top of page
  • Dr Jean-Pierre Papart

El cerebro bayesiano (Episodio n°1)

¿Estoy loca, doctor? No, solo estás calculando mal.


Cuando su nivel de quetiapina en la sangre ya no alcanza la concentración terapéutica, mi paciente, la Sra. X, presenta regularmente un episodio de pánico en la siguiente situación. Sale de paseo con su marido y su hijo y se encuentra con un joven de entre 15 y 30 años, de pelo negro y encrespado, probablemente de origen árabe. Automáticamente, transformará esta sensación visual en una representación de estar frente a alguien muy probablemente un terrorista que ciertamente esconde un cinturón de explosivos debajo de su chaqueta. Diremos que su interpretación es delirante y se explica por un error de cálculo bayesiano.


El efecto de sensación producido, es decir, la visión de un joven de origen árabe que desencadena en ella una angustia muy fuerte. A este efecto lo llamamos: A. La explicación causal que ella misma da del efecto representado es que este joven es ciertamente un terrorista. Llamamos a esta causa: B.


El miedo es una probabilidad de peligro. Cuando el peligro se establece / es cierto / opera en tiempo real, entonces se supera el miedo (la reacción emocional) y entonces es el momento de la acción (la acción emocional de huida o ataque). Entonces, si hay miedo, el riesgo necesariamente debe ser menor a 1 (100%), entonces entre 0.00001% y 99.9999%. Si le pregunto a mi paciente cómo estima la probabilidad de que el joven que conoció y que le despertó el miedo (A) sea realmente un terrorista (B), me puede responder según las circunstancias, ½, 1/5, 1/10, … La cuestión es saber a partir de qué riesgo (probabilidad de peligro) parte su angustia. En términos bayesianos, cuál es –subjetivamente para mi paciente– el valor que toma la probabilidad (P) de que el personaje terrorista (B) sea la explicación racional de su sentimiento de miedo ante la visión del joven árabe (A). En otras palabras, ¿cuál es la probabilidad de enfrentarse a un terrorista si ve a un joven árabe? Sea P(B/A).


La fórmula bayesiana es:


P(B/A) * P(A) = P(A/B) * P(B) y por lo tanto P(B/A) = (P(A/B)*P(B)) / P(A)


Siendo P(A/B) = probabilidad de que un terrorista identificado sea árabe. Es el carácter terrorista que se le da aquí y la causa explicativa es que es árabe. Si, alejándonos del concepto de terrorismo tal como lo definen las ciencias políticas de la estrategia del terror, y aglomerando en él todas las situaciones de violencia radical y letal contra las personas, el denominador B incluirá no solo a los terroristas que se dicen islamistas, pero también esta misma violencia orquestada por simpatizantes de la extrema derecha racista y xenófoba y aún por aquellos capaces de las mismas atrocidades y pertenecientes a la extrema izquierda como los Black Blocks. Como estimación realista, supondremos que P(A/B) = 1/20, es decir, de 20 terroristas tomados al azar en Suiza o Europa, solo uno entra en la categoría de origen árabe. Entonces P(A/B) = 0.05.


Siendo P(A) = la probabilidad de que en la Suiza francófona, donde vive mi paciente, un joven sea de origen árabe. Suiza es un país que acoge a muchos extranjeros y propongo la estimación de que entre 25 jóvenes encontrados al azar en la calle, solo 1 sea de origen árabe. Entonces P(A) = 0.04.

Siendo P(B) = es el riesgo individual de estar en el momento equivocado en el lugar equivocado frente a un terrorista. El cálculo es, afortunadamente, todavía imposible en Suiza porque todos los intentos terroristas potencialmente letales han sido afortunadamente frustrados por la acción de los servicios de inteligencia. Si hacemos las cuentas de Francia sumando en los últimos años los ataques islámicos de Khaled Merah, contra Charlie Hebdo, Hyper Cacher, Bataclan, el cura Jacques Hamel, Madame Halimi, el profesor Paty, pero también los bárbaros feminicidios, asesinatos de policías por drogas traficantes, etc., etc., se podría estimar que el riesgo sobre la vida (impacto sobre la vida) de encontrarse víctima de una situación similar debe ser menor o en el peor de los casos igual a 1/1 millón. Entonces P(B) = 0.000001.


Con estas estimaciones, ahora podemos calcular de forma más realista que la paciente la probabilidad de enfrentarse a un terrorista:


P(B/A) = (P(A/B) * P(B)) / P(A) = (0,05 * 0,000001) / 0,04 = 0,00000125, o 1,25 veces de 1 millón, en realidad no es muy diferente de P (B).

