Otra perspectiva

83min

Los físicos marcianos son seres sumamente desagradables y arrogantes. Para complicar las cosas, disponen de un conocimiento casi absoluto sobre las leyes del universo y también son capaces de computar las consecuencias prácticas de estas leyes. Esto significa que los físicos marcianos pueden predecir el comportamiento futuro de cualquier sistema, desde un ser humano hasta el clima de todo el planeta Tierra. Además, y como es típico de los físicos a lo largo de todo el sistema solar, los físicos marcianos tienden a despreciar otros campos del conocimiento. Una de sus víctimas habituales son los psicólogos, a quienes ridiculizan por lo “blando” e “inexacto” de su disciplina, mientras constantemente intentan expulsarlos del CONICET marciano. 

Un día los psicólogos marcianos decidieron que ya habían soportado suficiente maltrato y se propusieron hacerles una broma pesada a algunos físicos de renombre. “El planeta Tierra es muy curioso”, comentó al pasar uno de los psicólogos en una charla de bar, “la materia física toma allí formas extrañas y se mueve de maneras irregulares. A diferencia de otros planetas, la Tierra es muy dinámica y siempre hay cosas sucediendo. Si yo fuese físico, estaría interesado en entender por qué pasa esto, y también en predecir esos extraños movimientos de la materia”. Luego hizo silencio y tomó un trago de su bebida, haciéndose el distraído.

“Mirá si nos vamos a poner a hacer eso”, intercedió inmediatamente uno de los físicos marcianos que estaban en la mesa de al lado. “No es un problema interesante. No importa qué tan complicada sea la materia en la Tierra o en cualquier otro planeta, predecir su futuro no representa un desafío para nosotros. Lo único que tenemos que hacer es utilizar nuestro escáner para determinar por completo el estado de todas las partículas subatómicas que componen la materia, y luego alimentar con esos datos la supercomputadora cuántica Deep Red. El problema es tan trivial que nunca podríamos justificar usar la supercomputadora para esto frente a nuestros colegas”.

El psicólogo marciano adoptó, entonces, una expresión facial que nosotros entenderíamos como una mezcla de desafío e ironía. “Y... ¿cuánto sería ese tiempo de cómputo?”, preguntó.

“Depende de la cantidad de materia y de cuán en el futuro queramos predecir su comportamiento, pero en general necesitaríamos solo algunas horas de cómputo para predecir comportamientos de algunas semanas en el futuro”.

En ese momento los otros psicólogos marcianos acudieron a la mesa de los físicos y soltaron el siguiente desafío: “Nosotros tenemos una supercomputadora mejor que la de ustedes, mucho más rápida”. Risas. “Ustedes no saben programar”. Risas del otro lado. “¿Por qué no probarlo? ¿Tienen miedo?”. Expresiones enojadas y risas nerviosas. “Miedo de que nos contagien su estupidez”. Risas más relajadas. “Hagamos una competencia: el departamento que logre predecir más rápidamente el futuro de un sistema físico terráqueo tiene a los científicos más brillantes de todo Marte, y también la supercomputadora más poderosa”, propuso uno de los psicólogos marcianos. Dudas y silencio. “No tienen chance”, dijo por fin uno de los físicos más famosos del planeta, “pero aceptamos igual, para que aprendan la lección”.

Unos días después, el grupo de físicos y psicólogos marcianos ya se encontraba orbitando el planeta Tierra, apuntando sus poderosos telescopios e instrumentos hacia la superficie en búsqueda de un sistema físico que sirviera para la apuesta. “Les dejamos elegir a ustedes, da igual, pero que no sea trivial”, dijo uno de los físicos marcianos. “¡Trivial es todo lo que su computadora es capaz de resolver!”, soltó otro de los físicos, incitando un breve interludio de risas y palmadas en los hombros.

“Ese”, señaló uno de los psicólogos. Dirigió la vista del grupo hacia un objeto irregular de aproximadamente 70 kg, aparentemente inerte e inmóvil. “Veamos qué pasa con esa cosa en las próximas horas”. “No parece muy difícil, no hace nada”, retrucó uno de los físicos marcianos. “No sé, capaz sí, capaz no, ¿no es precisamente lo que queremos predecir?”, argumentó el psicólogo. Todos estuvieron de acuerdo.

Los físicos marcianos apuntaron entonces su escáner hacia el objeto terrestre. Una tenue luz verde partió desde su posición orbital hacia la Tierra cruzando una densa capa de nubes, vegetación y concreto. En medio de la profunda oscuridad de la medianoche, la luz verde se posó durante algunos pocos segundos sobre la masa irregular de 70 kg. 

Los datos fueron transmitidos a Deep Red mientras los físicos marcianos comenzaban a escribir código, ajustar variables, y resolver múltiples ecuaciones. En simultáneo, los psicólogos se limitaron a escribir unas pocas palabras en una hoja, que luego encerraron en un sobre. “Eso es todo”, dijeron. “Ya tenemos la respuesta”. De repente, los físicos ya no estaban tan confiados en su capacidad para ganar la apuesta.

Pasada una hora, los físicos marcianos anunciaron el resultado de su predicción y procedieron a compararla con el contenido del sobre. Las dos predicciones eran prácticamente idénticas: “En 237 minutos, el objeto se encontrará en las coordenadas -34.543827 (latitud), -58.439847 (longitud)”. Inmediatamente, los físicos marcianos acusaron a los psicólogos de hacer trampa: “Es imposible predecir el futuro de un sistema complejo formado por 70 kg de materia sin usar un sofisticado escáner subatómico y, sobre todo, sin realizar ningún cómputo”. Pero los psicólogos marcianos mantuvieron su mueca de felicidad, extendiendo el desafío: “Podemos repetir la predicción cuantas veces quieran. Podemos encontrar unos 20 objetos similares que también van a estar en 237 minutos en las coordenadas -34.543827, -58.439847. Podemos incluso mostrarles otros objetos distintos y predecir con la misma rapidez dónde van a estar en las próximas horas. Incluso podemos predecir dónde van a estar todos los días a una determinada hora”.

Esta demostración de confianza fue suficiente para hacer que los físicos estallen, gritando: “¿Qué clase de magia negra es esta? Incluso predecir las trayectorias de los planetas, cometas y asteroides, sistemas relativamente simples, requiere de algún tipo de medición y cómputo. De alguna forma, ustedes desarrollaron un método para predecir la evolución temporal de sistemas físicos complejos de forma automática, sin ningún esfuerzo. Tienen que haber descubierto nuevos principios de la física. Necesitamos saber qué pasa”. Pero los psicólogos marcianos disfrutaron su victoria en silencio. Y fueron despiadados con sus bromas durante el viaje de regreso a Marte.

Unas horas después, un estudiante de unos 70 kg se bajaba del colectivo 160 en Ciudad Universitaria y se acercaba al aula 12 (coordenadas -34.543827, -58.439847) para rendir el último final de su carrera en la Universidad de Buenos Aires. Un final que había preparado durante meses para rendir sin falta antes de que se vencieran sus trabajos prácticos y tuviese que recursar la materia.

El conocimiento que los físicos obtienen del mundo se mide por su capacidad para dar sentido al pasado y predecir el futuro. Obtener ese conocimiento es un proceso largo y arduo, y aplicarlo en la vida real para un pronóstico concreto puede ser todavía más difícil. Fue necesario el genio de Isaac Newton para descubrir la ley matemática que gobierna la atracción gravitatoria universal. Armados únicamente con esa ley, los humanos fuimos capaces de poner algunas personas dentro de un tubo apoyado sobre cantidades pasmosas de material combustible y luego lanzarlos con velocidad y dirección elegidas para que aterricen exactamente en la Luna. Las sondas espaciales Voyager visitaron múltiples planetas y sus satélites antes de abandonar el sistema solar. Estas visitas fueron programadas años y hasta décadas antes de que ocurrieran, completamente determinadas al momento de su lanzamiento por las leyes de la física. En el siglo XIX, los astrónomos aplicaron la ley de Newton para computar enormes tablas con la trayectoria de Urano, el séptimo planeta del sistema solar. Pero las mediciones subsecuentes de esa trayectoria mostraron discrepancias. ¿Asumieron los astrónomos que la ley de gravitación de Newton estaba equivocada? Imposible. En cambio, propusieron la existencia de un octavo planeta, aún no descubierto, capaz de perturbar la órbita de Urano mediante su gravedad. Basándose en la ley de Newton, Urbain Le Verrier computó dónde y cuándo tendría que estar ese octavo planeta para dar origen a las discrepancias observadas. Finalmente, cuando Johann Gottfried Galle apuntó el telescopio del Observatorio de Berlín al sector del cielo predicho por Le Verrier, encontró el planeta gigante gaseoso que hoy llamamos Neptuno.

Es claro que la física posee capacidades asombrosas para pronosticar el futuro de los cuerpos celestes. ¿Podemos juzgar a la psicología de acuerdo a los mismos estándares? ¿Entender la mente significa ser capaz de utilizarla para predecir el comportamiento futuro de los humanos? ¿Se pueden usar las leyes psicológicas para transformar observaciones sobre la mente en predicciones sobre el comportamiento?

