Reseña
El libro de Andy Clark presenta la mente como un sistema activo, generador de predicciones, en lugar de un receptor pasivo de información sensorial. Clark argumenta que la percepción resulta de la interacción continua del cerebro entre las expectativas previas y las señales sensoriales entrantes.
Contexto
En Surfing Uncertainty: Prediction, Action, and the Embodied Mind (2019), (Navegar la incertidumbre: predicción, acción y la mente encarnada), Andy Clark combina tradiciones que a menudo se tratan por separado, desde la predicción kantiana hasta el bayesianismo computacional. Su proyecto no es solo una teoría del cerebro, sino un intento de naturalizar ideas filosóficas más antiguas sobre la percepción, la agencia y la experiencia situada.
Kant influyó en Andy Clark principalmente a través de la idea de que la percepción es activa, no pasiva: la mente organiza la información sensorial en lugar de simplemente registrar el mundo. Clark naturaliza esta idea mediante el procesamiento predictivo, argumentando que el cerebro genera y revisa constantemente predicciones sobre la información sensorial. Además, amplía el énfasis de Kant en el sujeto perceptor al sostener que la cognición depende del cuerpo, el entorno y las herramientas externas, no solo del cerebro.
La diferencia fundamental radica en que Kant ofrece una explicación filosófica trascendental, mientras que Clark presenta una explicación empírica y científica. El modelo de procesamiento predictivo de Clark puede interpretarse como un desarrollo neurocientífico y naturalizado de los temas kantianos.
Hermann von Helmholtz influyó en Andy Clark con la idea de la inferencia inconsciente: la percepción no es una recepción pasiva, sino la interpretación que hace el cerebro de las señales sensoriales a partir de expectativas previas. Clark desarrolla esta idea en su teoría del procesamiento predictivo, donde el cerebro predice continuamente la información entrante y actualiza sus modelos cuando se producen errores. Helmholtz aportó las prmeras ideas psicológicas y fisiológicas. Clark las relaciona con la neurociencia computacional y las extiende a la cognición corporizada y activa.
William James influyó en Andy Clark principalmente a través del pragmatismo y el funcionalismo. James concebía la mente como un proceso activo moldeado por las necesidades corporales y la interacción con el entorno, en lugar de como una sustancia interna aislada. La percepción es importante porque ayuda al organismo a desenvolverse en su entorno. Clark desarrolla ideas similares en sus teorías de la cognición corporizada, integrada y extendida. Al igual que James, enfatiza que el pensamiento está conectado con la acción, la percepción, el hábito y la resolución práctica de problemas. El trabajo de Clark también amplía el enfoque funcionalista de James al argumentar que los procesos cognitivos pueden incluir el cuerpo, el entorno y las herramientas externas.
La influencia de James es indirecta: aportó una visión pragmática de la mente como dinámica, orientada a la acción y situada en el entorno, lo que coincide estrechamente con el enfoque encarnado y extendido de Clark.
El pragmatismo de John Dewey respalda el rechazo de Clark a una división tajante entre percepción, pensamiento y acción. La cognición forma parte de la actividad continua de un organismo en el mundo, en lugar de ser un proceso interno aislado. El trabajo de Clark sobre la cognición encarnada, situada y extendida desarrolla varias ideas que son marcadamente deweyanas:
Dewey rechazó la idea de que la cognición sea algo que ocurre únicamente dentro de la cabeza. De manera similar, Clark considera la cognición como una actividad continua de un organismo que interactúa con su entorno. Para Dewey, la percepción y el pensamiento surgen de la interacción constante entre un organismo y su entorno. La teoría de la cognición extendida de Clark plantea una afirmación similar: las herramientas, las acciones corporales y las estructuras ambientales pueden integrarse funcionalmente en los procesos cognitivos.
Pragmatismo y resolución de problemas. Dewey concibió el pensamiento como una respuesta práctica a situaciones problemáticas: los organismos utilizan hábitos, herramientas y experimentación para reorganizar sus circunstancias. La explicación de Clark sobre la cognición enfatiza de manera similar la inteligencia orientada a la acción. Los sistemas cognitivos están diseñados para ayudar a los agentes a afrontar, predecir y resolver problemas en entornos reales.
No conviene exagerar la importancia de esta relación. Entre las principales influencias teóricas de Clark se encuentran el conexionismo, la neurociencia, la inteligencia artificial, la cibernética y la fenomenología. No se limita a reproducir la filosofía de Dewey, sino que naturaliza y reformula científicamente sus temas: la cognición como acción encarnada, la inteligencia como situada en el entorno y las herramientas como partes potencialmente constitutivas del pensamiento. La investigación académica vincula explícitamente el pragmatismo de Dewey con la teoría de la cognición extendida, incluyendo la obra de Clark.
Maurice Merleau-Ponty influyó particularmente en Clark en el desarrollo de las tesis de la mente encarnada y extendida. Clark recurre a la fenomenología de Merleau-Ponty para cuestionar la visión tradicional "computacional" de la mente, que concibe el cerebro como un procesador central que opera sobre representaciones internas de un mundo externo. La percepción se fundamenta en las capacidades corporales y la interacción práctica con el mundo, no meramente en la construcción de imágenes internas.
La influencia principal reside en el concepto de esquema corporal de Merleau-Ponty. Este sostenía que el cuerpo no es simplemente un objeto físico controlado por la mente, sino el medio mismo a través del cual interactuamos con el mundo. Describió el esquema corporal como una conciencia implícita y prerreflexiva de nuestras capacidades físicas y nuestra posición en el espacio. Clark traslada esta perspectiva fenomenológica a un marco cognitivo, sugiriendo que nuestra inteligencia no está «atrapada» en el cráneo, sino que se distribuye a través de nuestros movimientos corporales y las herramientas que utilizamos.
Esta influencia se hace más evidente en las teorías de Clark sobre el uso e integración de herramientas. Merleau-Ponty describió cómo el bastón de un ciego deja de ser un objeto externo para convertirse en una extensión de su sentido del tacto, la percepción se produce en la punta del bastón, no en la mano. Clark adapta este concepto para explicar cómo los humanos incorporan la tecnología externa a su arquitectura cognitiva. Ya sea un martillo, un teléfono inteligente o una prótesis, Clark sostiene que el cerebro puede integrar estas herramientas de forma transparente en su funcionamiento, ampliando así los límites de la mente.
Clark también recurre al rechazo de Merleau-Ponty a la estricta dualidad sujeto-objeto. Al enfatizar el acoplamiento sensoriomotor entre un agente y su entorno, Clark se aleja de la idea de que la mente crea un "mapa" del mundo. En cambio, postula que la cognición es un proceso activo de exploración e interacción, reflejando la visión de Merleau-Ponty de que la percepción es una interacción activa con el entorno, en lugar de una recepción pasiva de datos.
Influencia bayesiana. (La probabilidad bayesiana es el nombre que se da a varias interpretaciones relacionadas de la probabilidad como una medida de confianza en nuestro conocimiento — la fuerza de las creencias, hipótesis, etc. — en lugar de una frecuencia).
En sus trabajos más recientes, Clark ha integrado las ideas fenomenológicas de Merleau-Pont con el bayesianismo para crear un modelo integral de procesamiento predictivo. Postula que el cerebro funciona como un motor de predicción bayesiano, generando constantemente hipótesis descendentes sobre el mundo y utilizando la información sensorial para corregirlas. Este marco transforma la "experiencia vivida" fenomenológica en un proceso computacional que minimiza el error de predicción mediante una combinación de percepción y acción.
En definitiva, el bayesianismo aporta el "cómo" al "qué" de la fenomenología. Mientras que la fenomenología describe la sensación de ser un agente encarnado que interactúa con un entorno, la inferencia activa bayesiana explica el mecanismo, mostrando cómo el cerebro gestiona la incertidumbre, dirige la atención mediante una ponderación precisa e impulsa el movimiento para alinear la realidad con sus expectativas internas. En conjunto, estas influencias permiten a Clark argumentar que la mente es un sistema activo, encarnado y extendido que "navega" por la incertidumbre del mundo.
La teoría de Clark se explica en su libro La mente extendida, escrito en coautoría con Chalmers. El libro desarrolla su argumento anterior de que la cognición puede extenderse más allá del cerebro, abarcando herramientas, lenguaje, prácticas sociales y estructuras ambientales. La predicción no es solo una actividad cerebral interna, los recursos corporales y ambientales pueden contribuir a organizar la actividad cognitiva.
La evolución del pensamiento de Clark a través de sus textos
En Being There (1997), Clark argumenta que el pensamiento depende de la interacción entre el cerebro, el cuerpo y el entorno. La inteligencia no es producida únicamente por el cerebro.
En La mente extendida (1998), escrito junto con David Chalmers, Clark argumenta que las herramientas externas, como los cuadernos y las calculadoras, pueden integrarse a la cognición cuando funcionan como la memoria o el razonamiento. Natural-Born Cyborgs (2003) y Supersizing the Mind (2008) amplían esta teoría, afirmando que los humanos incorporan la tecnología de forma natural a sus procesos mentales.
En sus obras Whatever Next? (2013) y Surfing Uncertainty (2016), el autor relaciona la mente extendida con el procesamiento predictivo. Sostiene que el cerebro predice constantemente el mundo, mientras que el cuerpo y el entorno ayudan a poner a prueba y actualizar esas predicciones.
En general, Clark pasa de argumentar que la cognición está encarnada a afirmar que puede extenderse a las herramientas, la tecnología y el mundo que nos rodea.
Descarga Surfing Uncertainty.pdf Traducir el .pdf al español
Resumen
Prefacio: Carne que predice
En el prefacio de Surfing Uncertainty, Andy Clark aborda el misterio filosófico fundamental de cómo la materia física — a la que se hace referencia coloquial y provocativamente como "carne" — puede dar lugar a estados mentales complejos como la conciencia, los sueños y la acción inteligente.
Introduce el concepto de predicción como una clave fundamental para resolver este misterio. Clark argumenta que, para desenvolverse en un mundo caracterizado por el ruido y la ambigüedad, el cerebro no se limita a reaccionar a la información sensorial, sino que trabaja activamente para anticiparse a ella.
Utiliza la metáfora del surfista para explicar este proceso: así como un surfista experto se mantiene "en la parte más potente" de la ola, manteniéndose ligeramente por delante de la rompiente para conservar la potencia y evitar ser arrastrado, el cerebro "surfea" las olas de la estimulación sensorial generando constantemente predicciones sobre lo que sucederá a continuación. Este mecanismo predictivo permite a la mente desenvolverse con rapidez y fluidez en un entorno incierto.
