varianza—de los datos arrojados por un experimento—que dicho modelo explica. Antes de describir las especificaciones del estudio, contextualizaremos lo que queremos decir por "suficiencia" y "varianza".

Experimentalmente, el termino varianza resume el conjunto de variables intervinientes que determinan la discrepancia entre los valores de la variable dependiente en un experimento. Por ejemplo, en una prueba de decisión léxica, los sujetos ante la presencia de una palabra con significado (e.g. carro) y una cadena de letras (e.g. rroca) deben responder si el estímulo presentado es una palabra real o no, y se mide el tiempo que tardan en responder. En esta situación, aunque la mayoría de los sujetos pueda responder "si" cuando se les presenta la palabra "carro" y "no" cuando se les presenta la cadena de letras "rroca", los tiempos de respuestas pueden variar (lo cual es descrito por la desviación estándar de la distribución de los datos). Esta variación se debe a una serie de variables intervinientes que no fue considerada en el experimento (e.g. memoria, conocimientos previos, ansiedad). Cuando esas variables han sido equilibradas para todos los sujetos, simplemente la varianza desaparece.

En condiciones experimentales, es muy difícil no tener varianza en los resultados. Por tanto, cuando se intenta explicar la relación entre dos variables mediante modelos, esa explicación es "suficiente" en la medida en que pueda dar cuenta del 100% de la varianza. Es decir, un modelo matemático que explique 10% de la varianza en una distribución de datos, sólo tiene el potencial de predecir el comportamiento de la variable dependiente dado un valor específico de la variable independiente en 10%. En otras palabras, de 100 casos en los que se le pide al modelo predecir el valor de la variable dependiente, solo 10 de ellos van a ser predichos con exactitud.

En psicolingüística, se utilizan frecuentemente modelos matemáticos para explicar varianzas derivadas de situaciones de laboratorio. Por ejemplo, en la prueba de decisión léxica definimos a la variable independiente con los siguientes 10 valores: carro, rroca, leche, chele, perro, rrope, avión, novian, casa, kassa. Para estos valores, los tiempos de respuesta son en milisegundos: 150, 153, 155, 157, 180, 190, 110, 210, 150, 170. Con estas características, un modelo que explique 100% de la varianza podrá predecir el tiempo de respuesta para todos los valores de palabras. Por el contrario, si el modelo sólo explica 10% de la varianza, únicamente podrá acertar uno de los diez casos posibles. Esto significa que los componentes que utiliza el modelo para explicar la varianza no son suficientes. Así, el modelo con 10% de poder explicativo solamente consideraría el concepto de memoria cuando requeriría, por ejemplo, que se le añadiera el concepto de procesamiento fonológico y el concepto de conciencia.

Específicamente, aquí evaluamos si las representaciones lingüísticas que se emplean cuando se presentan estímulos causa-efecto, directos e indirectos, requieren sólo del procesamiento de estos estímulos (i.e. representación visual) o también requieren de representaciones semánticas (i.e. lingüísticas). Si para las percepciones causa-efecto sólo es necesario el procesamiento sensorial (i.e. visual), entonces un modelo computacional que considere exclusivamente la participación de neuronas de la corteza visual debería ser suficiente para predecir un gran porcentaje de la varianza. De lo contrario, otros componentes (e.g. representaciones lingüísticas o semánticas) deberían ser incluidos en el modelo.

Para responder esta interrogante, diseñamos un experimento en el que los sujetos juzgaron si oraciones con estructura léxica-causativa y perifrástica-causativa describían estímulos visuales del tipo causa-efecto. Los datos obtenidos en el experimento sirvieron para diseñar y probar un modelo de redes neurales en términos de si éste con sólo una capa de neuronas simulando a las neuronas de la corteza visual primaria era capaz de reproducir la distribución de respuestas del experimento (i.e la varianza).

Experimento

Materiales y métodos

Estímulos lingüísticos. Dos tipos de oraciones fueron creadas para describir relaciones causa-efecto: oraciones léxica-causativas y perifrástica-causativas. La estructura léxica-causativa estuvo representada por la oración "la bola anaranjada mueve la bola púrpura". Por su parte, la oración "la bola anaranjada causa que la bola púrpura se mueva" se empleó como estructura perifrástica-causativa.

Estímulos visuales. Seis videos con secuencias de imágenes sobre relaciones causa-efecto fueron creados. En todos los videos, se presentaban dos bolas (una anaranjada y una púrpura) ubicadas horizontalmente en el centro de la pantalla de un computador y separadas entre sí. En cuatro de los videos se presentaba adicionalmente un cilindro azul ubicado entre las dos bolas.