Una respuesta posible a estas preguntas es que ni siquiera necesitamos de la psicología para predecir el comportamiento de otros seres humanos: ¡todas las personas pueden hacerlo! (Más aún: no pueden dejar de hacerlo). Es lo que hacemos de forma automática cuando interactuamos con las personas que nos rodean y predecimos su comportamiento, una capacidad indispensable para vivir en sociedad. Cada uno de nosotros puede atribuirles una mente como la propia a los demás, y de esta manera, proyectar qué haría frente a diferentes disyuntivas (lo hacemos con tanta naturalidad que a veces nos excedemos, atribuyéndoles mentes a programas de computadora, o a ese calefón que siempre que lo necesito se apaga). 

Los físicos marcianos son brillantes, sí, pero no se interesan demasiado por otras formas de vida. Nunca escucharon hablar de los seres humanos; ni siquiera saben que existe tal cosa como la vida basada en moléculas de carbono. Jamás consideraron la posibilidad de que en el planeta Tierra hubiese seres con mentes. Aun así, su inmenso conocimiento de física y sus enormes capacidades de cómputo les permiten predecir el comportamiento de las personas a partir de la trayectoria de sus átomos individuales. ¿Es mucho trabajo? Sí, pero si realmente lo necesitan, pueden hacerlo. En cambio, si fuesen capaces de adoptar una perspectiva diferente, la misma perspectiva que adoptamos los humanos cuando interactuamos los unos con los otros, no necesitarían un escáner subatómico y tampoco una supercomputadora cuántica. De acuerdo con esta perspectiva, cualquier ser humano racional que invirtió los últimos cinco años de su vida en estudiar una carrera va a asistir a la última fecha disponible para rendir el final de la última materia del plan de estudios y así evitar tener que recursar. Los psicólogos marcianos saben muy poco de física, pero son expertos en la mente humana. Ahí donde los físicos predicen el comportamiento de un objeto (es decir, una persona) realizando cómputos increíblemente complejos, los psicólogos marcianos son capaces de lograr lo mismo y, además, de explicar en pocas frases cómo lo hacen:

“El estudiante sabe que es la última fecha disponible para dar su examen. El estudiante cree que recibirse de la carrera es importante. El estudiante desea evitar recursar la última materia de la carrera. Como el estudiante está disponible para asistir al examen a la hora y en el lugar pautado, entonces es posible predecir con alta certeza que vamos a encontrarlo sentado en ese determinado sitio y momento rindiendo el examen”.

Observamos que esta explicación se basa en asignar ciertas creencias al estudiante para luego predecir sus deseos, por ejemplo, “el estudiante cree que recibirse es importante”, y por lo tanto, “el estudiante desea evitar recursar la última materia de la carrera”. Si construimos una lista de todas las creencias y deseos del estudiante, podemos empezar a tener una idea más o menos clara de su comportamiento futuro. El ingrediente faltante es asumir que el estudiante actuará de una forma racional de acuerdo a sus creencias y deseos. Eso nos permite descartar razonamientos como el siguiente:

“El estudiante sabe que es la última fecha disponible para dar su examen. El estudiante cree que recibirse de la carrera es importante. El estudiante desea evitar recursar la última materia de la carrera. Por lo tanto, el estudiante decide quedarse en su casa jugando a la Playstation en vez de rendir el final”.

Este comportamiento es, al menos partiendo de la información de la que disponemos, irracional. Predecimos el comportamiento de otros seres humanos adoptando la siguiente perspectiva: primero, inferimos sus creencias, deseos, motivaciones, etc.; luego, asumimos que se comportarán de forma racional al respecto. Si bien rara vez “teorizamos” de esta manera (escribiendo explícitamente proposiciones tales como “X persona cree Y y desea Z”), intuitivamente es algo que hacemos todo el tiempo, de forma automática. Si no lo hiciésemos, nuestro rango de actividades sociales se vería drásticamente limitado. Por ejemplo, ¿estaríamos dispuestos a conducir un auto por el denso tráfico de una avenida sin adoptar la perspectiva de que en los otros autos hay un agente racional que no desea dañar su vehículo ni su propia salud y que, por lo tanto, considera que lo mejor es respetar las reglas para llegar seguro a su destino? 

Existen al menos dos perspectivas distintas que podemos tomar para predecir la evolución futura de un sistema físico. De acuerdo con la perspectiva física, obtenemos información sobre los constituyentes de un sistema y luego aplicamos las leyes conocidas de la física para predecir su futuro. Cuando la NASA calculó la trayectoria de las sondas Voyager o cuando Le Verrier estimó la posición de Neptuno, ambos lo hicieron adoptando la perspectiva física. Esta es la misma perspectiva que adoptamos cuando nuestro objetivo es predecir el resultado de una determinada reacción química; por ejemplo, cuando acercamos un fósforo a una hornalla abierta con la expectativa de encender una llama. 

Entre otras cosas, el matemático francés Pierre-Simon Laplace es conocido por sugerir que la perspectiva física podría aplicarse en principio para predecir el futuro de cualquier sistema. El razonamiento de Laplace es el siguiente: el universo está compuesto por una gran cantidad de cuerpos que interactúan entre sí mediante fuerzas. Si conocemos las fuerzas, entonces podemos predecir el futuro de los cuerpos en todo momento, siempre y cuando conozcamos las condiciones iniciales del problema, es decir, todas las posiciones y velocidades de todos los cuerpos del universo en un momento determinado. La combinación de las leyes de Newton con nuestro creciente conocimiento de las fuerzas que gobiernan la naturaleza nos permite escribir las ecuaciones para predecir el movimiento de todos los cuerpos que existen. Puede que los físicos aún no tengamos un conocimiento total sobre las fuerzas, pero eso no quita que ese conocimiento exista. Y puede que nosotros no tengamos el poder de cómputo para resolver todas estas ecuaciones y predecir el futuro de todo el universo, pero eso no quita que esa posibilidad también exista. En las manos de un ser con mucho más poder e inteligencia, la perspectiva física permitiría predecir la evolución futura del universo.1Otra posibilidad es que el universo en realidad no sea tan complejo como parece. Al fin y al cabo, podemos predecir el comportamiento de los gases sin tener que resolver las ecuaciones matemáticas que rigen el movimiento de cada una de sus moléculas. Esto sucede porque los movimientos aleatorios de las moléculas se cancelan entre sí, dejando únicamente unas pocas propiedades macroscópicas (tales como presión, temperatura y volumen). En su Serie de la Fundación, Isaac Asimov imaginó una galaxia colonizada por la humanidad, una humanidad con una población tan grande que su futuro podría calcularse mediante principios similares a los que usamos para calcular las propiedades de un gas compuesto por muchísimas moléculas.

¿Tiene sentido la proposición de Laplace? Y aun si lográsemos predecir el futuro del universo de esta manera, ¿seríamos capaces de entender por qué el universo se comporta de la manera en que lo hace?

Podemos encontrar inspiración para responder estas preguntas en un cuento popular árabe, en esta ocasión adaptado al castellano por Gabriel García Márquez:

El criado llega aterrorizado a casa de su amo.

–Señor –dice–, he visto a la Muerte en el mercado y me ha hecho una señal de amenaza.

El amo le da un caballo y dinero, y le dice:

–Huye a Samarra.

El criado huye. Esa tarde, temprano, el señor se encuentra con la Muerte en el mercado.

–Esta mañana le hiciste a mi criado una señal de amenaza –dice.

–No era de amenaza –responde la Muerte– sino de sorpresa. Porque lo veía ahí, tan lejos de Samarra, y esta misma tarde tengo que recogerlo allá.

En esta historia sucede algo muy interesante: la Muerte sabe lo que va a pasar en el futuro, pero no sabe por qué. Es tan ignorante del por qué de las cosas como el criado o su amo. Aparentemente, el único motivo por el cual la Muerte sabe lo que va a pasar es porque consulta lo que está escrito en su libro de notas. Pero ¿de dónde sacó ese libro, y cómo contiene toda la información sobre el futuro entre sus páginas?

Esta historia también puede llevarnos a imaginar cómo sería la astrología si funcionase. Algunos astrólogos pretenden predecir el futuro mediante la posición de ciertos cuerpos celestes, lo cual carece de sentido, pero incluso si la astrología fuese exitosa prediciendo el futuro, nadie sabría por qué funciona,2Encontraríamos explicaciones en términos del “tránsito de Mercurio” o del “ascendente de Júpiter”. Pero estas explicaciones no explican nada: son no explicaciones de los hechos. de la misma forma en que la Muerte misma no sabe cómo funciona su propio libro de notas.

