Charla «Daniel Wolpert: La verdadera razón del cerebro» de TEDGlobal 2011 en español.
El neurocientífico Daniel Wolpert parte de una premisa sorprendente: el cerebro evoluciona, pero no para pensar y sentir, sino para controlar el movimiento. En esta charla entretenida e informativa, nos da una idea de cómo el cerebro crea la gracia y la agilidad del movimiento humano.
- Autor/a de la charla: Daniel Wolpert
- Fecha de grabación: 2011-07-13
- Fecha de publicación: 2011-11-03
- Duración de «Daniel Wolpert: La verdadera razón del cerebro»: 1199 segundos
Traducción de «Daniel Wolpert: La verdadera razón del cerebro» en español.
Soy neurocientífico.
Y en neurociencia, abordamos interrogantes muy complejos acerca del cerebro.
Pero quiero comenzar con el más sencillo, es una pregunta que seguramente, alguna vez, se habrán hecho, porque es una cuestión fundamental, si queremos comprender la función del cerebro.
Y es,
¿por qué nosotros y los demás animales tenemos cerebro?
No todas las especies del planeta tienen cerebro, entonces si queremos saber para qué sirven los cerebros, pensemos por qué evolucionó el nuestro.
Podrían plantear que esto se produjo para percibir el mundo y para pensar, y eso es totalmente erróneo.
Si lo piensan bien, es claramente evidente por qué tenemos un cerebro.
Tenemos cerebro por una razón y solo una razón.
Y es para producir movimientos adaptativos y complejos.
No hay otra razón para tener un cerebro.
Piénsenlo.
El movimiento es la única manera que tenemos de modificar el mundo que nos rodea.
Eso no es del todo cierto; otra forma es a través del sudor.
Pero además de eso, todo sucede a través de las contracciones musculares.
Piensen en la comunicación: el habla, los gestos, la escritura, el lenguaje de señas; todos se deben a contracciones musculares.
Por lo tanto, es muy importante recordar que todos los procesos de la memoria, sensoriales, y cognitivos son importantes, pero sólo son importantes en la medida que impulsan o suprimen futuros movimientos.
No podría tener una ventaja evolutiva poder establecer los recuerdos infantiles o percibir el color de una rosa, si no influyeran en las acciones futuras.
Para aquellos que no creen en esta argumentación, tenemos árboles y hierba sin cerebros, pero la evidencia contundente es este animal de aquí: la humilde ascidia.
Es un animal rudimentario; posee un sistema nervioso, y nada en el océano durante su juventud.
Y en un momento de su vida, se implanta en una roca, a la que nunca más abandonará, y lo primero que hace al implantarse, es comerse su cerebro y el sistema nervioso, para alimentarse.
Dado que no necesita moverse, tampoco necesita el lujo de un cerebro.
Y a este animal a menudo se lo suele comparar con los profesores universitarios cuando logran el puesto vitalicio, pero ese es otro tema.
(Aplausos)
Soy un chovinista del movimiento.
Creo que el movimiento es la función más importante del cerebro, y que nadie les diga lo contrario.
Entonces, si el movimiento es tan importante,
¿comprendemos bien cómo el cerebro controla el movimiento?
Y la respuesta es, que lo comprendemos muy mal.
Es un problema muy difícil.
Sin embargo, podemos observar lo bien que lo hacemos cuando fabricamos máquinas que hacen tareas humanas.
Piensen en el ajedrez.
¿Cómo de bien determinamos qué pieza mover?
Y si enfrentan a Gary Kasparov, cuando no está en prisión, cotra la computadora Azul Profundo de IBM, ésta ganará ocasionalmente.
Y si Azul Profundo de IBM jugara con cualquiera de Uds., ganaría siempre.
Ese problema está resuelto.
Ahora otro problema,
¿qué sucede si tomamos una pieza de ajedrez, la manipulamos con destreza, y la ponemos nuevamente sobre el tablero?
Si se desafía la destreza de un niño de cinco años con los mejores robots actuales, la respuesta es simple: el niño gana fácilmente.
No hay competencia en absoluto.