Introducción: Juegos de adivinanzas
Resumen: El libro presenta el cerebro como un sistema que hace predicciones constantemente y en distintos niveles. La mayoría de estas predicciones ocurren sin que seamos conscientes de ello. Su función es combinar la información que recibimos de los sentidos, tanto a corto como a largo plazo, para crear una experiencia unificada: percibir, actuar y comprender el mundo. Percibir no consiste únicamente en recibir información, sino también en interpretar qué causas externas la han producido en cada momento.
En la introducción, Andy Clark presenta el cerebro como un sistema generador de predicciones. En lugar de recibir información de los sentidos de forma pasiva, el cerebro formula continuamente conjeturas sobre lo que sucede en el mundo y compara esas predicciones con las señales sensoriales entrantes.
La idea central es que la percepción es una especie de "juego de adivinanzas". El cerebro utiliza conocimientos y expectativas previas para interpretar información sensorial ambigua o incompleta. Cuando sus predicciones son erróneas, los errores resultantes lo impulsan a revisar su modelo o a actuar sobre el mundo de manera que la información sensorial se ajuste a sus expectativas.
Clark relaciona este proceso predictivo con:
Percepción: la experiencia está determinada tanto por las expectativas como por los datos sensoriales.
Acción: actuamos e intervenimos en el mundo para reducir la incertidumbre y cumplir las predicciones.
Corporalidad: las predicciones del cerebro están estrechamente vinculadas a las capacidades y necesidades del cuerpo.
Cognición: el pensamiento no está separado de la percepción y la acción, sino que forma parte del mismo sistema predictivo.
La introducción sostiene que la mente no se limita a representar un mundo preexistente. Anticipa, interpreta e interactúa activamente con él, lo que permite a los organismos afrontar la incertidumbre con eficacia. Navegar por la incertidumbre implica anticiparse a la información sensorial cambiante mediante la predicción y el ajuste continuos.
I: EL PODER DE LA PREDICCIÓN
1. Máquinas de predicción
Resumen: Este capítulo explica cómo han evolucionado las principales ideas sobre la predicción neuronal. Primero presenta una visión general del cerebro, especialmente del cortex, como un sistema que hace predicciones probabilísticas. Después aborda una propuesta más concreta: la codificación predictiva jerárquica, también llamada procesamiento predictivo, que intenta explicar cómo funciona ese proceso de predicción en distintos niveles.
Además, el capítulo repasa la historia de estas ideas, presenta algunas pruebas que las respaldan y analiza varias dudas y objeciones relacionadas con ellas.
1.1 Dos maneras de percibir el sabor del café
Al percibir el café que quedó en mi escritorio, un enfoque es ascendente: mi cerebro recibe señales visuales que construyen la percepción a partir de características básicas. Esto coincide con los modelos cognitivos tradicionales. Por otro lado, un enfoque basado en la predicción sugiere que las expectativas sobre el color y la forma del café guían la percepción, convirtiéndola en un proceso proactivo que refina las predicciones en función de la información sensorial recibida.
1.2 Adoptar la perspectiva del animal
El conocimiento necesario para formular predicciones proviene de experiencias previas. Comprender la percepción implica distinguir los datos sensoriales básicos de las percepciones más ricas y significativas que se forman cuando estos datos coinciden con las expectativas. En lugar de centrarnos únicamente en las observaciones externas, es fundamental considerar los procesos internos de un organismo que dependen de la información sensorial y los estímulos energéticos para guiar sus acciones.
1.3 Aprendiendo en el paraíso del autoayuda
El aprendizaje predictivo se diferencia del aprendizaje supervisado tradicional al permitir que los sistemas aprendan continuamente del entorno en lugar de depender de datos precategorizados. Este enfoque mejora el aprendizaje al generar constantemente sus propias señales de enseñanza, lo que lo hace especialmente eficaz para comprender la complejidad de los datos sensoriales.
1.4 Aprendizaje multinivel
El aprendizaje predictivo aborda el desafío de representar estructuras complejas. Permite que los sistemas neuronales infieran de manera eficiente las causas de las entradas sensoriales. Este proceso se basa en una estructura que combina modelos generativos e inferencia probabilística, mejorando la capacidad de percibir información del entorno.
1.5 Decodificación de dígitos
Los sistemas de aprendizaje automático, como los que reconocen dígitos escritos a mano, ejemplifican la utilidad de los modelos generativos probabilísticos. Al ajustar repetidamente las predicciones en función de los datos de entrada, estos sistemas pueden clasificar información diversa de forma eficaz sin necesidad de un entrenamiento explícito.
1.6 Cómo abordar la estructura
El aprendizaje predictivo permite a los sistemas gestionar eficazmente los datos estructurados mediante la modelización de relaciones complejas. Esto contrasta con los enfoques simbólicos anteriores, que resultaron inflexibles, y demuestra la adaptabilidad de las redes neuronales en el procesamiento de información estructurada.
1.7 Procesamiento predictivo
El procesamiento predictivo se basa en el uso de conexiones descendentes dentro del cerebro para generar predicciones que se confirman o revisan en función de la información sensorial. Este paradigma postula que la percepción se produce mediante un ciclo de predicción y corrección de errores, lo que la convierte en un proceso continuo y dinámico.
1.8 Señalizando la noticia
Los mecanismos de codificación predictiva permiten a las neuronas sensoriales optimizar la cantidad de información codificando las desviaciones de las entradas sensoriales esperadas, lo que señala los cambios más notables en el entorno. Este proceso adaptativo mejora la capacidad del organismo para interpretar contextos variables.
1.9 Predicción de escenas naturales
La codificación predictiva descendente implica un flujo bidireccional de predicciones y errores a través del cerebro, modelando eficazmente la compleja estructura de las entradas sensoriales. Este marco enfatiza el papel de la predicción en la mediación de la percepción, permitiendo ajustes rápidos basados en nueva información.
1.10 Rivalidad binocular
El fenómeno de la rivalidad binocular ilustra cómo las entradas sensoriales contradictorias dan lugar a percepciones alternas. El procesamiento predictivo enmarca este proceso dentro de una competencia entre diversas hipótesis sobre una escena, lo que subraya el papel activo del cerebro en la interpretación de estímulos ambiguos.
1.11 Supresión y potenciación selectiva
La percepción se basa en minimizar el error de predicción sensorial, lo que implica tanto suprimir los aspectos bien predichos como realzar las características importantes. Esta dualidad facilita un procesamiento eficiente, permitiendo al sistema priorizar la información relevante.
1.12 Codificación, inferencia y el cerebro bayesiano
En un marco de procesamiento predictivo, las representaciones neuronales codifican distribuciones de probabilidad, siguiendo principios bayesianos donde las predicciones se ajustan continuamente en función de los datos sensoriales entrantes. Este diseño capacita al cerebro para gestionar la incertidumbre de forma eficaz.
1.13 Captando la esencia
Los sistemas predictivos identifican rápidamente los elementos esenciales de las escenas antes de ajustar los detalles, siguiendo un modelo que reconoce la importancia del contexto inmediato para moldear las percepciones.
1.14 Procesamiento predictivo en el cerebro
Los estudios empíricos que respaldan el procesamiento predictivo revelan cómo las respuestas cerebrales se alinean con los principios del procesamiento basado en la predicción, demostrando un patrón de errores de predicción que influyen en las actividades neuronales en diversos contextos.
1.15 ¿El silencio es oro?
Las inquietudes sobre la representación de la información sensorial a la luz del procesamiento predictivo se abordan reconociendo la interacción entre la representación y la señalización de errores en los mecanismos neuronales, lo que enriquece la comprensión de la complejidad perceptiva.
1.16 Rostros esperados
Las evidencias sobre el procesamiento facial en las regiones cerebrales muestran que las respuestas neuronales reflejan tanto predicciones como errores de predicción, lo que subraya la complejidad de la percepción más allá de la simple detección de características.
1.17 Cuando una predicción resulta engañosa
El efecto de la cara hueca es una ilusión óptica en la que la percepción de una máscara cóncava de un rostro aparece como un rostro convexo normal, porque el cerebro asume que cualquier rostro debería ser convexo. Esto ilustra cómo las suposiciones predictivas de nuestro cerebro pueden distorsionar la percepción, demostrando que nuestro cerebro a menudo prioriza el conocimiento previo sobre la información sensorial ambigua. Ver la ilusión.
1.18 La mente al revés
El procesamiento predictivo establece que el cerebro no un receptor pasivo sino un agente activo y anticipatorio que predice constantemente las entradas sensoriales. Esto transforma la comprensión de la percepción, pasando de un enfoque ascendente a uno que enfatiza la predicción y la interacción activa con el entorno. La comprensión de la teoría cuántica tiene profundas implicaciones para nuestra percepción de la realidad. Así como el procesamiento predictivo redefine nuestra comprensión de las entradas sensoriales, la teoría cuántica desafía las visiones tradicionales, sugiriendo que las partículas existen en un estado de probabilidad hasta que son observadas. Esta intersección plantea preguntas sobre la naturaleza del conocimiento y el mecanismo de la percepción, tanto en física como en neurociencia.
2. Ajuste del volumen (ruido, señal, atención)
Resumen: Las personas percibimos el mundo con facilidad, pero también podemos imaginar cosas, como reconocer rostros en las nubes. El procesamiento predictivo ofrece una explicación común para ambos fenómenos: nuestro cerebro ajusta constantemente la forma en que interpreta la información según el contexto, para distinguir mejor las señales importantes del ruido.
Estos ajustes ayudan a adaptar las predicciones que utilizamos para entender lo que nos rodea. Este capítulo analiza cómo funcionan, qué relación tienen con la atención y las expectativas, y cómo un mecanismo llamado «ponderación de la precisión» podría explicar distintos efectos que mejoran la percepción de ciertas señales.
2.1 Detección de señales
La percepción humana puede aislar con destreza señales específicas del ruido. Por ejemplo, al buscar las llaves del coche entre objetos desordenados, nuestra percepción se ajusta para centrarse en el objetivo, de forma similar a como reconocemos formas como rostros o animales en patrones ambiguos. Esta capacidad refleja los mecanismos de predicción probabilística subyacentes del cerebro, que se ven moldeados por nuestras experiencias y expectativas.