Para Daniel Dennett, filósofo y científico cognitivo, esto es exactamente lo que sucede cuando adoptamos la perspectiva de la física para predecir el comportamiento humano. Puede ser que Laplace tenga razón, y que sea posible explicar cualquier sistema físico partiendo de las leyes de la física. Pero en ese caso, y al igual que en la historia de la Muerte en Samarra, no sabríamos por qué la predicción funciona. Nadie sería capaz de entender cómo una asombrosa cantidad de cómputos abstractos determina el futuro curso de los acontecimientos. Uno es perfectamente libre de adoptar la perspectiva física para predecir el comportamiento humano (y bien por aquellos que pueden hacerlo y salirse con la suya, como los físicos marcianos), pero es muy dudoso que esa perspectiva nos ilumine sobre el porqué del comportamiento en términos que podamos comprender.

¿Cuál es la perspectiva más práctica y más informativa para predecir el comportamiento humano? Se trata de aquella que adoptaron los psicólogos marcianos para predecir el comportamiento del estudiante en el último año de su carrera. Es la misma que adoptamos cuando subimos a un auto con la expectativa de que todos los demás conductores conformen un cierto comportamiento racional. Dennett la denomina perspectiva intencional y resume su funcionamiento de la siguiente manera:

Así es como funciona: primero decidís tratar al objeto cuyo comportamiento deseás predecir como un agente racional; luego descifrás qué creencias ha de tener ese agente, dado su lugar en el mundo y su propósito. Entonces descifrás qué deseos ha de tener, basado en las mismas consideraciones, y finalmente predecís que este agente racional va a actuar para alcanzar sus objetivos de acuerdo a cuáles son sus creencias.

La perspectiva intencional se basa en la existencia de patrones regulares de comportamiento que se repiten independientemente de la configuración microscópica, por ejemplo: ninguna persona que considere importante recibirse va a faltar a su última oportunidad para rendir una materia. Si ignoramos esos patrones y decidimos partir de una descripción microscópica de la persona, la predicción se vuelve imposible (o muy ardua, en el caso de los físicos marcianos). Pero teniendo en cuenta esos patrones, que resultan de atribuir correctamente ciertas creencias y deseos a un objeto y asumir que actuará racionalmente en base a estos, la predicción se vuelve fácil, al punto de ser prácticamente automática para la mayoría de nosotros. 

En el primer capítulo del libro hicimos una breve incursión en la mente de los termostatos, y les atribuimos únicamente tres posibles creencias: el agua está muy fría, el agua está muy caliente, y el agua está a la temperatura justa. El propósito de los termostatos, como el de todos los dispositivos de bien que pueblan este mundo, es hacer que las cosas tengan su justo balance. Para eso, un termostato tiene un repertorio de tres deseos posibles: si cree que el agua está muy caliente, desea bajar la llama; si cree que el agua está muy fría, desea aumentar la llama; y si cree que la temperatura es la justa, desea que todo siga tal como está y, por lo tanto, no hace nada. Esto es todo lo que sabemos sobre los termostatos y es más que suficiente para interactuar con ellos. La inmensa mayoría de nosotros jamás vio el interior de un termostato y no conoce absolutamente nada sobre los circuitos y sensores que estos aparatos tienen en su interior. Pero esto no es un problema, porque casi todos adoptamos la perspectiva intencional cuando tratamos con ellos. No es que tratamos a los termostatos como personas, por supuesto, pero sí como sistemas cuyo futuro comportamiento se puede inferir asumiendo ciertos estados internos (“creencias”) y las consecuencias de estos estados (“deseos”). Esta es la forma más fácil de hacer que los termostatos hagan lo que queremos que hagan, y es equivalente a asumir que poseen una mente, exactamente de la misma manera en que nosotros poseemos una mente. De acuerdo con Dennett, todo sistema cuyo comportamiento puede predecirse de forma robusta y confiable adoptando la perspectiva intencional posee una mente.3Algunas personas tienen la (respetable) intuición de que los termostatos son dispositivos demasiado sencillos y transparentes como para que tenga sentido atribuirles una mente. Mi consejo para estas personas es imaginar un termostato más complejo, lo suficiente como para que su comportamiento pueda llegar a ser inesperado para el usuario. No es demasiado difícil: podemos imaginar un termostato cuya regulación de la llama tenga en cuenta la temperatura del ambiente, la estación del año, los gustos personales del usuario, la hora del día, y otras variables semejantes. Cada vez que me refiero a un termostato, entonces, estas personas pueden considerar que lo hago con una de estas versiones más complejas en mente.

Vivimos rodeados de objetos cuya función es transparente para nosotros. Interactuar con estos objetos es fácil, precisamente porque fueron diseñados con un propósito en mente, y por lo tanto se comportan de acuerdo con este diseño. Pensemos en muchos objetos de la vida cotidiana, tales como sillas, tenedores, cuchillos, martillos, canillas, lámparas, termómetros, cables. La clase de cosas que encontramos dentro de objetos aparentemente más complejos, como computadoras o termostatos. Esta clase de objetos incluye todos aquellos diseñados por el ser humano, y por lo tanto la perspectiva que adoptamos para interactuar con ellos se denomina perspectiva de diseño. Esta es la perspectiva que adoptamos cuando usamos un electrodoméstico sencillo, medimos la temperatura o prendemos una lámpara. 

Supongamos que encontramos un velador enchufado al tomacorriente y apretamos su interruptor. Podemos predecir que la lámpara del velador va a encenderse (a menos que esté quemada), pero ¿en qué nos basamos para hacer esta predicción? Ciertamente no en la perspectiva física: ignoramos completamente detalles tales como el voltaje y la corriente eléctrica necesaria para que la lámpara se encienda. Y ciertamente tampoco nos basamos en la perspectiva intencional: aunque podríamos insistir con que la lámpara tiene el deseo de prenderse cuando cree que circula la corriente eléctrica adecuada a través de la resistencia, la realidad es que la lámpara no tiene opción (a diferencia del termotanque, que posee suficiente autonomía como para regular la llama dependiendo de la información suministrada por sus sensores). 

Nuestra predicción es acertada simplemente porque sabemos que la lámpara fue diseñada para prenderse cuando alguien aprieta el interruptor. Manejamos nuestros autos con confianza porque están diseñados para responder siempre de la misma manera ante el movimiento del volante o la presión de los pedales.4Esto vale únicamente, por supuesto, para autos no autónomos.04 No resolvemos ecuaciones diferenciales para tocar un clarinete, simplemente soplamos en la boquilla y obstruimos las aperturas necesarias para escuchar un si bemol porque sabemos que el lutier diseñó el clarinete para que esto suceda. Un termostato implementa una función condicional: si pasa X, entonces Y; por lo tanto, la forma más sencilla de predecir lo que hará es preguntarnos si está pasando o no X. Esto no sucede con objetos más sencillos tales como una lámpara5Es verdad que podemos decir sobre la lámpara: “Si aprieto el interruptor, se enciende la luz”. Pero, a diferencia del termostato, la lámpara no reacciona sola ante un evento de su entorno, sino que reacciona ante algo que hicimos nosotros (y reacciona precisamente como suponemos dado su diseño). o un clarinete, que se comportan sin autonomía alguna de acuerdo a la función para la que fueron diseñados. 

Podemos adoptar también la perspectiva de diseño respecto a sistemas que no tienen un diseñador, como cuando un cirujano trata el corazón como una bomba de sangre o el riñón como un mecanismo de filtrado. De hecho, ya lo hicimos cuando comparamos el cerebro con el hardware de una computadora digital. Ninguno de estos sistemas está diseñado por un diseñador, al menos no de la misma forma que una lámpara, un auto o un clarinete. Pero sí tienen una función, e interactuar con ellos es enormemente más fácil si tenemos en cuenta cuál es esa función. Si bien algunos biólogos se resisten a adoptar la perspectiva de diseño respecto a los órganos del cuerpo humano (les parece que contradice la teoría de la evolución), los médicos lo hacen todo el tiempo cuando diagnostican enfermedades o incluso cuando desarrollan artefactos capaces de reemplazar total o parcialmente ciertos órganos (un corazón artificial sigue el diseño de una bomba, y un aparato para diálisis sigue el diseño de un filtro). En otras palabras: podemos adoptar la perspectiva de diseño ante los productos de la selección natural, aun si no hay un diseñador detrás de estos productos. 

Las distintas perspectivas con las que podemos predecir el comportamiento de un sistema no son excluyentes. Si un velador se prende fuego, adoptamos la perspectiva física para predecir cómo será el resultado final de su combustión. Si un termostato está fallando, ya no podemos tratarlo como un “agente racional” y es necesario llamar a un técnico capaz de adoptar la perspectiva de diseño y abrirlo para entender qué funciona mal. Para el técnico no existe tal cosa como la creencia de que el agua está muy fría o el deseo de aumentar la llama dentro de un termostato; únicamente encuentra dispositivos abordables desde la perspectiva de diseño: sensores, circuitos lógicos y cables.6Un termostato es, efectivamente, la implementación del más sencillo circuito lógico. Las personas no adoptan la perspectiva intencional para lidiar con un termostato por que se trate de algo complejo, sino porque ellas no saben que en realidad se trata de algo muy sencillo. No tendría sentido llamar a un psicólogo de termostatos para convencer al aparato de que la creencia “muy caliente” siempre debería estar acompañada del deseo de disminuir la llama. El técnico opera en un nivel completamente distinto al intencional para reparar el aparato. Una vez terminado el arreglo, cierra la carcasa y adopta la perspectiva intencional para verificar que todo funcione como debe.

