Representaciones mentales en la neurociencia cognitiva
Veritas & Research, Vol. 7, N° 1, 2024, 1-3
ISSN 2697-3375
1
Representaciones Mentales y su Estudio en la Neurociencia
Cognitiva
Mental Representations and their Study in Cognitive
Neuroscience
As Representações Mentais e o seu Estudo em Neurociência
Cognitiva
Ricardo J. Alejandro1*
1 Department of Experimental Psychology, Ghent University, Gante, Bélgica
*Autor de correspondencia: Ricardo.AlejandroBenavides@UGent.be
Señor editor:
Conceptualicemos la acción de ‘pensar’
como el proceso en el que nuestro cerebro
interpreta el espacio, estados, contenidos, y
conceptos del mundo exterior, procesando
dicha información para desarrollar tareas y
cumplir objetivos. Para tal propósito,
análogo a un arquitecto representando su
proyecto de construcción a través de un
modelo, el cerebro humano hace uso de un
modelo interno para representar el entorno
exterior.
Para ilustrar, si recibimos la instrucción de
dibujar un triciclo, dado que nuestro cerebro
implementa y tiene acceso a
‘representaciones mentales’, somos capaces
de recrear un bosquejo básico del objeto sin
necesidad de tenerlo a la vista. Pero la mente
humana es compleja y no se limita a grabar
escenas o imágenes para reproducirlas
retrospectivamente.
De hecho, el cerebro tiene un beneficio
significativo al representar las variables y el
contexto del entorno exterior, pues puede
operar sobre ellos internamente (y simular
desenlaces) para determinar cursos de
acción.
En este sentido, mecanismos representacionales actúan
en procesos de planificación mental (e.g, pensar en la
ruta que me permita comprar fruta de camino a casa),
toma de decisiones (e.g., al evaluar pros y contras de
una oferta de empleo en otra ciudad), memoria (p. ej.,
recordar la camisa que utilicé el lunes pasado),
imaginación (e.g., pensar en un elefante rosado),
razonamiento abstracto (e.g., definir “cordialidad”), y
muchos más (Smortchkova et al., 2020).
Entender y caracterizar los mecanismos cerebrales
sustentando tales representaciones es un campo activo
de investigación, y a pesar de ser una idea intuitiva su
comprensión es limitada, puesto que el concepto mismo
de representación se ve ocasionalmente contendido
(Favela & Machery, 2023).
Representación dentro de psicología cognitiva (para
una extendida conceptualización filosófica ver Fodor,
1981) hace referencia al concepto abstracto de las
‘herramientas’ cognitivas que subyacen la ejecución de
diversas capacidades mentales que implementan
comportamiento en sus múltiples formas (Chomsky,
1980; Tolman, 1948). El uso de dicha idea como base
ha permitido a psicólogos cognitivos aprender
características clave del comportamiento humano. Por
ejemplo, el tipo y complejidad de las representaciones
mentales durante navegación dependen de las
instrucciones/objetivos de nuestro movimiento
(Schnotz et al., 2022), la atención juega un rol crítico
para la representación de nuevas tareas y su prospectiva
ejecución (González-García et al., 2020), propuestas
algorítmicas sugieren que los niños aprenden conceptos
nuevos a través de una actualización bayesiana de
representaciones conceptuales (Ullman et al., 2012).
Crucialmente, las teorías propuestas por estos y muchos
Veritas & Research
ISSN 2697-3375
Vol. 7| N° 1| 2025
Edita:
Departamento de
Investigación,
Vinculación e Innovación.
Pontificia Universidad
Católica del Ecuador
Sede Ambato.
Ambato - Ecuador
Recibido: 05/11/2024
Aceptado: 04/01/2025
Publicado: 03/02/2025
Citar como:
Alejandro, R.J. (2025).
Representaciones
Mentales y su Estudio en
la Neurociencia
Cognitiva. Veritas &
Research, 7(1), 1-3.
Licencia:
Creative Commons
Atribución-No
Comercial-Sin Derivadas
4.0 Internacional (CC BY-
NC-ND 4.0)
Sección: Cartas al editor
Veritas & Research, Vol. 7, N° 1, 2024, 1-3
ISSN 2697-3375
2
más estudios hacen uso del concepto de
representaciones mentales sin recurrir a una
descripción de su implementación física.