2.2 Escuchando a Bing
Un experimento demuestra cómo las expectativas pueden provocar alucinaciones auditivas. Los participantes, anticipando un sonido tenue en una pista de ruido, a menudo lo "detectaban" debido a sus expectativas. Esto demuestra la capacidad del cerebro para amplificar ciertas señales, ignorando el ruido. Se observan efectos similares en el habla sinusoidal, donde la exposición a oraciones con significado altera la percepción. El cerebro utiliza un procesamiento predictivo (de arriba hacia abajo) para interpretar la información sensorial, influenciado por el conocimiento previo.
2.3 La delicada danza entre el enfoque descendente y el ascendente
En distintos contextos, el cerebro ajusta su estrategia entre utilizar el conocimiento previo y basarse en los datos sensoriales entrantes. El procesamiento predictivo (PP) sugiere que nuestro cerebro estima continuamente la incertidumbre sensorial, equilibrando las influencias descendentes (basadas en expectativas) y ascendentes (basadas en información sensorial) según la ponderación de la precisión, optimizando así las respuestas perceptivas.
2.4 Atención, competencia sesgada y mejora de la señal
La atención funciona como un mecanismo para mejorar la fiabilidad de la información sensorial, ajustando la ponderación de los errores de predicción según su precisión estimada. Este proceso no solo prioriza las señales consideradas importantes, sino que también suprime la información menos relevante, facilitando así un mejor rendimiento perceptivo.
2.5 Integración y acoplamiento sensorial
Cuando se reciben múltiples estímulos sensoriales, el cerebro los integra según su precisión estimada, lo que permite una percepción coherente de los estímulos ambientales. Esta interconexión entre diferentes modalidades sensoriales contribuye a la construcción de una experiencia unificada.
2.6 Una muestra de acción
La acción desempeña un papel crucial en el muestreo sensorial ponderado por precisión, reforzando la conexión entre percepción y acción. Al interpretar la información sensorial, las acciones se guían por las expectativas para reducir la incertidumbre y confirmar las predicciones.
2.7 Asignación de la mirada: Hacer lo que surge de forma natural
En tareas naturales, la distribución de la atención se basa en el conocimiento previo, no solo en la prominencia. Los modelos aprendidos determinan la asignación de la mirada para optimizar la recopilación de información. La evidencia muestra que las personas con experiencia anticipan dónde es probable que aparezcan los estímulos relevantes.
2.8 Causalidad circular en el ciclo percepción-atención-acción
La percepción, la atención y la acción son procesos interconectados que se influyen mutuamente, formando un ciclo que impulsa un muestreo selectivo mejorado basado en predicciones sistémicas y la validación de creencias.
2.9 Malentendido mutuo asegurado
Las expectativas erróneas pueden dar lugar a ciclos ancestrales en los que las personas refuerzan percepciones incorrectas. Por ejemplo, si alguien cree que otra persona está enfadada, este prejuicio puede influir en cómo percibe las acciones y expresiones de esa persona, lo que a su vez agrava el malentendido.
2.10 Algunas preocupaciones sobre la precisión
Surgen dudas sobre si el modelo de procesamiento predictivo aborda adecuadamente ciertas formas de atención, como la atención basada en características, que capta nuestros sentidos en ubicaciones inesperadas debido a la relevancia de la tarea en lugar de a señales espaciales.
2.11 El elefante inesperado
La diferencia entre las predicciones neuronales y las experiencias subjetivas de los agentes ilustra cómo pueden surgir sucesos sorprendentes a partir de señales sensoriales de alta ponderación, lo que lleva a percepciones inesperadas que, sin embargo, coinciden con las predicciones del sistema.
2.12 Algunas patologías de precisión
Las alteraciones en los mecanismos de ponderación de precisión pueden provocar anomalías perceptivas y cognitivas, como alucinaciones y delirios en trastornos como la esquizofrenia. Estos síntomas se originan por un desequilibrio entre el procesamiento descendente y el ascendente.
2.13 Más allá del foco de atención
La atención, más que un simple mecanismo de enfoque, representa una dimensión compleja dentro de los modelos predictivos del procesamiento sensorial. Está estrechamente ligada a las expectativas de precisión, guiando las acciones para optimizar la adquisición de información sensorial precisa y, por lo tanto, mejorando las experiencias perceptivas y cognitivas generales.
3 El Imaginarium
Resumen: Este capítulo explica cómo se relacionan la percepción, el sueño, la memoria y la imaginación. La idea principal es que las cuatro dependen de un mismo mecanismo: el cerebro compara lo que recibe de los sentidos con sus propias predicciones. El cerebro también puede generar, desde dentro, experiencias parecidas a la percepción usando conexiones entre distintas áreas. Cuando este sistema se activa sin recibir temporalmente información sensorial, produce imágenes mentales y sueños. Gracias a ello, podemos «viajar mentalmente en el tiempo»: recordar el pasado e imaginar el futuro.
Todas estas capacidades trabajan juntas para ayudarnos a tomar mejores decisiones y actuar de forma más acertada. Así, la percepción, la imaginación, la comprensión, la memoria y la anticipación del futuro forman un mismo conjunto. Ese conjunto nos permite vivir el presente como un punto de encuentro entre lo que hemos aprendido y las decisiones que tomamos sobre lo que vendrá.
3.1 Industrias de la construcción
La percepción es un proceso constructivo basado en mecanismos predictivos, que permite a los seres capaces de percibir imaginar y explorar su entorno más allá de la mera información sensorial. Si bien los organismos más simples pueden reaccionar a las señales sensoriales sin un procesamiento tan elaborado, los humanos y seres similares aprovechan el conocimiento almacenado para reconstruir experiencias sensoriales. Este modelo generativo puede simular señales sensoriales y facilita el viaje mental en el tiempo, permitiendo recordar y predecir eventos, lo que en última instancia mejora la toma de decisiones y la capacidad de elección.
3.2 Visión simple
La percepción está influenciada por creencias previas que dan forma a nuestra experiencia de los estímulos, como lo ilustra la ilusión del maíz dulce: el sistema visual es sensible al brillo relativo de un área, en lugar de a su brillo absoluto. El cerebro compara el brillo relativo de un área con las áreas circundantes, lo que hace que perciba el área más brillante como menos brillante y el área más oscura como más brillante de lo que realmente son:
El cerebro interpreta la información sensorial a través de un prisma de expectativas basado en experiencias previas, lo que a veces conduce a percepciones erróneas. Este mecanismo predictivo se considera "óptimo de Bayes" y representa una forma eficaz de interpretar el mundo a partir de la información sensorial.
3.3 Efectos transmodales y multimodales
El procesamiento predictivo explica cómo el contexto de otras modalidades sensoriales influye en las respuestas perceptivas, incluso en las áreas sensoriales más tempranas. Los estudios revelan que las predicciones de nivel superior pueden moldear las respuestas en áreas menos estimuladas, lo que demuestra una compleja interacción entre modalidades que permite experiencias sensoriales y retroalimentación más ricas.
3.4 Efectos metamodales
El Área Visual de la Forma de las Palabras (VWFA, por sus siglas en inglés) ejemplifica una región cerebral que procesa representaciones abstractas independientemente de la modalidad sensorial. Esta área funciona como un "operador metamodal", permitiendo realizar predicciones sobre estados sensoriales, incluidos los estímulos táctiles, lo que demuestra la capacidad del cerebro para integrar diversas entradas sensoriales.
3.5 Percepción de omisiones
El marco de procesamiento predictivo explica eficazmente las respuestas a eventos inesperados, revelando cómo reacciona el cerebro ante omisiones en un estímulo. Ilustra cómo puede surgir un error de predicción significativo incluso en ausencia de información sensorial, a medida que el cerebro intenta conciliar las expectativas con la realidad.
3.6 Expectativas y percepción consciente
Las expectativas alteran fundamentalmente la percepción consciente, haciendo que los estímulos familiares sean más prominentes. La interacción entre memoria, atención y predicción subraya cómo las expectativas pueden mejorar la percepción en general, lo que conduce a una mayor conciencia de los estímulos.
3.7 El perceptor como imaginador
Los modelos internos generativos permiten capacidades perceptivas complejas y un pensamiento imaginativo. Las criaturas con una percepción rica también pueden generar internamente estados similares a los sensoriales. Esta dualidad sugiere que la percepción y la imaginación están estrechamente interrelacionadas, compartiendo mecanismos neuronales subyacentes para ambos procesos.
3.8 'Lectura cerebral' durante la imaginación y la percepción
Las investigaciones respaldan la idea de que la percepción y la imaginación mental activan áreas cerebrales similares, revelando una superposición significativa en las representaciones neuronales. Los experimentos demuestran que los patrones de actividad cerebral durante la imaginación pueden reflejar los que ocurren durante la percepción directa, lo que refuerza el modelo de procesamiento predictivo.
3.9 Dentro de la Fábrica de Sueños
Soñar comparte mecanismos con la percepción y la imaginación, pero carece de información sensorial, lo que resulta en menor estabilidad y detalle. Las alteraciones en los estados neuroquímicos durante el sueño afectan el procesamiento de errores predictivos y pueden influir en la viveza y coherencia de las experiencias oníricas.
3.10 PIMMS y el pasado
La memoria episódica incorpora elementos de procesamiento predictivo, lo que permite reconstruir experiencias pasadas. El modelo del Sistema Interactivo Predictivo de Memoria Múltiple (PIMMS) explica cómo interactúan los diferentes tipos de memoria para optimizar la predicción de elementos y contextos, contribuyendo a una comprensión más profunda del recuerdo y la familiaridad.
3.11 Hacia el viaje mental en el tiempo
El viaje mental en el tiempo abarca el recuerdo de eventos pasados y la anticipación de eventos futuros, e involucra sustratos neuronales que sustentan ambas funciones. Esto sugiere una dependencia de sistemas de memoria flexibles que integran experiencias pasadas para fundamentar predicciones futuras, mejorando así la adaptabilidad cognitiva.
3.12 Un paquete cognitivo
El modelo de procesamiento predictivo presenta un marco unificado que vincula la percepción, la memoria y la imaginación. Este conjunto de herramientas cognitivas resalta cómo diversas funciones mentales emergen de mecanismos de predicción compartidos, lo que determina la forma en que los organismos interactúan con su entorno en diferentes escalas temporales y espaciales. La exploración de las bases neuronales de estos procesos continúa conectando la comprensión con experiencias corporales más amplias.