Los físicos marcianos predicen el comportamiento humano partiendo de la perspectiva física; los psicólogos marcianos, desde la perspectiva intencional. ¿Qué pasa cuando adoptamos la perspectiva de diseño para predecir el comportamiento humano? El técnico encargado de reparar el termostato debe examinar y corregir el procesamiento de la información en su interior. ¿Por qué sucede algo cuando la temperatura alcanza cierto valor, y cómo modificarlo en caso de que no sea lo deseado? En el caso de los humanos, el procesamiento de la información que guía nuestra conducta sucede en el cerebro, e investigarlo forma parte de lo que llamamos neurociencia

Un neurocientífico marciano puede llegar a las mismas conclusiones que un físico marciano sin necesidad de aplicar su escáner subatómico y determinar la trayectoria de todas las partículas elementales que componen a una persona. A diferencia de un psicólogo marciano, un neurocientífico marciano debe hacer mediciones y cómputos, pero estas mediciones ocurren al nivel de neuronas, circuitos de neuronas y neurotransmisores en el cerebro de un humano, de la misma forma que el técnico que repara el termostato debe trabajar con cables, sensores y compuertas lógicas. Al igual que el técnico, el neurocientífico suspende su consideración sobre los estados mentales del sistema: no solamente no es necesario tener en cuenta cosas tales como las creencias o deseos de la persona, sino que dichas cosas ni siquiera existen desde su perspectiva, como tampoco existe la creencia de que el agua está muy caliente dentro de un termostato (esa creencia no es otra cosa que un pequeño pulso eléctrico generado por una termocupla). Desde la perspectiva de diseño, los estados mentales de un ser humano no son más que pulsos eléctricos que viajan por determinados circuitos de neuronas. En cambio, estas abstracciones cobran realidad cuando adoptamos la perspectiva intencional. 

Pocos científicos consideraron seriamente la posibilidad de entender el comportamiento humano mediante la perspectiva física.7Una excepción es el intento (al cual dediqué parte de mi carrera) por identificar ciertas propiedades emergentes de los sistemas complejos en la actividad del cerebro. Bajo determinadas condiciones, los sistemas complejos de muchas entidades interactuantes (ya sean moléculas o neuronas) parecen adquirir ciertas propiedades genéricas que serían beneficiosas para el funcionamiento cerebral desde un punto de vista evolutivo. En cambio, un gran cisma epistemológico del siglo XX tiene que ver con la dicotomía entre adoptar la perspectiva de diseño o la perspectiva intencional para comprender el comportamiento humano. La neurociencia en su vertiente más reduccionista cuestiona la validez de la perspectiva intencional para entender cómo funciona el cerebro y cómo da origen al comportamiento. De la misma forma en que un técnico tiene que descender hasta la perspectiva de diseño para entender y arreglar un termostato, las explicaciones en términos neurocientíficos serían necesarias para alcanzar una explicación última del comportamiento humano. De acuerdo a esta posición, no existen cosas tales como creencias o deseos y, por lo tanto, es estéril buscar sus equivalentes en los disparos de neuronas en el cerebro.8Paul y Patricia Churchland son conocidos por haber formalizado esta posición, llamada materialismo eliminativo. Vamos a discutir esta posición en los próximos capítulos, en particular en relación con el lenguaje y los estados de conciencia. En el lado opuesto, los defensores de las ciencias cognitivas insisten en que el comportamiento humano únicamente puede ser entendido desde la perspectiva intencional. No es que haya algo equivocado en intentar adoptar la perspectiva de diseño: la mente humana depende por completo del cerebro, el cual depende por completo de los átomos que lo componen. Pero no sería muy útil buscar explicaciones partiendo de estos niveles. Al igual que la Muerte y su mágico libro de notas, incluso si llegásemos a predecir el comportamiento humano desde la perspectiva de diseño, no entenderíamos por qué nuestra predicción funciona. Y esto es porque la perspectiva intencional es la más natural para los humanos. Al fin y al cabo, es el resultado de millones de años de presiones evolutivas que nos transformaron en animales sociales capaces de interpretarnos mutuamente para coordinar nuestro comportamiento colectivo. No hay nada en la historia evolutiva del ser humano que lo haya preparado para interpretar con naturalidad cosas tales como canales iónicos, potenciales de membrana, árboles dendríticos o motores moleculares (podemos corroborar nuestra tendencia a adoptar la perspectiva intencional abriendo cualquier libro de neurobiología para descubrir que incluso las explicaciones sobre mecanismos a nivel neuronal están patentemente antropomorfizadas, con frases como “el neurotransmisor quiere cruzar la membrana, pero el canal iónico no lo deja”).

Tanto la perspectiva de diseño como la intencional fueron aplicadas al estudio de la conciencia; de hecho, fueron el objeto de los dos capítulos anteriores de este libro. En el capítulo 3, cuando discutimos los correlatos neuronales de la conciencia, adoptamos la perspectiva de diseño. Tratamos el cerebro de humanos o primates como un sistema biológico para el procesamiento de la información, desestimando la importancia de relevar estados mentales, tales como deseos y creencias. El objetivo entonces fue hallar eventos neuronales que se encuentren sistemáticamente asociados a la experiencia consciente. Pero en ausencia de un reporte explícito por parte del dueño del cerebro, fracasamos debido a la dificultad de decidir si estos eventos ocurrían antes o después de la experiencia consciente. Por el contrario, en el capítulo 4, adoptamos la perspectiva intencional: diseñamos tareas para las cuales fue necesario introducir ciertos estados mentales en nuestros participantes; entre ellos, el deseo de reportar fielmente experiencias conscientes bajo la creencia de que dichas experiencias conscientes ocurrieron. Descubrimos que adoptar la perspectiva intencional es limitante respecto de los organismos que podemos estudiar, restringiendo los experimentos prácticamente a nuestra propia especie. Cuando adoptamos la perspectiva intencional, podemos predecir qué quiere decir el botón que aprieta el sujeto experimental para indicar que tuvo una experiencia consciente, porque es lo que nosotros, como agentes racionales, hubiésemos hecho en la misma situación. Esta alianza entre sujeto y experimentador (que no es otra cosa que la adopción de la perspectiva intencional) es la que permite asegurarnos que los eventos neuronales registrados durante el experimento incluyen aquellos asociados a la experiencia consciente. 

Como consecuencia de adoptar esta perspectiva, surgieron otros problemas. Por ejemplo, ¿cómo podemos distinguir la percepción consciente en sí (conciencia-F) de la capacidad de actuar sobre esa percepción (conciencia-A)? ¿Por qué algunos de los sujetos experimentales parecen tener intuiciones opuestas a las de los experimentadores sobre los propios contenidos de su conciencia? Cuando distintos sujetos aprietan un botón cuya etiqueta dice “conciencia”, ¿cómo podemos estar seguros de que quieren decir lo mismo? ¿Cómo es posible que la comunidad científica se encuentre en un impasse de décadas sobre la existencia de la conciencia-F, una situación en la que todos los hechos experimentales parecen ser compatibles con su existencia y con la negación de su existencia, dependiendo de a quién le preguntemos?

Llegamos a un punto en el cual, a partir de la próxima sección, podremos ser precisos en el diagnóstico del problema, así como también de las posibles medidas para solucionarlo. El recorrido que realizamos hasta ahora fue importante para contextualizar nuevas ideas dentro del trabajo previo realizado por otros. El auténtico desafío no es escribir un libro sobre la conciencia que sea nuevo, en el sentido de que descarte o ignore el estado actual del conocimiento, sino escribir un libro capaz de sugerir nuevas ideas que representen una continuación significativa del estado actual del conocimiento. Desde hace décadas, la perspectiva intencional es la forma dominante de abordar el estudio de la mente, la conciencia y su relación con el comportamiento humano. Llegar hasta acá habría sido imposible ignorando estas décadas de trabajo previo: no solamente fue necesario leer, sino también pensar, imaginar y relacionar conceptos. Ahora que el grueso del trabajo está hecho, quizás pueda parecer sorprendente la facilidad con la que podremos expresar y desarrollar algunas nuevas ideas. Pero no deberíamos sorprendernos: sembramos, regamos, y esperamos, y por lo tanto no es extraño que esté próximo el tiempo de la cosecha.

Un chiste para relajarnos un poco antes de seguir pensando. Una persona que viaja en taxi descubre que el conductor no se detiene ante los semáforos en rojo. Preocupado, lo interpela al respecto, ante lo cual el chofer responde: “No pasa nada: mi hermano es taxista hace décadas, siempre sigue de largo en los semáforos en rojo, y nunca le pasó nada”. Siguen viajando hasta que, al rato, el conductor clava los frenos ante un semáforo en verde, y el pasajero pregunta a los gritos por qué no sigue de largo, como corresponde. “¿Estás loco?”, responde el chofer sorprendido, “¿Y si justo en este cruce viene mi hermano?”.

