Resumen

Se utiliza un modelo de red neuronal de representación semántica de objetos para simular el aprendizaje de nuevas palabras de una lengua extranjera. La red consta de áreas de rasgos, dedicadas a la descripción de las propiedades de los objetos, y un área léxica, dedicada a la representación de las palabras. Las neuronas de las áreas de rasgos se implementan como osciladores Wilson-Cowan, para permitir la segmentación de diferentes objetos simultáneos mediante la sincronización de la banda gamma. Las sinapsis excitatorias entre las neuronas de las áreas de rasgos y léxicas se aprenden, durante una fase de entrenamiento, mediante una regla Hebbiana. En este trabajo, primero asumimos que algunas palabras de la primera lengua (L1) y las representaciones de objetos correspondientes se aprenden inicialmente durante una fase de entrenamiento preliminar. Posteriormente, las palabras de la segunda lengua (L2) se aprenden presentando simultáneamente la nueva palabra junto con la de la L1. También se implementa un mecanismo de competencia entre las dos palabras mediante el uso de interneuronas inhibitorias. Las simulaciones muestran que, tras un entrenamiento débil, la palabra L2 permite recuperar las propiedades del objeto, pero requiere la intervención de la primera lengua. Por el contrario, tras un entrenamiento prolongado, la palabra L2 se convierte en capaz de recuperar el objeto per se. En este caso, puede producirse un conflicto entre las palabras, lo que requiere un mecanismo de decisión de nivel superior.

• Materias:Inteligencia artificial Sistema nervioso Imágenes diagnósticas Neurociencia Cognitiva Trastornos mentales
• Subjects:Artificial intelligence Nervous systems Diagnostic imaging Cognitive Neuroscience Mental disorders
• Palabras claves:palabra nueva, propiedad del objeto, área léxica, área de características, palabra l2, primera lengua, palabra, descripción del objeto, modelo del objeto, mecanismo de decisión de nivel
• Keywords:new word, object property, lexical area, features area, l2 word, first language, word, description of object, model of object, level decision mechanism