Por primera vez en la historia de la humanidad podemos ver cómo funciona el cerebro humano, y observar a tiempo real su actividad. Todo esto gracias a tecnologías de neuroimagen no invasivas, como los escáneres fMRI, que nos permiten detectar las áreas activas del cerebro de manera visual. Cuando atribuimos funciones específicas a cada una de estas regiones y observamos cuáles se activan (por ejemplo, el hipocampo, el córtex prefrontal, la amígdala…), establecemos una relación de causalidad de las unas con las otras.
Por ejemplo: si la amígdala la relacionamos con las emociones y vemos que se activa con una reacción del sujeto, entonces deduciremos que hay emociones involucradas en la reacción. Esto creemos. Es un proceso aparentemente sencillo, lógico y metódico, pero cuando se trata del órgano más complejo conocido, con unos 100 billones de neuronas, el potencial de crear más conexiones entre ellas que átomos hay en el universo (Cartero, 2019) se convierte en una enorme tarea, a pesar de poder contar con la inteligencia artificial. Redefinimos la manera en la que vemos.
Escáneres fMRI
Al hablar de la tecnología más revolucionaria utilizada por la neurociencia de las últimas décadas, debemos hacer alusión obligatoriamente a los escáneres fMRI (functional Magnetic Resonance Imaging). Estos se centran en los cambios de circulación sanguínea en nuestro cerebro. Su actividad cambia dependiendo de la tarea que está desarrollando: si un área se vuelve más activa, necesita más energía y, por lo tanto, aumenta la cantidad de sangre oxigenada que circula por la región específica.
El escáner fMRI detecta estas diferencias magnéticas (por las partículas metálicas que contiene la sangre) y nos da una medida indirecta de actividad neuronal. Los más modernos trabajan con campos magnéticos de unos 7 teslas, alrededor de 140.000 veces el campo magnético de la Tierra (Sahakian, 2017).
Vóxeles
Dado que no podemos estudiar el cerebro en su totalidad, ni tampoco neurona a neurona, los neurocientíficos lo dividen en pequeños cubos llamados vóxeles. Sus dimensiones dependen del experimento en cuestión, en general alrededor de unos pocos milímetros cúbicos. Estamos hablando de que puede contener cerca de un millón de neuronas (Sahakian, 2017). Todavía sigue siendo un número elevado, pero gracias a la informática y a la inteligencia artificial podemos extraer y procesar cantidades de datos enormes, lo que de otra manera sería impensable (Dehaene, 2014).
El resultado es una serie de análisis estadísticos extremadamente delicados: una pequeña diferencia es tan crucial que puede generar resultados completamente diferentes. El uso de grupos de control es esencial para poder contrastarlos y mantener una coherencia (Sahakian, 2017).
‘Machine learning’
Los modelos informáticos que creamos –como ya habrás adivinado– mediante algoritmos (palabra que hemos oído centenares de veces) aprenden de estos datos con los que los proveemos, con un proceso de entrenamiento que permite que el modelo vaya mejorando con el tiempo y, por lo tanto, que nos dé mejores predicciones en situaciones nuevas. De este modo, el propio ordenador es el que busca las soluciones más relevantes, lo que nos ayuda a aproximarnos a un modelo más flexible y basado en los datos obtenidos, que son menos dependientes de las hipótesis de la persona investigadora (Sahakian, 2017).
Ciertamente, parece tan ideal como la ciencia ficción y, si damos rienda suelta a nuestra imaginación, nos vendrán a la mente robots más inteligentes que el ser humano. Respiremos: no es así (todavía). Hablamos de modelos extremadamente complejos para explicar procesos extremadamente sencillos, que llevamos a cabo en nuestro día a día, como si fueran pura rutina y casi sin pensar (quién diría que reconocer objetos, por poner un ejemplo extendido, es un proceso tan complejo).
El cerebro no es un ordenador
El modelo utilizado por los neurocientíficos para estudiar el cerebro ha evolucionado mucho: se había llegado a definir como un sistema con mecanismos hidráulicos (Cobb, 2020). Estos han tenido una característica común: el momento en el que vivimos, que influye completamente en la ciencia (la cultura, la educación y las diferentes facetas humanas) y sitúa los conceptos de los campos más influyentes (como la informática) en el terreno de juego. Hacen que la interferencia de estos sea prácticamente inevitable. Aunque el cerebro no es un ordenador, actualmente los comparamos (por ejemplo, utilizando vocabulario informático, como procesador), seguramente porque es el sistema más parecido a nuestro cerebro que hemos podido desarrollar.