Aunque las acciones de un agente parezcan irracionales, quizás sea posible justificarlas en base a un conjunto extraño de creencias. El taxista parece estar dispuesto a correr cualquier riesgo con tal de evitar chocar con su hermano. Asumiendo (correctamente, al parecer) que su hermano es una de las personas de la ciudad que sistemáticamente siguen de largo en todos los semáforos rojos, una solución para evitar chocarlo es dar el paso en los semáforos en verde (y, por lo tanto, avanzar en los semáforos en rojo). ¿Está actuando el conductor de la forma más segura para él y las demás personas? Claramente no. ¿Está actuando el conductor de la forma más segura para evitar chocar con su hermano? Posiblemente. ¿Es el comportamiento del conductor racional? Si tiene la creencia “lo peor que puede pasar en el mundo es que yo choque con mi hermano”, entonces tendríamos que admitir que su comportamiento es bastante racional. Por lo tanto, la predicción de su comportamiento no está por fuera de la perspectiva intencional: únicamente tenemos que tener el recaudo de asimilar todas las creencias relevantes del agente en cuestión para poder aplicarla con éxito.

Aunque la perspectiva intencional no funciona muy bien si partimos de conocimiento incompleto,9Las perspectivas que podemos adoptar frente a un determinado sistema se vuelven menos confiables a medida que avanzamos por la jerarquía. Como vimos, la perspectiva intencional puede fallar si la aplicamos basándonos en información insuficiente. En cambio, si entendemos a la perfección los detalles sobre el procesamiento de la información en el cerebro, es muy posible que logremos predecir el comportamiento del taxista con mayor precisión (aunque a expensas de muchísimo más trabajo). a medida que recopilamos más y más información sobre un agente somos capaces de utilizarla para obtener predicciones más y más precisas. El problema es que esta forma de ver las cosas no es particularmente útil para predecir el comportamiento real de las personas. Tendemos a subestimar radicalmente la cantidad de información que necesitamos para construir un modelo confiable del comportamiento humano. Para adoptar la perspectiva intencional tenemos que descifrar todas las creencias relevantes que tiene el agente, dado su lugar en el mundo y su propósito, y luego descifrar qué deseos ha de tener en base a esas creencias. Pero tenemos que tener cuidado con la palabra “todas”. Todas las creencias pueden ser demasiadas como para poder usar la perspectiva intencional, de la misma forma en que todas las posiciones y velocidades de las partículas que componen una persona son demasiadas como para poder usar la perspectiva física. En ambos casos, es necesario adoptar una nueva estrategia que permita incorporar los patrones emergentes útiles para predecir el comportamiento.

Podemos ejemplificar la necesidad de trascender la perspectiva intencional mediante la novela La decisión de Sofía (adaptada al cine en 1982). El argumento revela que un guardia de Auschwitz enfrenta a la protagonista con una decisión brutal: elegir cuál de sus dos hijos (un niño y una niña) sería enviado inmediatamente a la cámara de gas, y por lo tanto, cuál de ellos tendría la posibilidad de sobrevivir al campo de concentración. El guardia deja en claro, además, que en caso de rehusarse a decidir ambos niños van a ser asesinados inmediatamente. Luego de una desesperada deliberación interna, Sofía entrega a su propia hija a los brazos de sus futuros asesinos.

Supongamos que queremos predecir la decisión de Sofía partiendo desde la perspectiva intencional. En primer lugar, es válido preguntarnos: ¿hay realmente una decisión para predecir y entender, o el guardia nazi confrontó a Sofía con una no decisión, con un callejón sin salida? A pesar de lo difícil de la situación, hay una decisión real que debe ser tomada. Una pregunta subsidiaria es: ¿cómo podemos saber que hay una razón detrás de la decisión, y no puro azar? Si Sofía hubiese tirado una moneda para decidir entre sus hijos, sería imposible predecir el resultado desde la perspectiva intencional. Necesitaríamos retroceder hasta la perspectiva física para modelar la evolución temporal de la moneda en el aire, teniendo en cuenta las fuerzas iniciales en relación con el centro de masa y el momento de inercia, la influencia del viento y la velocidad de translación y rotación inicial.10Curiosamente, hay cosas que ni siquiera es posible predecir desde la perspectiva física. Todas tienen que ver con las extrañas leyes de la mecánica cuántica. ¿Puede Sofia “tirar una moneda” en su cabeza y tomar así una decisión aleatoria sin tener que tirar una moneda real? Difícilmente. El lector puede intentar “tirar monedas” en su cabeza, anotar una secuencia de resultados, y luego compararla con otra obtenida a partir de tirar una moneda real. Pero aunque sea muy difícil para un humano tomar una decisión verdaderamente aleatoria, quizás no resulte difícil tomar una decisión que sea imposible de predecir adoptando la perspectiva intencional.11La perspectiva de diseño permitiría (al menos en teoría) predecir la decisión en base a ciertos eventos neuronales que ocurren en su cerebro, tal como sugieren los experimentos de Benjamin Libet y John-Dylan Haynes, entre otros.

Pero la premisa de la escena es que Sofía intenta enfrentar el dilema tomando una decisión genuina, es decir, una decisión guiada por sus creencias y deseos. El comportamiento racional de Sofía es patente en el hecho de que no insiste en no tomar ninguna decisión, lo cual sería quizás el comportamiento más irracional posible (podríamos decir que enfrenta una reversión macabra del dilema del tranvía, que consiste en decidir si dejar que dos vidas se pierdan por inacción, o involucrarse para salvar a una, pero al mismo tiempo causando la pérdida de la otra). Si Sofía está decidiendo como un agente racional, entonces, ¿podemos predecir su comportamiento en base a la perspectiva intencional?

Si bien podríamos hacerlo en principio, resulta extremadamente poco práctico, de la misma manera en que es poco práctico intentar predecir el comportamiento de un velador a partir de la física de todos sus átomos. Vamos a intentarlo: el hijo de Sofía tiene más resistencia física a condiciones extremas y, por lo tanto, tiene mayor probabilidad de sobrevivir al campo de exterminio, por lo que la decisión racional sería entregar a su hija. Es posible que, en retrospectiva, este razonamiento sea la justificación de Sofía para sus propias acciones (la perspectiva intencional es, en muchas situaciones, más útil para justificar que para predecir, porque aporta el consuelo de una interpretación simple y racional para nuestros propios actos). Pero ¿realmente creemos que esto es lo único que Sofía tuvo en cuenta a la hora de tomar la decisión? ¿Qué hay de su relación personal con cada uno de sus hijos? ¿Y la influencia de su sociedad y cultura sobre el valor relativo de un niño contra una niña? ¿O quizás Sofía consideró los horrores imposibles de sobrevivir que los esperarían en Auschwitz y tomó su decisión como una forma de piedad hacia su hija, en vez de como una forma de favorecer a su hijo? La lista sigue y sigue: podríamos escribir libros enteros sobre el instante de tiempo en el que ocurre una única decisión humana12“En un minuto hay tiempo suficiente/ para decisiones y revisiones que un minuto rectifica” (T. S. Eliot, “La canción de amor de J. Alfred Prufrock”). (de hecho, muchas biografías son exactamente eso). Y aunque sugerimos una posible explicación racional sencilla para la decisión de Sofía, podríamos haber encontrado otra igual de racional e igual de sencilla en el caso de que hubiese decidido entregar a su hijo. Lamentablemente, ninguna de las dos es relevante para juzgar la utilidad de la perspectiva intencional, porque explicar no es lo mismo que predecir.

¿La imposibilidad práctica para predecir la decisión de Sofía mediante la perspectiva intencional significa que la única opción es recurrir a complejos cómputos aplicados a registros neuronales de su cerebro? ¿No existen otras regularidades imposibles de derivar mediante la enumeración de las creencias y deseos que atribuimos a Sofía, pero de todas formas explotables para construir un modelo aceptable de su comportamiento futuro? Y si la respuesta es afirmativa, ¿cómo se encuentran esas regularidades, quién puede hacerlo y qué perspectiva adopta cuando lo hace?

