Responder a la pregunta de cómo almacenar información, si en forma continua o discreta, es fácil para los ingenieros. Almacenar datos en forma discreta tiene sus ventajas, ya que es mucho más resistente a la degradación. Los ingenieros han sabido aprovecharse de esta propiedad. Por ejemplo, si un ruido ambiental está por debajo de un nivel de umbral, la música digital puede copiarse continuamente. Por el contrario, la música almacenada en forma continua (o analógica), como en un casete o LP de vinilo, solo se puede copiar unas pocas veces antes de que el ruido degrade la grabación hasta que el sonido sea irreconocible.

La propia evolución también ha explotado esta ventaja. El ADN almacena información en forma discreta en forma de secuencia de nucleótidos. Esto permite que las instrucciones de la vida se transmitan de una generación a otra con alta fidelidad.

Así que no es de extrañar que haya quien crea que la pregunta de cómo el cerebro almacena la información es fácil de responder. No obstante, la realidad es bien distinta. Los neurocientíficos llevan tiempo analizando este tema, y muchos creen que es probable que el cerebro utilice alguna forma continua (analógica) de almacenamiento de datos. Pero nunca han encontrado una prueba decisiva que incline la balanza hacia ningún lado.

Hoy eso cambia, al menos en parte, gracias al trabajo de los investigadores de la Universidad de Canterbury (Nueva Zelanda) James Tee y Desmond Taylor. El equipo ha medido la forma en que las personas realizan ciertos tipos de decisiones y concluyen que su análisis estadístico de los resultados sugiere con firmeza que el cerebro debe almacenar información de forma discreta. Su conclusión tiene implicaciones importantes para los neurocientíficos y cualquier otro investigador que diseñe dispositivos que se conectan al cerebro.

Gráfico: Eje vertical: Probabilidad subjetiva. Eje horizontal: Probabilidad objetiva. Verde: Tamaño de efecto grande. Azul: Tamaño de efecto pequeño. Negro: 4 bits. Rojo: Continuo.

Primero, un poco de contexto. Una razón de duda es que las señales neuronales son obviamente de carácter analógico; generan pulsos eléctricos continuos en los que el potencial de voltaje varía entre -40 mV y -70 mV en la membrana celular. Por lo que, a primera vista, es fácil imaginar que los datos que transportan también son analógicos.

Pero esto no es necesariamente cierto. Las señales electromagnéticas son siempre analógicas en algún nivel, ya que lleva tiempo que un circuito pase de un estado a otro. Pero si se ignoran esas transiciones, la información codificada en estas señales puede tratarse como discreta. Así que la información transmitida a lo largo de las neuronas también podría ser discreta. De hecho, hay varias razones teóricas con fundamento para pensar que debe ser así.

En 1948, el matemático e ingeniero Claude Shannon publicó el artículo Una teoría matemática de la comunicación, en el que mostraba cómo la información almacenada de forma discreta podía copiarse con un error arbitrariamente pequeño, siempre que el ruido estuviera por debajo de cierto nivel umbral.

Por el contrario, no existe una teoría equivalente para la información analógica, y los intentos de crear una aproximación aumentando la cuantificación de una señal analógica en partes cada vez más pequeñas sugieren que no es tan sólida. De hecho, Tee y Taylor creen que su análisis teórico sugiere que el cerebro no puede funcionar así: "La comunicación confiable entre neuronas en transmisiones repetidas es imposible mediante representación continua".

Pero todavía no hay pruebas experimentales que demuestren que el cerebro almacena datos de forma discreta. Así que Tee y Taylor continúan diciendo que si el cerebro almacena la información en forma discreta, debería procesarla de una manera diferente a la información analógica. Y eso debería poder medirse en forma de diferencias en el comportamiento humano a la hora de realizar ciertos procesos de toma de decisiones.