4 Máquinas de predicción y acción
Resumen Este capítulo amplía la idea de la predicción neuronal para explicar también cómo elegimos y planificamos nuestras acciones. Primero, el cerebro anticipa cómo deberían ser nuestros movimientos, aunque todavía no los hayamos realizado. Después, utiliza esa predicción para corregir los errores que percibimos en nuestro propio cuerpo mientras nos movemos.
El capítulo parte de un fenómeno conocido: las personas neurotípicas no pueden hacerse cosquillas a sí mismas. Una explicación habitual sostiene que esto ocurre gracias a los modelos predictivos directos (forward models), un mecanismo esencial del procesamiento predictivo. A partir de aquí, el capítulo analiza cómo se aplica este enfoque al control motor, qué función cumplen los modelos inversos y qué alternativa propone el procesamiento predictivo.
4.1 Anticipándose al descanso
Para navegar eficazmente en el continuo estímulo sensorial, nuestra capacidad de predecir el futuro — en particular, las trayectorias previstas de nuestros movimientos— es crucial. Este aspecto de nuestra arquitectura cognitiva nos permite ajustar nuestras acciones según experiencias pasadas y resultados deseados. Nuestra capacidad predictiva integra el conocimiento del entorno dinámico (como surfear olas) con la retroalimentación sensorial esperada de nuestros movimientos corporales. Esta profecía autocumplida en acción anima a los expertos a anticipar y materializar los flujos sensoriales deseados, mejorando su interacción con el mundo. La interacción entre acción y capacidad de decisión conduce a una comprensión más profunda de la cognición humana y podría revelar aspectos clave sobre afecciones como la esquizofrenia y el autismo.
4.2 Cuentos de cosquillas
La peculiar incapacidad para hacerse cosquillas a uno mismo se explica mediante un modelo predictivo de las funciones motoras que anticipa el impacto sensorial de nuestros movimientos autoinducidos. Cuando intentamos hacernos cosquillas, nuestro cerebro anticipa las sensaciones y reduce nuestra sensibilidad a ellas, lo que pone de manifiesto la distinción entre sensaciones generadas externamente y autoinducidas. Esta comprensión se relaciona con fenómenos como la escalada de fuerza, donde los individuos perciben sus fuerzas autogeneradas como más débiles que las aplicadas externamente. Los experimentos demuestran cómo los retrasos y las variaciones pueden aumentar la sensibilidad a las cosquillas en las sensaciones autoinducidas, revelando complejidades en nuestro procesamiento sensorial.
4.3 Modelos directos (Tiempo de ajuste fino)
Los modelos predictivos son fundamentales para superar los retrasos sensoriales que dificultan la ejecución fluida de los movimientos. Estos modelos, que conectan las órdenes motoras con los efectos sensoriales previstos, permiten una interacción fluida con el entorno. Aprender y actualizar estos modelos mediante la experiencia nos permite responder con rapidez y eficacia, minimizando la retroalimentación sensorial innecesaria de nuestros propios movimientos y mejorando la percepción de los estímulos externos.
4.4 Control óptimo de retroalimentación
El control motor eficaz utiliza tanto modelos directos como inversos para traducir las intenciones en acciones. Mientras que los modelos directos predicen las consecuencias sensoriales, los modelos inversos determinan las órdenes motoras necesarias para lograr los resultados deseados. Avances recientes, como el control óptimo por retroalimentación, ilustran cómo se pueden realizar ajustes continuos a las acciones en tiempo real, utilizando la retroalimentación para clarificar los movimientos y minimizar las perturbaciones.
4.5 Inferencia activa
El paradigma de inferencia activa se alinea estrechamente con el procesamiento predictivo, lo que sugiere que tanto el sistema perceptivo como el motor trabajan para minimizar los errores de predicción mediante una estructura jerárquica. A diferencia de las concepciones tradicionales que separan estas funciones, la inferencia activa indica que están interconectadas, y que las acciones motoras surgen como predicciones de estados propioceptivos que guían el comportamiento hacia el cumplimiento de las expectativas sensoriales.
4.6 Control simplificado
La inferencia activa propone una reasignación de roles dentro de las arquitecturas cognitivas. La acción surge como resultado natural de las expectativas, optimizando las consecuencias sensoriales y la dinámica corporal dentro de un modelo generativo. Este enfoque enfatiza la importancia de las experiencias corporales en la configuración de las expectativas cognitivas y la dirección del comportamiento.
4.7 Más allá de la copia de impulso energético
Las propuestas actuales sugieren que el concepto de copia externa queda subordinado a la comprensión de los modelos predictivos y la descarga corolaria. Las predicciones de los resultados sensoriales derivados de las acciones sirven directamente como órdenes motoras, eliminando así la necesidad de señales externas separadas y perfeccionando aún más la comprensión de cómo se controlan las acciones.
4.8 Prescindir de las funciones de coste
La inferencia activa integra funciones de coste en modelos generativos, lo que significa que los resultados conductuales surgen de expectativas complejas en lugar de valores predefinidos. En consecuencia, las motivaciones se internalizan dentro de las expectativas, donde las recompensas y los placeres resultan de las interacciones en lugar de ser causas directas del comportamiento.
4.9 Predicciones orientadas a la acción
Los sistemas de representación emergentes dentro de un modelo generativo son tanto predictivos como orientados a la acción, lo que permite coordinar la percepción y la acción para minimizar el error de predicción sensorial. Esta convergencia enfatiza la integración fluida de los procesos cognitivos en lugar de funcionalidades aisladas, ilustrando la coconstrucción del comportamiento impulsada por el uso de las acciones.
4.10 Robótica predictiva
En la robótica cognitiva del desarrollo, las estructuras de control de los agentes robóticos se modelan para que surjan de las interacciones con su entorno, de forma similar a los procesos de aprendizaje humanos. Los robots realizan balbuceos para establecer conexiones entre las acciones y la retroalimentación sensorial, lo que se asemeja a las etapas del desarrollo humano, incluyendo la planificación y la imitación.
4.11 Motores de percepción-cognición-acción
El marco del procesamiento predictivo sugiere una relación repetitiva entre percepción, cognición y acción, enfatizando que las acciones surgen de simulaciones de efectos anticipados. A medida que los modelos de predicción avanzan, esta comprensión respalda el desarrollo de un sistema cognitivo unificado que integra el procesamiento sensorial y el control motor, modificando nuestra interpretación de la cognición en relación con el comportamiento. En última instancia, la relación entre acción y percepción se convierte en una compleja interacción que busca reducir el error de predicción a medida que los organismos se adaptan a su entorno. La inteligencia artificial desempeña un papel crucial en la mejora de nuestra comprensión de los modelos predictivos en los procesos cognitivos. Al simular el aprendizaje y la toma de decisiones humanas, la IA puede ayudar a perfeccionar nuestros enfoques del procesamiento sensorial y el control motor. Esta integración no solo amplía nuestro conocimiento de la cognición, sino que también abre nuevas vías para el desarrollo de sistemas inteligentes que interactúan fluidamente con su entorno.
5. Ingeniería de precisión: Esculpiendo el flujo
Resumen: El capítulo explica cómo el cerebro ajusta la importancia que da a la información según el contexto. Gracias a ello, puede crear y reorganizar continuamente circuitos eficientes para adaptarse a cada situación, tarea o necesidad. El resultado es un sistema flexible y autoorganizado que permite que distintas áreas del cerebro se especialicen y, al mismo tiempo, trabajen juntas.
El capítulo también plantea que quizá interpretamos las acciones de otras personas utilizando un modelo parecido al que empleamos para entender nuestras propias acciones y respuestas. En cierto modo, vemos a los demás como versiones de nosotros mismos, aunque adaptadas a cada contexto. Esta idea ayuda a comprender cómo surgen y funcionan las «neuronas espejo» y, en general, los «sistemas espejo»: redes neuronales que participan tanto cuando realizamos una acción como cuando observamos a otra persona haciendo algo similar.
5.1 Agentes dobles
El cerebro funciona como una máquina de predicción probabilística continua, que relaciona activamente la información sensorial con las expectativas y guía las acciones en función de estas predicciones. Las acciones se basan en modelos generativos que codifican las expectativas sensoriales, y la comprensión de las acciones de los demás puede surgir de estructuras predictivas similares. Las neuronas espejo ejemplifican este concepto, conectando la ejecución de acciones con la observación. Se activan tanto cuando un animal actúa como cuando observa la misma acción realizada por otro.
5.2 Hacia la máxima sensibilidad al contexto
La sensibilidad al contexto en la percepción se ilustra mediante ejemplos de cómo las expectativas predictivas influyen en la interpretación de estímulos ambiguos. El paradigma de procesamiento predictivo potencia esta sensibilidad al combinar estructuras jerárquicas con una ponderación de precisión flexible, convirtiéndola en un aspecto fundamental de la respuesta neuronal.
5.3 La jerarquía reconsiderada
La organización jerárquica del cerebro implica conexiones recíprocas que permiten interacciones de retroalimentación y anticipación. Los hallazgos demuestran que estas conexiones forman una red compleja que sustenta dinámicamente el procesamiento específico de cada tarea, lo que contradice la idea de un flujo de información serial y rígido.
5.4 Esculpiendo la conectividad efectiva
La conectividad efectiva describe la influencia entre sistemas neuronales condicionados por expectativas específicas del contexto. La diferenciación entre conectividad estructural, funcional y efectiva revela alteraciones rápidas en la conectividad en función de tareas cognitivas, guiadas por señales de error de predicción.
5.5 Ensamblajes transitorios
La arquitectura del procesamiento predictivo admite estructuras flexibles llamadas TALoNS (Subsistemas Neuronales Locales Ensamblados Transitoriamente), que pueden formarse dinámicamente en función de las tareas cambiantes. Esta flexibilidad permite respuestas eficientes en diversos contextos.
5.6 Comprender la acción
La capacidad de comprender las propias acciones y las de los demás se basa en complejos mecanismos predictivos que van más allá del simple reflejo, donde la información contextual dificulta la interpretación de las intenciones que subyacen a las acciones observadas.
5.7 Fabricación de espejos
Las neuronas espejo podrían no ser el único mecanismo para comprender las acciones de los demás. Más bien, son producto del aprendizaje asociativo, donde la experiencia facilita el reconocimiento de acciones similares entre agentes.
5.8 ¿Quién lo hizo?
Es necesario establecer distinciones precisas entre las predicciones que rigen las acciones personales y los contextos de observación. Las señales contextuales ayudan a ajustar las predicciones propioceptivas para facilitar la comprensión de las intenciones de los demás.