Alguien que conozca íntimamente a Sofía se encuentra en mejor posición para predecir su decisión que alguien dispuesto a pensarla como un agente racional (esto incluye quizás a sus propios hijos, lo cual hace que la escena sea todavía más dura). Para uno de sus conocidos íntimos, la información relevante no se presenta como una lista exhaustiva y detallada de las creencias atribuidas a Sofía, sino como un modelo predictivo de carácter estadístico. Cuando alguien nos pregunta si un conocido rechazará dar un discurso público, por ejemplo, no llegamos a nuestra respuesta listando todas las creencias que atribuimos a la persona en cuestión, para luego estimar los deseos que un agente racional tendría en base a dichas creencias. Sabemos que la persona lo rechazará porque se trata de alguien tímido. Resulta difícil dar más precisiones en caso de que alguien insista en obtenerlas. ¿Piensa que se van a reír de él, que no tiene nada útil para aportar, que su cuerpo es desagradable, o que su voz es poco clara? La lista sigue y sigue: todas son creencias válidas para atribuir a una persona tímida, pero también es posible que no lo sean, y en última instancia no es necesario ponernos a investigar exactamente por qué la persona es tímida13Podemos incluso cuestionar que la persona sea tímida como un rasgo esencial de su personalidad. Quizás la persona simplemente se ha comportado suficientes veces con timidez como para que nuestro modelo de su comportamiento la represente como alguien tímido. para predecir su comportamiento (es muy posible que incluso ella misma no lo sepa: esta es la clase de problema por el cual las personas gastan fortunas yendo a terapia). 

Sea cual sea la suma de creencias por las cuales Sofía decide entregar a su hija, no es lo importante para predecir su decisión (y tal como en el ejemplo anterior, puede que ella misma tampoco las conozca). Intentar llegar a una respuesta desde la perspectiva intencional es equivalente al fracaso. Pero si conocemos a Sofía y desarrollamos un modelo estadístico de su personalidad, podemos adoptar una perspectiva diferente.

Esta perspectiva funciona de la siguiente manera: en primer lugar, obtenemos una caracterización estadística de la persona asignándole atributos con poder predictivo, patrones que resumen la información asociada a una enorme cantidad de creencias, deseos y motivos racionales, de la misma forma en que estos últimos son patrones que condensan la información asociada a una enorme cantidad de disparos neuronales, que a su vez resumen las complejísimas trayectorias microscópicas de átomos y moléculas. Luego, estimamos la decisión basándonos en el contexto de la persona y sus atributos conocidos. Predecimos, entonces, que una determinada persona tomará una decisión porque es tímida, curiosa, inteligente, sociable, extrovertida, altruista, o más cercana a su hijo que a su hija. Dependiendo de la decisión y sus consecuencias, será tentador justificar esta decisión desde la perspectiva intencional, pero es importante no caer en la trampa de confundir ambas perspectivas. 

En la práctica, ¿cómo obtenemos estos atributos que nos permiten construir un modelo del comportamiento de una persona? Una solución es conocer a la persona, lo cual puede ser una experiencia gratificante y una parte integral de la vida, pero que también puede ser un proceso largo y laborioso. Otra opción es desarrollar y validar instrumentos que permitan realizar un estimativo estadístico sobre los atributos de una persona, por ejemplo, presentándole preguntas o una serie de escenarios hipotéticos, y luego comparando sus respuestas con las de una gran cantidad de personas. Este es el enfoque que suelen utilizar las empresas, a quienes claramente les interesa poder predecir el comportamiento futuro de sus empleados, pero al mismo tiempo no puedan darse el lujo de pagarles un salario hasta conocerlos bien. De hecho, este es el tipo de enfoque que siguen las organizaciones humanas con mayor interés y esfuerzo invertido en predecir futuras acciones humanas: los bancos y las empresas aseguradoras. 

En lo sucesivo, vamos a llamar a esta estrategia la perspectiva estadística.14Existen similitudes entre esta perspectiva y la teoría de prototipos desarrollada por Eleanor Rosch. Cada vez que pronunciamos una frase del estilo “yo sé qué es lo que va a hacer X, yo lo conozco”, estamos aplicando la perspectiva estadística. Un punto subrayado repetidamente por Dennett es el carácter intuitivo de la perspectiva intencional: muchas veces, cuando la adoptamos simplemente sabemos cuál es la respuesta a nuestras preguntas sin tener que pasar por el ejercicio de imaginar el comportamiento de un agente racional. En realidad, esto sucede porque no estamos aplicando la perspectiva intencional, sino la estadística. “Yo la conozco”, decimos, y contemplamos las predicciones de nuestro modelo de la persona. Y si realmente la conocemos, es decir, si este modelo está informado por años de experiencias compartidas (o bien por una corta pero intensa investigación sobre la persona), entonces llegaremos a predicciones correctas. 

La perspectiva estadística es también aquella que adoptan los algoritmos para predecir nuestro comportamiento en base a la enorme cantidad de datos (big data) que generamos durante nuestras vidas online. Quien lee seguramente conozca la capacidad de Amazon o Netflix para sugerir cosas que ya estaba considerando comprar o series que hace tiempo tenía ganas de ver. Las grandes tiendas online (por ejemplo, Target) utilizan algoritmos de aprendizaje automático para generar modelos predictivos para la compra de distintos ítems. Estos modelos consisten en conocer la probabilidad de que un usuario haga determinada compra teniendo a mano información sobre su comportamiento pasado (por ejemplo, sus compras anteriores o su historial de búsquedas). A pesar de que en ningún momento los algoritmos se preocupan por inferir el estado mental de los usuarios (y mucho menos por adoptar la perspectiva intencional), son capaces de predicciones asombrosamente certeras. Un ejemplo es el cómputo del score de embarazo, que se basa en la compra de ítems como lociones (durante el segundo trimestre) o suplementos dietarios con calcio, magnesio o zinc (durante las primeras veinte semanas). Cuando una compradora obtiene un score de embarazo alto, la compañía realiza una microcampaña de marketing dirigida a esa persona ofreciendo todavía más de los productos típicos que suelen comprar las mujeres embarazadas. Como ejemplo hipotético, pensemos en una mujer de 23 años que compró en el mes de marzo una loción de manteca de cacao, un bolso lo suficientemente grande como para acomodar un paquete grande de pañales, suplementos de magnesio y zinc, y una alfombra azul suave. El algoritmo procesa esta información no solamente para predecir que la mujer está embarazada, sino que hay más de 80% de probabilidades de que el bebé nazca a fines de agosto. Esta perspectiva puede resultar muy poderosa, al punto de que existen casos en los cuales los algoritmos de ciertas tiendas online descubrieron el embarazo de usuarias antes de que lo supieran sus familiares más cercanos (no es difícil imaginar un futuro en el cual los algoritmos dispongan de esa información antes que las embarazadas mismas).

¿Cómo logran los algoritmos este asombroso poder predictivo? No vamos a encontrar dentro de su código variables que hagan alusión a estados mentales, tales como creencias o deseos. Los algoritmos tampoco poseen una representación interna del comportamiento de un agente racional. Lo único que hacen es recopilar información constantemente, monitoreando el comportamiento de los usuarios para adaptar gradualmente su modelo en base a esta información. Una forma de resumir la información representada en los modelos estadísticos es introducir etiquetas para identificar los rasgos propios de cada usuario, por ejemplo, mediante el score de embarazo. Esto es exactamente lo que significa adoptar la perspectiva estadística.15Queremos conocer la probabilidad de que ocurra cierto comportamiento en una situación determinada. Adoptar la perspectiva intencional únicamente es posible si además poseemos suficiente información sobre el estado mental del individuo en cuestión. En ese caso, las probabilidades serán siempre 0 o 1 (o bien el comportamiento ocurre, o bien no ocurre). Pero rara vez podremos caracterizar el estado mental de una persona con suficiente detalle como para eliminar completamente la incertidumbre. En vez de eso, consideramos el comportamiento de un agente racional como punto de partida y lo ajustamos iterativamente, observando empíricamente el comportamiento de la persona y actualizando las probabilidades en base a la nueva evidencia disponible. Una herramienta matemática conocida como teorema de Bayes nos permite actualizar las probabilidades a medida que aprendemos más sobre el comportamiento de la persona ante distintas situaciones. Con el tiempo, alcanzamos una caracterización estadística que no requiere información alguna sobre los estados mentales: un modelo que nos permite pronosticar la probabilidad de que el individuo tome distintas decisiones sin tener que describir exhaustivamente su estado mental. Por supuesto, no tenemos contacto directo con los detalles del modelo que poseemos sobre distintas personas. En vez de buscar los números exactos de las probabilidades, recurrimos a etiquetas como “tímido”, “extrovertido”, “decidido”, “conservador”, y muchas otras. Esta es la idea detrás de la perspectiva estadística.

Un nombre alternativo para denominar esta estrategia sería perspectiva personal, precisamente porque es la clase de actitud que adoptamos en cierto tipo de interacciones con ciertas personas de nuestras vidas. Este y otros nombres16La perspectiva fenoménica, de Philip Robbins y Anthony Jack. ya fueron adoptados para diferenciar la actitud que tenemos frente a un termostato o una computadora de aquella que tenemos frente a un ser humano, donde la diferencia central reside en la adopción de reglas morales que regulan la interacción (tanto un termostato como un ser humano pueden ser abordados desde la perspectiva intencional, pero eso no significa que los tratemos por igual). Evitamos esta denominación precisamente porque aquello que llamamos la perspectiva estadística puede ser aplicado a objetos carentes de humanidad. Pensemos en un auto con mañas, que solo su dueño sabe hacer arrancar. ¿Necesariamente diríamos que el auto está dañado y que la única manera de predecir su funcionamiento es retrotraernos a la perspectiva de diseño, levantar el capot y corregir (o por lo menos entender) las desviaciones existentes respecto de un auto cero kilómetro? Probablemente no. No siempre la perspectiva de diseño es la más sencilla, útil o intuitiva para lidiar con un auto mañoso. Y ciertamente no predecimos el peculiar comportamiento del auto asignándole determinadas creencias; por ejemplo: “Este auto me odia, solo quiere a su dueño” (o al menos no lo hacemos en serio). Lo que sí hacemos es construir un modelo del auto diferente al de un auto ideal, pero también diferente al de un auto roto; en otras palabras, construimos un modelo que se corresponde precisamente con la mayoría de los autos que encontramos en la vida real.