¿Por qué entonces el problema de arriba es tan sencillo y el de abajo tan difícil?
Una de las razones es que un niño inteligente de 5 años podría resolver el algoritmo para el problema de arriba: observa todos las ejecuciones posibles y hacia el final del juego, elige la jugada ganadora.
Es un algoritmo muy sencillo.
Por supuesto que hay otros movimientos, pero con la mayoría de las computadoras nos acercamos a la solución óptima.
Cuando se trata de ser hábil, tampoco está claro cuál es el algoritmo a resolver para llegar a serlo.
Y al mismo tiempo, se tiene que percibir y actuar en el mundo, lo que acarrea muchos problemas.
Pero permítanme mostrarles la vanguardia en robótica.
La mayoría de la robótica es muy impresionante, pero la manipulación robótica, aún se encuentra en la Edad Media.
Este es un proyecto de una tesis doctoral de uno de los mejores institutos en robótica.
Y un alumno ha entrenado a este robot para verter el agua en el vaso.
Es una tarea difícil, porque el agua se esparce, pero lo logra.
Pero no lo hace con la agilidad de un humano.
Ahora, si quieren que este robot haga otra tarea, ese es otro doctorado de tres años.
En robótica, no hay en absoluto generalización de una tarea a otra.
Ahora podemos comparar esto con un rendimiento humano de vanguardia.
Y voy a mostrarles a Emily Fox, récord mundial de apilamiento de vasos.
Los estadounidenses aquí presentes conocen muy bien el apilamiento de vasos.
Es un deporte de la escuela secundaria, en el que hay 12 vasos para apilar y desapilar, a contra reloj y en un orden determinado.
Y aquí está logrando el récord mundial en tiempo real.
(Risas)
(Aplausos)
Y está muy feliz.
No sabemos qué sucede en su mente al hacerlo, y eso es lo que nos gustaría saber.
Para eso, lo que hacemos con mi equipo es realizar ingeniería inversa a cómo los humanos controlan el movimiento.
Y parece un problema sencillo.
Se envía una orden que hace que los músculos se contraigan.
Cuando se mueve un brazo o el cuerpo, se obtiene retroalimentación sensorial de la visión, de la piel, de los músculos, y etc.
El problema es que estas señales no son tan perfectas como desearíamos que fueran.
Y una cosa que dificulta el control del movimiento es, que la retroalimentación es extremadamente ruidosa.
Pero cuando digo ruido, no me refiero al sonido.
Nosotros lo utilizamos en ingeniería y neurociencia, en el sentido de aquel ruido aleatorio que altera una señal.
Así que antes de la era digital, cuando se sintonizaba la radio y se escuchaba “crrcckkk” en la emisora de radio deseada, eso significaba ruido.
Pero en un sentido mas amplio, este sonido es algo que corrompe la señal.
Por ejemplo, si colocan una mano debajo de la mesa y tratan de localizarla con la otra mano, podrían errar por varios centímetros debido al ruido en la retroalimentación sensorial.
Lo mismo sucede al estimular el movimiento en los efectores, es extremadamente ruidoso.
Olvídense de dar en el blanco con los dardos una y otra vez.
Hay una enorme propagación debido a la variabilidad del movimiento.
Y mas aún, en el mundo exterior o en una tarea, son ambos ambiguos y variables.
La tetera puede llenarse y puede vaciarse; cambia con el tiempo.
Por lo tanto, trabajamos en tareas de desempeño motor inmersas en ruidos.
Ahora bien, el ruido es tan grandioso que la sociedad le otorga un lugar destacado a aquellos que reducimos las consecuencias del mismo.
Entonces, si se tiene la suerte de embocar una pequeña bola blanca en un agujero a cientos de metros de distancia empleando una vara de metal, nuestra sociedad estará dispuesta a premiarlo con cientos de millones de dólares.
De lo que quiero convencerlos es de que el cerebro también hace un gran esfuerzo en reducir las consecuencias negativas de esta clase de ruidos y sus variantes.
Y para hacerlo, voy a darles un marco teórico muy usado los últimos 50 años en estadística y en aprendizaje automático, llamado teoría de la decisión bayesiana.