5.9 El futuro de los robots
El procesamiento predictivo posibilita las simulaciones mentales, otorgando a los agentes la capacidad de planificar acciones futuras de manera efectiva. Las simulaciones robóticas demuestran esta capacidad, combinando modelos generativos con la predicción de acciones.
5.10 El cerebro inquieto y de rápida respuesta
El cerebro opera de forma continua y proactiva, utilizando señales tanto externas como internas para la comprensión del contexto. El procesamiento ultrarrápido de la esencia facilita el reconocimiento eficiente de escenas, impulsado por diversas vías neuronales.
5.11 Celebrando la transitoriedad
El procesamiento predictivo crea una arquitectura cognitiva dinámica donde la influencia neuronal se modula mediante cambios de contexto y ponderación de la precisión. Esta configuración permite una rápida adaptación a los estímulos sensoriales y a las exigencias de las tareas, lo que convierte al cerebro en un sistema altamente adaptable y fluido.
6 Más allá de la fantasía
Resumen: Si el cerebro funciona como una máquina que hace predicciones basadas en probabilidades, ¿qué nos dice eso sobre la relación entre la mente y el mundo? ¿Vivimos, como algunos sostienen, en una especie de «realidad virtual» o de «alucinación controlada»? ¿O, por el contrario, esa capacidad de anticipar lo que ocurre nos permite relacionarnos de forma más directa con lo que podríamos llamar —aunque sea de manera imprecisa y problemática— «el mundo tal como es»?
Para responder a estas preguntas, es fundamental tener en cuenta la acción y las formas en que actuamos. La función principal del cerebro no es crear representaciones internas perfectamente exactas, sino reducir los errores de predicción para orientar nuestras acciones en el mundo. Esto cambia nuestra manera de entender la relación entre la mente y la realidad, así como la estructura y los límites de ese sistema interno de probabilidades.
6.1 Esperando el mundo
El cerebro funciona como una máquina de predicción probabilística, lo que plantea interrogantes sobre la relación entre la mente y el mundo. Esto lleva a la idea de que nuestras percepciones podrían ser una forma de «alucinación controlada» o realidad virtual, influenciada por complejas probabilidades internas. Sin embargo, percibir con precisión implica más guiar la acción que simplemente crear representaciones internas. La esencia de comprender nuestro mundo reside en la acción encarnada y en las exigencias de respuestas adaptativas, más que en expectativas estáticas.
6.2 Alucinaciones controladas y realidades virtuales
Chris Frith sugiere que las percepciones son modelos creados por el cerebro que se corresponden con el mundo, considerándolas «alucinaciones controladas». Jakob Hohwy se hace eco de este concepto, insistiendo que la percepción es indirecta, basada en las hipótesis del cerebro sobre el mundo, lo que a veces puede dar lugar a errores, incluyendo delirios. La percepción pura implica la integración de señales sensoriales y expectativas a través de errores de predicción, reflejando finalmente el mundo de manera estructurada, lo que justifica que la comprensión sea principalmente orientada a la acción.
6.3 El sorprendente alcance del aprendizaje probabilístico estructurado
El aprendizaje predictivo revela las causas originales que interactúan entre sí, lo que permite predecir eficazmente las señales sensoriales. Los modelos bayesianos jerárquicos (MBJ) ilustran cómo puede surgir una estructura abstracta a partir de datos brutos sin un conocimiento innato extenso, reconfigurando así los debates entre nativismo y empirismo. Mediante el aprendizaje multietapa, los sistemas pueden formar esquemas de alto nivel que simplifican el proceso de aprendizaje, influyendo en las percepciones basadas en expectativas generales extraídas de las interacciones ambientales.
6.4 Listos para la acción
Los modelos tradicionales de cognición suelen presentar un paradigma lineal de percepción-pensamiento-acción, que no logra captar la complejidad de la toma de decisiones en tiempo real. La hipótesis de la competencia interactiva propone que se procesan múltiples acciones potenciales en paralelo, lo que da lugar a respuestas proactivas basadas en el contexto y la información sensorial. Esta perspectiva desafía las separaciones clásicas en el procesamiento cognitivo, sugiriendo una visión más integrada de la percepción, la cognición y la acción.
6.5 Implementación de la competencia interactiva
Utilizando el marco del procesamiento predictivo, la competencia de posibilidades surge como consecuencia de la predicción probabilística, que informa continuamente la selección y ejecución de acciones. Las distinciones que habitualmente se establecen entre percepción, cognición y acción se desdibujan a medida que el cerebro prepara activamente múltiples acciones potenciales en función del contexto actual, navegando por las complejidades de las interacciones del mundo real.
6.6 Articulaciones basadas en la interacción en la naturaleza
El aprendizaje probabilístico basado en predicciones nos permite ir más allá del ruido sensorial superficial y revelar las estructuras interactivas del entorno. Nuestra percepción está influenciada por nuestro repertorio de acciones, lo que posibilita un procesamiento eficiente de las características relevantes de nuestro entorno. La integración de acción y percepción fomenta una comprensión del mundo profundamente ligada a nuestras necesidades biológicas y funciones adaptativas.
6.7 Límites de la evidencia y la ambigua apelación a la inferencia
Hohwy argumenta que la minimización del error de predicción crea un límite que confina los procesos inferenciales de la mente dentro del cráneo, lo que sugiere que la mente podría estar aislada del mundo exterior. Esto plantea interrogantes sobre la precisión con la que la mente representa la realidad, especialmente en lo que respecta a la aplicación de la evidencia en el procesamiento cognitivo, lo que indica una tensión fundamental entre la cognición corporizada tradicional y la postura inferencial.
6.8 No temas al demonio
Hohwy vincula el concepto de aislamiento inferencial con el escepticismo global, afirmando que el cerebro podría simular una experiencia corporal al ser engañado por señales sensoriales. Sin embargo, este escepticismo no niega las aportaciones de la cognición corporizada. Más bien, enfatiza la interacción crucial entre acción y percepción en situaciones en tiempo real.
6.9 Hola Mundo
El marco de procesamiento predictivo puede facilitar una percepción estructurada del lenguaje, donde el significado se deriva del flujo sonoro en medio del ruido. Si bien las percepciones requieren conocimiento previo para mayor claridad, no son meras fantasías, sino representaciones reales de la interacción con el entorno.
6.10 La alucinación como percepción incontrolada
Las alucinaciones pueden considerarse percepciones descontroladas en las que fallan los mecanismos de predicción sensorial. Estas alteraciones pueden deberse a un mal funcionamiento de los procesos neuronales, lo que da lugar a creencias y percepciones erróneas que no se corresponden con el mundo exterior.
6.11 Ilusiones óptimas
Las ilusiones pueden reflejar estrategias perceptivas óptimas en lugar de fallos, lo que permite el éxito conductual a pesar de imprecisiones ocasionales. Las experiencias ilusorias contribuyen a una estrategia computacional coherente, adaptada para desenvolverse en un entorno sensorial incierto.
6.12 Penetración más segura
Los sistemas perceptivos están sujetos a influencias descendentes y, si bien pueden sucumbir a sesgos derivados de los procesos cognitivos, aún así son adecuados en su calibración para establecer una interacción fiable con el entorno externo.
6.13 ¿Quién estima a los estimadores?
Las alteraciones mentales graves perturban el equilibrio entre la información sensorial y las predicciones, lo que dificulta el establecimiento de percepciones fiables. La relación dinámica entre estos factores puede dar lugar a ciclos de creencias y experiencias falsas, especialmente en casos de psicosis.
6.14 Relatos apasionantes
En definitiva, la percepción, como proceso de predicción probabilística, es un sistema activo que se adapta a los cambios en los estados sensoriales. Esta perspectiva subraya que nuestras interacciones con el mundo están determinadas por nuestras necesidades y las posibilidades que nos ofrece el entorno, lo que da lugar a una relación rica y significativa con nuestro entorno, en lugar de una mera realidad virtual.
7. Anticipándonos a nosotros mismos (Asomándose sigilosamente a la conciencia)
Resumen: El capítulo explora lo que el procesamiento predictivo puede enseñarnos sobre la conciencia, las emociones y las distintas formas en que vivimos la experiencia humana. La idea es conectar nuestra teoría general con la manera concreta en que experimentamos el mundo, para entendernos como parte de un flujo constante de predicciones que operan en varios niveles.
Aquí comienzan a hacerse visibles las implicaciones más prácticas y significativas del modelo. También aparecen nuevas perspectivas sobre la complejidad de la mente humana. En ella, varios procesos — como la interocepción (la percepción por el cerebro del estado interno del organismo), la importancia que damos a los errores de predicción, la reducción de ciertas señales sensoriales y la acción — pueden influir en cómo se forman tanto las experiencias habituales como las atípicas.
7.1 El espacio de la experiencia humana
El capítulo comienza reflexionando sobre cómo comprender la experiencia humana desde la perspectiva del procesamiento predictivo. La exploración abarca los mecanismos de percepción, imaginación, acción y razonamiento, haciendo hincapié en el papel dinámico de la incertidumbre en el procesamiento neuronal. El objetivo es conectar los marcos teóricos con la complejidad de la experiencia humana, revelando las sutilezas del funcionamiento de la mente en diversos estados.
7.2 Luces de advertencia
Esta sección presenta escenarios donde la experiencia humana se ve alterada y cómo estas alteraciones pueden explicarse mediante los principios del procesamiento predictivo, en particular en lo que respecta a los errores de predicción y su fiabilidad. Pueden surgir problemas al sobreestimar la precisión de la evidencia, lo que lleva a percepciones distorsionadas y delirios.
7.3 La espiral de inferencia y experiencia
Aquí, el enfoque se centra en cómo los delirios y las alucinaciones, especialmente en la esquizofrenia, se originan en errores de predicción anormales. Se destaca la naturaleza autorreforzante de estas creencias erróneas, que fomentan interpretaciones extrañas de las experiencias sensoriales.
7.4 Esquizofrenia y movimientos oculares de seguimiento suave
Esta sección analiza las anomalías en los movimientos oculares en la esquizofrenia, señalando que las dificultades para seguir objetos en movimiento están relacionadas con alteraciones en el procesamiento predictivo. Estos hallazgos se vinculan con temas más amplios de trastornos cognitivos asociados a esta enfermedad.