Usamos la misma perspectiva para conocer el futuro comportamiento de otros seres humanos sin que eso implique desestimar su gloriosa individualidad ni tipificarla como el resultado de procesos patológicos. Hay un abismo entre modelar a todo ser humano como un agente racional y atribuir desviaciones de este comportamiento a anomalías cerebrales. Es precisamente en ese abismo donde encontramos la perspectiva estadística. Si desarrollamos distintos modelos de personalidad (tanto intuitivos como formales), es precisamente porque admitimos que existe un espectro no patológico de diferencias individuales. Una persona más o menos tímida, curiosa, inteligente, sociable, extrovertida o altruista no está siendo diagnosticada, aun si estas etiquetas presuponen una desviación de un prototipo de persona. 

Si bien el comportamiento cotidiano de las personas está repleto de instancias imposibles de interpretar mediante la perspectiva intencional, existen muchas circunstancias para las cuales adoptar esta estrategia es perfectamente válido. Las decisiones que afectan de forma directa el bienestar de las personas suelen ser transparentes desde el punto de vista intencional; pensemos, por ejemplo, en decisiones sobre dinero o salud (incluso aquellas tan básicas como no saltar de un décimo piso o satisfacer diariamente las necesidades nutricionales). Lo mismo sucede para situaciones donde el comportamiento está regulado por reglas muy claras, desde una partida de ajedrez hasta el rigor de la disciplina militar. El punto es, por supuesto, que no todo el comportamiento humano se desenvuelve en situaciones carentes de ambigüedad, y en estas situaciones la perspectiva intencional podría no sernos útil. 

Llegamos por fin al punto central de este capítulo: ¿qué clase de decisiones son las que toman nuestros sujetos cuando participan de experimentos sobre la percepción consciente? A primera vista, parecería que los sujetos se desenvuelven en un entorno carente de ambigüedades y bajo instrucciones precisas, y que, por lo tanto, podemos interpretar su comportamiento sin problemas adoptando la perspectiva intencional. Precisamente para facilitar este entorno, los investigadores se toman el trabajo de explicar el experimento tantas veces como haga falta y también se aseguran de que los sujetos puedan practicar antes de empezar con los registros. Pero aunque esto es así para muchos experimentos psicológicos y neurocientíficos con seres humanos, no está para nada claro que sea el caso de los experimentos sobre la percepción consciente, porque en estos casos pedimos a los sujetos tomar decisiones sobre estímulos presentados en condiciones anómalas y ajenas a su experiencia cotidiana. 

Cuando un estímulo se publica en el cerebro (ingresando al espacio global de trabajo), podemos asumir con seguridad que el sujeto va a comportarse como un agente racional e indicar que percibió el estímulo. Pero muchos de los experimentos sobre la percepción consciente presentan estímulos justo en el límite entre ser y no ser publicados en el cerebro. En el capítulo anterior insistimos en que la verdadera frontera de nuestro conocimiento sobre la conciencia se encuentra en el límite difuso que atraviesa la información luego de abandonar las regiones sensoriales primarias, pero antes de ingresar por completo al espacio global de trabajo. Usamos en aquel momento la analogía de un nudo para representar la enorme complejidad de esa frontera difusa. Ahora podemos formalizar esta metáfora de la siguiente manera: la perspectiva intencional no es la adecuada para entender el comportamiento humano en respuesta a estímulos que se encuentran parcialmente publicados en su cerebro. Para aprender más sobre la conciencia, tenemos que adoptar la perspectiva estadística. 

Supongamos que le mostramos al sujeto experimental un número durante un tiempo muy corto, seguido de un enmascaramiento posterior. Si la separación entre el número y la máscara es la adecuada, la mitad de las veces el sujeto reportará haber visto el número sin problemas. Estos son los casos en los cuales la información se hizo pública en el cerebro del sujeto. La otra mitad de las veces, el sujeto reportará algo diferente, por ejemplo, no haber visto nada, haber visto algo sin saber que se trata de un número, haber visto un número pero no saber cuál, poder adivinar el número que vio pero sin haber visto nada, o poder asegurar que el número no es 2 o 7 pero sin saber cuál es. En estos casos, la información se publica parcialmente en el cerebro, de forma tal que el reporte final es incompleto: algunas veces, la publicación alcanza regiones necesarias para identificar el número; otras veces alcanza únicamente para compararlo con otros; algunas veces parece que se puede identificar el número, pero la información no posee una representación visual,17Esto se demostró recientemente en un trabajo del grupo de Claire Sergent en el que se mostró que activar la representación semántica de un estímulo antes de que este sea presentado al borde de la percepción consciente puede resultar en su identificación correcta sin una experiencia visual fenoménica asociada. En el capítulo anterior, propusimos que ciertos individuos tienen una tendencia innata a representar semánticamente la información (en vez de visualmente), y que este rasgo puede influenciar la forma en que perciben y reportan la información en el umbral de la conciencia. y hay muchas otras posibilidades. Cuando enfrentamos la necesidad de interpretar la respuesta de nuestros sujetos ante estas situaciones extrañas... ¿estamos seguros de que los conocemos lo suficiente como para entender sin ambigüedad sus reportes?

Cuando le preguntamos a un sujeto experimental sobre información publicada “a medias” en su cerebro, le estamos presentando una decisión difícil, una decisión que tiene más que ver con la decisión de Sofía que con la decisión de no faltar al último final de la carrera (dejando de lado las diferencias sobre lo que hay en juego en cada decisión). Podemos conceptualizar el cerebro del sujeto como un agregado de módulos o subrutinas con funciones bien definidas, y considerar la confusión resultante de que los módulos “visión”, “memoria”, “motor” y “procesamiento numérico” dispongan de información sobre un estímulo, mientras que ese mismo estímulo sea ajeno a los módulos “lenguaje” y “toma de decisiones”. Si insistimos en obtener una respuesta simple y binaria ante la pregunta de la conciencia, estamos arrinconando al sujeto experimental en un lugar donde parte de su cerebro sabe algo mientras que la otra parte lo ignora. ¿Cuál es el comportamiento de un agente racional ante esta situación? ¿De qué lado del cerebro quedó el hipotético agente racional: del lado que dispone de información sobre el estímulo, o del otro, del ignorante? 

Es importante contrarrestar la siguiente objeción: “La percepción cotidiana del mundo es algo demasiado básico y fundamental como para depender de las peculiaridades de cada individuo”. Aun si estamos de acuerdo con la objeción así formulada, la clase de estímulos que usamos para investigar la percepción consciente no representan experiencias cotidianas, sino todo lo contrario. Consideremos la siguiente analogía: el proceso de publicación y diseminación de la información en un país es claro y previsible, a menos, por supuesto, que algo salga muy mal. En situaciones límite, empieza a ser manifiesto que el país no es un país “estándar” (no existe tal cosa), sino que posee un sustrato ideológico tácito. La vida cotidiana es transparente a los preceptos ideológicos de un país (¿cuándo fue la última vez que reflexionamos sobre nuestra pertenencia a una sociedad capitalista democrática occidental?). Pero en situaciones anómalas damos por descontado que las idiosincrasias ideológicas de un país y su sociedad van a tomar un rol protagónico, exactamente de la misma forma en que colapsa la racionalidad y prima la individualidad ante cierto tipo de decisiones. La personalidad es una forma de autoacostumbramiento, que es, a su vez, una forma de autoideología.18Sería más preciso transmitir estos conceptos en inglés: “Personality is the ideology of the self”. El idioma castellano no posee una palabra para designar “self” (“ego” es lo más cercano, pero no es exactamente lo mismo). El uso del prefijo “auto-” es un neologismo inventado por el autor. Otra forma de expresar lo mismo sería “acostumbramiento de uno mismo” e “ideología de uno mismo”.

Los economistas conocen bien la relación que existe entre racionalidad y disponibilidad de la información. Idealmente, los mercados se comportan de manera racional y siguen la ley de la oferta y la demanda. A medida que el precio de un bien se incrementa, por ejemplo, es esperable que, con el tiempo, su demanda disminuya, especialmente si surgen alternativas idénticas o similares a menor precio. Pero un requisito para que los mercados se comporten de forma racional es que todos los agentes posean toda la información que requieren para tomar sus decisiones. En caso de que la información sea incompleta o fragmentada, el mercado puede desviarse del comportamiento idealizado por los economistas. 