También se está hablando de física cuántica (abriendo la posibilidad de que incluso sea un ordenador cuántico). Sea como fuere, debemos recordar que el cerebro, a diferencia de un ordenador, no es producto del diseño, sino de la evolución, y por tanto no lo podemos explicar desmontándolo por partes y estudiando estas por separado, para entender cómo contribuyen al todo. De hecho, se ha probado con ordenadores y el experimento tampoco ha dado muy buen resultado (Cobb, 2020).
El nuevo modelo
Las últimas tendencias en neurociencia consisten en huir de esta manera clásica y existencialista de ver el cerebro, y el mundo. El esencialismo promueve que nuestro cerebro y nuestra mente son como parecen (Feldman, 2017). En palabras de Lisa Feldman: «Si experimentamos pensamientos, significa que habrá un área específica para el procesamiento racional» (como una memoria RAM en un ordenador). Si fuera el caso, cada área del cerebro estaría dedicada a una función específica, o dicho de otro modo: sería muy poco eficiente. Seguramente has oído hablar del gran mito de que no utilizamos todo el potencial de nuestro cerebro (por suerte no es así, puesto que si lo activáramos todo a la vez el resultado sería catastrófico, seguramente no sobreviviríamos). Los modelos y las metáforas tienen limitaciones, sobre todo la capacidad de establecer conceptos que expliquen aquello estudiado (Feldman, 2017), con modelos de predicciones que sean cuidadosos y operativos.
Tampoco las explicaciones lógicas esencialistas del tipo «A, entonces B» parecen funcionar, porque la correlación no es causalidad (Feldman, 2017). Que nosotros lo podamos relacionar lógicamente no significa que uno sea consecuencia del otro. Nuestro cerebro, y nuestra vida, son demasiados complejos como para sacar conclusiones simples y directas de ellos.
Mirar y ver el mundo
Hablando de conclusiones simples y directas, recuperemos la frase popular que nos dice que «ver es creer». La neurociencia nos dice todo lo contrario, que «creer es ver». Dado que, para poder ver, necesitamos primero tener el concepto de aquello que veremos (Feldman, 2017), esto nos permitirá creer aquello que veremos, identificarlo e interpretarlo. Al final, el resultado no depende solo de ver, sino de quién mira. Del mismo modo que la física cuántica nos dice que los átomos se comportan de manera diferente cuando son observados, porque el acto de observar algo lo modifica (el Principio de incertidumbre de Heisenberg).
Aquí recordamos una gran lección: no nos podemos olvidar nunca del observador. Por mucha inteligencia artificial que intervenga (aunque esta sí es diseñada), cada uno de nosotros ve una realidad única e individual, en vez de percibir una universal, porque «nuestro cerebro alucina nuestra realidad consciente» (Seth, 2017) y la magia está en que él mismo evita que veamos el truco.
Por lo tanto, la próxima vez que planteemos una campaña publicitaria, o de comunicación , en la que involucremos a un tercero (el cliente o el público) tengámoslo en cuenta. Aquello que nos aportará eficacia al mensaje es saber cómo aquél lo descodificará y verá, es decir, saber si dentro de su mente están los conceptos previos que le permitirán que no vea solo una mancha borrosa o un input sin interés. Tenemos que hacer que el mensaje resuene con las ideas que él conoce, que nos mire.
Para saber más:
CARTER, Rita (2019). The Human Brain Book. An Illustrated Guide to Its Structure, Function, and Disorders. Nueva York: Penguin Random House. ISBN: 9781465479549
SAHAKIAN, Barbara J.; GOTTWALD, Julia (2017).Sex, Lies, and Brain Scans: How fMRI reveals what really goes on in our minds. Oxford: Oxford University Press. ISBN: 9780198752882
DEHAENE, Stanislais (2014). Consciousness and the Brain. Deciphering How the Brain Codes Our Thoughts. Nueva York: Penguin Random House. ISBN: 9780670025435
COBB, Mathew (2020). The Idea of the Brain: The Past and Future of Neuroscience. Londres: Profile Bookds LTD. ISBN: 9781781255896
FELDMAN, Lisa (2017). How Emotions Are Made. The Secret Life of the Brain. Nueva York: Houghton Mifflin Harcout Publishing Company
SETH, Anil (2017). Your brain hallucinates your conscious reality. A: TED [vídeo en línea]. Disponible en: https://www.youtube.com/watch?v=lyu7v7nWzfo. [Fecha de consulta: 9 de noviembre de 2021]
Citación recomendada
BAZTÁN, Edu. Neurorrealidad: si no me lo creo, no lo veo. COMeIN [en línea], junio 2022, no. 122. ISSN: 1696-3296. DOI: https://doi.org/10.7238/c.n122.2240
Edu Baztán
