E15 Inferencia y Reconstrucción del Mundo

Tópico

Esta percepción no constituye una copia pasiva del entorno, sino una estimación construida a partir de la información sensorial y del conocimiento previo. Según una interpretación bayesiana, el sistema nervioso combina ambas fuentes para inferir el estado más probable del entorno. Este principio ayuda a explicar ilusiones, constancias perceptuales y efectos de contexto, especialmente cuando la información sensorial es ambigua. Que el conocimiento previo sea más preciso o tenga mayor peso relativo que la nueva evidencia sensorial hace que la estimación final se incline más hacia esa expectativa previa.

La combinación de distintas fuentes sensoriales puede mejorar la precisión de esta estimación. Cuando dos mediciones aportan información parcialmente independiente sobre una misma variable, una integración ponderada según su incertidumbre puede producir una estimación con menor varianza que cualquiera de ellas por separado. Este principio contribuye a explicar las ventajas de la visión binocular, la audición binaural y la combinación de visión, sistema vestibular y propiocepción durante el control postural. Que una fuente sea más precisa hace que, en una integración aproximadamente óptima, tenga mayor peso sobre la percepción resultante.

Un modelo generativo representa, mientras tanto, las señales sensoriales que deberían producir diferentes estados posibles del entorno. En marcos de procesamiento predictivo, las predicciones generadas internamente se comparan continuamente con las señales efectivamente recibidas, produciendo errores de predicción cuando ambas difieren. Estos errores pueden utilizarse para actualizar las estimaciones internas y reducir discrepancias futuras. Que la diferencia entre una predicción y la información sensorial sea mayor hace que, dependiendo de la precisión atribuida a ambas, aumente la señal disponible para corregir el modelo interno.

El filtro de Kalman proporciona un ejemplo matemático de esta combinación entre predicción y observación para sistemas lineales con ruido gaussiano. Su ganancia determina cuánto peso recibe una nueva medición respecto de la predicción anterior según las incertidumbres de ambas. Si la medición es precisa, la estimación se corrige fuertemente hacia ella; si presenta mucho ruido, adquiere mayor peso la predicción basada en el estado previo. Algunos modelos de percepción y control motor utilizan principios semejantes para describir cómo el sistema nervioso estima estados del cuerpo y del entorno a partir de señales imperfectas.

Estos mecanismos permiten interpretar diversos fenómenos perceptuales. En la constancia perceptual, el cerebro utiliza información contextual para estimar propiedades relativamente estables de los objetos pese a cambios en condiciones como la iluminación. En la integración multisensorial, una modalidad más fiable puede recibir mayor peso y dominar parcialmente la percepción conjunta. En la ilusión de la mano de goma, señales visuales, táctiles y propioceptivas suficientemente coherentes pueden modificar temporalmente la estimación cerebral de la posición y pertenencia del cuerpo. Que estas señales multisensoriales sean espacial y temporalmente más coherentes hace que resulte más probable que el sistema perceptual las atribuya a una causa común y actualice, en consecuencia, su representación corporal.

ID:3901