En todos los videos, la bola anaranjada se desplazaba en dirección horizontal hacia la bola púrpura. Eventualmente, la bola anaranjada se detenía y la bola púrpura comenzaba a moverse en la misma dirección de la bola anaranjada. En los videos, donde aparecía el cilindro azul, el desplazamiento de la bola púrpura comenzaba luego del contacto realizado por el cilindro con ella. Estos cuatro videos representaban interacciones causa-efecto del tipo indirectas. Los otros dos videos representaban una relación causa-efecto directa y una relación que no es causa-efecto. En el primer caso, el desplazamiento de la bola púrpura comenzaba luego del contacto con la bola anaranjada. En el segundo caso, la bola púrpura se desplazaba sin que hubiera contacto con la bola anaranjada.

Las características espacio-temporales de los estímulos visuales están precisadas en la Figura 1. Tanto los estímulos lingüísticos como visuales fueron realizados en el laboratorio de cognición Michael Young del Programa de Ciencias del Cerebro y de la Cognición de la Universidad del Sur de Illinois bajo el financiamiento de este programa así como de la Fundación Fulbright (LASPAU-Harvard) del Departamento de Estado de los Estados Unidos de Norteamérica.

Procedimientos

Pares oración/video fueron presentados en secuencia a los sujetos quienes respondían mediante teclas específicas en el teclado del computador si las oraciones describían lo que ocurría en los videos. Por ejemplo, en un simple intento, primero aparecía la oración "La bola anaranjada mueve la bola púrpura" y posteriormente aparecía uno de los videos. Los sujetos debían responder "si" o "no" tan rápido como pudieran luego de que la bola púrpura comenzara su desplazamiento. Un total de 12 pares de oración/video fue presentado a cada sujeto. Las variables independientes fueron "tipo de oración" y "tipo de video". Por su parte, las variables independientes fueron "tipo de decisión" y "tiempo de respuesta".

Los sujetos n=13 participaron espontáneamente en el experimento con un diseño de muestra dependiente . Los sujetos firmaron su consentimiento en participar en el estudio y no fueron remunerados en manera alguna. Asimismo, el protocolo fue ejecutado de acuerdo con los parámetros éticos de la Asociación Americana de Psicología y fue realizado en las instalaciones del Instituto Venezolano de Investigaciones Lingüísticas y Literarias Andrés Bello (Instituto Pedagógico de Caracas- Universidad Pedagógica Experimental Libertador) en Caracas, Venezuela.

Resultados

La Tabla I muestra los porcentajes de respuestas para cada una de las doce (12) condiciones posibles. Como fue predicho en la introducción, los sujetos respondieron preferencialmente de manera afirmativa ante los pares perifrástica/indirecta, que ante los pares léxica/indirecta. Por otra parte, los sujetos respondieron preferencialmente de manera afirmativa tanto en los pares léxica/directa como en los perifrástica/directa. Resultados divididos fueron registrados para ambos tipos de oraciones cuando se presentó el video no-causal.

Generación del modelo computarizado

Se configuró un modelo de redes neurales artificiales bajo la arquitectura de propagación retroactiva del error . Esta arquitectura consta de tres capas de unidades tipo neuronas: una capa de neuronas de entrada, una capa de neuronas intermedias y una capa de neuronas de salida. Si la percepción de las relaciones causa efecto son de tipo ascendente y determinadas por la información visual, entonces un modelo con sólo una capa de neuronas intermedias representando a las neuronas de la corteza visual asociativa sería suficiente para explicar un gran porcentaje de la varianza de las decisiones de los sujetos.

Los estímulos lingüísticos y visuales fueron recodificados en términos de vectores de cuatro celdas con valores binarios (1,0) de forma tal que cada condición estuviera representada unívocamente por un vector de cuatro neuronas. Tres variantes del modelo fueron desarrolladas con capas intermedias de 10,15 y 20 unidades tipo neuronas respectivamente. Finalmente, como las decisiones de los sujetos fueron dicotómicas (i.e. "si" o "no") la capa de neuronas de salida sólo tuvo una unidad tipo neurona. La Figura 2 muestra la arquitectura del modelo simbólico y neuronal. El algoritmo del modelo fue implementado en un computador personal. 

Resultados

La Tabla 2 muestra el porcentaje de varianza que las tres variantes del modelo pueden predecir. Claramente, se aprecia que un modelo con sólo una capa intermedia de unidades tipo neuronas no es "suficiente" para explicar la percepción de relaciones causa- efecto, basado exclusivamente en representaciones visuales. En el mejor de los casos, el modelo puede predecir 22.1% de la varianza. El poder predictivo del modelo no mejoró incluyendo neuronas adicionales en la capa intermedia. Lógicamente, otras estructuras neurales y otras representaciones cognoscitivas parecieran ser necesarias para explicar los datos del presente experimento. El lector podría inferir naturalmente qué áreas corticales relativas al procesamiento del lenguaje son requeridas en el modelo. En efecto, estas áreas son necesarias en la configuración de modelos más complejos. (Ver art07tab2).