7.5 Simulación de persecución suave
Se describe el trabajo de Adams et al. sobre la simulación de los movimientos oculares de seguimiento suave, lo que sugiere que los modelos de procesamiento predictivo pueden esclarecer la razón de las diferencias en los patrones de respuesta entre sujetos neurotípicos y esquizofrénicos.
7.6 Perturbando la red (Smooth Pursuit)
El enfoque se centra ahora en las implicaciones de la alteración de la precisión en los errores de predicción sobre el movimiento ocular y los comportamientos cognitivos asociados. Se ha demostrado que estas alteraciones afectan el aprendizaje y el rendimiento en personas con esquizofrenia.
7.7 Cosquillas Redux
Esta sección retoma los hallazgos sobre el autocosquilleo en la esquizofrenia, explorando la interconexión de las experiencias sensoriales, el control motor y la aparición de delirios de agencia.
7.8 ¿Menos sentido y más acción?
Analiza cómo las deficiencias en la precisión del procesamiento sensorial afectan la generación del movimiento, haciendo hincapié en el papel de las señales interoceptivas y propioceptivas en la ejecución de las acciones.
7.9 Alteración de la red (atenuación sensorial)
Se examinan las consecuencias de la alteración de la atenuación sensorial sobre el movimiento y la percepción, demostrando la relación entre la precisión de la información sensorial y el inicio de la acción.
7.10 'Trastornos psicógenos' y efectos placebo
Esta sección revisa los síntomas motores y sensoriales funcionales atribuidos a causas psicógenas, proponiendo teorías sobre cómo las expectativas pueden moldear las experiencias físicas y reflejar los mecanismos de procesamiento predictivo.
7.11 Alteración de la red (efectos 'psicogénicos')
Explora cómo las alteraciones en los mecanismos de ponderación de precisión pueden provocar síntomas sensoriales y motores inexplicables y estar relacionadas con el desarrollo de creencias erróneas sobre la capacidad de acción del cuerpo.
7.12 Autismo, ruido y señal
Se analiza la relación entre el procesamiento predictivo y los síntomas no sociales del autismo, centrándose en cómo las variaciones en la precisión del procesamiento sensorial influyen en el comportamiento y la experiencia.
7.13 Presencia consciente
Se presenta la teoría de Seth et al. sobre la sensación de presencia consciente, argumentando que esta sensación surge de la integración efectiva de las señales interoceptivas y la precisión de la predicción.
7.14 Emoción
Se examina el papel de la interocepción en las experiencias emocionales. La emoción se describe como el resultado de la interacción entre estados fisiológicos y predicciones descendentes, las cuales están condicionadas por el contexto.
7.15 Miedo en la noche
Pezzulo profundiza en los miedos irracionales, como el miedo nocturno, sugiriendo que la interacción entre la predicción interoceptiva y exteroceptiva influye en cómo interpretamos los datos sensoriales en ciertos contextos.
7.16 Un pedacito de lo duro
El capítulo concluye sintetizando las ideas derivadas del procesamiento predictivo y destacando el potencial para una comprensión unificada de la experiencia humana. Esto refleja un futuro prometedor para el campo de la psiquiatría computacional y sus posibles aplicaciones en la comprensión de la conciencia y la salud mental.
8. El cerebro predictivo perezoso
Resumen: Este capítulo sostiene que el procesamiento predictivo puede ayudarnos a comprender toda la variedad de respuestas que surgen de la interacción entre el cuerpo y el entorno. En el fondo, se trata de explicar cómo los sistemas se organizan por sí mismos para encontrar formas eficaces de adaptarse y alcanzar sus objetivos. Además, esas formas de adaptación no siempre son simples: a menudo implican maneras complejas de actuar sobre el cuerpo y el mundo, y de aprovecharlos. Por eso, el procesamiento predictivo ofrece una herramienta poderosa para entender muchas estrategias rápidas y eficientes de resolución de problemas, como las que estudian las teorías de la mente corporizada y situada.
Pero su aporte más importante es que también propone una manera sistemática de combinar esas respuestas rápidas y de bajo costo con estrategias más lentas, exigentes y que requieren mayor esfuerzo. Todas ellas formarían parte de un mismo continuo, basado en dinámicas de autoorganización que involucran al cerebro, al cuerpo y al mundo.
8.1 Tensiones superficiales
El capítulo comienza con una referencia al documental "Rápido, barato y fuera de control", que destaca la evolución de la robótica basada en el comportamiento, especialmente la desarrollada por Rodney Brooks. Brooks cuestionó los enfoques tradicionales, "simbólicos y basados en modelos", promoviendo respuestas más simples y eficientes, adecuadas para entornos complejos. Si bien algunos aspectos de los robots de Brooks tenían un alcance limitado, contribuyeron significativamente a comprender cómo los agentes inteligentes pueden utilizar sus cuerpos y entornos de manera efectiva. El Procesamiento Predictivo (PP) surge como un marco que combina respuestas rápidas y sencillas con estrategias complejas, abogando por la resolución eficiente de problemas mediante la integración de la mente, el cuerpo y el entorno.
8.2 Pereza productiva
La «pereza productiva», un concepto tomado de Aaron Sloman, sugiere que los organismos suelen emplear heurísticas prácticas en lugar de soluciones óptimas, demostrando la eficacia de ser «suficientemente buenos» bajo las limitaciones de tiempo y recursos cognitivos. Esta noción de «satisfactores» dio origen al concepto de racionalidad limitada, que tiene implicaciones para la toma de decisiones y el juicio.
8.3 Equilibrio ecológico y béisbol
El capítulo destaca la eficiencia ecológica en las acciones, comparándola con la locomoción bípeda de los robots frente a la de los seres biológicos. Los diseños de la naturaleza aprovechan la dinámica pasiva, lo que resulta en un movimiento eficiente que contrasta notablemente con la marcha robótica, que consume mucha energía. El principio de equilibrio ecológico muestra cómo los sistemas sensoriales y motores deben adaptarse a la complejidad del entorno, lo que permite una resolución de problemas eficiente en todos los agentes.
8.4 Flujo incorporado
La cognición corporizada descarta la secuencia rígida de percibir, pensar y actuar. En cambio, la interacción en el mundo real combina estos procesos, como lo demuestra un estudio sobre cómo las personas copian patrones mediante movimientos oculares rápidos. Esta interconexión entre percepción y acción sugiere que el cerebro no funciona como un motor de razonamiento centralizado, sino como un sistema capaz de interactuar fluidamente con el entorno para una acción eficaz.
8.5 Máquinas de predicción orientadas a la acción y de bajo costo
El procesamiento predictivo no se limita a comprender el mundo, sino que implica guiar la acción. Los agentes utilizan mecanismos predictivos para participar en la competencia de posibilidades de acción, desarrollando representaciones que priorizan el control efectivo sobre la experiencia sensorial, lo que hace que los procesos neuronales estén fundamentalmente orientados a la acción.
8.6 Selección de estrategia de combinación
La relación entre el procesamiento predictivo y los marcos de toma de decisiones aclara cómo las agencias alternan entre estrategias basadas en modelos y estrategias libres de modelos según el contexto. En lugar de sistemas fijos, estas estrategias se entrelazan, adaptándose a las exigencias de la tarea y a las incertidumbres propias de los procesos de toma de decisiones.
8.7 Equilibrio entre precisión y complejidad
Los principios bayesianos abogan por que los agentes maximicen la precisión de las predicciones y minimicen la complejidad del modelo. Este equilibrio puede dar lugar a una arquitectura unificada que combine estrategias heurísticas rápidas con una deliberación más compleja, ajustada dinámicamente según las exigencias del contexto y la disponibilidad de recursos.
8.8 Regreso al béisbol
En relación con el problema del jardinero en el béisbol, el marco predictivo ilustra cómo los agentes utilizan señales ambientales para minimizar el error de predicción y desenvolverse eficazmente en situaciones dinámicas. El aprendizaje adaptativo contribuye a una estrategia de respuesta flexible, que se ajusta en función del contexto.
8.9 Mentes predictivas extendidas
Este capítulo amplía el concepto de cognición más allá del cerebro para incluir factores ambientales y sociales, afirmando que los procesos cognitivos en tiempo real pueden aprovechar recursos externos para mejorar las predicciones y las acciones. La resolución eficaz de problemas surge de las interacciones entre los sistemas cognitivos, el cuerpo y el mundo.
8.10 Escape de la habitación oscura
El enigma de la habitación oscura de Friston plantea inquietudes sobre los comportamientos predictivos que conducen a la inactividad. Este capítulo refuta esta idea demostrando que los organismos evolucionados están intrínsecamente motivados a buscar la novedad y la exploración, impulsados por complejas expectativas adaptativas formadas a través de procesos evolutivos.
8.11 Juego, novedad e inestabilidad autoorganizada
La búsqueda de novedades desafía el modelo predictivo, lo que sugiere que la exploración puede ser una parte estructural del funcionamiento cognitivo. Diversos estudios indican que los humanos y los bebés buscan activamente una complejidad moderada, lo que contribuye al comportamiento autoorganizado y al aprendizaje a lo largo de su vida.
8.12 Rápido, económico y flexible
En entornos dinámicos, las criaturas emplean diversas estrategias para afrontar las distintas exigencias de cada situación. Estas estrategias, desde heurísticas simples hasta razonamientos complejos, reflejan la adaptabilidad del cerebro predictivo para gestionar de forma eficiente tanto los recursos cognitivos como los físicos. El capítulo concluye afirmando que el cerebro predictivo busca una interacción sostenible con el mundo, optimizando los resultados mediante la minimización de la carga cognitiva innecesaria.
9. Ser humano
Resumen: Minimizar los errores de predicción puede explicar cómo surge el orden por sí mismo y cómo se forman sistemas muy complejos. En los seres humanos, esa complejidad se desarrolla dentro de un entorno social y cultural muy poderoso y flexible.
A diferencia de otros seres vivos, construimos y transformamos constantemente nuestros mundos sociales, lingüísticos y tecnológicos. Las regularidades de esos mundos quedan reflejadas en los modelos mentales con los que anticipamos lo que ocurrirá. Precisamente porque el cerebro puede organizarse y aprender por sí solo, la influencia de la cultura sobre nosotros es tan profunda.
Sin embargo, nuestras mentes no surgen únicamente de la actividad del cerebro ni solo de la influencia del entorno. Son el resultado de la interacción continua — compleja y todavía poco comprendida — entre la dinámica autoorganizada de las neuronas y los cambios constantes de las relaciones sociales y materiales que nos rodean.
