RedacciónT21 
El cerebro humano tiene una forma especial de representar la incertidumbre: contempla varios niveles, incluido el contexto, para conseguir las decisiones más acertadas.
La incertidumbre la representa de una forma probabilística muy detallada, casi matemática, de todo lo importante que nos rodea en el momento de tomar una decisión.
Lo ha descubierto una investigación desarrollada en el Centro de Cognición y Cerebro CBC del Departamento de Tecnologías de la Información y las Comunicaciones DTIC de la Universidad Pompeu Fabra de Barcelona, cuyos resultados se publican en la revista Nature Communications.
El descubrimiento viene a explicar cómo se las arregla el cerebro para ayudarnos a comprender e interpretar mejor el complejo mundo que nos rodea.
Hay que tener en cuenta que, durante todo el día, estamos expuestos a una serie de estímulos procedentes de los sentidos que obligan al cerebro a procesar información constantemente y a toda velocidad.
En ese proceso, no es suficiente la evidencia básica del mundo que nos rodea, ya que por lo general la información que recibimos de nuestro entorno es ambigua y necesita ser integrada en un contexto para adquirir coherencia y resulte útil para la gestión de nuestra cotidianidad.
Por ejemplo, nos encontramos de pronto en una calle y percibimos todos los detalles elementales, como si es una calle ancha o estrecha, si tiene mucho o poco tráfico, si es una zona residencial nueva o un barrio antiguo.
Pero esa información no responde a un ingrediente básico que el cerebro necesita para completar la composición de lugar: ¿esta calle es segura?
Para responder a esa necesidad, el cerebro sigue patrones de inferencia probabilística cuando analiza la información del entorno, según ha determinado esta investigación.
Ejemplo clarificador
Para explicar lo que eso significa, los investigadores recurren al siguiente ejemplo práctico que pone de manifiesto las tareas cognitivas de integración jerárquica que desempeña el cerebro para situarnos en una realidad.
Supongamos que en un aeropuerto cuya ciudad alberga una final de futbol nos fijamos en unos pocos pasajeros que salen de un avión. Si observamos que cuatro de ellos son seguidores del equipo rojo y dos del equipo azul, podríamos concluir que han acudido a la final de futbol más seguidores del equipo rojo que del azul.
Esta inferencia, basada en una evidencia sensorial incompleta, se podría mejorar mediante información contextual.
Por ejemplo, si hubiera en el mundo más seguidores azules que rojos, a pesar de nuestra observación inicial, revisaríamos nuestra inferencia contando cuántos partidarios de cada grupo viajan en el avión, para poder confirmar con mayor exactitud si realmente han venido a la ciudad más seguidores del equipo rojo que del azul.
O también podríamos actuar al revés: partiendo del contexto, inferir si la muestra observada sigue el contexto más general o no.
Investigación con pasajeros
Este ejemplo fue el que utilizaron los científicos para su investigación. Presentaron a un grupo de voluntarios tareas de integración jerárquica usando el modelo de pasajeros de avión.
Para realizar esta integración jerárquica, el cerebro debe tener en cuenta las dependencias jerárquicas entre variables diferentes, que deben resolverse de abajo hacia arriba (deduciendo el contexto de las observaciones anteriores) y luego pasando el mensaje de arriba hacia abajo (deduciendo el estado actual combinando las observaciones actuales con el contexto inferido), explican los investigadores.
Los resultados mostraron que los participantes, a partir de sus observaciones preliminares, construyeron espontáneamente una representación probabilística del contexto, desvelando así el mecanismo cerebral para representar la incertidumbre.
“Para el estudio, explicamos a nuestros participantes que están en un aeropuerto donde pueden llegar aviones que tienen más de un tipo de personas que de otro, por ejemplo, más seguidores del Barca que del Madrid. Al ver un puñado de pasajeros que salen de varios aviones, los participantes pueden llegar a predecir con exactitud matemática la probabilidad de que el siguiente avión transporte más pasajeros de un determinado tipo”, explica Moreno-Bote, uno de los investigadores, en un comunicado.
Y añade: “Las nociones de probabilidad, aunque intuitivas, son muy difíciles de cuantificar y usar rigurosamente. En nuestro estudio encontramos que un problema matemático complicado que involucra usar las reglas de probabilidad más sofisticadas, puede ser resuelto de forma intuitiva si este se presenta de forma simple y dentro de un contexto natural”.
Referencia
Human confidence judgments reflect reliability-based hierarchical integration of contextual information. Philipp Schustek, et al. Nature Communications, 10, 5430 (2019). DOI :https://doi.org/10.1038/s41467-019-13472-z
Hacer un comentario