Discusión general

En este trabajo planteamos la pregunta de hasta qué punto son necesarios los mecanismos descendentes (top-down) de representaciones lingüísticas en las percepciones de las relaciones causa-efecto. Esta pregunta ha sido abordada matemáticamente a partir de la configuración de un modelo de redes neurales artificiales en el que se simulan algunas propiedades conexionistas de hipotéticas neuronas de la corteza visual primaria a través de una arquitectura basada en la propagación retroactiva del error. El modelo sólo permite explicar hasta un 22% de la varianza de la distribución de valores de decisiones dicotómicas (si/no) obtenidas en un experimento en los que los sujetos decidían si oraciones léxicas causativas o perifrásticas causativas describían estímulos visuales considerados culturalmente como de relaciones causa-efecto. Aunque la validez biológica de este tipo de arquitectura es limitada , los resultados permiten inferir la necesidad de modelos que incluyan proyecciones (otras capas adicionales de unidades intermedias) que interactúen con las neuronas de la corteza visual. A continuación se discuten algunas posibilidades.

La arquitectura de propagación retroactiva del error es una aproximación a los mecanismos biológicos del procesamiento de información. Sin embargo, el hecho de que este diseño incluya sólo una capa de neuronas intermedias permite que sea utilizado para evaluar hipótesis sobre el número de "módulos" de procesamiento o "regiones" cerebrales activas durante una tarea cognitiva. Si con sólo un módulo o región de procesamiento se pudiera explicar un gran porcentaje de la varianza de una distribución de datos experimentales, entonces muy posiblemente la tarea cognoscitiva implicada, pudiera ser ejecutada sin la mediación de estructuras superiores de la corteza cerebral como la corteza frontal, los lóbulos temporales y parietales (los cuales se creen encargados de integrar información proveniente de los sentidos y el lenguaje). En este orden, dado que el procesamiento del lenguaje ocurre en regiones diferentes de las de la corteza visual y que nuestro modelo simuló sólo una región cortical (i.e. la visual) logrando una eficiencia de 22%, entonces posiblemente una parte del 78% restante de la varianza debería ser explicado mediante la inclusión de otros módulos o regiones de procesamiento; las regiones relacionadas con el procesamiento semántico serían las primeras candidatas.

Las estructuras perifrásticas causativas y las léxicas causativas utilizadas en nuestro experimento codifican referentes concretos que se encuentran en la naturaleza (i.e. círculos o bolas y cilindros). Este tipo de oraciones son consideradas como de alto requerimiento imaginativo y, a diferencia de estructuras mas abstractas como "Juan ama a Rosa" o "Caracas llegó a un acuerdo con Washington", parecieran requerir de la actividad neural en el surco intraparietal izquierdo y del par opercularis (parte del área de Broca o región 45 de Brodmann en la corteza frontal inferior izquierda) .

Por otra parte, los estímulos visuales de naturaleza causa-efecto parecieran requerir procesamiento adicional al de la corteza visual en el lóbulo occipital (las simuladas en nuestro modelo). En este sentido, se cree que estímulos similares al de la condición "directa" en nuestro experimento son procesados en la corteza prefrontal lo cual implicaría la aplicación de recursos de atención, además de los lingüísticos y visuales. Adicionalmente, una mayor actividad del hemisferio cerebral derecho podría estar implicada en el procesamiento de relaciones causales basadas en estímulos visuales . En suma, estos indicios sugieren que el procesamiento perceptual de estímulos causa-efecto trasciende la integración sensorial.

Los trabajos reportados en este último aparte están basados en el procesamiento visual de las relaciones causales sin considerar las representaciones lingüísticas. Asimismo, el trabajo sobre oraciones con alto requerimiento imaginativo no se refiere al procesamiento de representaciones lingüísticas de naturaleza causal. Por tanto, antes de simular en un modelo computarizado si la integración de estas regiones lleva a la predicción de un mayor porcentaje de la varianza, sería muy conveniente evaluar su plausibilidad biológica. Actualmente, estamos desarrollando este estudio mediante resonancia magnética funcional.

En conclusión, los resultados experimentales presentados en este reporte, el modelo computarizado descrito y las evidencias sobre el procesamiento de oraciones y de estímulos visuales en relación con regiones corticales adicionales a las occipitales, sugieren que la percepción de las relaciones causa-efecto ocurren en regiones superiores del cerebro. Esta percepción resultaría de la integración de representaciones lingüísticas codificadas en estructuras sintácticas bien definidas (i.e. léxicas causativas y perifrásticas causativas) posiblemente relacionadas con el surco intraparietal izquierdo y el par opercularis (de Broca) izquierdo. Dichas representaciones se integrarían mediante procesos de atención dirigidos desde la corteza prefrontal (bilateral) con información visual proveniente del hemisferio cerebral derecho. Un modelo computarizado que incluya la participación de capas de unidades tipo neuronas representantes de estas regiones podría explicar un mayor porcentaje de la varianza (mayor al 22 % alcanzado por el modelo de propagación retroactiva del error descrito acá) en los datos obtenidos de experimentos como el reportado en este trabajo.