9.1 Poniendo la predicción en su lugar
El capítulo comienza afirmando que nuestros sistemas neuronales están diseñados para sustentar acciones corporales mediante complejas interacciones entre percepción y acción. Esto genera un proceso dinámico de autoorganización que minimiza los errores de predicción, permitiendo así que los seres humanos se adapten y prosperen en sus entornos socioculturales. La interacción entre la dinámica neuronal y las estructuras sociales es fundamental para comprender la cognición humana.
9.2 Repetición: Autoorganización en torno al error de predicción
Se destaca el papel del error de predicción en la autoorganización neuronal. Los sistemas aprenden a predecir las entradas sensoriales mediante un modelo generativo probabilístico, que revela interdependencias complejas en diferentes contextos. Este proceso favorece el aprendizaje adaptativo, permitiendo una variedad de rutinas predictivas adaptables a nuevas situaciones.
9.3 Eficiencia y 'El Prior del Señor'
La eficiencia en los sistemas cognitivos se contrapone a la redundancia, lo que pone de manifiesto que los modelos más sencillos (como la cancelación de aceleración óptica) pueden minimizar eficazmente los errores de predicción. La eficiencia se considera crucial para mantener un equilibrio entre la información sensorial y la respuesta conductual adecuada, evitando el sobreajuste de los datos.
9.4 Caos y actividad cortical espontánea
Se analiza el concepto de poda sináptica como método para refinar modelos neuronales mediante la eliminación de conexiones irrelevantes. El capítulo también explora la actividad cortical espontánea como una forma de exploración que facilita la resolución creativa de problemas al permitir simulaciones mentales y flexibilidad cognitiva.
9.5 Entornos de diseño y prácticas culturales
La cognición humana no es única, sino que se ve potenciada por las prácticas culturales y el lenguaje. Estos elementos fomentan un entorno estructurado donde prospera el aprendizaje predictivo, lo que conduce al desarrollo de conceptos e ideas complejos que trascienden las adaptaciones biológicas básicas.
9.6 Líneas blancas
Se analiza la importancia de las modificaciones ambientales sencillas que propician atajos cognitivos. Estos cambios facilitan la navegación conductual, mejorando la utilidad de la minimización del error de predicción mediante entornos culturalmente modificados.
9.7 Innovar para la innovación
Los procesos de aprendizaje cultural se exploran como innovaciones derivadas de la interacción social, más que como producto de la evolución biológica. Prácticas como la lectura ejemplifican cómo la cultura puede transformar los procesos cognitivos, creando herramientas que facilitan el aprendizaje y la transferencia de conocimiento.
9.8 Las palabras como herramientas para manipular la precisión
El lenguaje cumple una doble función: facilita la comunicación y, al mismo tiempo, moldea activamente nuestros pensamientos. La evidencia sugiere que las palabras pueden mejorar la percepción y manipular la precisión de los procesos predictivos, optimizando así los resultados cognitivos.
9.9 Predicción conjunta
La predicción mutua facilitada por las interacciones sociales pone de relieve cómo el lenguaje y la comprensión compartida permiten una comunicación fluida y un aprendizaje colaborativo. Esto fomenta un sistema recíproco donde las acciones individuales se perfeccionan mediante señales sociales.
9.10 Representando nuestros mundos
El capítulo concluye analizando cómo los seres humanos construyen activamente los mundos que habitan. Este proceso de «actuación» subraya la relación recíproca entre los organismos y sus entornos, moldeada por acciones que guían las percepciones y viceversa.
9.11 Representaciones: ¿Rompiendo esquemas?
Se aborda la tensión entre el procesamiento predictivo y el enactivismo en relación con las representaciones internas. Si bien el procesamiento predictivo utiliza representaciones para gestionar la acción y la percepción, estos modelos son dinámicos y sensibles al contexto, centrándose en la interacción con el entorno en lugar de la mera representación.
9.12 Predicción en la naturaleza
Finalmente, el capítulo argumenta que nuestros sistemas neuronales están fundamentalmente orientados a la acción, subrayando la importancia de la predicción en la configuración de nuestras experiencias e interacciones. La interacción entre las prácticas culturales, la tecnología y los procesos neuronales moldea nuestro panorama cognitivo, lo que representa un desafío significativo para la ciencia cognitiva en el siglo XXI. Comprender la actividad cerebral es crucial para descifrar las complejidades de la cognición humana. Esta interacción entre la actividad cerebral, las prácticas culturales y las interacciones sociales no solo moldea nuestros modelos predictivos, sino que también influye en cómo procesamos la información. A medida que exploramos las profundidades de la dinámica neuronal, descubrimos el papel significativo que desempeñan los factores ambientales en la mejora de las funciones cognitivas.
10 Conclusiones: El futuro de la predicción
El capítulo 10 resume la idea principal del libro y señala varios temas que necesitan estudiarse más a fondo:
En primer lugar, es necesario explorar una mayor variedad de enfoques y formas de representación. También conviene investigar distintos tipos de arquitecturas neuronales. Además, estas ideas deben aplicarse a capacidades más complejas, como la planificación a largo plazo, el control cognitivo y el razonamiento consciente mediante el lenguaje.
Por último, el capítulo destaca que la teoría del cerebro predictivo debe conectarse mejor con la idea de una mente encarnada. El cerebro no funciona de manera aislada: forma parte de un flujo constante de interacción entre el cuerpo, el entorno y la actividad neuronal. Así, el cerebro influye en el mundo que lo rodea, pero también cambia continuamente en respuesta a las señales del cuerpo y del ambiente.
10.1 Máquinas de predicción incorporadas
El procesamiento predictivo (PP) presenta una visión del cerebro como un sistema dinámico estrechamente vinculado a la cognición corporizada, donde la acción y la percepción se entrelazan. Esta interacción continua refleja cómo la percepción, la comprensión, el razonamiento y la imaginación trabajan conjuntamente, caracterizada por un flujo de actividad neuronal que se adapta a la incertidumbre. El cerebro actúa no solo como generador de inferencias, sino también como participante activo en la interacción con el mundo, refinando constantemente sus predicciones para maximizar el comportamiento adaptativo. Mediante el uso de modelos generativos probabilísticos multinivel, este marco predictivo permite a los organismos discernir señales significativas del ruido y gestionar las incertidumbres sensoriales de manera eficiente. Tanto la percepción como la acción surgen de este mecanismo predictivo, trabajando en conjunto para moldear las interacciones con el entorno e informar las estrategias cognitivas que optimizan las acciones en función de factores corporales y contextuales.
10.2 Problemas, enigmas y trampas
Si bien esta visión de la mente encarnada representa un progreso significativo, aún persisten varios desafíos. En primer lugar, es necesario explorar diversas aproximaciones y formas de representación que el cerebro emplea para la resolución de problemas complejos. Comprender las estrategias específicas que utiliza el cerebro para la inferencia probabilística es esencial para correlacionar los modelos teóricos con los procesos cognitivos reales.
En segundo lugar, se requiere una mayor investigación sobre diversos enfoques arquitectónicos para comprender plenamente los diseños alternativos de cómo las predicciones y la información sensorial podrían interconectarse dentro del cerebro.
En tercer lugar, se insta a extender estos conocimientos a funciones cognitivas superiores, como la planificación a largo plazo y la cognición social, que aún no están claramente definidas en términos de modelos generativos.
Por último, surge una preocupación conceptual con respecto al riesgo potencial de reintroducir una perspectiva cartesiana, lo que sugiere que una fuerte dependencia de los modelos internos puede aislar la cognición del cuerpo y el entorno. El marco propuesto aquí enfatiza una relación recíproca entre los procesos neuronales internos y los estímulos ambientales externos, lo que sugiere una comprensión más integrada de la cognición que alinea la acción, la percepción y la predicción.
El concepto de razonamiento probabilístico es fundamental para la discusión de los procesos cognitivos. Este enfoque permite a las personas tomar decisiones informadas al estimar la probabilidad de diversos resultados basándose en experiencias previas e información disponible. Comprender cómo el cerebro emplea el razonamiento probabilístico puede mejorar nuestra comprensión del aprendizaje, la toma de decisiones y la resolución de problemas, tanto en la vida cotidiana como en situaciones complejas.
Temas
Un desafío a la noción tradicional del "yo "
La noción tradicional del «yo» presupone que cada persona posee un yo estable, unificado e independiente. Según esta perspectiva, bajo nuestros pensamientos, emociones y experiencias cambiantes subyace una identidad interna consistente que permanece esencialmente igual a lo largo del tiempo. Sin embargo, muchas tradiciones filosóficas han cuestionado esta suposición al sugerir que el yo no es permanente ni independiente.
La filosofía budista, por ejemplo, defiende la idea de anattā , o «no-yo». Afirma que lo que llamamos yo es en realidad un conjunto de sensaciones físicas, emociones, percepciones, recuerdos y pensamientos en constante cambio. David Hume planteó un argumento similar en la filosofía occidental, al afirmar que, al mirar hacia adentro, no pudo encontrar un yo permanente, sino solo una serie de experiencias pasajeras.
Otros pensadores cuestionan el concepto de «yo» al enfatizar la influencia de las fuerzas inconscientes, la sociedad, el lenguaje y la cultura. Nietzsche consideraba al yo como un conjunto de impulsos contrapuestos, más que como un sujeto unificado. El psicoanálisis también sugiere que las personas no siempre son conscientes de las fuerzas que moldean sus pensamientos y acciones. Por su parte, los filósofos posestructuralistas sostienen que la identidad se forma a través del lenguaje, las expectativas sociales y las relaciones con los demás.
Surfing Uncertainty explora la intersección entre la conciencia, la biología y la naturaleza del yo. Un tema central es el desafío a la noción tradicional del "yo", argumentando Clark que la mente no es una entidad centralizada encerrada en el cráneo, sino un sistema distribuido. Propone que nuestros procesos cognitivos se extienden a nuestro entorno y a las herramientas que utilizamos, sugiriendo que los límites entre la mente interna y el mundo externo son fluidos y arbitrarios.
El libro también hace hincapié en el procesamiento predictivo, concibiendo el cerebro no como un receptor pasivo de información sensorial, sino como un "motor de predicción" activo. Desde esta perspectiva, Clark examina cómo la mente genera constantemente hipótesis sobre el mundo y las actualiza en función de la retroalimentación sensorial. Este tema resalta la tensión entre nuestros modelos internos de la realidad y el estado real del entorno, sugiriendo que la percepción es, en esencia, una forma de alucinación controlada.
