Natalia C. Irrazabal y Débora I. Burin

1. Abordaje científico a los procesos psicológicos básicos

Este libro trata sobre algunos de los procesos de la mente humana. Las interacciones de los seres humanos con el medio físico y social son infinitamente variadas y variables, porque tenemos una instancia de mediación que interpreta el entorno físico y social, le da sentido, y a nosotros mismos en ese entorno: la mente. Llamamos procesos psicológicos básicos a las funciones de la mente que, de forma compleja, dan sentido al mundo físico y social y permiten interactuar con el entorno (Eysenck & Brysbaert, 2018), como la percepción, la atención, la memoria, el lenguaje, el pensamiento, la emoción, la motivación y otras. Hablar de procesos psicológicos básicos es referirse a lo que la mente hace: pensamos, hablamos, aprendemos, recordamos, vemos, sentimos. Este objeto de estudio es demasiado complejo, por lo tanto es preciso descomponerlo en partes para poder abordarlo (Méndez Paz, 2010). Aún más, cada proceso a su vez se descompone en subfunciones y campos de estudios específicos. Por ejemplo, en percepción, se diferencian los procesos de ver y escuchar; en memoria, no es lo mismo cómo recordar algo de forma inmediata o el pasado lejano, y así sucesivamente. Por eso, una obra sobre todos los procesos psicológicos básicos sería casi una enciclopedia. Este volumen trata sobre algunas de las funciones de la mente: distintas memorias, lenguaje, pensamiento y emoción.

El estudio de los procesos básicos en psicología se pregunta, entonces, por la mente: qué hay en la mente y cómo funciona. La pregunta sobre la naturaleza y el mecanismo de lo mental no es nueva. A lo largo de la historia, la humanidad ha buscado respuestas a través de abordajes muy diversos en las religiones, la filosofía, la literatura y las artes. Hay muchísimas ideas, en distintos ámbitos culturales, sobre cómo funcionan distintos aspectos de la mente. Por ejemplo, según Platón, la realidad se divide en dos mundos: el mundo sensible, que percibimos con los sentidos y está sujeto al cambio, y el inteligible, formado por las Ideas o “formas eternas” y perfectas. Además de los objetos físicos que percibimos a nuestro alrededor, también existen entidades imperceptibles para los sentidos, “formas eternas”, que estructuran el mundo y nuestro conocimiento de él, captadas por el alma racional (Brennan, 2002). En otro ejemplo, tomado de la literatura, el escritor W. Burroughs (1986) considera que el lenguaje “es un virus del espacio exterior”, que ha tomado de forma parasitaria los cuerpos de las personas, y cuya única función es autorreplicarse (como un verdadero virus). Autores y tradiciones enteras de pensamiento y arte se han dedicado a describir distintos aspectos del funcionamiento de la mente humana. Son perspectivas distintas a la que se desarrolla aquí, que es el estudio científico de la mente. No implica ningún juicio de valor, sino una delimitación conceptual sobre el abordaje.

Además, todos nosotros, sin excepción, poseemos una psicología de sentido común (Méndez Paz, 2010). Todos tenemos en la mente una teoría implícita sobre cómo funciona la mente. Decimos, y nos decimos, frases como “hiciste esto porque le tenés miedo a tal cosa” o “cuando eras chiquito te pasó aquello y por eso ahora pensás así”. Todos nos explicamos nuestra propia mente y la de los demás a través de teorías implícitas sobre el funcionamiento mental. Cada persona tiene una “teoría” sobre la mente que usa para su vida cotidiana. Estas “teorías” vienen de la experiencia personal y del contexto cultural. Influyen las películas, las series, las redes sociales, que proveen constantemente este tipo de explicaciones, y las experiencias personales, como charlas con amigos o personas de nuestro entorno. Este conocimiento de sentido común nos permite entendernos a nosotros mismos y a los otros para andar por la vida. Es más, estas son creencias que forman parte de nuestra identidad, de nuestro self. Realmente creemos que las personas tienen tales procesos mentales y que por eso actúan (o actuamos) de determinada manera.

También tenemos teorías implícitas sobre el mundo físico. Por ejemplo, sobre cómo funciona el cuerpo. Si nos duele algo pensamos: “voy a tomar un té porque así me voy a mejorar”. Esa es una teoría de sentido común de cómo funciona el cuerpo. Sin embargo, en el mundo físico nos damos cuenta de que hay una diferencia entre nuestro conocimiento de sentido común y cómo realmente funcionan las cosas. Si alguien me apura y me pregunta si realmente entiendo por qué me duele la panza, la verdad es que no tengo el conocimiento de un médico, porque no estudié medicina ni anatomía. En el ámbito de lo físico, comprendemos bien que existe un conocimiento científico-técnico que es diferente al del sentido común. Hay personas que estudiaron de manera científica el funcionamiento interno que les permitió adquirir un conocimiento aplicado. Sin embargo, en otros dominios de conocimiento, como la psicología, nos es mucho más difícil aceptar que se ha desarrollado un conocimiento científico que es diferente a nuestras intuiciones de sentido común.

Dentro de la psicología, el abordaje de los procesos básicos se propuso desarrollar teorías de forma científica, que son diferentes a las tradiciones religiosas, filosóficas, artísticas y de sentido común. Dentro de las disciplinas científicas, cuando hay una hipótesis acerca de un componente o un proceso (en este caso, sobre la mente), lo que se hace es realizar experimentos y observaciones controladas. La psicología científica construye su teoría a partir de la formulación de hipótesis y la realización de estudios para el contraste empírico de esas hipótesis (Burin & Saux, 2016). Por ejemplo, si la mente funciona según determinado mecanismo específico, si tiene distintos tipos de memoria, cómo adquirimos el lenguaje, entre otros. Cuando alguien tiene un modelo sobre un componente o proceso mental, realiza experimentos y los somete a la crítica de la comunidad científica. No basta con hacer un experimento una vez. Se debe presentar en congresos y publicar en revistas especializadas, para que los pares científicos verifiquen si los experimentos son repetibles, si el fenómeno es estable y si es replicable. Una vez que pasa todo este proceso, la información entra en los manuales de psicología y forma parte del conocimiento científico sobre los procesos básicos. Este conocimiento puede cambiar con el tiempo, pero lo hace de a poco, sumando paulatinamente evidencias.