Referencias

1. Ahn, W.-k., Kalish, C. W., Medin, D. L., & Gelman, S. A. (1995). The role of covariation versus mechanism information in causal attribution. Cognition, 54(3), 299-352.         [ Links ]

2. Fonlupt, P. (2003). Perception and judgement of physical causality involve different brain structures. Cognitive Brain Research(17), 248-254.         [ Links ]

3. Fugelsang, J. A., & Dunbar, K. N. (2005). Brain-based mechanisms underlying complex causal thinking. Neuropsychologia, 43(8), 1204-1213.

4. Fugelsang, J. A., Roser, M. E., Corballis, P. M., Gazzaniga, M. S., & Dunbar, K. N. (2005). Brain mechanisms underlying perceptual causality. Cognitive Brain Research, 24(1), 41-47.

5. Houghton, G. (2005). Connectionist models in cognitive psychology. New York: Psychology Press.        [ Links ]

6. Just, M. A., Newman, S. D., Keller, T. A., McEleney, A., & Carpenter, P. A. (2004). Imagery in sentence comprehension: An fmri study. NeuroImage, 21(1), 112-124.         [ Links ]

7. Kirk, R. E. (1995). Experimental design: Procedures for the behavioral sciences (3 ed.). New York: Brooks/Cole Publishing Company.         [ Links ]

8. Long, D. L., & De Lay, L. (2000). Implicit causality and discourse focus: The interaction of text and reader characteristics in pronoun resolution. Journal of Memory & Language, 42(4), 545-570.         [ Links ]

9. O'Reilly, R. C., & Munakata, Y. (2000). Computational explorations in cognitive neuroscience: Understanding the mind by simulating the brain. Cambridge, MA: MIT Press.         [ Links ]

10. Rudolph, U., & Forsterling, F. (1997). The psychological causality implicit in verbs: A review. Psychological Bulletin, 121(2), 192.         [ Links ]

11. Scholl, B. J., & Tremoulet, P. D. (2000). Perceptual causality and animacy. Trends in Cognitive Sciences, 4(8), 299-309.         [ Links ]

12. Stewart, A. J., & Pickering, M. J. (2000). The time course of the influence of implicit causality information: Focusing versus integration. Journal of Memory & Language, 42(3), 423-443.         [ Links ]

13. Tabachnick, B. G., & Fidell, L. S. (2001). Using multivariate statistics (4 ed.). Boston: Allyn & Bacon.         [ Links ]

14. Thines, G., Costall, A., & Butterworth, G. (1990). Michotte's experimental phenomenology of perception. Hillsdale, NJ: Lawrence Erlbaum Associates.         [ Links ]

15. Wolfe, M. B. W., Magliano, J. P., & Larsen, B. (2005). Causal and semantic relatedness in discourse understanding and representation. Discourse Processes, 39(2/3), 165.         [ Links ]

16. Wolff, P., Klettke, B., Ventura, T., & Song, G. (2005). Expressing causation in english and other languages. In W.-k. Ahn, R. L. Goldstone, B. C. Love, A. B. Markman & P. Wolff (Eds.), Categorization inside and outside the laboratory: Essays in honor of douglas l. Medin (pp. 29-48). Washington, DC: American Psychological Association.         [ Links ]

17. Wolff, P., & Song, G. (2003). Models of causation and the semantics of causal verbs. Cognitive Psychology, 47(3), 276-332.         [ Links ]

Notas al pie

1 Este trabajo está dedicado especialmente a mi Profesor y amigo Sergio Serrón, Su visión estadista de la Academia ha dado a luz al Instituto Venezolano de Investigaciones Lingüísticas y Literarias Andrés Bello y su solidaridad ha sellado mi desarrollo científico y personal.

2 Este trabajo se desarrolló dentro de las líneas de investigación del Instituto Venezolano de Investigaciones Lingüísticas y Literarias “Andrés Bello”, el cual recibe financiamiento del FONACIT (PEM 2001002027) y del FONDEIN-UPEL

3 Obviamos las especificaciones matemáticas del modelo (e.g. función sigmoide de activación) por considerarlo poco relevante para los propósitos del artículo; sin embargo, el lector interesado es bienvenido a solicitar dichas especificaciones así como los detalles implementacionales directamente al autor.