Fenomenología de la conciencia
autor: Tito F. Arecchi
profesor emérito de Física en la Universidad de los Estudios de Florencia
fecha: 2012-03-30
fuente: Publicado en el n° 44 de Emmeciquadro
SCIENZAinATTO/ Le cose piuttosto che gli oggetti. Fenomenologia della coscienza
(CIENCIAenACTO/ Las cosas antes que los objetos. Fenomenología de la conciencia)
traducción: María Eugenia Flores Luna

El texto de este artículo retoma la relación desarrollada por el autor en julio de 2010 en la Summer School de la Asociación Cultural “El Riesgo Educativo” y publicada en La conoscenza conta (El conocimiento cuenta), Anuario 2009/2010, n. 4, Milán 2011.
El conocimiento es algo «nuevo» que parte de la evidencia de las «cosas» y del darse cuenta de la realidad, en cuanto posibilidad real de que la razón se ponga a prueba: toda forma de conocimiento, en particular el conocimiento científico. Para entender cómo hacemos ciencia tenemos que explorar cómo conocemos el mundo y cómo establecemos que el conocimiento adquirido es fiel al estado de facto (de la epistemología a la ontología). Si y porqué, no somos computador o robot, manipuladores de símbolos según instrucciones pre-establecidas. Si tenemos una voluntad libre. Si nuestras representaciones mentales reflejan el mundo o inventan un mundo. Sobre estas problemáticas se desarrolla la reflexión del autor que propone de modo esencial los resultados de su actividad de investigación.

Los dos momentos de la cognición son «el aprender» y «el juicio». El primero tiene una duración variable (0,5-3 segundos) y representa un presente atemporal, éste es extendido por las emociones, hasta alcanzar los 150 segundos en la meditación. El segundo implica la conciencia de sí mismo para instituir una comparación entre lo que se aprende. El hecho de que el juicio no sea relativo al propio estado mental sino objetivable, propone de nuevo la ontología como perteneciente a la agenda científica.

Semiosis

Los procesos de semiosis distinguen lo viviente de lo no viviente. Lo no viviente obedece a las leyes de la dinámica y tiene trayectoria única determinada por los campos de fuerza en que está sumergido y por su condición inicial. En cambio lo viviente reconoce las señales del ambiente y reacciona en consecuencia modificando el entorno mismo.
En animales dotados de cerebro, los estímulos externos son combinados con memorias anteriores, interpretados, llevando a decisiones motoras que solicitan un tiempo desde una fracción de segundo hasta algunos segundos: es la que llamamos «el aprender». Eso solicita el reclutamiento colectivo de multitud de neuronas. Un aprender individual es una unidad pre-semántica, en la que canales sensoriales, por ejemplo auditivo y visual, que tienen tiempos de respuesta diferentes se sincronizan mutuamente.
En el caso humano la disponibilidad del lenguaje permite llamar y confrontar unidades pre-semánticas separadas, formulando «juicios». El paso desde el aprender al juicio solicita el pasaje de una simple conciencia de sí mismo a la «conciencia» de un sí mismo juez que confronta las muchas unidades de la cadena semántica.

El aprender

Las señales externas (visuales, auditivas etc.) son codificadas como impulsos eléctricos que las neuronas se transmiten unas a otras, entrando en comunicación. Las señales de las neuronas son trenes de impulsos estereotipados (amplitud sobre los 100 milivoltios, duración alrededor de 1 milisegundo). La información es codificada como intervalo temporal entre un impulso y el sucesivo.
Refiriéndonos al sistema visual, cada neurona tiene una codificación diferente, según la señal que ha capturado en el propio campo receptivo. Pero en presencia de un objeto definido, las neuronas de campos receptivos diferentes «acuerdan» transmitir todas la misma señal, es decir han sincronizado sus impulsos. Esta sincronización, dicha feature binding había sido ya hipotizada por los teóricos del Gestalt en las primeras décadas del Novecientos; estados de sincronización han sido luego observados en animales de laboratorio.
Según Baars y Dehaene-Changeux, una especie de central de recolección, dicha GWS (Global Work Space), se activa cuando las señales en llegada superan un umbral crítico y por consiguiente la GWS transmite una decisión a los centros motores: ha ocurrido un reconocimiento. Esta hipótesis es representada en la Figura (1).