Con estas estimaciones, ahora podemos calcular de forma más realista que la paciente la probabilidad de enfrentarse a un terrorista:


P(B/A) = (P(A/B) * P(B)) / P(A) = (0,05 * 0,000001) / 0,04 = 0,00000125, o 1,25 veces de 1 millón, en realidad no es muy diferente de P(B).


El vínculo entre este cálculo y el funcionamiento de nuestro cerebro


Debido a que la primera función de nuestro cerebro es asegurar nuestra supervivencia, la detección de cualquier cambio, cuya peligrosidad debemos excluir a priori, es su prioridad. La segunda función prioritaria del cerebro es su capacidad para mover el cuerpo, en particular para salir del peligro. La pregunta –consciente o inconsciente– que se hace el cerebro es entonces qué estrategia de movilización adoptar para garantizar su supervivencia y bienestar. Responder a esta pregunta implica hacer una predicción sobre el medio ambiente teniendo solo un acceso limitado a la información. Podemos formular la pregunta de la siguiente manera: en base a lo que percibo del entorno, ¿qué estrategia de comportamiento debo adoptar para asegurar/recuperar mi bienestar y mi seguridad? La respuesta a esta pregunta implica el acceso a un doble recurso de información: 1) información sobre el medio ambiente y los cambios que allí se producen y 2) información sobre la eficacia de las respuestas conductuales que se van a emprender para asegurar la supervivencia y el bienestar. La falta de información disponible relacionada con estas dos proposiciones se denomina incertidumbre (información = 1 – incertidumbre). La información a la que tiene acceso el cerebro es la correspondiente a los efectos sobre el cuerpo inducidos por el medio ambiente, los que le traen las sensaciones exteroceptivas e interoceptivas. Son estas sensaciones las que le permiten inferir la necesidad de adaptación en el caso de que revelen la existencia de un cambio susceptible de afectar el bienestar o la seguridad. Pero el “qué respuesta conductual actuar o no ante estos efectos observados” implica acceder a información sobre la probable causalidad en el origen de los efectos sentidos y la mejor forma de enfrentarlos. La incertidumbre es doble: ligada a la causalidad del sentimiento que el cerebro busca identificar ya la identificación de conductas susceptibles de restaurar la seguridad. Para identificar el más apropiado y efectivo, el cerebro hará predicciones (si hago esto, obtendré aquello) a través de un enfoque, llamado bayesiano. Para construir estas hipótesis de comportamiento apotropaico, por lo tanto, producirá información -reducirá la incertidumbre- y tendrá que producir y consumir energía para hacerlo.


¿Cómo hace el cerebro para estimar la probabilidad de la causa si se da el efecto? Aquí es donde entra en juego el teorema de Bayes-Laplace. El cerebro utiliza información relacionada con los efectos sentidos (datos sensoriales) para representar sus causas probables. Si el cálculo probabilístico que realiza el cerebro es de tipo bayesiano y no frecuentista[1], es porque el razonamiento no parte de cero, sino de una creencia inicial, de una información previamente adquirida o posiblemente innata. El cerebro es por tanto el depositario de creencias relacionadas con las causas de nuestros sentimientos neuroceptivos (usaremos el concepto de “priors” o “modelos internos” de amenaza de peligro, como imágenes, ruidos u olores de depredadores). Estos modelos internos nos ayudan a predecir las sensaciones que debemos sentir en tal o cual cambio contextual. Si, por el contrario, la sensación sentida es significativamente diferente de la esperada (según el “prior”), esta diferencia será percibida como una “sorpresa” ligada a un “error de percepción”. El reconocimiento de este "error de percepción" permitirá al cerebro "actualizar" sus modelos internos. Ante el cambio y si la sensación neuroceptiva (la sensación de peligro) llega a la conciencia es porque hay sorpresa ligada a la incertidumbre o a la falta de información necesaria para una adecuada movilización conductual para afrontar el cambio (interno o externo). La producción bayesiana de información tendrá como función reducir esta sorpresa-incertidumbre.


[1] Si en estadística bayesiana calculamos la probabilidad de una teoría (aquí la causa explicativa de un efecto sentido) dada la ocurrencia de un evento (un efecto observado, aquí un sentimiento), en estadística frecuentista calculamos la probabilidad de ocurrencia de un evento según una determinada teoría. Este último tipo de enfoque estadístico es el que se encuentra en la gran mayoría de las publicaciones médicas. Por otro lado, el enfoque bayesiano es el que se utiliza para la inferencia del diagnóstico médico.

5 vues0 commentaire

Posts récents

Voir tout
bottom of page