Utilizamos cookies propias y de terceros para mejorar nuestros servicios y facilitarte el uso de la web mediante el análisis de tus preferencias de navegación. También compartimos la información sobre el tráfico por nuestra web a los medios sociales y de publicidad con los que colaboramos. Si continúas navegando, consideramos que aceptas nuestra Política de cookies .

Nuestro cerebro «visionario»

Según una teoría controvertida, la percepción, el control motor, la memoria y otras funciones dependen de la comparación que establece el cerebro entre expectativas y experiencias reales.

Getty Images / ipopba / iStock

En síntesis

A tenor de una extendida teoría, el cerebro establece pronósticos sobre los acontecimientos futuros de manera continua. A continuación las verifica a través de los datos que le llegan de los sentidos.

La llamada codificación predictiva explica numerosos engaños y procesos del control del movimiento. No obstante, resulta dudoso que pueda aplicarse a todas las capacidades cognitivas.

El cerebro «visionario» está preparado para detectar errores, con el fin de actualizar y mejorar continuamente su modelo de la realidad y reducir así las posibles sorpresas.

En junio de 2018, la compañía de inteligencia artificial DeepMind presentó un nuevo software capaz de captar la imagen de unos cuantos objetos y, sin necesidad de ayuda humana, inferir el aspecto tridimensional de la escena, reproduciéndola desde diferentes ángulos. Con tan solo un puñado de imágenes, este sistema, denominado Generative Query Network (GQN), podía modelizar, por ejemplo, el trazado de un sencillo laberinto como los que incluyen los videojuegos.

Aunque las aplicaciones de GQN son claramente técnicas, el programa ha llamado la atención de los neurocientíficos; en especial, una de sus características: el algoritmo de entrenamiento que utiliza para aprender cómo llevar a cabo las tareas. A partir de la imagen que se le presenta, GQN genera predicciones sobre el aspecto que debería tener una escena: dónde están situados los objetos, cómo deben incidir las sombras sobre las superficies, qué zonas quedarán visibles u ocultas en función de determinadas perspectivas, etcétera. También aprovecha las diferencias entre estas predicciones y las observaciones que ha hecho para precisar mejor las previsiones futuras. «La diferencia entre la realidad y la predicción ha permitido actualizar el modelo», afirma Ali Eslami, uno de los responsables del proyecto. «El algoritmo modifica los parámetros de su modelo [predictivo] de tal forma que cuando afronte esa misma situación en un momento posterior, la sorpresa resultará menor», explica Danilo Rezende, científico de DeepMind y coautor del programa.

Los neurocientíficos sospechan desde hace tiempo que el cerebro actúa con un mecanismo similar. (De hecho, estas especulaciones formaron parte de la inspiración que guio al equipo de GQN para efectuar su proyecto). De acuerdo con esta teoría de «codificación predictiva», para cada uno de los niveles de un proceso cognitivo el cerebro genera modelos, o creencias, sobre la información que debería recibir del nivel inferior. Estas creencias se traducen en predicciones sobre lo que debería experimentarse en una situación concreta, y ofrecen una explicación óptima de lo que ocurre para dar sentido a la experiencia. Las predicciones retroalimentan a las regiones cerebrales sensoriales de un nivel inferior. El cerebro compara sus predicciones con la información sensorial que recibe para «explicar» cualquier posible diferencia o error de predicción. Para ello aplica sus modelos internos, que determinan las causas probables de las discrepancias. Por ejemplo, podemos tener el modelo interno de una mesa como una superficie plana que se sostiene sobre cuatro patas; aun así, somos capaces de reconocer una mesa aunque un objeto tape su mitad.

Puedes obtener el artículo en...

¿Tienes acceso?

Los boletines de Investigación y Ciencia

Elige qué contenidos quieres recibir.