El desarrollo de métodos no invasivos de neuroimagen
y electrofisiología como la resonancia magnética
funcional (fMRI), la electroencefalografía (EEG), y la
magnetoencefalografía (MEG), han facilitado en gran
medida relacionar el comportamiento con sus bases
cerebrales. Mientras fMRI dispone de resolución
espacial para determinar con gran precisión las regiones
cerebrales donde tienen lugar ciertos procesos
mentales. EEG y MEG brindan resolución temporal
para caracterizar los instantes de tiempo en que dichos
procesos ocurren. Al combinar dichos métodos con
técnicas avanzadas de modelamiento y análisis de
datos, como aprendizaje automático, aprendizaje
reforzado, aprendizaje profundo (del inglés machine
learning, reinforcement learning, deep learning,
respectivamente), se ha permitido poner a prueba
propuestas teóricas, así como interrogar las bases
neurales de las representaciones mentales y sus
diversas características. Por ejemplo, estudios
utilizando fMRI han demostrado que el hipocampo
(una estructura cerebral asociada principalmente a
procesos de memoria) representa topográficamente
características espaciales del entorno, pero codifica
también representaciones conceptuales usando
topografías similares (Constantinescu et al., 2016). El
conocimiento sobre el hipocampo se ha extendido más
allá de funciones de memoria, pues se encontró que
también representa esquemas de planificación e
información prospectiva (Crivelli-Decker et al., 2023).
Se ha demostrado también que las representaciones en
la corteza prefrontal (asociada a la capacidad ejecutiva
y personalidad) están organizadas jerárquicamente, con
zonas rostrales representando información más
abstracta, y zonas caudales representando información
más explícita (Badre, 2008), una organización que se
ha propuesto se refleja también en la corteza cingulada
anterior, donde control cognitivo y decisiones
abstractas se representan en sus zonas más rostrales,
mientras sus zonas más caudales representan decisiones
y acciones explícitas (Alejandro & Holroyd, 2024b).
Estudios empleando EEG y MEG demostraron
respectivamente que representaciones visuales ocurren
simultáneamente con y pueden guiar representaciones
motoras (como quien navega hacia su cama en
oscuridad luego de apagar la luz) (Van Ede et al., 2019),
y que representaciones de memoria (recuerdos) son
reproducidas en una acelerada/comprimida escala
temporal (como quien adelanta un video buscando un
momento específico) cuando intentamos recordar
(buscamos) un elemento en nuestra memoria
(Michelmann et al., 2018).
El poder examinar la actividad cerebral de personas (ya
sea a través de fMRI, EEG, MEG, etc.) mientras
realizan tareas cognitivas abre la puerta a la
caracterización de ciertos estados mentales,
permitiéndonos leer sus mentes para decodificar
acciones desde sus intenciones (Gallivan et al., 2011),
y asociar espacios mentales con regiones cerebrales
puntuales que representan estados abstractos y
planificación prospectiva (Alejandro & Holroyd,
2024a).
Curiosamente, el uso de representaciones para llevar a
cabo funciones mentales no es exclusivo de la mente
biológica. Ciertos modelos computacionales incluyen
en su implementación la capacidad de extraer y
combinar representaciones con el objetivo de asemejar
y entender mejor la mente humana. Por otro lado, redes
neuronales artificiales, ya sea por facultades inherentes
a su diseño, o por desarrollo intuitivo, tienden a crear,
implementar, y operar en representaciones similares a
las observadas en cerebros biológicos, para planificar y
resolver problemas (Huh et al., 2024), lo que sugiere
que tanto cerebros como máquinas utilizan recursos
similares para interpretar el entorno y cumplir
objetivos: abstracción eficiente de información para
construir modelos internos.
Resumiendo, este artículo no ha pretendido ser una
revisión exhaustiva sino pintar una escena y encender
la curiosidad sobre el potencial del estudio de
representaciones mentales para revelar verdades
fundamentales sobre la inteligencia humana. Aunque el
significado de representación no sea universalmente
acordado a través de disciplinas, existe consenso
transdisciplinar en que el concepto de representación es
fundamental para entender el cerebro y mente
humanos, así como el comportamiento que yace en y
desde ellos. La importancia de estudiar las
representaciones mentales radica además en que
solamente al entender la organización de la función
cerebral es posible indagar sobre las condiciones que
llevan a la disrupción de su funcionamiento normal. Por
ejemplo, caracterizar los mecanismos neurales para
representar recuerdos nos puede abrir puertas para
entender (y atacar) enfermedades como Alzheimer.