El estudio científico de los procesos psicológicos se llama también psicología básica, por oposición a la aplicada (Méndez Paz, 2010). El objetivo de una aproximación básica al estudio de los procesos psicológicos es descubrir y caracterizar los componentes y mecanismos fundamentales subyacentes, frente al objetivo más específico de las disciplinas aplicadas, que será diseñar técnicas, procedimientos y estrategias eficientes para su aplicación en un contexto determinado. El nivel de aproximación básica es más abstracto que el aplicado. Se trata de comprender y explicar cómo funciona el sistema en general, cuáles son sus elementos básicos, cómo están compuestos estos elementos y qué reglas sigue su funcionamiento. La psicología básica funciona como otras ciencias, a la manera de la química, la física o la biología. Primero describimos las partes y cómo funcionan en conjunto y, luego, veremos aplicaciones, cómo fallan, cómo se comportan en determinados contextos, qué fenómenos emergentes pueden surgir en determinadas condiciones. Para comprender cómo se adquiere la lectura, o cuál es el funcionamiento mental en la depresión, o por qué las personas compran ciertas cosas, o por qué votan a determinados candidatos, es muy útil basarse en un conocimiento empírico sobre cómo funciona la mente. De hecho, esto es lo que pasó con modelos de psicología desarrollados desde mitad del siglo XX, que derivaron en las psicoterapias cognitivas, en aplicaciones a contextos educativos, en estudios sobre conducta económica, en la convergencia con las neurociencias y en el desarrollo de inteligencia artificial generativa. Un ejemplo de esto es el premio Nobel en Economía 2002, Daniel Kahneman, un psicólogo cognitivo cuyo estudio sobre los mecanismos del pensamiento contribuyó a explicar cómo la gente toma decisiones económicas (Kahneman, 2012). Otro ejemplo es Geoffrey Hinton, un psicólogo que estuvo en la génesis de los modelos computacionales conexionistas (ver, en este libro, el capítulo Memoria semántica) y que luego trabajó en los algoritmos que permitían que redes neurales artificiales categorizaran y aprendieran (LeCun et al., 2015). En 2024 obtuvo un Premio Nobel de Física por estos trabajos, cruciales para la creación de modelos de inteligencia artificial generativa.

2. Breve historia de los paradigmas dominantes en el estudio de los procesos básicos

Si bien hay antecedentes en el campo de la psicofisiología (con autores como Weber, Fechner, von Helmholtz, a mitad del siglo XIX) y desarrollos afines de otros investigadores (por ejemplo, los estudios de Ebbinghaus sobre la memoria en Inglaterra), se considera que la psicología científica comenzó con Wilhelm Wundt, quien publicó su obra Elementos de Psicología Fisiológica en 1874 e inauguró el primer laboratorio de psicología experimental en Leipzig, en 1879 (Boring, 1980; García Vega, 1997; Leahey, 1982). Wundt se planteó el objetivo de construir una psicología objetiva y experimental para describir los componentes de la mente y su funcionamiento, pero enfocándose en los contenidos de la conciencia, estudiados mediante introspección. Esto último representó un gran problema, ya que era difícil hacer ciencia objetiva de los contenidos de conciencia que, por su propia definición, resultan ser subjetivos. Esta limitación fue señalada a principios del siglo XX por el conductismo de Watson (Boring, 1980; García Vega, 1997; Leahey, 1982). El paradigma conductista propuso que, dado que la conciencia no era observable, la psicología debía limitarse al estudio de la conducta en función de los estímulos ambientales. Dentro del modelo conductista, la mente es considerada como una “caja negra”. No sabemos qué pasa ahí adentro y no se estudia porque no se considera explicativo. Lo que realmente explica la conducta son los contextos y los estímulos del medio externo, entendiendo por estímulo aquella parte del entorno que dispara una conducta. Según este enfoque, todo lo que el sujeto tiene en la mente no interesa para la explicación científica. No se niega la existencia de la mente, sino que se afirma que no explica las cosas. Para el conductismo, toda la conducta es aprendida, lo que constituye una postura empirista. Toda la conducta es función de los estímulos del medio y de la historia de aprendizaje. Bajo este modelo, si estudiamos cómo se establecen, mantienen y cambian esas conexiones, podemos dar cuenta de la conducta humana.

Sin embargo, el conductismo entró en crisis a mediados del siglo pasado, tanto por razones internas a la psicología como externas (De Vega, 1984; Duarte, 1996; Méndez Paz, 2010). Entre los factores internos se debe tener en cuenta que, debido a las limitaciones del enfoque conductista, era muy difícil abordar el estudio de conductas complejas. Entonces los fenómenos complejos, como el lenguaje o el pensamiento, quedaban reducidos a “conducta verbal” o “solución de problemas”. Esta simplificación en el estudio de los fenómenos complejos hizo que varios autores dentro del conductismo se replantearan el paradigma de estudio. Vemos por ejemplo que Edward Tolman, en 1932, introdujo la idea de “mapas cognitivos”, mostrando que el aprendizaje no podía reducirse solo a asociaciones estímulo-respuesta (Boring, 1980; Leahey, 1982). Por su parte, Clark Hull, en los años 50, intentó ampliar el conductismo incorporando variables intervinientes internas en el campo del estudio de la motivación (Boring, 1980; Leahey, 1982). Estos aportes y críticas internas al modelo conductista empezaron a resquebrajar dicho paradigma.

Por otro lado, y de forma fundamental, luego de la Segunda Guerra Mundial surgen las ciencias de la información a partir de los planteos de ingenieros, matemáticos y también fisiólogos y científicos de otras disciplinas (De Vega, 1984; Duarte, 1996; Méndez Paz, 2010). En este período se empieza a realizar la transición desde máquinas lineales, que simplemente responden a un estímulo, hacia máquinas capaces de tomar información y combinarla internamente de forma compleja basándose en programas. Estas máquinas presentan diferentes salidas o cursos de acción en función de los diferentes cómputos internos que realizan. La figura de Alan Turing, un matemático inglés, es fundamental en este contexto (De Vega, 1984). Durante la Segunda Guerra Mundial, Turing se dedicó, entre otras cosas, a descifrar los mensajes encriptados de los nazis. No se trataba de una encriptación simple donde una letra se reemplaza por un símbolo fijo, sino que utilizaban formas complejas de encriptar que seguían reglas matemáticas intrincadas. Ante esto, Turing pensó en una máquina que, dada la entrada de un símbolo y ciertas combinaciones matemáticas y co-ocurrencias, pudiera determinar las letras correspondientes (Turing, 1950). Aunque no la construyó físicamente en ese momento, pensó en la función de una computadora basada en la existencia de un input o entrada de información, programas internos complejos con reglas para combinar esa información y diferentes salidas o outputs en función de los programas que operan. Curiosamente, en la época de Turing, las “computadoras” eran literalmente mujeres que aplicaban esas reglas matemáticas manualmente, hasta que la tarea pasó a ser ejecutada por una máquina. La historia personal de Turing es trágica; hoy en día, sin embargo, su legado ha sido reivindicado y se lo reconoce mundialmente como el padre de la ciencia de la computación.