Y actualmente, hay una manera unificadora de pensar cómo el cerebro aborda lo incierto.
Y la idea fundamental es que primero se hacen deducciones y luego se toman decisiones.
Así que pensemos en la deducción.
Uno genera creencias sobre el mundo.
Pero
¿qué son las creencias?
Creencias pueden ser:
¿dónde están mis brazos en el espacio?
¿Veo un gato o un zorro?
Representaremos las creencias con probabilidades.
Representemos entonces una creencia con un número entre cero y uno, con el que 0 significa, no creo en absoluto y 1 significa, estoy absolutamente seguro.
Y los números intermedios les darán los niveles grises de incertidumbre.
Y la idea clave de la inferencia bayesiana es que hay dos fuentes de información de donde hacer deducciones.
Se dispone de datos y datos en neurociencia es la percepción sensorial Así, tengo la percepción sensorial, de la que parto para crear mis creencias.
Pero hay otra fuente de información y es, efectivamente, el conocimiento previo.
Se acumula conocimiento en la memoria a lo largo de la vida.
Y respecto a la teoría de decisión bayesiana, ésta aporta las matemáticas de la mejor manera para combinar los conocimientos previos con la evidencia sensorial, para generar nuevas creencias.
Y puse la fórmula allí arriba No explicaré esa fórmula, pero es muy hermosa.
Y tiene una belleza y un poder explicativo real.
Y lo que realmente dice y lo que queremos estimar, es la probabilidad de diferentes creencias dado el receptor sensorial.
Les daré un ejemplo intuitivo.
Imaginen que están aprendiendo a jugar al tenis y tienen que decidir donde rebotará la pelota, mientras viene hacia Uds.
al pasar la red.
Hay dos fuentes de información según la regla de Bayes.
Hay evidencia sensorial: se puede usar información visual y auditiva, lo que le dirá que reconozca ese espacio rojo.
Pero sabemos que los sentidos no son perfectos, y por lo tanto, habrá cierto grado de variabilidad en donde caerá la pelota, graficado por la nube roja y representado por números entre 0,5 y tal vez 0,1.
Esa información esta disponible en este tiro, pero hay otra fuente de información que no se presenta en este tiro y que sólo se obtiene al repetirse la experiencia durante el partido, porque la pelota no rebota en la cancha durante el partido con igual probabilidad.
Si juega contra un gran rival, distribuirá las pelotas por el área verde, siendo ése el espacio a priori, porque es más difícil que desde allí la devuelva.
Ahora, ambas fuentes de información contienen información importante.
Y lo que dice la regla de Bayes es que, tendría que multiplicar los números del área roja por los números del área verde para obtener los números del área amarilla, que es la que posee las elipses, y que es mi creencia.
Por lo tanto, es la manera óptima de combinar información.
Pero no les diría todo esto si no fuera porque hace unos años, demostramos que esto es exactamente lo que la gente hace cuando aprende nuevas habilidades de movimiento.
Y significa que somos verdaderamente máquinas de inferencia bayesiana.
A medida que avanzamos, aprendemos las estadísticas del mundo y las utilizamos, pero también aprendemos que nuestro sistema sensorial es muy ruidoso y entonces combinamos ambos de una manera muy bayesiana.
Y el punto clave de esta regla, es ésta parte de la fórmula.
Y lo que dice realmente esta fórmula es que, dadas mis creencias, tengo que predecir la probabilidad de diferentes reacciones sensoriales.
Lo que significa, que tengo que predecir el futuro.
Y quiero convencerlos de que el cerebro hace predicciones.
de la información sensorial que va a obtener.
Y además, esto cambia profundamente su percepción de lo que hace.
Y para hacer eso, les explicaré cómo el cerebro maneja la percepción sensorial.
Entonces, se envía una orden y se obtiene retroalimentación sensorial.
Y esa transformación se rige por la física del cuerpo y el sistema sensorial.
Pero imaginen el interior del cerebro.
Y aquí lo tienen.
Y es posible que exista un factor predictivo, como un simulador neuronal de la física corporal y de los sentidos.
