Ves una foto de una taza y sabes qué es. También puedes reconocerla al leer su nombre o al tocar su asa a oscuras. La información que recibes cambia en cada caso. ¿Cómo llegamos a reconocer el mismo objeto a partir de señales tan distintas?
Lo que sabemos al reconocer una taza
Ese reconocimiento se apoya en lo que ya sabemos, aunque la información cambie. Timothy T. Rogers revisa un largo debate sobre el conocimiento semántico: lo que sabemos del significado de las cosas, más allá de lo que ocurrió una mañana concreta. Durante buena parte de finales del siglo XX, la mente se imaginó como un conjunto de almacenes parcialmente independientes, con un sistema semántico separado de percepción, acción y gran parte del lenguaje.
La imagen de almacenes separados no surgió de la nada. Los estudios de categorías mostraban que las cosas agrupadas suelen compartir conjuntos de propiedades, no una esencia única. Las sillas varían, pero muchas comparten asiento, respaldo y uso. Otra evidencia parecía apuntar a sistemas específicos de dominio: ciertos pacientes neurológicos tenían más dificultad con seres vivos que con objetos fabricados, o al revés. Una teoría del significado debía respetar la flexibilidad cotidiana y esos deterioros aparentemente selectivos.
La propuesta central de Rogers cambia la escala de la pregunta. En lugar de buscar una caja que contenga el significado de «taza», se investiga cómo relaciones aprendidas entre representaciones sensoriales, motoras y lingüísticas permiten usar el objeto en situaciones diferentes. El giro no borra la especialización cerebral. Pregunta cómo puede surgir dentro de un sistema conectado.
Por qué la semejanza no bastaba
Los primeros modelos solían agrupar objetos por rasgos compartidos. Eso capta una parte importante del aprendizaje: un niño puede reconocer una silla nueva porque se parece a otras conocidas. Pero la pregunta «¿parecida en qué?» no tiene respuesta sin considerar una tarea. Una pelota y una naranja pueden tener forma semejante; una naranja y un limón comparten otras relaciones botánicas y culinarias. La comparación relevante cambia con la pregunta.
Una segunda presión vino de lesiones cerebrales y neuroimagen. Los deterioros selectivos por categoría parecían sugerir un almacén especial para animales o herramientas. Pero las categorías difieren en muchas cosas a la vez: forma, movimiento, uso, experiencia visual y tipo de conocimiento necesario. Un daño selectivo podría aparecer porque una red conectada se lesiona en un punto especialmente importante para cierta información. El patrón por sí solo no prueba que ese conocimiento estuviera encerrado en un módulo.
Los enfoques específicos por dominio intentaban explicar patrones reales de deterioro del conocimiento. Rogers retoma ese problema al examinar cómo se organiza el significado. El reto consiste en construir una explicación conectada que también los explique, incluido por qué una lesión afecta a veces el significado de forma amplia y otras a categorías particulares. Una teoría útil debe proponer mecanismos, no solo cambiar nombres.
Aprender relaciones en vez de archivar datos
Rogers vuelve a un modelo de red neural asociado con David Rumelhart y sus colegas. En lugar de guardar una lista de proposiciones explícitas como forma central del conocimiento, recibía información sobre objetos y preguntas, que circulaba por conexiones de distinto peso hasta posibles respuestas. Aprender consistía en ajustar esos pesos. Con muchos ejemplos, la red podía captar regularidades: objetos relacionados comparten algunas propiedades, mientras la tarea decide cuál se solicita.
Fue un paso explicativo, no la afirmación de que una red informática sea un cerebro humano en miniatura. Un niño no aprende a partir de filas pulcramente etiquetadas. El modelo mostró, en un entorno controlable, cómo puede surgir conocimiento estructurado mediante aprendizaje distribuido sin guardar una proposición simbólica separada por cada relación. Sus aciertos y errores pueden compararse después con los patrones de respuesta de personas reales.
Queda una cuestión decisiva: si los sistemas sensoriales y verbales aprenden por separado, ¿cómo convergen en un mismo concepto? La foto, la palabra hablada y la acción física deben conectarse sin fingir que son idénticas. Esa pregunta impulsa los modelos siguientes. También convierte la taza de la escena inicial en algo más que una metáfora: cada vía aporta información distinta a una red que debe usarla de forma coherente.
Un centro puede conectar radios diferentes
El enfoque de «centro y radios» propone una arquitectura más explícita para esa convergencia. Los «radios» incluyen información específica de cada modalidad: cómo se ve, suena, se mueve o se usa algo. Un «centro» transmodal ayuda a coordinar los patrones entre ellos. La evidencia de demencia semántica es importante: el daño en regiones temporales anteriores puede producir dificultades amplias con los significados, en distintas categorías y pruebas, no solo en un canal sensorial.
Llamar «centro» a esa región no significa imaginar un diccionario diminuto con una entrada por objeto. En la explicación revisada por Rogers, su importancia consiste en aprender relaciones entre rasgos distribuidos, de modo que una forma de experiencia informe a otra. Si se pierde esa coordinación, pueden deteriorarse a la vez reconocimiento, denominación y otras tareas semánticas. Esto contrasta con problemas que dependen más de la modalidad o de la tarea empleada.
El enfoque enfrenta además una pregunta difícil: ¿por qué algunos estudios encuentran patrones distintos para animales y artefactos? Rogers comenta modelos unificados que conservan el aprendizaje distribuido y toman en serio sesgos anatómicos y diferencias de experiencia. Las respuestas cerebrales a categorías pueden aparecer al oír nombres en lugar de ver imágenes; ciertos patrones se observan también en personas ciegas de nacimiento. Eso hace insuficiente una explicación puramente visual sin obligarnos a volver a almacenes cerrados para cada dominio.