Además, Clark profundiza en la relación entre la corporeidad y la cognición. Sostiene que el cuerpo físico y sus movimientos no son meros periféricos del cerebro, sino que son fundamentales para nuestra forma de pensar y percibir. Al examinar cómo interactuamos con entornos complejos — como un surfista que navega sobre una ola —, ilustra que la inteligencia surge del acoplamiento dinámico entre el cerebro, el cuerpo y el mundo.
Procesamiento de arriba hacia abajo (top-down)
En Surfing Uncertainty, describe el procesamiento descendente (top-down) como la forma en que las expectativas, el conocimiento previo y las predicciones del cerebro influyen en la percepción. En lugar de simplemente recibir información sensorial y construir una comprensión del mundo desde cero, el cerebro anticipa continuamente lo que probablemente encontrará. Estas predicciones dan forma a cómo se interpreta la información entrante.
Clark contrasta esta perspectiva con una explicación puramente ascendente (bottom-up) de la percepción. En un modelo ascendente, los datos sensoriales ingresan a través de los ojos, los oídos u otros sentidos y se combinan gradualmente para formar objetos y eventos significativos. Para Clark, sin embargo, la información sensorial siempre se interpreta en relación con expectativas de nivel superior. El cerebro se pregunta constantemente, en efecto, qué es lo más probable que haya causado las señales que recibe.
Este proceso puede entenderse a través del error de predicción. El cerebro realiza predicciones en diferentes niveles, desde expectativas generales sobre una situación hasta expectativas detalladas sobre colores, sonidos, formas o movimientos. La información sensorial entrante se compara con dichas predicciones. Cuando la información no coincide, la diferencia produce un error de predicción, lo que puede llevar al cerebro a revisar sus expectativas o a centrarse más en la información sensorial.
Por lo tanto, el procesamiento descendente no significa que la percepción se base únicamente en la imaginación o las creencias personales. En cambio, la percepción resulta de la interacción entre la predicción y la evidencia sensorial. Por ejemplo, el contexto puede ayudar a interpretar un sonido o una imagen poco claros. Una persona que conoce las reglas de un deporte puede percibir los movimientos de los jugadores con mayor precisión, ya que su conocimiento previo le permite anticipar lo que probablemente sucederá.
Para Clark, el procesamiento descendente también conecta la percepción con la acción. Los organismos no se limitan a esperar información del mundo; se mueven, exploran y actúan de maneras que les ayudan a confirmar sus predicciones o a reducir la incertidumbre. Por lo tanto, la percepción es un proceso activo en el que el cerebro utiliza el conocimiento previo para interpretar el mundo, corrigiéndose continuamente mediante la retroalimentación sensorial.
Cognición corporizada
Para Andy Clark, la cognición corporizada se basa en la idea de que el pensamiento no se produce únicamente en el cerebro. La cognición depende de la interacción continua entre el cerebro, el cuerpo y el entorno. La forma del cuerpo, sus movimientos, sus capacidades sensoriales y su relación práctica con el mundo contribuyen a cómo un organismo percibe, piensa y actúa.
En Surfing Uncertainty, Clark relaciona la cognición corporizada con el procesamiento predictivo. El cerebro predice continuamente lo que sucederá, pero el cuerpo ayuda a comprobar y cumplir esas predicciones mediante el movimiento y la percepción. Por ejemplo, alcanzar un objeto no es simplemente una acción que sigue al pensamiento; el movimiento en sí mismo ayuda a recopilar información sobre el objeto y facilita la realización de la tarea.
Clark también subraya que la acción puede reducir la incertidumbre del cerebro. En lugar de esperar pasivamente información sensorial más clara, un organismo puede acercarse, cambiar su ángulo de visión, tocar un objeto o manipular su entorno. Estas acciones corporales alteran las señales sensoriales entrantes y ayudan al cerebro a determinar qué está sucediendo.
El entorno, por lo tanto, es una parte activa de la cognición. Los objetos, las herramientas, los símbolos y el entorno social pueden apoyar la actividad mental almacenando información o facilitando tareas. Una nota escrita, por ejemplo, puede funcionar como una memoria externa, mientras que una calculadora puede realizar operaciones que de otro modo tendrían que llevarse a cabo internamente.
La perspectiva de Clark sostiene que la cognición surge de la cooperación entre las predicciones cerebrales, las capacidades corporales y los recursos ambientales. La percepción, el pensamiento y la acción conforman un ciclo continuo en el que el organismo utiliza su cuerpo y su entorno para desenvolverse en la incertidumbre.
En comparación con Philosophy in the Flesh (1999) de Lakoff y Johnson, la tesis de la mente extendida de Clark plantea una afirmación más contundente sobre la ubicación de la cognición: bajo ciertas condiciones, los cuadernos, las calculadoras, los mapas o los dispositivos digitales pueden llegar a ser componentes de un sistema cognitivo más amplio. Por su parte, Lakoff suele formular una afirmación más rotunda sobre la naturaleza de los conceptos: incluso las ideas altamente abstractas se estructuran mediante esquemas corporales y mapeos metafóricos.
Clark ofrece una explicación de la encarnación orientada a los procesos y a lo externo, mientras que Lakoff presenta un enfoque conceptual y lingüístico. Clark explica cómo se lleva a cabo el pensamiento a través de interacciones entre cerebro, cuerpo y mundo; Lakoff explica cómo la experiencia corporal da forma y sentido al pensamiento y al lenguaje.
Error de predicción
El error de predicción es la diferencia entre lo que el cerebro predice y lo que realmente sucede. Cuando se produce un error de predicción, el cerebro ajusta su modelo interno para poder realizar mejores predicciones en el futuro. De esta manera, el aprendizaje no es simplemente la acumulación de datos, sino la mejora gradual de la capacidad del cerebro para anticipar patrones en el mundo.
Clark utiliza el aprendizaje de idiomas como ejemplo. Una persona que intenta repetidamente predecir la siguiente palabra en una oración aprenderá gradualmente patrones gramaticales, significados y regularidades. Incluso sin que se le enseñen explícitamente todas las reglas, el aprendiz puede desarrollar conocimiento al observar qué predicciones son correctas y cuáles no. Por lo tanto, la predicción ayuda a la mente a construir una comprensión más compleja a partir de la experiencia repetida.
El aprendizaje se produce en varios niveles del cerebro. Los niveles inferiores aprenden a predecir características sensoriales básicas, como líneas, sonidos o movimientos, mientras que los niveles superiores aprenden a predecir eventos, objetos y situaciones más complejos. Estos niveles interactúan continuamente: los niveles superiores generan expectativas, mientras que los inferiores envían errores de predicción hacia arriba cuando la información sensorial no coincide con dichas expectativas.
Para Clark, el cuerpo y el entorno también contribuyen al aprendizaje. Las personas aprenden no solo modificando sus creencias internas, sino también actuando, explorando y alterando su entorno. Acercarse a un objeto, probar una posibilidad o usar una herramienta puede generar información sensorial más clara y reducir la incertidumbre.
Así pues, el aprendizaje mediante la predicción es una parte fundamental de la explicación de Clark sobre la cognición. La mente se vuelve más inteligente al construir modelos generativos del mundo, utilizarlos para anticipar experiencias y revisarlos a través del error de predicción. En resumen, aprendemos intentando predecir lo que sucederá y utilizando nuestros errores para mejorar las predicciones futuras.
La teoría del aprendizaje de Clark frente al proceso de aprendizaje de la IA
Los sistemas de aprendizaje de IA y la teoría del aprendizaje de Andy Clark son similares, ya que ambos ponen énfasis en la predicción, la retroalimentación y la corrección de errores. Un sistema de IA aprende realizando una predicción, comparándola con la respuesta correcta o con la retroalimentación de su entorno y, posteriormente, modificando sus parámetros internos para mejorar predicciones futuras. De manera análoga, la teoría del procesamiento predictivo de Clark sugiere que el cerebro genera constantemente predicciones sobre el mundo y las actualiza cuando la información sensorial no coincide con dichas predicciones.
La diferencia principal radica en que el aprendizaje de la IA suele describirse como un proceso computacional que involucra datos, algoritmos y cambios de parámetros. Por ejemplo, una red neuronal puede aprender a reconocer objetos procesando miles de imágenes etiquetadas y ajustando sus pesos cuando comete errores. Su objetivo puede ser minimizar el error, maximizar la precisión u obtener una mayor recompensa. La teoría de Clark, en cambio, describe el aprendizaje como un proceso continuo en el que un organismo predice lo que sucederá, percibe el mundo y actúa para reducir la brecha entre sus expectativas y la realidad.
Clark también otorga una importancia mucho mayor al cuerpo y al entorno. Muchos sistemas de IA, especialmente los modelos de lenguaje, aprenden a partir de datos sin poseer un cuerpo ni interactuar directamente con el mundo. Pueden identificar patrones lingüísticos, pero no experimentan necesariamente los objetos, el movimiento ni las consecuencias físicas. Desde la perspectiva de Clark, la cognición está encarnada: el cerebro, el cuerpo y el entorno actúan conjuntamente. Acciones como mirar, moverse, tocar o utilizar objetos ayudan a la persona a aprender y comprender el mundo.
Otra diferencia importante se refiere a la ubicación de la inteligencia. La IA tradicional tiende a considerar la inteligencia como algo contenido dentro del sistema informático. La teoría de la mente extendida de Clark sostiene que el pensamiento también puede depender de herramientas externas y del entorno. Una persona que utiliza notas, una calculadora, un mapa o un teléfono inteligente puede estar empleando dichos objetos como parte del proceso cognitivo. Algunos sistemas modernos de IA que utilizan memoria externa, motores de búsqueda, sensores o herramientas se asemejan a esta idea, ya que sus capacidades se distribuyen entre el modelo y su entorno.
Mientras que los sistemas de aprendizaje de IA aplican métodos matemáticos específicos para aprender patrones y mejorar el rendimiento, la teoría de Clark ofrece una explicación más amplia de la cognición. Ambos enfoques implican predicción y corrección de errores, pero el planteamiento de Clark destaca la interacción activa con el mundo, la experiencia corporal y el uso de recursos externos. Un sistema de IA se asemejaría más a la teoría de Clark si pudiera percibir su entorno, actuar en él, aprender continuamente de las consecuencias de sus acciones y utilizar herramientas como parte de su pensamiento.
No hay comentarios:
Publicar un comentario