fig-1.jpg


Figura (1): El estímulo externo (bottom up) es modificado por hipótesis interpretativas (top down) y se convierte en una percepción coherente que, elaborada por el GWS, estimula una decisión motora

Pero, atención: la cognición no es un automatismo estímulo-respuesta, como creía el comportamentismo ingenuo. El estímulo, (bottom up) se combina con recursos internos que dan una interpretación top down, como es mostrado en la figura anterior. El GWS decide pues en la base de la señal interpretada.
¿Cuál es la razón dinámica de la interpretación?
Generalmente la neurona individual no es un receptor pasivo que responde a una excitación; más bien, se empeña en una dinámica que presenta caos determinístico, es decir una dependencia sensible de la condición inicial con la consiguiente pérdida de la información inicial en el curso del tiempo. Para retardar esta pérdida, hace falta reformular el problema dinámico añadiendo variables de control. Esta añadidura se hace top down, recurriendo a los recursos internos. Cada cognición es pues una interpretación, no un registro pasivo.
Y aquí se pasa del determinismo a una elección libre, compatible con las reglas dinámicas; en efecto, habiendo añadido ulteriores variables, se ha cambiado el tipo de dinámica, saliendo de la lógica causa-efecto al interno de una dinámica pre-fijada, que regula el modo de proceder de una máquina.
La variación del código es la base de la traducción de un texto; en efecto, traducir a Homero no quiere decir automáticamente pasar de una palabra del griego antiguo (que tenía un léxico limitado a pocos millares de vocablos) a una de las lenguas modernas (que tiene un léxico de centenares de millares de vocablos). Se producirían ambigüedades.
El traductor humano es un sujeto que conoce ambas lenguas: vive una situación en la lengua de partida y la «narra» en lengua de llegada.
El estado de sincronización colectiva que «ilumina» el GWS es atemporal, representa el instante presente, como era discutido por el filósofo Henri Bergson. Desde el punto de vista neuronal, también en ausencia de un objeto externo se puede observar la sincronización en la banda gamma incorporando recursos interiores.
La sincronización en la banda gamma, que es limitada generalmente a 3 segundos, puede llegar sólo por estímulos top down hasta 150 segundos en la meditación priva de objeto (experimento en monjes tibetanos de A. Lutz et al, publicado en los Proceedings del NAS (National Academy of Sciences - US) vol 101, pp.16369 y seg. - 2009.

Extraemos de eso una consideración en el tiempo subjetivo: ello no tiene nada que ver con el tiempo marcado por un reloj; una fuerte emoción, inducida por un acto de amor o un estado meditativo, puede alargar el presente. Todo eso era desconocido para Benedetto Croce, cuando decía que el paraíso de los cristianos era aburrido porque después de un poco se sabía todo y nos esperaba una eternidad; ¡Croce ignoraba que un amor muy grande bloca al sujeto en un eterno presente!
Así hemos formulado un modelo del aprender que no es rígido como un reflejo condicionado, sino puede elegir dentro de un repertorio de posibles interpretaciones. Este repertorio es construido en el curso de la vida y puesto al día por incrementos de memoria.
Eso vale sea para el hombre sea para los otros animales.
La diferencia entre un animal y el hombre es que el hombre, a través del lenguaje, se ha vuelto capaz de hacer un uso infinito de recursos finitas (se piense en las creaciones musicales que se apoyan en las mismas notas). Discutiremos de esto estudiando el paso del aprender al juicio bajo la guía de la conciencia.

El juicio como confronto semántico: rol de la conciencia

Secuencias de contenidos aprendidos, memorizados y confrontados hacen un discurso. Entonces:

discurso = secuencia de islas pre-semánticas por conectar

(cualquier lenguaje, literario, musical, pictórico, hace esto).
De la comparación emerge un «juicio de verdad». La distinción entre el aprender (común a los animales) y juicio (exclusivo del hombre) es el corazón del Insight (La inteligencia) una obra filosófica de Bernard Lonergan (1904-1984) en la que se armoniza la teoría del conocimiento de Tomás de Aquino con la fenomenología de Edmund Husserl (1859-1938) y Maurice Merleau-Ponty (1908-1961).
Desarrollaremos una base dinámica del juicio, y en tal modo nos enlazaremos a los enfoques filosóficos sobre la cognición.
Al confrontar partes de memoria, no podemos recurrir a modelos dinámicos de tipo newtoniano, en el que un hecho d emerge como función determinada F de una hipótesis h, es decir

d = F(h)

