Inter-relaciones entre los niveles computacional y algorítmico

Abstract

El estudio de los procesos de inferencia causal basada en la observacion de acontecimientos ha ocupado historicamente un lugar destacado en la literatura sobre los procesos cognitivos basicos. El articulo de Perales y cols. viene a ofrecernos una vision teorica actualizada de un aspecto de ese estudio, esencial para entender como se llevan a cabo estos procesos. Nos referimos al analisis computacional (Marr, 1982), es decir, un analisis de que tipo de informacion resulta relevante en el procesamiento causal y por que ese tipo de informacion es relevante. El analisis computacional que realizan los autores esta inspirado, casi totalmente, en consideraciones de tipo normativo o racionales (ver Cheng, 1997, 2000 para una posicion similar). Sin embargo, hay que resenar que la aproximacion racional que realizan de la caracterizacion de las relaciones causales, siguiendo a Cheng, es muy parcial. Esta basada en criterios exclusivamente estadisticos, obviandose una serie de principios al menos igualmente definitorios de causalidad. Por ejemplo, en un analisis racional de la inferencia causal, Anderson (1991) menciona la importancia de la contiguidad espacial y temporal y de la similitud entre causas y efectos. Es importante subrayar que el aprendizaje asociativo es sensible a estos principios. Ademas, la similitud entre causas y efectos puede considerarse un caso particular de un principio mas general necesario para caracterizar relaciones causales: la relacion entre la naturaleza de los acontecimientos. Incluso manteniendo la misma relacion estadistica con un efecto, dos candidatos causales tienen diferente probabilidad de generarlo, dependiendo de su naturaleza (es razonable que un sabor sea mas facilmente causa del dolor de