En particular, Tee y Taylor se centran en situaciones en las que las personas deben decidir en función de su evaluación de las probabilidades. Si el cerebro puede evaluar las probabilidades de forma continua, el comportamiento humano debería variar ligeramente a medida que cambian las probabilidades.

Sin embargo, si el cerebro humano funciona de manera discreta, debe tratar todas probabilidades de la misma manera. Por ejemplo, una persona puede juzgar las probabilidades como bajas, medias o altas. En otras palabras, las probabilidades se deben redondear en categorías específicas. Por ejemplo: las probabilidades de 0,23 y 0,27 se pueden tratar como bajas; 0,45 y 0,55 como medias; y 0,85 y 0,95 como altas.

En ese caso, el rango del comportamiento humano seguiría una estructura escalonada que refleja el salto de bajo a medio a alto riesgo. Así que Tee y Taylor decidieron estudiar la toma de decisiones humanas a medida que las probabilidades cambian. Para analizar la toma de decisiones, hicieron una prueba en la que más de 80 personas juzgaron y agregaron las probabilidades asociadas a una ruleta en más de 2.000 experimentos.

A los participantes se les mostró una rueda de ruleta con un determinado sector trazado y se les pidió que juzgaran la probabilidad de que la bola aterrizará en ese sector. Luego se les mostraron dos ruletas con diferentes sectores trazados. Debían juzgar la probabilidad de que la pelota aterrizara en ambos sectores. Finalmente, se les pidió que juzgaran si la probabilidad era mayor en el caso de la ruleta individual o en el ejemplo de la doble ruleta.

Los investigadores variaron el tamaño de los sectores en los experimentos para abarcar un amplio rango de probabilidades, generando un total de 2.000 ensayos. Los participantes realizaron las pruebas en orden aleatorio en una pantalla táctil de ordenador y recibieron una cantidad simbólica de dinero por su participación (aunque también tuvieron la oportunidad de ganar un bonus en función de su rendimiento).

Los resultados ofrecen una lectura interesante. Tee y Taylor señalan que los datos de su investigación, en lugar de replicar la distribución uniforme del comportamiento que se esperaría del cerebro si almacenara información de forma analógica, se pueden interpretar más fácil si se utiliza un modelo discreto de almacenamiento de la información.

Un factor importante es la medida en que el cerebro cuantifica las probabilidades. Por ejemplo, ¿las divide en tres o cuatro o más categorías? ¿Y cómo cambia esta cuantificación con la tarea en cuestión? En ese sentido, Tee y Taylor dicen que una cuantificación de cuatro bits se ajusta mejor a los datos.

"En general, los resultados se corroboran entre sí y esto respalda nuestra hipótesis de representación discreta de la información en el cerebro", concluyen Tee y Taylor.

Es un resultado interesante que tiene consecuencias importantes para futuras investigaciones en esta área. La investigación señala: "En el futuro, creemos que la pregunta de investigación correcta ya no sería la de la discrepancia continua versus discreta, sino más bien cuán fina es la discreción (cuántos bits de precisión). Es muy probable que diferentes partes del cerebro operen en diferentes niveles de discreción basados ​​en diferentes números de niveles de cuantificación".

De hecho, esto es justo lo que los ingenieros se han encontrado en el diseño de productos para el mundo real. Las imágenes generalmente se codifican con una cuantificación de 24 bits, mientras que, por lo general, la música se cuantifica utilizando un sistema de 16 bits. Esto refleja la resolución máxima de nuestros sentidos visuales y auditivos.

El trabajo también tiene implicaciones para otras áreas. Los dispositivos que se conectan directamente al cerebro generan cada vez más interés. Es obvio que las interfaces máquina-cerebro se beneficiarían de una mejor comprensión de cómo el cerebro procesa y almacena información, un objetivo a largo plazo para los neurocientíficos. Así que una investigación como esta ayudará a allanar el camino hacia ese objetivo.

Ref: arxiv.org/abs/1805.01631: Is Information in the Brain Represented in Continuous or Discrete Form?