Así, cuando se ordena un movimiento, éste se copia y se ejecuta en el simulador neuronal para anticipar las consecuencias sensoriales de las acciones.
De esta manera, al agitar la botella de ketchup, obtengo una retroalimentación sensorial, como la función de tiempo en la parte de abajo.
Y si tengo un buen predictor, predice lo mismo.
Pues bien,
¿por qué me molesto en hacer esto?
Voy a lograr la misma retroalimentación de todos modos.
Hay buenas razones.
Imaginen si mientras agito la botella de ketchup, alguien se acerca muy amablemente y la golpetea.
Ahora obtengo una fuente de información sensorial adicional, debido a la acción externa.
Entonces hay dos fuentes: el golpeteo de la otra persona y yo agitándola.
Pero desde el punto de vista de mis sentidos, ambas se combinan en una sola fuente de información.
Pero hay una buena razón para creer que queremos ser capaces de distinguir los hechos externos de los internos.
Porque los acontecimientos externos, son de hecho, mucho más relevantes en términos de la conducta, que las sensaciones internas del cuerpo.
Entonces, una manera de reconstruir eso, es comparando la predicción, —que se basa en las órdenes de movimiento— con la realidad.
Cualquier discrepancia debería, afortunadamente, ser externa.
Así, mientras transito por el mundo, hago predicciones de lo que puedo obtener, sustrayéndolas.
Todo lo restante, es externo para mí.
¿Qué pruebas hay de ello?
Pues, hay un ejemplo muy claro.
Y es que se siente diferente si una sensación es generada por mí que si es generada por otra persona.
Y decidimos que el lugar más indicado para comenzar fueran las cosquillas.
Se sabe desde hace mucho tiempo que es imposible hacerse cosquillas a uno mismo tan bien como a otras personas.
Pero si no ha sido demostrado realmente, es porque existe un simulador neuronal que simula el propio cuerpo humano y sustrae ese sentido.
Y podemos traer los experimentos del siglo XXI aplicando tecnologías robóticas a este problema.
Y, en efecto, lo que tenemos es una especie de palo en una mano, unido a un robot, y lo moverán de atrás para adelante.
Luego lo rastrearemos con una computadora y lo usaremos para controlar a otro robot, quien se hará cosquillas en la palma con otro palo.
Luego les pediremos que evalúen una serie de cosas, incluyendo el cosquilleo.
Les mostraré sólo una parte de nuestro estudio.
Y aquí he quitado a los robots, pero básicamente, la gente mueve su brazo derecho hacia atrás y adelante sinuosamente.
Repetimos eso con el otro brazo con una demora.
Y sin retraso, una luz haría cosquillas en la mano, o con una demora de dos a tres décimas de segundo.
El punto importante aquí es que la mano derecha siempre hace el mismo movimiento sinusoidal.
La mano izquierda, lo mismo, hace cosquillas sinusoidales.
Lo que hacemos es jugar con una causalidad de tiempo.
Y a medida que van de 0 a 0,1 segundos, se vuelve mas cosquilloso.
A medida que va de 0,1 a 0,2, se vuelve mas cosquilloso al final.
Y a 0,2 de segundos, es igualmente cosquilloso que el robot que le hizo cosquillas sin que Ud.
hiciera nada.
Aquello esponsable de esta cancelación, está sumamente conectado con la causalidad de tiempo.
Y basados en esta representación, en nuestro ámbito, estamos convencidos de que el cerebro hace predicciones precisas que sustrae de las sensaciones.
Pero tengo que admitir, que estos han sido los peores estudios hechos en mi laboratorio.
Dado que la sensación de cosquillas en la palma de la mano va y viene, se necesita un número mayor de sujetos con este desempeño para que sea significativo.
Estuvimos buscando una manera mucho más objetiva de evaluar este fenómeno.
Y en el transcurso de esos años tuve dos hijas.
Y lo que notas en los niños cuando van sentados en el asiento trasero durante viajes prolongados, es que se pelean, que comienza uno haciéndole algo al otro, y el otro contraatacando.
Se intensifican rápidamente.
Y los niños tienden a desatan peleas que se desarrollan en términos de fuerza.
