[cerrar]

Comparta esta nota con un amigo

E-Mail de su amigo
Su nombre
Su E-Mail

–Usted dirige el laboratorio de neurociencia integrativa en el Departamento de Física.

–Sí.

–Y aparte tiene una línea de investigación.

–Claro. Lo que hacemos es estudiar el pensamiento humano, desde un punto de vista mecanicista, algorítmico y un poco arquitectónico. Trato de entender cuál es la estructura, las reglas y el lenguaje del pensamiento humano. Para eso combinamos muchas herramientas, algunas puramente psicológicas y comportamentales. Dejamos que el pensamiento se exprese, buscamos reglas como cuando un biólogo lee un gen y trata de buscar estructuras o cuando un lingüista trata de encontrar regularidades en el lenguaje..

–¿Soñar es pensar?

–Sí, es una forma de pensamiento con reglas distintas. Yo creo que el sueño es a la vigilia lo que la poesía a la narrativa.

–Más desestructurado todavía...

–Bueno, hay poesías muy desestructuradas. Pero además, ni siquiera es tan desestructurado; si no, no habría tantas recurrencias ni tanta repetición de temas.

–Eso tiene una derivación interesante. Si el sueño es pensamiento y los animales sueñan... los animales piensan.

–Yo creo que sí. De modo diferente, pero piensan. No es la misma estructura del pensamiento la de un animal que la de un humano, así como no es la misma estructura de pensamiento la de la vigilia y la del sueño, la de la infancia y la de la adultez.

–¿Cómo es la estructura del pensamiento humano?

–La idea más vigente de todas es la postulada por Noam Chomsky, que supone que lo más distintivo de nuestra arquitectura es que tenemos un “operador de recursión”, que es algo que permite aplicar algo sobre sí mismo. El ejemplo clásico es el lenguaje: es la capacidad de generar frases tan finas y precisas como uno quiera, y eso se puede hacer gracias a la presencia de un mecanismo generativo que puede producir elementos combinativamente enriquecidos por el operador de recursión.

–Todo esto es muy abstracto. ¿Cómo trabaja en esto?

–Hacemos dos clases de trabajo. Experimentamos y postulamos modelos a partir de las observaciones. Pero también hacemos teoría, planteamos artilugios computacionales que nos sirven como ilustraciones para poder consolidar las ideas que vamos forjando.

–Veamos los experimentos...

– Por ejemplo, traemos gente al laboratorio, le mostramos algo en la pantalla y analizamos qué es lo que ven. Lo que tratamos allí es de descubrir las reglas de la asimilación de la imagen visual. Podemos decirle a la gente, también, que elija entre dos cosas (por ejemplo, la más brillante) y ver cómo lo hacen. A partir de los errores que cometen podemos ver qué es lo que ven y lo que no ven.

–¿A qué se refiere cuando habla de algoritmia?

–Qué tipo de cómputos está resolviendo y de qué manera. Por ejemplo, para tomar una decisión. Yo parto de la premisa de que nuestro comportamiento y nuestras acciones son el resultado de una especie de maquinaria que computa cosas, que procesa información, la articula y obra en consecuencia. Lo que tratamos de hacer, entonces, es descubrir las piezas de esa maquinaria. Al principio, no observamos directamente la maquinaria sino el producto. En una segunda etapa, nos metemos directamente en la máquina. Hay muchas maneras de hacerlo. Como trabajamos con humanos, sólo podemos usar herramientas que sean no invasivas, que no hagan daño. Las típicas son la resonancia magnética funcional, que se basa en que cuando hay actividad neuronal, esa actividad consume oxígeno y entonces la proteína que transporta el oxígeno, la hemoglobulina, cambia sus propiedades magnéticas y eso puede verse en imágenes. Otras herramientas son las encefalográficas. La moneda de cambio del cerebro son las corrientes eléctricas, es la manera que tienen las neuronas de comunicarse entre sí. Esas corrientes eléctricas forman grandes avenidas eléctricas, y eso tiene que ver con cómo están arregladas las neuronas: forman una especie de surcos eléctricos que son observables desde el exterior, sin necesidad de plantar un electrodo. Con el electroencefalograma nosotros detectamos grandes eventos conectivos.