A partir de estos avances, surge una nueva forma de pensar en máquinas con programas internos capaces de hacer transformaciones complejas sobre la información. Los ingenieros hablaban sin problemas de máquinas que tenían memoria, atención o que incluso pensaban, decidían y tenían inteligencia. Los psicólogos empezaron a pensar en esos términos como una vía para volver a considerar la mente, ya no como algo inmaterial, subjetivo o inaccesible, sino como un mecanismo formal y abstracto (De Vega, 1984; Duarte, 1996; Eysenck & Brysbaert, 2018). La mente comenzó a ser vista como un sistema que manipula internamente símbolos (o información) para la realización de la conducta. Encontramos varios autores fundamentales en el inicio de esta psicología cognitiva. Noam Chomsky (1957), por ejemplo, siendo lingüista, adoptó las ideas del procesamiento de la información para explicar el lenguaje. George Miller (1956) las utilizó para dar cuenta de las limitaciones en la atención y la memoria inmediata. Donald Broadbent (1958) planteó los primeros modelos de la atención como un “cuello de botella” informacional. Se empezaron a realizar experimentos y a plantear hipótesis sobre la organización mental basándose en los desarrollos de las ciencias de la información. El primer manual de psicología cognitiva, que reunía investigaciones sobre percepción, atención, memoria, pensamiento, fue editado por Neisser (1967; De Vega, 1984). Así, la psicología cognitiva logró reintroducir la mente como objeto de estudio, describiendo sus partes y su funcionamiento mediante la analogía con la computadora que se estaba gestando en aquel entonces. En este paradigma cognitivo, el estudio de la mente como procesador de información se estudiaría aplicando el método científico y ya no la introspección.

3. La analogía o metáfora computacional: la mente como procesador de información

Desde la perspectiva de la psicología cognitiva, se entiende que la conducta es el producto de una instancia que llamamos mente. Para comprender qué partes tiene esa mente y cómo funciona, se utiliza la analogía o metáfora computacional. Para pensar la actividad mental se adoptan de las ciencias de la información los tipos de modelo, los procesos y los términos. Esta analogía tiene dos sentidos fundamentales.

El primero es considerar a la mente como un software (los programas) de la computadora (De Vega, 1984; Duarte, 1996). Así como una computadora (o dispositivo digital) tiene programas o aplicaciones para procesar textos, programas de comunicación como el correo electrónico o videollamadas, programas para el tratamiento de imágenes o videos, podemos pensar a la mente como un conjunto complejo de programas que permiten la percepción visual, la comprensión y producción del lenguaje, la comunicación con otros y distintos tipos de memorias y procedimientos. Es importante aclarar que se trata de una metáfora. No creemos que la mente humana sea efectivamente una computadora. Esta metáfora nos permite pensar modelos de su estructura interna. Nos permite pensar cuáles son los componentes de la mente y los procesos que todas las personas compartimos. Así como un médico entiende que el cuerpo humano tiene las mismas partes y la misma fisiología en todos los individuos, o como un biólogo reconoce las mismas estructuras en una célula, la psicología cognitiva sostiene que existe una arquitectura mental compartida por todos. En la mente de cualquier persona hay distintas memorias que funcionan de determinada manera, sistemas de procesamiento del lenguaje que operan bajo reglas comunes o procesos implicados en la percepción visual. Aunque existan variaciones individuales, la disciplina se centra en describir esa base común de programas y procesos de transformación de información.

El segundo sentido de la analogía nos proporciona una forma de entender la relación entre la mente y el cerebro, equiparándola a la relación entre el software y el hardware. Esta postura se conoce como dualismo funcionalista (Duarte, 1996). Por supuesto, en última instancia la mente no existe sin el cerebro, del mismo modo que los programas no funcionan si el hardware de la computadora está roto. Sin embargo, el software constituye un nivel propio de explicación que no se reduce al hardware. Aunque la mente dependa del cerebro, no podemos comprenderla si nos limitamos a estudiar las propiedades físicas de la materia gris. Al desmontar una computadora y observar sus chips de silicio, no entendemos cómo funciona un programa. Para ello habría que ver en un nivel las reglas del propio programa o, en otro sentido, el código con el que está programado y entender ese lenguaje de programación. Esta separación entre software y hardware permite pensar que la mente es una instancia propia y legítima de explicación (Duarte, 1996). La conducta es el producto de diversos programas. Por ejemplo, el hecho de que podamos comunicarnos por videollamada depende de tener una computadora o dispositivo físico, pero sin el programa específico (como Zoom), esa interacción nunca ocurriría. Y, además, el programa se implementa en computadoras de distintas marcas o en teléfonos celulares distintos. De lo que depende es de que todos tengan el mismo software. La analogía con la computadora nos permite comprender la autonomía funcional de la mente y establece que el objeto de estudio de la psicología cognitiva es precisamente ese “software” mental, encargado de la manipulación de símbolos y el procesamiento de la información. El objetivo central de este enfoque es estudiar qué hay de común en todas las personas, buscando comprender cuál es el “software” compartido por la especie humana. Nos interesa investigar cómo funciona ese software y, al mismo tiempo, determinar cómo se explican las variaciones individuales.

En sus inicios (a mediados del siglo pasado), la psicología cognitiva era fuertemente funcionalista, centrada en los procesos lógicos más que en su base física. A medida que los neurocientíficos conocieron los modelos que desarrollaban los psicólogos cognitivos, se interesaron por ver cómo era el correlato neural. A esto se sumó, a fines del siglo pasado, el gran desarrollo de las técnicas de neuroimagen (desde la tomografía computada a la resonancia magnética funcional), que permitió trasladar los experimentos del laboratorio al resonador para ver cómo se activa el cerebro en tiempo real mientras una persona realiza las tareas planteadas por los psicólogos. De este modo, se produjo una convergencia con las neurociencias que dio lugar a la neurociencia cognitiva (Gazzaniga et al., 2014). Ambas áreas de estudio adoptan modelos similares para entender el fenómeno mental. No obstante, es fundamental distinguir que estudiar el cerebro no es lo mismo que estudiar la mente. Si estudiamos el cerebro, nos enfocamos en su biología. Si estudiamos la mente, investigamos cómo funciona, qué partes la componen, qué tipos de información o representaciones están involucradas. El foco de la psicología de los procesos básicos sigue siendo el funcionamiento de lo mental, independientemente de si los procesos se desarrollan en zonas aisladas o redes complejas del cerebro.