En presencia de muchos objetos, tenemos que sustituir la dinámica newtoniana con un razonamiento probabilístico; hacemos eso con la «fórmula de Bayes», introducida en 1763 como procedimiento alternativo a la mera solución de una ecuación newtoniana.
Ella consiste en la siguiente secuencia:
1. a partir de una situación inicial, ¿cómo ir adelante? Formulamos una lista de hipótesis h, a cada una asignamos una probabilidad a-priori;
2. cada h, insertada en un modelo de evolución, genera datos d con probabilidad P(d|h) de d condicionada por la h de la que se parte;
3. efectuamos una medida y observamos un dato particular d*;
4. la combinación de iii. e ii. selecciona una hipótesis particular h*, que adquiere así una probabilidad a-posteriori más alta con respecto a i.
En síntesis:

P(h*) = P(h|d) = P(h) • P(d|h) / P(d)

Entonces h* indica entre nuevas situaciones aquella más plausible, que tiene es decir una mayor probabilidad de ocurrir; a partir de esta se repite un ciclo de Bayes, etc.
Es como la escalada de una colina de probabilidades (más se sube y más aumenta la probabilidad), como ilustrado en la Figura que sigue. ¿En la cima tenemos la certeza? No; si verificamos el procedimiento seguido, sólo hemos adquirido la máxima plausibilidad.
El procedimiento de Bayes ha influenciado toda la ciencia del 1800.
La evolución de Darwin es un procedimiento bayesiano, en que la «mutación» es la formulación de una lista de hipótesis h; éstas son insertadas en un modelo de desarrollo que incluye el rol del ambiente; el ambiente que representa los datos d con el cual rendir cuentas, «selecciona» la variante más plausible h* es decir aquella que mejor se adapta (fitness) a los vínculos ambientales d.
Si pensamos en el estilo investigador de Sherlock Holmes, eso es bayesiano.
El modelo o regla del procedimiento, P(d|h) es el algoritmo con que se puede instruir un computador, automatizando así en un expert system la dúplice tarea de formular listas de hipótesis y confrontarlas con los datos.

fig-2.jpg

Figura (2): Construcción de hipótesis científicas cada vez más adecuadas a los experimentos, por aplicación sucesiva del teorema de Bayes. El procedimiento es una escalada del monte de la probabilidad. Las estrellitas indican el progreso. A cada punto en la curva que lleva al pico corresponde un valor de probabilidad. Se tenga en cuenta que la estrategia darwiniana es una implementación de Bayes.

Complejidad y creatividad. Bayes inverso

Bayes se basa en un modelo establecido, (punto ii) del procedimiento arriba delineado, representado por la línea espesa en la imagen anterior, sobre la cual se colocan las estrellitas que representan los «datos».
En cambio, en un sistema complejo, partiendo de un cierto número de variables, generalmente hay un número alto de posibles modelos evolutivos.
Llamo creatividad al salto (no-algorítmico, por lo tanto inaccesible a un computador) de un modelo a otro (en la Figura 3: líneas horizontales discontinuas que hacen pasar de un monte, es decir de una escalada con modelo fijo, a otro monte).
La formulación de un juicio corresponde a un uso no-estándar de Bayes. Las colecciones de diferentes piezas del discurso (versos de un poema, frases de una novela, medidas de una melodía, regiones pictóricas de una pintura que estamos explorando) subordinados a nuestra conciencia ya contienen sea los datos d sea los h* que el uso estándar de Bayes se habría tenido que hacer reconstruir con el auxilio del modelo.
Poseyendo ya las secuencias d y h*, podemos invertir el procedimiento de Bayes y servirnos de lo ya adquirido para identificar el modelo más apropiado que interpreta los hechos a partir de ciertas hipótesis:

P(d|h) = P(d) P(h*)/P(h)