–¿Cuál es la unidad de esa moneda de cambio que es la electricidad?

–Cada neurona es un objeto bastante discreto. Sin que una neurona dispare, no se puede entrar en el juego. La neurona podría ser la moneda mínima. Pero así como no es lo mismo la moneda en Francia que en la Argentina, no es lo mismo una neurona en el hipocampo que una neurona en la corteza prefrontal. Pero las neuronas tienen también una actividad subumbral: se puede cambiar el estado de una neurona sin hacerla disparar. Del mismo modo que yo podría deberle a alguien medio centavo, aunque nunca pudiera pagárselo.

–¿Qué significa “distinto estado” para una neurona?

–Es el estado funcional. Va a responder distinto después si le pasa otra cosa. Es interesante la analogía computacional, porque justamente quienes crearon la inteligencia artificial no se propusieron replicar cualquier inteligencia sino la nuestra. Von Neumann –junto con Turing, uno de los grandes fundadores de la computación tal como la conocemos hoy– entendió muy rápido que las computadoras tienen que ser discretas. Las computadoras tienen una unidad mínima, el bit: no computan cantidades analógicas sino unos y ceros. Ese proceso de discretización es como si congelara las cosas, y al congelar las cosas evita que el ruido se propague demasiado. Von Neumann entendió que las máquinas que computan discreto tenían una ventaja, que es que acotaban el error que propagaban. Las máquinas, entonces, se volvían muy precisas. Esa es una idea que sigue flotando mucho en neurociencias: ¿dónde una corriente continua se vuelve una unidad discreta? Y eso en el cerebro sucede en muchas instancias. Por un lado, cada neurona hace eso: recibe un input analógico y lo convierte en un disparo o un no-disparo (que podría pensarse como los ceros y unos de la computadora). O transmite algo o no lo transmite. Los ensambles de neuronas pueden hacer lo mismo: se agrupan en objetos y también responden o no responden al input. Entonces a distintas escalas se repiten los mismos temas: la conversión de cantidades analógicas a cantidades discretas. Y eso es lo que hacemos nosotros con la matemática. Nosotros convertimos el “mucho”, el “poco”, el “un montón”, en la docena, la centena, en unidades discretas. Hay otras culturas que tienen números solamente para el uno y el dos, y el resto es “mucho”. Y eso persiste ontogénicamente. Un recién nacido también tiene nociones de numerosidad, puede separar el mucho y el poco (lo cual es sorprendente, porque es algo muy abstracto: no importa mucho de qué sea, el recién nacido distingue que es mucho).

–¿Y cómo sabemos eso?

–Los chicos recién nacidos miran aquello que les llama la atención. Y eso puede usarse para decodificar qué tipo de cosas distinguen y cuáles no. Por ejemplo, si usted a un nene le pone algo azul adelante durante mucho tiempo y después le pone algo rojo, se queda mirando lo rojo. Quiere decir que las dos cosas ésas las distingue. Si usted le pone sustantivos durante mucho tiempo y luego un verbo, no va a pasar nada, porque no distingue lo que es un sustantivo y lo que es un verbo. Si usted le pone mucho lenguaje japonés y luego alemán, va a mirar más el alemán, porque si bien no sabe lo que son, entiende que hay un cambio en la textura del sonido y en la prosodia. Usted le pone tres patos, tres conejos, tres cosas chiquitas, tres cosas brillantes, tres cosas oscuras, tres jugadores de fútbol y luego le pone ocho de alguna de esas cosas, le llama la atención. El bebé se acostumbró a que la regularidad de esos objetos no venía dada por ninguna cualidad de los objetos sino por el número, de modo que cuando aparece un número distinto le prestan más atención. Esos experimentos están hechos para bebés de un día de vida.

–La verdad es que si terminamos aquí, el diálogo queda incompleto. Creo que deberíamos retomarlo en otra oportunidad.

–Cuando usted quiera.