Otra consecuencia de la analogía con la computadora es la consideración de la conciencia (Dehaene, 2025). La computadora (o dispositivo digital) tiene muchos programas distintos, cada uno especializado en una tarea específica, como procesar imágenes, desarrollar lenguaje como texto escrito, utilizar lenguaje con fines conversacionales, etc. Si bien realiza tareas complejas, la computadora no tiene conciencia de su propia actividad. Desde esta analogía, se puede concebir nuestra actividad mental como el resultado de muchos procesos inconscientes distintos, es decir, de una gran diversidad de programas mentales que trabajan de forma paralela y por fuera de la conciencia (Dehaene, 2025). Estos procesos silenciosos son los que dan sentido al mundo para nosotros mismos y gobiernan nuestra conducta diaria sin que nos demos cuenta de la información y los procesos que están implicados. Por ejemplo, si ahora pregunto: ¿qué es una manzana? Las personas no van a ser conscientes de cómo buscan la información que tienen almacenada en su mente al respecto, pero pueden describir una manzana (fruta, roja, verde, etc.). Entonces, los procesos involucrados en leer y acceder al significado de “manzana” son inconscientes y lo único que resulta consciente es el resultado (o producto) de ese procesamiento. El producto consciente (la acción de describir una manzana) va a ser el resultado de un gran conjunto de procesos mentales inconscientes.

Es común que la palabra “inconsciente” nos remita al psicoanálisis o a otras corrientes psicológicas. No es este el significado aquí, sino que nos referimos a un conjunto complejo de procesos inconscientes de información. Por ejemplo, usted está leyendo esto y en su conciencia podría llegar a registrar un hilo de significados de lo que está leyendo, y quizás también alguna sensación como hambre o cansancio. Estos son contenidos conscientes, pero la forma en que llegaron allí es totalmente opaca para usted. No obstante, para que usted lea, hay procesos de reconocimiento de letras, de identificación de palabras, de comprender las oraciones, derivar el significado literal, conectar con su conocimiento previo; además, otras partes de su mente inhiben otros estímulos para que pueda concentrarse, otras registran sus sensaciones físicas y estados corporales, y así sucesivamente. La mayor parte de nuestro procesamiento mental no es consciente, solo llega a la conciencia una pequeña parte de esto y todavía no se puede explicar bien cómo ocurre (Baars, 1988; Dehaene, 2025).

 

Figura 1. La analogía mente-computadora.^[1]

4. Arquitectura funcional

El estudio de la mente se aborda por función (memoria, lenguaje, pensamiento, etc.) y, a su vez, cada una de estas funciones se descompone en sus elementos constituyentes. Por ejemplo, para estudiar la memoria, definimos primero una serie de fenómenos que comparten alguna característica, por ejemplo, recordar explícitamente algo. Esto se “traduce” a una serie de tareas representativas que se pueden llevar al laboratorio y controlar, como, por ejemplo, pedirle a la persona que recuerde una lista de palabras o imágenes. Se propone un modelo que identifique qué pasos sigue el “programa” mental y qué se hace en cada uno de esos pasos para realizar esa tarea. Una vez que entendemos cómo es la secuencia de procesamiento, podemos describir cómo se lleva a cabo esa función mental. Esto se denomina arquitectura funcional.

Describir la arquitectura funcional implica determinar qué componentes (estructuras cerradas, sistemas o capas en el caso de modelos conexionistas) intervienen en una función; qué procesos se desarrollan (es decir, qué transformaciones de la información se producen, cómo se comunican las partes, cuál es el flujo de la información que circula) y qué tipo de información utiliza la mente para realizar dicha función. Entonces se plantea un programa con distintos componentes que procesan la información, la función de cada parte, el circuito del flujo de la información y el formato que tiene la información en cada momento. En una analogía con la arquitectura real, cuando se planea una casa, hay que pensar qué partes va a tener (la entrada, el living, pasillos, cocina, baño, dormitorios) y qué procesos se van a llevar a cabo; entonces, qué elementos necesitamos en cada uno (por ejemplo, si es cocina vamos a necesitar caños de gas, tendido eléctrico y enchufes, etc.), cómo es la circulación y qué tipo de actividades habrá en cada espacio.

Así, para una función determinada, se propone un modelo que especifica cuáles son los componentes, cuáles son los procesos y cuáles son las unidades de representación. Los componentes son las partes estáticas o estructurales del sistema. Pueden ser las “cajas” en un modelo tradicional o las “capas de procesamiento” en un modelo conexionista. Los procesos, la parte dinámica o las “flechitas” del modelo, explican cómo funciona cada sistema, qué operaciones hay en su interior y cómo se relacionan los sistemas entre sí.

El tipo de representaciones o el formato de la información es la unidad que indica qué es lo que circula y se transforma al ir de un sistema a otro. Mientras que en el cerebro hablaríamos de impulsos eléctricos y neurotransmisores, y en el software de unos y ceros, en la mente hablamos de representaciones en distintos formatos (De Vega, 1984). La mente tiene muchos formatos representacionales. Por ejemplo, conceptos abstractos, palabras, imágenes mentales, programas motores (secuencias de acciones), estados del cuerpo… En una arquitectura mental, cada componente (estructura, sistema o capa, según el tipo de modelo) se va a caracterizar por el tipo de representación que maneja y las operaciones que realiza sobre ellas.