Este P(d|h) es el juicio de verdad que nosotros formulamos sobre la idoneidad entre nuestras expectativas (h transformadas en h* por el fluir del discurso) y los datos d (los contenidos de realidad que se nos ofrecen).
La presencia del salto no-algorítmico implica «libre elección», la hermenéutica de un texto no es determinista. La hermenéutica de una situación no vincula a la elección obligada, de ahí el libre albedrío.
Nos preguntamos si un día este procedimiento de elección puede ser trasladado a una máquina de cálculo, que por consiguiente adquiriría conciencia. Desde hace algunas décadas están disponibles los «algoritmos genéticos» introducidos por John Holland (Adaptation in natural and artificial systems, MIT Press, 1992). A cada paso de cálculo, se introducen pequeñas variaciones en el algoritmo; los programas de cálculo correspondientes entran en competición como poblaciones biológicas y vence aquél que mejor se adapta.
El punto crucial es que para hacer variaciones no patológicas, hace falta que el algoritmo de partida tenga una estabilidad intrínseca de modo que las variaciones estén en su entorno. Refiriéndonos a la Figura 3 es como si introdujéramos pequeñas perturbaciones alrededor de la línea en subida llamada Bayes sin semiosis. En cambio los saltos horizontales que nos llevan muy lejos de la situación inicial (líneas discontinuas horizontales llamadas creatividad) no son ejecutables con un procedimiento variado accesible a un computador.

fig-3.jpg

Figura (3): Complejidad semántica - Espacio de las probabilidades con más máximos. La salida hacia un pico puede ser automatizada en un computador. El darse cuenta de que existen otros montes, y se puede recomenzar la escalada en otro lugar, es un acto de creatividad, correspondiente a una comprensión de los signos del mundo, (semiosis) conducida por todo el interior del científico: operación no delegada a un computador. Llamaremos significado el hecho de que existan más picos; eso va más allá de la información. Podemos identificar la complejidad semántica con el número de picos, es decir de estrategias de Bayes distintas que podemos emprender.

Creatividad y formulación de las descripciones científicas

En la ciencia de los computadores la complejidad C de un problema es definida como el largo en bit de la más corta instrucción que permite resolver el problema.
De otra parte, si el problema dinámico es afectado por caos determinista, la información contenida en las condiciones iniciales se pierde al pasar del tiempo y hace falta reemplazarla con ulterior información: se piensa por ejemplo en la actualización cotidiana de los datos meteorológicos para lograr prever la situación climática. Denotamos con K, en honor del matemático ruso Andrej N. Kolmogorov (1903-1987), la velocidad de pérdida de la información. Un sistema regular como el movimiento Tierra-sol tendrá K = 0; un sistema imprevisible porque en continua agitación como un gas de moléculas a una cierta temperatura, tendrá un K altísimo, que tiende al infinito; los sistemas caóticos tendrán un K positivo, cuyo valor es inversamente proporcional al grado de previsibilidad, es decir crece al aumentar del caos.
De esto se deduce que, para un computador que opera con un cierto algoritmo, C crece linealmente con K, como es mostrado en la imagen siguiente.

fig-4.jpg


Figura (4): Diagrama C-K: comparación entre los modos de proceder de un computador y un ser humano
1. Dentro de un único código, la complejidad C crece linealmente con la velocidad K de pérdida caótica de la información. En cambio el científico es oportunista, y busca el mejor código para reducir C. Hipotizando nuevas variables, se introduce una teoría eficaz que descuida las variables veloces y sólo describe las variables lentas.
2. Tentativa de organizar el conjunto de los objetos de la ciencia en el diagrama C-K; el gas de Boltzmann carece de detalles significativos y lo resumimos en pocos parámetros termodinámicos, por lo tanto bajo C aunque K es altísimo; en cambio - por cuanto sabemos hoy - el cerebro humano nos parece el objeto más complejo del Universo.