Saberlo todo a la vez sería poco útil
Una red que conecta todo lo aprendido aún tiene un problema práctico. Al oír «martillo», no pronuncias a la vez su nombre, representas su uso, describes su forma y enumeras cada ocasión en que viste uno. Seleccionas lo que pide la tarea. Por eso Rogers vuelve a conectar representación semántica con control: los procesos que enfocan la búsqueda en relaciones útiles y frenan competidores fuertes pero irrelevantes.
La evidencia de algunas personas con accidentes cerebrovasculares del hemisferio izquierdo vuelve visible la distinción. Pueden tener dificultades semánticas amplias, pero rendir especialmente mal cuando una tarea exige seleccionar entre significados competidores. Sus respuestas pueden variar entre pruebas y mejorar mucho con una pista adecuada, o empeorar con una engañosa. El patrón difiere del deterioro más estable del conocimiento semántico asociado con la demencia semántica. Ambos afectan al significado, pero no del mismo modo.
La distinción explica una experiencia familiar sin reducirla a jerga cerebral. Si debes nombrar una imagen de un martillo, recuperas una palabra. Si debes usarlo, activas movimientos y objetivos. Si preguntas por qué sería peligroso en determinada sala, atiendes a otra relación. El objeto no cambió; cambió el camino por el conocimiento. Hay que estudiar juntos representación y control.
¿Cómo se vuelven concepto unas experiencias dispersas?
El control abre un problema más profundo sobre el aprendizaje. No todas las propiedades de un ave aparecen juntas en una escena. En el nido no está volando; al volar no está poniendo un huevo. Si la atención selecciona solo lo pertinente en cada momento, el aprendiz no puede registrar todas las propiedades a la vez y advertir directamente que van juntas. ¿Cómo construye un concepto integrado a partir de visiones parciales y dependientes de la tarea?
Rogers comenta trabajos que sitúan aprendizaje y control en una arquitectura compartida. La idea central es que la integración puede depender de cómo se usan repetidamente las representaciones, no de que todos los datos aparezcan milagrosamente al mismo tiempo. Los contextos y las preguntas limitan qué se activa; aprender a través de muchos episodios puede conectar poco a poco lo que ningún episodio contiene por completo. Es un mecanismo propuesto para estudiar, no la descripción de un instante identificable en que un niño «capta» un concepto.
También cambia cómo interpretamos los errores. Si alguien trae a una tarea un aspecto inadecuado de un concepto, el problema puede estar en la selección, en una representación deteriorada o en la relación aprendida entre ambas. Respuestas equivocadas parecidas pueden tener causas distintas. El paso de almacenes aislados a interacciones resulta útil precisamente porque permite formular preguntas más finas sobre conducta y lesión cerebral.
La neuroimagen y la IA reabren la pregunta
Los estudios recientes de neuroimagen pueden observar el significado en situaciones más ricas que nombrar una imagen aislada. Las personas escuchan historias o ven películas mientras los investigadores comparan la actividad cerebral cambiante con representaciones de palabras, escenas y acontecimientos. Los modelos computacionales permiten esas comparaciones, pero un parecido entre sus vectores y señales cerebrales no es, por sí solo, una explicación completa de la comprensión. Debe interpretarse junto con conducta, desarrollo y patrones clínicos.
Los grandes modelos de lenguaje y visión ofrecen otro terreno de prueba. Pueden realizar algunas tareas usadas antes para estudiar conceptos humanos. Rogers sostiene que igualar la exactitud humana no basta para una teoría cognitiva; suelen revelar más los patrones de semejanza, error y generalización. Cuando una IA difiere de las personas, esa diferencia puede indicar qué relaciones usa el aprendizaje humano que faltan en el modelo. Cuando se parece, todavía hay que preguntar qué proceso generó el parecido.
Rogers reúne hallazgos sobre aprendizaje, lesiones cerebrales y modelos computacionales para explicar cómo se desarrolla el conocimiento. El conocimiento se aprende en un sistema conectado, moldeado por experiencias sensoriales y lingüísticas, restricciones anatómicas y exigencias de control del momento. La taza del ejemplo inicial puede comprenderse al verla, tocarla o nombrarla porque esas vías se encuentran. Explicar exactamente cómo lo hacen sigue siendo la tarea.
Lo esencial
- El significado surge de relaciones aprendidas entre sistemas.
- La representación semántica interactúa con el control que exige cada tarea.
- La IA ofrece modelos que poner a prueba, no una explicación definitiva de la comprensión humana.
El matiz
Lo que esta historia no permite afirmar
Una explicación distribuida no implica que todas las áreas cerebrales hagan lo mismo ni que los modelos actuales de IA comprendan como las personas.
Profundiza en la lectura: conceptos y práctica opcional
Tarjetas reversibles
Prueba el concepto
Evaluación del tema
Comprueba si puedes explicar la idea, no solo reconocerla.
Todas las respuestas se encuentran en la explicación anterior. Algunas preguntas presentan casos nuevos para comprobar si puedes aplicar y analizar las ideas, no solo recordarlas.
Fuente y alcance
Understanding Understanding: Reconnecting Theories of Human Semantic Knowledge. Timothy T. Rogers. Annual Review of Psychology, vol. 78 (2027). Publicada como Review in Advance el 2 de octubre de 2026.
Esta guía editorial es una explicación independiente. Consulta la publicación original para los estudios, las referencias y el contexto completo.
Abrir revisión original ↗