Otro aspecto fundamental de estos modelos es la organización temporal e interactividad del procesamiento, es decir, la dirección temporal y el grado de autonomía o interacción entre los componentes (De Vega, 1984). Los modelos cognitivos clásicos planteaban un procesamiento lineal o serial, de abajo hacia arriba o bottom-up. En un esquema así, la información entra por los sentidos, luego se procesa la imagen visual o auditiva y, finalmente, se llega a las categorías conceptuales para interpretar, por ejemplo, que aquello que vemos es un perro o una computadora. Es un camino que va desde los sentidos hacia la categorización semántica, con poca interacción entre componentes. La otra dirección de procesamiento es de arriba hacia abajo o top-down. Esto se refiere a la influencia que tienen nuestros conocimientos previos, modelos internos del mundo y esquemas conceptuales sobre la entrada perceptual. Mientras que los primeros modelos cognitivos eran estrictamente seriales de abajo hacia arriba (donde primero se hacía una cosa y luego la otra), en los modelos interactivos se enfatiza la influencia top-down y la interacción constante entre la información que proviene del medio y la información que ya tenemos almacenada. A esto se suma que, en la década de los 80, se plantearon modelos de procesamiento paralelo distribuido, donde las representaciones están interconectadas. En este tipo de arquitectura, los componentes estáticos se piensan como capas de unidades conectadas entre sí y a su vez conectadas con otras unidades de otras capas. La activación de un componente implica la activación inmediata de muchos otros, lo que genera una interacción masiva. A diferencia de las secuencias direccionales simples, en los modelos distribuidos la red de conexiones es tan densa que el sistema trabaja de forma simultánea y global.

Un componente o sistema no debe entenderse como una entidad aislada, sino que interactúa de forma sumamente compleja con otros componentes. Si bien algunos modelos se grafican como cuadrados, rectángulos o formas cerradas, se hace principalmente como un recurso didáctico para entenderlos mejor y poder distinguir con claridad su función, su formato representacional y sus reglas de funcionamiento internas. Es importante alejarse de la idea del sentido común que sugiere que la mente tiene partes cerradas y autónomas, y que se corresponden linealmente con una parte del cerebro o que existe un gen específico que codifica cada una.

Otros aspectos relevantes para la descripción de los sistemas cognitivos incluyen su origen filogenético (aunque esto sea más propio de la psicología comparada) y su desarrollo ontogenético, es decir, identificar cuándo surge en la infancia temprana, cómo se desarrolla a lo largo de la vida y si presenta cambios durante el ciclo vital. Se asume que todas las personas tienen la misma arquitectura mental.

Entonces, ¿cómo se explican las diferencias individuales? Lo que varía entre las personas, cuando no hay daños o déficits severos en alguno de los componentes y procesos de la arquitectura mental, es el contenido que hay en cada componente. Para entender esto, podemos volver a la analogía de la arquitectura. Varios departamentos en un mismo edificio pueden tener la misma estructura y funcionalidad, pero la forma en que cada uno está decorado, los muebles que hay en el living o el color de las paredes son particulares y diferentes. Siendo estructuralmente el mismo departamento, hay una variabilidad infinita respecto de cómo se ve y se vive en cada uno de ellos. También podemos pensar en la analogía con la computadora. Aunque los programas de las computadoras de dos personas sean los mismos, los documentos que cada persona tiene (qué textos, qué imágenes, qué videos, qué comunicaciones) son altamente individuales y personales. De la misma forma, la arquitectura mental es similar para todas las personas, pero las palabras, conceptos, imágenes, recuerdos, emociones son altamente individuales y singulares de cada persona.

Figura 2. Arquitectura funcional.

5. Abordajes del estudio de la cognición humana

Según los principales manuales de psicología cognitiva de la actualidad, hay cuatro abordajes principales para el estudio de la cognición humana (Eysenck & Brysbaert, 2018; Eysenck & Keane, 2015). Cada uno de ellos realiza contribuciones específicas al conocimiento de los procesos mentales y se complementan entre sí para ofrecer una comprensión más amplia y robusta de cómo funciona la mente. Estos son: la psicología experimental, la simulación computacional, la neuropsicología cognitiva y la neurociencia cognitiva. Cada uno de estos abordajes aporta evidencia de diferente tipo. El primero manipula variables cognitivas y emocionales en personas en el laboratorio, el segundo construye modelos que simulan procesos mentales, el tercero estudia casos de daño cerebral para identificar disociaciones funcionales y el cuarto registra la actividad neural durante la realización de tareas cognitivas. Así, los avances más significativos en el estudio de los procesos básicos resultan habitualmente de la convergencia de evidencia proveniente de más de uno de estos abordajes.

5.1. Psicología experimental

La psicología experimental constituye el abordaje histórico por excelencia del estudio científico de los procesos básicos (Eysenck & Brysbaert, 2018; Eysenck & Keane, 2015). Su método central consiste en el diseño de situaciones controladas en el laboratorio en las que se manipulan sistemáticamente variables para observar sus efectos sobre el comportamiento humano. En estas condiciones controladas, los participantes realizan tareas específicas (como memorizar listas de palabras, reconocer estímulos visuales, tomar decisiones o resolver problemas) mientras los investigadores miden variables dependientes, como los tiempos de reacción, la precisión de las respuestas o los patrones de errores. La lógica subyacente es que, al controlar todas las variables excepto aquella que se manipula, cualquier diferencia observada en el desempeño puede atribuirse causalmente a esa variable (Burin & Saux, 2016).

El poder de la psicología experimental reside precisamente en su capacidad para establecer relaciones causales entre variables. Por ejemplo, si se quiere saber si el tipo de procesamiento de una palabra afecta cuánto se recuerda, es posible diseñar un experimento en el que se asignan aleatoriamente a los participantes distintas condiciones de codificación y luego se mide el recuerdo. Por ejemplo, en una condición podemos leer las palabras más rápido que en otra condición y así indagar si la velocidad de presentación de los estímulos incide en su almacenamiento. Este tipo de diseño permite inferir con relativa seguridad que las diferencias encontradas se deben a la manipulación experimental y no a otras variables confundidoras (o variables extrañas). Los resultados de estos experimentos se utilizan para poner a prueba y refinar modelos teóricos sobre la arquitectura funcional de los procesos mentales.

Si bien la psicología experimental ha hecho los aportes fundamentales a la psicología cognitiva y el conocimiento de los procesos mentales, también enfrenta limitaciones importantes. La situación de laboratorio es, por definición, artificial, lo que lleva a cuestionar la validez ecológica de los hallazgos. Es decir, en qué medida los resultados obtenidos en condiciones tan controladas reflejan cómo funcionan realmente los procesos mentales en la vida cotidiana (Eysenck & Keane, 2015). Por otro lado, los procesos internos deben inferirse a partir de patrones observados en conductas y tiempos de respuesta, por lo cual distintos modelos pueden dar cuenta del mismo patrón conductual y exigen experimentos específicos que puedan diferenciar entre modelos. A pesar de estas limitaciones, la psicología experimental sigue siendo el núcleo metodológico del estudio de los procesos básicos, y sus hallazgos constituyen el punto de partida para los demás abordajes.

