David Rumelhart

David Everett Rumelhart (12 de junio de 1942 – 13 de marzo de 2011) fue un psicólogo estadounidense que hizo muchas contribuciones al análisis formal de la cognición humana, trabajando principalmente dentro de los marcos de la psicología matemática, simbólica. inteligencia artificial y procesamiento distribuido paralelo. También admiraba los enfoques lingüísticos formales de la cognición y exploró la posibilidad de formular una gramática formal para capturar la estructura de las historias.

Vida temprana y educación

Rumelhart nació en Mitchell, Dakota del Sur, el 12 de junio de 1942. Sus padres fueron Everett Leroy y Thelma Theora (Ballard) Rumelhart. Comenzó su educación universitaria en la Universidad de Dakota del Sur, donde recibió un B.A. en psicología y matemáticas en 1963. Estudió psicología matemática en la Universidad de Stanford y recibió su doctorado. en 1967.

Carrera

De 1967 a 1987 trabajó en el cuerpo docente del Departamento de Psicología de la Universidad de California, San Diego. En 1987 se trasladó a la Universidad de Stanford, donde ejerció como profesor hasta 1998.

Rumelhart fue elegido para la Academia Nacional de Ciencias en 1991 y recibió muchos premios, incluyendo una beca MacArthur en julio de 1987, la Medalla Warren de la Sociedad de Psicólogos Experimentales, y el Premio APA de Contribución Científica Distinguida. Junto con James McClelland, ganó el premio de la Universidad de Louisville Grawemeyer en Psicología 2002.

Vida personal

Rumelhart quedó discapacitado por la enfermedad de Pick, una enfermedad neurodegenerativa progresiva, y al final de su vida vivió con su hermano en Ann Arbor, Michigan. Murió en Chelsea, Michigan. Le sobreviven dos hijos.

Trabajo

Rumelhart fue el primer autor de un artículo muy citado de 1985 (en coautoría con Geoffrey Hinton y Ronald J. Williams) que aplicaba el algoritmo de retropropagación (también conocido como modo inverso de diferenciación automática publicado por Seppo Linnainmaa en 1970) a redes neuronales multicapa. Este trabajo demostró a través de experimentos que dichas redes pueden aprender representaciones internas útiles de datos. El enfoque se ha utilizado ampliamente para investigaciones de cognición básica (por ejemplo, memoria, reconocimiento visual) y aplicaciones prácticas. Este artículo, sin embargo, no cita trabajos anteriores sobre el método de retropropagación, como la disertación de 1974 de Paul Werbos.

Ese mismo año, Rumelhart también publicó Procesamiento distribuido paralelo: exploraciones en la microestructura de la cognición con James McClelland, que describía su creación de simulaciones por computadora de perceptrones, brindando a los científicos informáticos sus primeros modelos comprobables. del procesamiento neuronal, y que ahora se considera un texto central en el campo de la ciencia cognitiva.

Su trabajo de 1986 con McClelland encendió el "debate sobre el tiempo pasado" durante el resurgimiento de las redes neuronales en la década de 1980. El lado conexionista debatió el lado simbólico, representado por Jerry Fodor, Gary Marcus, Zenon Pylyshyn, Steven Pinker, etc. El debate se centró en si las redes neuronales o los programas simbólicos eran modelos adecuados de cómo los angloparlantes pueden convertir un verbo en tiempo pasado.

Los modelos de cognición semántica y conocimiento específico de Rumelhart en una diversidad de dominios aprendidos que utilizan unidades de procesamiento similares a neuronas inicialmente no jerárquicas continúan interesando a los científicos en los campos de la inteligencia artificial, la antropología, la ciencia de la información y la ciencia de la toma de decisiones. .

En su honor, en 2000 la Fundación Robert J. Glushko y Pamela Samuelson creó el Premio David E. Rumelhart por sus contribuciones a los fundamentos teóricos de la cognición humana. Una encuesta Review of General Psychology, publicada en 2002, clasificó a Rumelhart como el 88º psicólogo más citado del siglo XX, empatado con John García, James J. Gibson, Louis Leon Thurstone, Margaret Floy Washburn y Robert S. Woodworth.