En los decenios pasados, cuando estaba en boga la así llamada Inteligencia artificial fuerte, se creía que la inteligencia humana vista como capacidad de solución de los problemas habría sido un día reemplazable por un súper-computador. Al respecto Herbert A. Simón (1916-2001) desarrolló un programa de cálculo, que llamó BACON. Este programa, alimentado con los datos astronómicos conocidos al inicio del Seiscientos, terminaba con establecer las leyes de Kepler y por consiguiente podía llegar al modelo de Newton.
El resultado de por sí era modesto, en cuanto se enfrentaba un problema con C = K = 0.
Apenas se sube con C y K, la instrucción se vuelve tan larga de ser inútil, (piensen que deban hacer girar un computador por 48 horas para prever el clima de mañana).
A diferencia del computador, que es vinculado a un procedimiento, el hombre puede hacer saltos no-algorítmicos, es decir variar el código descriptivo del problema, tal como hemos dicho para la traducción literaria.
En tal modo, guiado por las señales que le vienen del mundo, él puede efectuar una variación de código que lo lleva a una teoría científica que, incluso explicando todos los datos observados, estén a más bajos C y K (se vea la Figura 4).
En la parte b. se presenta una tentativa de clasificación de las diferentes descripciones científicas que se adoptan según los datos observados por explicar. Como se ve, la física no procede a través de una «teoría del todo», es decir con variables fundamentales ligadas por ecuaciones universales del cual deducir cualquier fenómeno, sino reformula una teoría eficaz (el término fue introducido por el físico ruso Lev D. Landau (1908-1968)) en correspondencia a fenómenos específicos, descuidando las variables no significativas y limitándose a aquellas relevantes, de modo de afrontar problemas en que C y K sean bastante bajos.
La introducción de evaluaciones ligadas al uso que se quiere hacer requiere una semiosis, es decir una capacidad de ver la dinámica en estudio ligada al ambiente en que se opera. Esta adaptabilidad va más allá del poder de un algoritmo con el que se puede instruir un computador.

Física y metafísica

La física ha elaborado un método que permite deducir el futuro de un sistema a partir del conocimiento de las leyes de fuerza y de las condiciones iniciales. Este método ha sido considerado capaz de explicar los fenómenos; una vez que sean conocidas todas las leyes de fuerza se estaría en posesión de una «teoría del todo».
La física, con su proceder deductivo, parece haber excluido las causas finales y reducido la dinámica a la busqueda de las causas eficientes. En base a este determinismo, también dicho cierre causal de la física, los así llamados «eliminativistas» han excluido cualquier posibilidad de voluntad libre. Cada acto nuestro es determinado por las condiciones iniciales de nuestros átomos y moléculas y nosotros seríamos autómatas.
Hemos visto que, a causa de la complejidad, a igual número de objetos interactivos corresponde un número altísimo de posibles escenarios (se piensa en la Figura 3 con un número enorme de posibles picos alternativos). El escalar uno corresponde a la elección de un algoritmo definido; un salto creativo de un algoritmo a otro corresponde a una re-codificación, es decir a una reformulación diferente del mismo problema con los mismos objetos. La creatividad entonces nos permite elegir un modo alternativo de describir un grupo de fenómenos, ateniéndonos a aquel más oportuno, es decir más adecuado a interpretar el flujo de aprensiones coordinadas por el lenguaje.
Entonces: remontando el pico individual de Bayes se obtiene la «certeza», es decir la máxima plausibilidad compatible con un algoritmo fijo; en cambio saltando de modo adaptado se alcanza la «verdad». Pero los saltos adaptados, no algorítmicos, salen de las causas eficientes y reintroducen las causas finales.
En la formulación de los juicios, la búsqueda de la verdad, explorando diferentes probabilidades condicionadas de generar datos a partir de hipótesis, equivale a la búsqueda de un propósito en la secuencia semántica; se converge en una verdad en virtud de la conciencia que es capaz de confrontar diferentes formulaciones y elegir la más adecuada.
El limitarse a las causas eficientes, es decir a la aplicación universal de un algoritmo individual, representa un límite a la latitud de un programa científico. La crítica formal fue hecha por Kurt Gödel en 1931 con su teorema de lo inconcluso que podemos ilustrar con referencia a la Figura 3. Si la estrellita más abajo a la derecha representa un cuerpo de axiomas y la línea en subida un formalismo deductivo, alcanzar la cima de una colina quiere decir haber enunciado todos los teoremas demostrables, es decir derivables algorítmicamente de los axiomas. En cambio un matemático creativo «ve» otros enunciados, compatibles con los axiomas, pero no demostrables por el algoritmo elegido.
Este teorema de Gödel representa una crítica meta-matemática en la conclusión de cualquier teoría formal.
¿Hay un equivalente en la naturaleza de este procedimiento creativo?
La respuesta positiva a esta pregunta ha sido la gran contribución filosófica de Charles R - Darwin (1809-1882). Volvemos a la Figura 3.
El escalar un monte (línea sólida) visualiza la evolución «dentro de una especie», en el ámbito de un procedimiento estándar; pero llegados a la cima, cualquier paso ulterior es una caída hacia abajo, es decir una reducción de probabilidades. Quizás sea esto que ha señalado la extinción maciza de ciertas especies (por ejemplo, los dinosaurios) sin necesidad de invocar aquel deus ex machina que es el gran meteorito. En cambio, un salto «fuera de la especie» fuera del procedimiento algorítmico, (línea discontinua horizontal) ha permitido experimentar otras líneas de procedimientos (los pájaros y los mamíferos que reemplazan a los dinosaurios).
Estamos aplicando a la evolución biológica aquella creatividad que ya hemos atribuido al sujeto humano que formula un juicio. Efectivamente, la historia de la vida es rica de creatividad, es decir de elecciones adaptables nuevas que violan procedimientos ya establecidos. No es verdad, como propugnado por Richard Dawkins (1941 -…) y otros biólogos, que cada salto fuera del algoritmo seguido hasta ahora sea como jugar un número a la ruleta. No vale un argumento estrechamente probabilístico, como aquél encerrado en la metáfora del «relojero ciego». En un paisaje complejo las varias elecciones tienen un diferente peso adaptable, en cuanto activan procedimientos diferentes. Por lo tanto en un largo plazo emergerá una elección vencedora. Entonces, con buena paz de las lecturas reductivistas hechas por los seguidores entusiastas, ya en Darwin es incorporado un sólido argumento final y no una cadena casual de causas eficientes, es decir de saltos al azar de un procedimiento a otro.
¿Podemos ver el nacimiento de la conciencia personal y el juicio en el hombre como una creatividad natural optimizada por la comparación inmediata entre las varias partes del discurso, que permite el juicio de verdad?
Eso está bien, y explica nuestro rol, visto que a nivel del aprender (dentro de la isla pre-semántica) somos operadores mediocres, vencidos en agudeza, por ejemplo, por águilas (visión), perros (olfato) y linces (oído).