5.2. Simulación computacional

La simulación computacional es un abordaje que consiste en la construcción de programas de computadora que intentan reproducir o simular aspectos específicos del funcionamiento cognitivo humano (Eysenck & Brysbaert, 2018; Eysenck & Keane, 2015). Este abordaje va más allá de la metáfora computacional descripta en secciones anteriores. No se trata solo de pensar la mente como si fuera una computadora, sino de construir efectivamente programas que ejecuten, paso a paso, los mismos procesos que se postula que realiza la mente.

La lógica subyacente plantea que, si se cuenta con un modelo teórico suficientemente preciso de cómo funciona un proceso cognitivo, ese modelo debería poder implementarse como un programa informático. Si el programa, al ejecutarse, reproduce los mismos patrones de conducta que se observan en los seres humanos (los mismos tipos de errores, los mismos efectos de facilitación o interferencia, los mismos tiempos relativos), entonces se cuenta con evidencia de que el modelo captura algo del funcionamiento real. Si el programa falla en reproducir ciertos patrones, eso indica que el modelo necesita ser revisado. De este modo, la simulación computacional sirve como una prueba de consistencia interna y completitud de los modelos teóricos (De Vega, 1984).

Dentro de este abordaje se distinguen, históricamente, dos grandes familias de modelos. Los modelos simbólicos, propios de las primeras décadas de la psicología cognitiva, representan el conocimiento y los procesos mentales mediante símbolos discretos y reglas explícitas, de manera análoga a como un programa informático clásico maneja instrucciones y variables. Un ejemplo paradigmático es el modelo de producción de Anderson (ACT-R; Anderson, 1983), que busca simular una amplia gama de procesos cognitivos mediante reglas del tipo “si se cumple tal condición, entonces ejecutar tal acción” (IF… THEN). Los modelos conexionistas o de procesamiento paralelo distribuido (PDP) (que nombramos previamente) representan el conocimiento y el procesamiento como patrones de activación distribuidos en redes de unidades interconectadas, de modo más análogo a la organización neuronal (Rumelhart, McClelland & PDP Research Group, 1986). Estos modelos han ganado terreno en el modelado de muchos fenómenos y resultados experimentales en todas las áreas de la psicología básica, desde la percepción hasta el pensamiento; se encontrarán en este libro sus propuestas respecto de la memoria (semántica), el lenguaje y las emociones.

Los modelos cognitivos computacionales no deben confundirse con los sistemas de inteligencia artificial en sentido amplio. Un modelo cognitivo computacional no busca simplemente realizar una tarea de la manera más eficiente posible, sino reproducir fielmente los procesos y las limitaciones del sistema cognitivo humano, incluyendo sus errores característicos, sus sesgos y sus restricciones de capacidad. Como señalan Eysenck y Keane (2015), un modelo que predice correctamente en qué condiciones los seres humanos fallan (y no solo cuándo aciertan) tiene más valor explicativo que uno que simplemente maximiza la precisión.

5.3. Neuropsicología cognitiva

La neuropsicología cognitiva estudia los procesos mentales a través del análisis de los cambios que se producen en el funcionamiento cognitivo como consecuencia de lesiones o disfunciones cerebrales (Eysenck & Brysbaert, 2018; Eysenck & Keane, 2015). Su objeto de estudio son los déficits y capacidades preservadas que se observan en pacientes con daño cerebral de diverso origen, como accidentes cerebrovasculares, traumatismos craneoencefálicos, tumores o enfermedades neurodegenerativas.

La lógica fundamental de este abordaje es la de la disociación. Si una lesión en determinada región o red cerebral produce la pérdida selectiva de una capacidad, mientras que otras capacidades permanecen intactas, esto sugiere que la capacidad afectada depende de un componente o proceso cognitivo relativamente independiente. Este argumento se conoce como disociación simple. Aún más informativo es el hallazgo de disociaciones dobles. Si el paciente A muestra déficit en la función X pero no en Y, mientras que el paciente B muestra déficit en Y pero no en X, esto constituye evidencia más robusta de que X e Y son procesos cognitivos distintos y relativamente independientes (Shallice, 1988).

Un ejemplo clásico de este abordaje es el estudio del paciente H. M., quien, tras la extirpación bilateral del hipocampo, perdió la capacidad de formar nuevos recuerdos explícitos pero conservó intacta la capacidad de aprender habilidades motoras y otros tipos de aprendizaje implícito (Scoville & Milner, 1957). Este caso, y el de numerosos pacientes estudiados posteriormente, contribuyó de manera decisiva a la distinción entre memoria implícita y memoria explícita, hoy central en los modelos de la arquitectura de la memoria humana. Otro ejemplo es el estudio de pacientes con alexia pura, que es la incapacidad para leer palabras a pesar de preservar la escritura y el reconocimiento de otros estímulos visuales, que contribuyó a la identificación de componentes específicos en el modelo de reconocimiento de palabras escritas.

La neuropsicología cognitiva tiene tanto fortalezas como limitaciones. Entre sus fortalezas se cuenta que proporciona evidencia directa sobre la organización funcional de la mente en condiciones naturales, es decir, en personas reales con alteraciones reales. Sin embargo, sus conclusiones deben tomarse con cautela, ya que el daño cerebral raramente afecta una región de forma perfectamente selectiva. Además, el cerebro posee capacidades de reorganización o plasticidad que pueden hacer que las funciones se redistribuyan tras una lesión. Así, las inferencias sobre la arquitectura funcional normal a partir del estudio de pacientes con daño cerebral deben contemplar siempre estas fuentes de variabilidad (Eysenck & Keane, 2015).

5.4. Neurociencia cognitiva

La neurociencia cognitiva es el abordaje más reciente de los cuatro descriptos aquí, y surgió de la confluencia entre la psicología cognitiva y las neurociencias en las últimas décadas del siglo XX (Eysenck & Keane, 2015; Gazzaniga et al., 2014). A diferencia de la neuropsicología cognitiva, que trabaja con pacientes con daño cerebral, la neurociencia cognitiva estudia los correlatos neurales de los procesos cognitivos en personas sanas, utilizando métodos de neuroimagen funcional y otras técnicas de registro de la actividad cerebral.