Así, cuando gritaba a mis hijas para que pararan, a veces me decían que la otra la había golpeado más fuerte.
Ahora, sé que mis hijas no mienten, entonces como neurocientífico, pensé que sería importante poder explicar cómo podrían decir verdades contradictorias.
Y basados en el estudio del cosquilleo, planteamos la hipótesis de que cuando un niño golpea a otro, genera la orden del movimiento.
Ellos predicen las consecuencias sensoriales y las sustraen.
Es así que creen de verdad que no han golpeado tan fuerte como en realidad han hecho, algo así como el cosquilleo.
Mientras que el receptor pasivo no hace la predicción y siente el golpe de lleno.
Y si se contraataca con la misma fuerza, la primera persona piensa que ha aumentado.
Fue así que decidimos comprobar esto en el laboratorio.
(Risas)
Ahora, no trabajamos con niños ni con golpes, pero el concepto es idéntico.
Trabajamos con dos adultos y les hacemos jugar a un juego.
Los jugadores se sientan uno frente a otro y el juego es muy simple.
Comenzamos con un motor, con una pequeña palanca, y un transfusor de poca fuerza.
Y usamos ese motor para aplicar fuerza en uno de los dedos de los jugadores durante tres segundos y luego se detiene.
Entonces, se le dice a ese jugador que recuerde la fuerza experimentada y que use otro dedo para aplicar la misma fuerza sobre el dedo del otro sujeto, a través del transfusor de fuerza, y lo hacen.
Luego, se le pide al otro jugador que recuerde la fuerza experimentada y que utilice la otra mano para aplicar la fuerza.
Por turnos, aplican la fuerza que han experimentado una y otra vez.
Pero para ser más precisos, ellos han recibido las reglas en salas separadas, por lo tanto, no saben con qué reglas juega el otro.
Y lo que hemos medido es la fuerza en función de los términos.
Y si observamos con lo que comenzamos, un cuarto de Newton allí, la cantidad de turnos, perfecto sería la línea roja.
Y lo que hemos observado en todas las parejas de jugadores es esto: un 70% de intensificación de la fuerza en cada turno.
Entonces, lo que demostramos con esto, basados en este estudio y otros realizados, es que el cerebro cancela las consecuencias sensoriales y subestima la fuerza que produce.
Por lo tanto, esto vuelve a demostrar que el cerebro hace predicciones, y fundamentalmente, cambia los preceptos.
Es así que hemos hecho inferencias, predicciones, ahora tenemos que generar acciones.
Y lo que la regla de Bayes dice es que, teniendo en cuenta mis creencias, la acción debe ser en algún sentido óptima.
Pero tenemos un problema, las tareas son simbólicas: quiero beber, quiero danzar, pero el sistema motor tiene que contraer 600 músculos en una secuencia determinada Y hay una gran brecha entre la tarea y el sistema motor.
Y esa brecha podría salvarse de infinitas maneras.
Piensen sólo en el movimiento punto por punto.
Podría elegir estos dos caminos entre un número infinito de posibilidades.
Habiendo elegido un camino en particular puedo sostener mi mano en ese camino como un número infinito de configuraciones de uniones diferentes.
Y puedo sostener mi brazo en una configuración de conexión en particular o muy rígidos o muy relajados.
Así que tengo un montón de opciones para hacer.
Ahora resulta que somos muy estereotipados.
Todos nos movemos más a o menos de la misma manera.
Y resulta que somos tan estereotipados, que nuestro cerebro tiene circuitos neuronales dedicados a descifrar este estereotipo.
Y si tomo algunos puntos y los pongo en marcha con movimiento biológico, los circuitos cerebrales entenderían instantáneamente lo que está pasando.
Ese es un conjunto de puntos en movimiento.
Uds.
sabrán lo que esta persona hace, si está feliz o triste, si es vieja o joven.
Una gran cantidad de información.
Si éstos puntos fueran autos en un circuito de carreras, no tendrían la menor idea de lo que pasa.
Entonces,
¿por qué nos movemos de la manera singular que lo hacemos?
Pensemos en lo que realmente sucede.
Tal vez no todos nos movemos de la misma manera.