Como mostrado primero en la Figura 3, mientras una máquina de cálculo procede según un preciso algoritmo (o de variantes elaboradas según un protocolo preestablecido, como en el caso de los «algoritmos genéticos» de John H. Holland (1929 -….)) el investigador humano puede explorar regiones aparentemente desconectadas con la situación de origen: es lo que hemos llamado «creatividad».
Pero para que estos saltos no degeneren en capricho, hace falta que sea activo un juez capaz de comparar situaciones diferentes y descartar aquellas no significativas. Es la presencia en sí mismo de este juez que consideramos como el núcleo de la «conciencia».
En conclusión, la física, a partir de Galileo y Newton, había sustituido las «cosas» con los «objetos», es decir con colecciones de medidas, como en el código de barras de una tienda.
En cambio el Bayes inverso re-introduce la «cosa» como una realidad capturada sólo en parte del punto de vista h en que se han colocado: es éste el sentido de P(d|h).

Indicaciones Bibliográficas

Muchos trabajos ya han sido citados en el curso de la exposición.
La sincronización colectiva de las neuronas como acceso al GWS se encuentra en trabajos de mi grupo, a partir de Phys. Rev. Letters, 86, 791(2001) hasta a Chaos 19, 015104 (2009). El uso del teorema de Bayes y su visualización en situaciones simples y complejas respectivamente han sido discutidos por mí a partir de 2007 (Eur Phys. J. Especial Topics, 146, 205).
Una síntesis de estos argumentos se puede encontrar en mi libro: F.T Arecchi, Coerenza, Complessità e Creatività (Coherencia, Complejidad y Creatividad), S. De Renzo, Roma 2007.
El análisis de los procedimientos lingüísticos con la introducción del Bayes inverso ha sido hecha por mí en: Dynamics of consciousness: complexity and creativity, the Journal of Psychophysiology, 2010.

-
Unless otherwise stated, the content of this page is licensed under Creative Commons Attribution-ShareAlike 3.0 License