En ese momento Entre leer un número de teléfono y escribirlo en su teléfono, es posible que los dígitos se hayan perdido misteriosamente; incluso si ha grabado los primeros en su memoria, los últimos aún pueden desdibujarse inexplicablemente. ¿Fue el 6 antes del 8 o después? ¿Está seguro?

Retener tales fragmentos de información el tiempo suficiente para actuar sobre ellos depende de una habilidad llamada memoria de trabajo visual. Los científicos han debatido durante años si la memoria de trabajo solo tiene espacio para unos pocos elementos a la vez o si tiene un espacio limitado para los detalles: quizás la capacidad de nuestra mente se distribuye en unos pocos recuerdos nítidos o en una multitud de fragmentos dudosos.

Según un artículo reciente en neurona por investigadores neurocientíficos de la Universidad de Nueva York. Utilizando el aprendizaje automático para analizar los escáneres cerebrales de las personas involucradas en una tarea de memoria, descubrieron que las señales codificaban una estimación de lo que las personas pensaban que estaban viendo, y la distribución estadística del ruido en las señales codificaba la incertidumbre de la memoria. La incertidumbre de tus percepciones puede ser parte de lo que tu cerebro representa en sus recuerdos. Y esa sensación de incertidumbre puede ayudar al cerebro a tomar mejores decisiones sobre cómo usar sus recuerdos.

Los resultados sugieren que «el cerebro usa este ruido», dijo Clayton Curtis, profesor de psicología y neurociencia en la Universidad de Nueva York y autor del nuevo artículo.

El trabajo se suma a un creciente cuerpo de evidencia de que, incluso cuando las personas parecen no estar capacitadas para comprender las estadísticas en su vida cotidiana, el cerebro interpreta de forma rutinaria sus sentidos del mundo, tanto actuales como recordados, en términos de probabilidades. La perspectiva ofrece una nueva forma de comprender cuánto valor le damos a nuestra percepción de un mundo incierto.

Predicciones basadas en el pasado

Las neuronas en el sistema visual se disparan en respuesta a ciertas vistas, como una línea en ángulo, un cierto patrón, o incluso autos o caras, enviando una llamarada al resto del sistema nervioso. Pero por sí mismas, las neuronas individuales son fuentes ruidosas de información, por lo que «es poco probable que las neuronas individuales sean la moneda que usa el cerebro para inferir lo que está viendo», dijo Curtis.

Lo más probable es que el cerebro combine información de poblaciones de neuronas. Por lo tanto, es importante entender cómo lo hace. Por ejemplo, podría ser el promedio de la información de las células: si algunas neuronas disparan más fuerte en un ángulo de 45 grados y otras en un ángulo de 90 grados, entonces el cerebro podría ponderar y promediar sus entradas, alrededor de un ángulo de 60 grados. aparece en el campo de visión de los ojos. O tal vez el cerebro tiene un enfoque en el que el ganador se lo lleva todo, utilizando las neuronas más activas como indicadores de lo que se percibe.

«Pero hay una nueva forma de pensar al respecto, influenciada por la teoría bayesiana», dijo Curtis.

La teoría bayesiana, nombrada así por su inventor, el matemático del siglo XVIII Thomas Bayes, pero más tarde descubierta y popularizada de forma independiente por Pierre-Simon Laplace, incorpora la incertidumbre en su enfoque de la probabilidad. La inferencia bayesiana se ocupa de la confianza con la que uno puede esperar que ocurra un resultado, dado lo que se sabe sobre las circunstancias. Aplicado a la visión, este enfoque podría significar que el cerebro interpreta las señales neuronales mediante la construcción de una función de probabilidad: según los datos de experiencias pasadas, ¿cuáles son las vistas más probables que produjeron un patrón de disparo particular?

Laplace reconoció que las probabilidades condicionales son la forma más precisa de hablar sobre una observación, y en 1867 el médico y físico Hermann von Helmholtz las relacionó con los cálculos que nuestro cerebro podría realizar durante la percepción. Sin embargo, pocos neurocientíficos prestaron mucha atención a estas ideas hasta que, en la década de 1990 y principios de la de 2000, los investigadores descubrieron que los humanos estaban haciendo algo así como inferencias probabilísticas en experimentos de comportamiento, y los métodos bayesianos comenzaron a mostrar utilidad en algunos modelos de cognición y control motor.

«La gente empezó a hablar del cerebro como bayesiano», dijo Wei Ji Ma, profesor de neurociencia y psicología en la NYU y uno de los recién llegados. neurona autores del artículo.