Tal vez haya una variación en la población.
Y quizá, los que se mueven mejor que otros tienen más posibilidades de lograr que sus hijos se inserten en la nueva generación.
Así, en escalas evolutivas, los movimientos mejoran.
Y quizá en la vida, los movimientos mejoran a través del aprendizaje.
Entonces,
¿qué tiene un movimiento para que sea bueno o malo?
Imaginen que quiero atrapar esta pelota.
Aquí hay dos caminos posibles para hacerlo.
Si elijo hacerlo con la izquierda, puedo trabajar las fuerzas requeridas con uno de mis músculos en función del tiempo.
Pero hay ruido añadido a esto.
Así que lo que consigo realmente, basado en esta agraciada, suave y deseada fuerza, es una versión muy ruidosa.
Entonces, si reiteradamente elijo la misma orden, obtendré una versión ruidosa diferente, porque el ruido cambia constantemente.
Lo que puedo mostrarles aquí es cómo la variabilidad del movimiento evolucionará si escojo esa manera.
Si opto por una forma de movimiento diferente, por ejemplo, a la derecha, entonces tendré una orden y ruido distinto, jugando a través de un sistema ruidoso; muy complicado.
De lo que podemos estar seguros es de que la variabilidad será diferente.
Si me muevo de esta manera en particular, acabaré con una movilidad menor a través de los movimientos.
Y si tengo que elegir entre esos dos, elegiría el de la derecha, porque es menos variable.
Y la idea principal es que Ud.
quiere planificar sus movimientos a fin de minimizar las consecuencias negativas del ruido.
Y algo intuitivo que muestro aquí es de hecho la cantidad de ruido o la variabilidad que aumenta a medida que aumenta la fuerza.
Por tanto, como principio, querrán evitar grandes esfuerzos.
Hemos demostrado que usando esto, podemos explicar una gran cantidad de información, y que precisamente, la gente va por la vida planeando sus movimientos para minimizar las consecuencias negativas del ruido.
Así que, espero haberlos convencido de que sus cerebros están ahí y han evolucionado para controlar el movimiento.
Y es un reto intelectual comprender cómo lo hacemos.
Pero es relevante también, para la enfermedad y la rehabilitación.
Hay muchas enfermedades que afectan el movimiento.
Y afortunadamente, si comprendemos cómo controlamos el movimiento, podremos aplicar eso a la tecnología en robótica.
Y por último, quisiera recordarles que, cuando ven animales haciendo tareas que parecen muy simples, la verdadera complejidad de lo que sucede en sus cerebros, es realmente espectacular.
Muchas gracias.
(Aplausos)
Chris Anderson: Una pregunta rápida, Dan.
Entonces, tú eres un…del movimiento (DW: Chovinista)…chovinista.
¿Con eso quieres decir que las otras cosas relacionadas con nuestro cerebro, p.
ej.: soñar, bostezar, enamorarse, y todo eso
¿son funciones secundarias, son casualidades?
DW: No, no, en realidad creo que todas son importantes para conducir el comportamiento del movimiento apropiadamente para lograr la reproducción.
Así que creo que la gente que estudia la sensibilidad o la memoria, lo hacen sin darse cuenta por qué se establecen los recuerdos de la infancia.
El hecho de que nos olvidamos de la mayor parte de nuestra infancia, por ejemplo, probablemente esté bien, porque no afectan nuestros movimientos en el futuro.
Solo necesitas almacenar aquellas cosas que realmente afectarán el movimiento.
CA: Entonces crees que la gente, pensando en el cerebro y en la conciencia, en general, podría lograr una comprensión real preguntándose:
¿dónde está involucrado el movimiento en este juego?
DW: La gente ha descubierto, por ejemplo, que estudiar la visión sin atender a comprender por qué se posee la visión, es un error.
Se debe estudiar la visión comprendiendo cómo el sistema motor la usará.
Y la usa de manera diferente cuando lo piensas de esa manera.
CA: Realmente fascinante.
Muchas gracias de verdad.
(Aplausos)
https://www.ted.com/talks/daniel_wolpert_the_real_reason_for_brains/
