Aprendizaje de relaciones de contingencia y causalidad : hacia un an??lisis integral del aprendizaje causal desde una perspectiva computacional

Res??men basado en el del autor. Res??men en castellano e ingl??s

En las dos ??ltimas d??cadas el estudio del Aprendizaje Causal ha experimentado un gran avance en lo que se refiere a la formulaci??n de modelos que tratan de explicar c??mo las personas somos capaces de inferir relaciones de causalidad a partir de la observaci??n de la correlaci??n estad??stica entre acontecimientos del medio. Muchos modelos reducen la explicaci??n a un algoritmo de c??mputo simple. Frente a esa idea mecanicista, se adopta una perspectiva computacional, intentando dotar de sentido normativo y funcional a la adquisici??n de conocimiento causal. En otras palabras, se pretende responder a dos preguntas fundamentales: a) ??qu?? informaci??n es relevante en el aprendizaje de relaciones de causalidad?. y b) ?? por qu?? dicha informaci??n es relevante? Desde este punto de vista, lo m??s importante no es describir la formulaci??n matem??tica de los procesos implicados en el procesamiento, sino analizar el sentido funcional de dichos procesos. A continuaci??n, se discute sobre c??mo este marco computacional puede guiar la construcci??n te??rica en el futuro a nivel algor??tmico y ayudar a integrar los distintos modelos actuales.