Entender la dinámica interna del cerebro para priorizar
representaciones puede iluminar nuestro entendimiento
sobre condiciones como comportamiento obsesivo
compulsivo, depresión, y autismo. Un riguroso diseño
experimental de estudios tanto conductuales como de
neuroimagen (ambos pueden ser igualmente
iluminantes) es fundamental para garantizar el avance
Representaciones mentales en la neurociencia cognitiva
Veritas & Research, Vol. 7, N° 1, 2024, 1-3
ISSN 2697-3375
3
de nuestro conocimiento de la mente humana. El
espacio de posibilidades es vasto, las recompensas son
inmensas, el momento y la tecnología son propicios
para el estudio de representaciones mentales.
Referencias
Alejandro, R. J., & Holroyd, C. (2024a). Abstract representations of sequence planning, execution, and learning.
OSF Registries. https://doi.org/10.17605/OSF.IO/E58KT
Alejandro, R. J., & Holroyd, C. B. (2024b). Hierarchical control over foraging behavior by anterior cingulate
cortex. Neuroscience & Biobehavioral Reviews, 160, 105623.
https://doi.org/10.1016/j.neubiorev.2024.105623
Badre, D. (2008). Cognitive control, hierarchy, and the rostro–caudal organization of the frontal lobes. Trends in
Cognitive Sciences, 12(5), 193–200. https://doi.org/10.1016/j.tics.2008.02.004
Chomsky, N. (1980). Rules and representations. Behavioral and Brain Sciences, 3(1), 1–15.
https://doi.org/10.1017/S0140525X00001515
Constantinescu, A. O., O’Reilly, J. X., & Behrens, T. E. J. (2016). Organizing conceptual knowledge in humans
with a gridlike code. Science, 352(6292), 1464–1468. https://doi.org/10.1126/science.aaf0941
Crivelli-Decker, J., Clarke, A., Park, S. A., Huffman, D. J., Boorman, E. D., & Ranganath, C. (2023). Goal-
oriented representations in the human hippocampus during planning and navigation. Nature
Communications, 14(1), 2946. https://doi.org/10.1038/s41467-023-35967-6
Favela, L. H., & Machery, E. (2023). Investigating the concept of representation in the neural and psychological
sciences. Frontiers in Psychology, 14, 1165622. https://doi.org/10.3389/fpsyg.2023.1165622
Fodor, J. A. (1981). Representations: Philosophical essays on the foundations of cognitive science (Vol. 34,
Número 2, pp. 175–182). MIT Press.
Gallivan, J. P., McLean, D. A., Valyear, K. F., Pettypiece, C. E., & Culham, J. C. (2011). Decoding Action
Intentions from Preparatory Brain Activity in Human Parieto-Frontal Networks. Journal of Neuroscience,
31(26), 9599–9610. https://doi.org/10.1523/JNEUROSCI.0080-11.2011
González-García, C., Formica, S., Liefooghe, B., & Brass, M. (2020). Attentional prioritization reconfigures
novel instructions into action-oriented task sets. Cognition, 194, 104059.
https://doi.org/10.1016/j.cognition.2019.104059
Huh, M., Cheung, B., Wang, T., & Isola, P. (2024). The Platonic Representation Hypothesis (Versión 5). arXiv.
https://doi.org/10.48550/ARXIV.2405.07987
Michelmann, S., Staresina, B. P., Bowman, H., & Hanslmayr, S. (2018). Speed of time-compressed forward
replay flexibly changes in human episodic memory. Nature Human Behaviour, 3(2), 143–154.
https://doi.org/10.1038/s41562-018-0491-4
Schnotz, W., Hauck, G., & Schwartz, N. H. (2022). Multiple mental representations in picture processing.
Psychological Research, 86(3), 903–918. https://doi.org/10.1007/s00426-021-01541-2
Smortchkova, J., Dołęga, K., & Schlicht, T. (Eds.). (2020). What are Mental Representations? (1a ed.). Oxford
University PressNew York. https://doi.org/10.1093/oso/9780190686673.001.0001
Tolman, E. C. (1948). Cognitive maps in rats and men. Psychological Review, 55(4), 189–208.
https://doi.org/10.1037/h0061626
Ullman, T. D., Goodman, N. D., & Tenenbaum, J. B. (2012). Theory learning as stochastic search in the language
of thought. Cognitive Development, 27(4), 455–480. https://doi.org/10.1016/j.cogdev.2012.07.005
Van Ede, F., Chekroud, S. R., Stokes, M. G., & Nobre, A. C. (2019). Concurrent visual and motor selection
during visual working memory guided action. Nature Neuroscience, 22(3), 477–483.
https://doi.org/10.1038/s41593-018-0335-6
© 2025. Pontificia Universidad Católica del Ecuador Sede Ambato,