El desarrollo de técnicas de neuroimagen funcional, particularmente la resonancia magnética funcional (fMRI) y la tomografía por emisión de positrones (PET), transformó profundamente este campo al permitir visualizar, con una resolución espacial inédita, qué regiones cerebrales se activan mientras una persona realiza distintas tareas cognitivas. Complementariamente, el electroencefalograma (EEG) y los potenciales relacionados con eventos (ERP) permiten registrar la actividad eléctrica cerebral con una resolución temporal muy precisa, del orden de los milisegundos. La fMRI ofrece alta resolución espacial y el EEG ofrece alta resolución temporal, y en muchos estudios se combinan para aprovechar ambas ventajas.

La pregunta central de la neurociencia cognitiva es: ¿en qué redes o circuitos cerebrales se implementan los distintos procesos y componentes postulados por los modelos cognitivos? Responder esta pregunta no solo satisface la curiosidad acerca del sustrato biológico, sino que puede contribuir a refinar los propios modelos cognitivos. Por ejemplo, si dos tareas que según el modelo deberían compartir un componente cognitivo activan las mismas regiones cerebrales, eso constituye evidencia convergente en favor del modelo. En cambio, si activan regiones distintas, puede sugerir que el modelo subestima la complejidad del sistema.

No obstante, la interpretación de los datos de neuroimagen no está exenta de dificultades. Una región cerebral que se activa de forma diferencial durante una tarea no necesariamente es la que cause el desempeño, puede ser epifenomenal o puede estar involucrada en múltiples funciones distintas. Además, la tendencia a localizar funciones cognitivas en regiones cerebrales específicas puede llevar a una visión demasiado modular y estática del cerebro, cuando la evidencia acumulada sugiere que los procesos mentales dependen de redes distribuidas y dinámicas (Bassett & Sporns, 2017). La neurociencia cognitiva contemporánea ha avanzado hacia el estudio de estas redes y de su conectividad funcional, más que hacia la búsqueda de centros cerebrales aislados.

Figura 3. Abordajes de estudio de la mente desde la psicología cognitiva.

6. Los procesos básicos en la era de la inteligencia artificial

A lo largo de este capítulo se ha descrito cómo la psicología cognitiva construyó su programa de investigación a partir de la analogía con la computadora. Esa analogía, nacida en la década de 1950, fue enormemente productiva. Nos permitió desarrollar modelos precisos de procesos como la memoria, el lenguaje y la atención, y dio lugar a décadas de investigación experimental, computacional, neuropsicológica y neurocientífica. Sin embargo, en las últimas décadas, la irrupción de sistemas de inteligencia artificial (IA) de nueva generación, especialmente los modelos de lenguaje de gran escala (large language models, LLM), ha vuelto a plantear preguntas fundamentales sobre la naturaleza de los procesos cognitivos y sobre los límites de las analogías entre mente y máquina.

Durante décadas, los modelos computacionales de la cognición (simbólicos o conexionistas) se construyeron con el objetivo explícito de simular la arquitectura funcional de la mente humana, reproduciendo tanto sus capacidades como sus limitaciones. Los modelos conexionistas o de procesamiento paralelo distribuido de los años ochenta, precursores de las redes neuronales artificiales actuales, surgieron en parte como modelos psicológicos del aprendizaje y la memoria (Rumelhart, McClelland & PDP Research Group, 1986). Con el tiempo, sin embargo, las redes neuronales artificiales se desarrollaron de forma relativamente independiente de la psicología cognitiva, optimizadas para el rendimiento en tareas específicas más que para reproducir las restricciones características del procesamiento humano. Esta divergencia entre IA e investigación cognitiva plantea preguntas relevantes: ¿los sistemas de IA actuales procesan el lenguaje, perciben, razonan, recuerdan de manera similar a los seres humanos? ¿O producen outputs similares a través de procesos radicalmente distintos?

Esta pregunta tiene implicancias tanto teóricas como metodológicas. Desde el punto de vista teórico, algunos investigadores proponen que los LLM y otros sistemas de IA generativa pueden funcionar como modelos o hipótesis sobre el procesamiento cognitivo humano, análogamente a como se usaban los modelos de simulación clásicos. En esta línea, estudios recientes han comparado sistemáticamente las representaciones internas de redes neuronales profundas con las respuestas del cerebro humano medidas con fMRI o EEG, y han encontrado en algunos casos correspondencias notables. Por ejemplo, Schrimpf et al. (2021) y trabajos posteriores del grupo de Fedorenko (Tuckute et al., 2024) han mostrado que algunos modelos de lenguaje predicen la actividad del sistema de lenguaje del cerebro humano con bastante precisión, lo que sugiere que comparten, al menos parcialmente, algunas propiedades representacionales con el procesamiento lingüístico humano. Estos hallazgos abren una nueva vía de investigación en la que los modelos de IA se usan como herramientas para generar y poner a prueba hipótesis sobre los mecanismos del lenguaje, la memoria semántica y la cognición en general.

No obstante, esta convergencia debe interpretarse con cautela. Los LLM presentan diferencias fundamentales respecto del sistema cognitivo humano. Están entrenados sobre enormes volúmenes de texto sin acceso a experiencias perceptivas, afectivas o corporales, y su “aprendizaje” ocurre en una fase masiva de entrenamiento, radicalmente diferente del aprendizaje gradual y situado de los seres humanos (Leivada et al., 2026). Su rendimiento y funcionamiento en tareas de memoria episódica a largo plazo, donde es relevante el orden temporal y el contexto de aprendizaje, es diferente al de las personas (Pink et al., 2024) y, obviamente, no tienen un ciclo vital ni historia de desarrollo ontogenético individual. Estos contrastes son precisamente los que vuelven su comparación con la cognición humana científicamente valiosa. Al identificar en qué condiciones los sistemas de IA imitan y en cuáles divergen del procesamiento humano, es posible caracterizar con mayor precisión qué aspectos de la cognición son específicamente humanos (Lake et al., 2017; Tuckute et al., 2024).

Desde el punto de vista metodológico, los sistemas de IA también han comenzado a incorporarse como herramientas en la investigación sobre procesos básicos. Por ejemplo, se los utiliza para generar y validar estímulos experimentales a gran escala, para construir modelos de agentes cognitivos en entornos simulados o para analizar grandes corpus de datos conductuales y neurales. En este sentido, la IA no solo plantea preguntas teóricas sobre la mente, sino que también amplía el repertorio metodológico de la psicología cognitiva y la neurociencia cognitiva.

La pregunta sobre qué hay en la mente y cómo funciona, formulada al inicio de este capítulo, sigue siendo la pregunta fundamental de la disciplina. Lo que ha cambiado es el paisaje de herramientas y comparaciones disponibles para responderla. Los cuatro abordajes descriptos (experimental, computacional, neuropsicológico y neurocientífico) mantienen plena vigencia e incorporan los nuevos avances en inteligencia artificial.

Asimismo, a la vez que ha avanzado la comprensión de la mente, la psicología básica ha contribuido en gran manera a las aplicaciones prácticas en campos tan diversos como la psicoterapia, la educación, las neurociencias, la economía, la comunicación y el desarrollo de software para distintos usos. El estudio de los procesos psicológicos básicos es un campo de investigación exitoso y muy útil para profesionales de todas las disciplinas que trabajan con personas.

Referencias

Anderson, J. R. (1983). The architecture of cognition. Cambridge, MA: Harvard University Press.

Baars, B. J. (1988). A cognitive theory of consciousness. Cambridge, UK: Cambridge University Press.

Bassett, D. S., & Sporns, O. (2017). Network neuroscience. Nature Neuroscience, 20(3), 353-364. https://doi.org/10.1038/nn.4502.

Boring, E. G. (1980). Historia de la psicología experimental. México: Trillas.

Brennan, T. (2002). Forms, Platonic. In The Routledge Encyclopedia of Philosophy. New York: Taylor and Francis. https://www.doi.org/10.4324/9780415249126-A131-1.

Broadbent, D. E. (1958). Perception and communication. Oxford: Pergamon Press.

Burin, D. I. & Saux, G. (2016). El método experimental en psicología cognitiva. Buenos Aires: Eudeba.

Burroughs, W. S. (1986). The Adding Machine: Selected Essays. New York: Arcade Publishing.

Chomsky, N. (1957). Syntactic structures. The Hague: Mouton.

Dehaene, S. (2025). La conciencia en el cerebro. Buenos Aires: Siglo XXI.

De Vega, M. (1984). Introducción a la psicología cognitiva. Madrid: Alianza Editorial.

Duarte, A. (1996). La psicología cognitiva en lo que va de siglo: a propósito de dos cambios metateóricos decisivos. Acta Psiquiátrica y Psicológica de América Latina 42(3). 201-211.

Eysenck, M. W., & Brysbaert, M. (2018). Fundamentals of cognition (3rd ed.). Nueva York: Psychology Press.

Eysenck, M. W., & Keane, M. T. (2015). Cognitive psychology: A student’s handbook (7th ed.). New York: Psychology Press.

García Vega, L. (1997). Raíces científicas de la psicología. En García Vega, L., Rodríguez Domínguez, S., & Moya Santoyo, J. (Eds.), Historia de la psicología, Vol. I. Madrid: Siglo XXI.

Gazzaniga, M. S., Ivry, R. B., & Mangun, G. R. (2014). Cognitive neuroscience: The Biology of the Mind (4th ed.). New York: W. W. Norton.

Hull, C. L. (1952). A behavior system: An introduction to behavior theory concerning the individual organism. New Haven: Yale University Press.

Kahneman, D. (2012). Pensar rápido, pensar despacio. Madrid: Debate.

Lake, B. M., Ullman, T. D., Tenenbaum, J. B., & Gershman, S. J. (2017). Building machines that learn and think like people. Behavioral and Brain Sciences, 40, e253. https://doi.org/10.1017/S0140525X16001837.

Leahey, T. H. (1982). Historia de la psicología. Madrid: Debate.

LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. Nature, 521(7553), 436-444. https://doi.org/10.1038/nature14539.

Leivada, E., Marcus, G., Günther, F., & Murphy, E. (2026). A sentence is worth a thousand pictures: Can large language models understand hum4n L4ngu4ge and the W0rld behind W0rds? Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences, 384(2320), Article 20250008. https://doi.org/10.1098/rsta.2025.0008.

Méndez Paz, C. (2010). Los procesos psicológicos básicos y el sujeto. En J. Fernández Rey et al. (Coords.), Procesos psicológicos básicos II. Manual de prácticas de memoria y lenguaje. Madrid: Pirámide.

Miller, G. A. (1956). The magical number seven, plus or minus two: Some limits on our capacity for processing information. Psychological Review, 63(2), 81-97. https://doi.org/10.1037/h0043158.

Neisser, U. (1967). Cognitive psychology. New York: Appleton-Century-Crofts.

Pink, M., Vo, V. A., Wu, Q., Mu, J., Turek, J. S., Hasson, U., Norman, K. A., Michelmann, S., Huth, A., & Toneva, M. (2024). Assessing episodic memory in LLMs with sequence order recall tasks. arXiv, https://doi.org/10.48550/arXiv.2410.08133.

Platón (c. 380 a. C./2003). La República (C. Eggers Lan, Trad.). Madrid: Gredos.

Rumelhart, D. E., McClelland, J. L., & PDP Research Group (1986). Parallel distributed processing: Explorations in the microstructure of cognition (Vol. 1). Cambridge, MA: MIT Press.

Schrimpf, M., Blank, I., Tuckute, G., Kauf, C., Hosseini, E. A., Kanwisher, N., Tenenbaum, J., & Fedorenko, E. (2021). The neural architecture of language: Integrative modeling converges on predictive processing. Proceedings of the National Academy of Sciences, 118(45), e2105646118. https://doi.org/10.1073/pnas.2105646118.

Scoville, W. B., & Milner, B. (1957). Loss of recent memory after bilateral hippocampal lesions. Journal of Neurology, Neurosurgery, and Psychiatry, 20(1), 11-21. https://doi.org/10.1136/jnnp.20.1.11.

Shallice, T. (1988). From neuropsychology to mental structure. Cambridge, UK: Cambridge University Press.

Tolman, E. C. (1932). Purposive behavior in animals and men. New York: Appleton-Century-Crofts.

Tuckute, G., Kanwisher, N., & Fedorenko, E. (2024). Language in brains, minds, and machines. Annual Review of Neuroscience, 47, 277-301. https://doi.org/10.1146/annurev-neuro-120223-110146.

Turing, A. M. (1950). Computing machinery and intelligence. Mind, 59(236), 433-460. https://doi.org/10.1093/mind/LIX.236.433.

Watson, J. B. (1913). Psychology as the behaviorist views it. Psychological Review, 20(2), 158-177. https://doi.org/10.1037/h0074428.

---