Lo mismo sucede en el cerebro, solo que es más difícil darse cuenta porque la información relevante casi siempre está disponible globalmente y con un alto grado de fidelidad. Una forma de limitar esta disponibilidad es cortar los “cables” que comunican distintas regiones del cerebro entre sí, por ejemplo, aquellos que sostienen el tráfico de información entre ambos hemisferios del cerebro. Este manojo de cables se denomina cuerpo calloso y, si bien hoy prácticamente nunca se corta intencionalmente, hace algunas décadas hacerlo era una práctica relativamente común para atenuar la severidad de ciertos casos graves de epilepsia. La idea detrás de esta intervención quirúrgica (muchas veces exitosa) es evitar que la actividad epiléptica patológica originada en un hemisferio del cerebro pueda propagarse hacia el otro, lo que genera una crisis global.

FIG. 5.1 EL CUERPO CALLOSO

El cuerpo calloso se ilustra en el dibujo usando líneas amarillas que unen ambos hemisferios del cerebro. Cortarlo es una mutilación importante, y es sorprendente que no resulte en déficits cognitivos detectables a simple vista. Aquellos pacientes con el cuerpo calloso seccionado sobreviven, sí, pero además suelen comportarse como si tuviesen un cerebro relativamente sano. Pero hay una forma de evidenciar que hay algo raro pasando en su cerebro y tiene que ver con la circulación limitada de la información sensorial entre ambos hemisferios. Típicamente, el lenguaje es una función cerebral lateralizada: tanto su producción como su entendimiento reclutan circuitos neuronales que se encuentran del lado izquierdo del cerebro. Además, sucede que las vías que llevan la información al cerebro se encuentran cruzadas: el ojo derecho transmite la información visual al hemisferio izquierdo (y viceversa), y lo mismo sucede con las manos y la sensación del tacto. Supongamos, entonces, que se le presenta a un paciente con el cuerpo calloso seccionado la siguiente situación: delante de cada ojo se presentan imágenes distintas, por ejemplo, un pala para la nieve (ojo izquierdo) y una garra de gallina (ojo derecho). Luego se le pide al paciente que dibuje en una hoja la imagen presentada. La información se encuentra compartimentada en cada uno de los hemisferios, por lo tanto, el paciente dibuja una pala con su mano izquierda, mientras que su mano derecha dibuja una gallina. En otras palabras: cada mano dibuja la información de la cual dispone, y dado que la comunicación entre ambas está interrumpida (por el corte del cuerpo calloso), es imposible para ellas ponerse de acuerdo. ¿Qué pasa, entonces, cuando se confronta al paciente con esta realidad y se le pregunta por qué cada mano hace un dibujo diferente?

Es difícil dar una respuesta adoptando la perspectiva intencional, porque el paciente parece tener en simultáneo dos creencias contradictorias sobre las imágenes que fueron presentadas ante sus ojos. Usualmente, este conflicto se resuelve mediante la competición entre ambas imágenes, de forma tal que solo una de ellas ingresa a la conciencia (rivalidad binocular). Pero en este caso, cada hemisferio del cerebro del paciente parece tener una creencia diferente, lo que resulta en una situación imposible de acomodar dentro de la perspectiva intencional. Dado que el hemisferio izquierdo del paciente está en control del habla, y dado que formulamos nuestra pregunta de forma verbal, la respuesta que vamos a obtener justifica el accionar de la mano derecha (recordemos que la información se proyecta al hemisferio opuesto). El paciente, por lo tanto, argumenta que se le presentó la imagen de una garra de gallina y por eso dibujó el animal entero. Confrontado con el accionar de la mano derecha, el paciente tiene que justificar un comportamiento sin disponer de la información para hacerlo, y en vez de admitir que su cerebro se encuentra fragmentado en dos mitades, inventa una historia más o menos plausible (por ejemplo: “Dibujé una pala porque uno necesita una pala para levantar los excrementos de la gallina”). 

Estos famosos experimentos, conducidos por Roger Sperry y Michael Gazzaniga, demuestran que el comportamiento racional que damos por sentado se desarma cuando la información queda compartimentada en el cerebro. No solamente la conducta del paciente se vuelve inesperada, sino que sus reportes verbales dependen de la información que pudo acceder al módulo de lenguaje en el hemisferio izquierdo. Sperry y Gazzaniga hicieron énfasis en reportes verbales porque el lenguaje se encuentra lateralizado y los pacientes que estudiaban tenían el cuerpo calloso seccionado, lo que limita el flujo de información entre hemisferios (en particular, hacia el hemisferio izquierdo). Pero si hubiese cortes más específicos en el cerebro del paciente, podríamos esperar contradicciones diferentes; por ejemplo, reportes verbales de números que aparecen en la pantalla sin que el paciente pueda definir su valor, o reportes de números bien definidos que no generan experiencia visual alguna. Estas son, precisamente, la clase de contradicciones que esperamos encontrar cuando la información presentada al cerebro sano de un sujeto experimental se publica parcialmente dentro del mismo.

La conclusión es que debemos cuidarnos cuando aplicamos la perspectiva intencional al estudio de la percepción consciente, de la misma forma en que tenemos que cuidarnos de aplicarla a pacientes con el cuerpo calloso seccionado. En el caso de los pacientes, entendemos completamente cómo se encuentra limitado el flujo de información en el cerebro, y por lo tanto podemos apelar a la perspectiva de diseño para tratar de entender su comportamiento –esto fue precisamente lo que hicimos al explicarlo mediante la lateralización del lenguaje–. En cambio, la distribución de la información en el cerebro de sujetos experimentales sanos no se encuentra limitada por una intervención externa, sino por características propias de su anatomía cerebral; en otras palabras, porque los sujetos experimentales son distintos entre sí. Estas diferencias son fundamentales para entender sus experiencias durante experimentos sobre percepción consciente, pero también tienen su contraparte en el comportamiento cotidiano. Se trata, por supuesto, de los rasgos individuales revelados por la perspectiva estadística.

Si la individualidad juega un papel tan importante cuando se experimentan estímulos al borde de la percepción consciente, ¿no es inevitable descartar que exista conocimiento transversal a todos los ejemplares de nuestra especie? Admitir la existencia de heterogeneidades es el primer paso para poder clasificarlas. Hacerlo nos permite investigar grupos de personas con determinadas características, y una vez entendidos estos grupos podemos generar conocimiento sobre sus causas biológicas subyacentes. En otras palabras: podremos adoptar la perspectiva de diseño (explicación en términos de actividad neuronal) partiendo de la perspectiva estadística en vez de la intencional.

Pero ¿cómo se adopta la perspectiva estadística? Mejor dicho, ¿cómo se adopta de manera eficiente, sin tener que pasar años conociendo al sujeto experimental? El resto del capítulo está destinado a generar intuiciones sobre la perspectiva estadística y sobre cómo hacer para adoptarla eficientemente.

Las primeras computadoras eran aparatos gigantescos y poco confiables. Ocupaban habitaciones enteras y disipaban enormes cantidades de energía en forma de calor. Pero Alan Turing no estaba interesado en las limitaciones tecnológicas de su época –en realidad, de ninguna época–. Turing no soñaba con lo que las computadoras eran en virtud de su implementación práctica, sino con lo que podían llegar a ser de acuerdo a sus propiedades teóricas. En vez de preguntarse qué pueden hacer las computadoras, Turing se preguntaba qué no pueden hacer las computadoras. Por ejemplo, ¿puede una computadora pensar, exhibir inteligencia, comportarse como un ente autónomo y, quizás, hasta libre?19¿Podemos nosotros?

Turing propuso una prueba para estimar el grado de inteligencia de una computadora, conocida como prueba de Turing. La prueba enfrenta a un ser humano (el juez) con una terminal donde puede intercambiar diálogo escrito con la computadora o con otro ser humano (el adversario). Para la computadora, el objetivo de la prueba es engañar al juez y convencerlo de su humanidad; por el contrario, el adversario debe convencer al juez de que él o ella es el humano, y que la otra conversación que está manteniendo en paralelo es con una computadora. La terminal es fundamental para enmascarar el aspecto físico de la computadora, que podría delatar rápidamente su naturaleza no humana (pensemos, por ejemplo, que la computadora tiene el aspecto de HAL 9000, de 2001: Odisea del espacio). El desafío para la computadora es lograr imitar el comportamiento humano, y por eso también se conoce al test de Turing como el juego de la imitación.

Pero ¿qué clase de estándar de inteligencia consiste en imitar a un ser humano común y corriente? ¿No construimos computadoras para intentar superar nuestras capacidades cognitivas naturales, en vez de igualarlas? En otras palabras: ¿no deberíamos apuntar un poco más alto? No se trata de que imitar a un ser humano ordinario sea tarea fácil para una computadora; de hecho, es enormemente difícil, y al día de hoy estamos lejos de lograrlo. Pero incluso si pudiéramos hacerlo, las consecuencias prácticas de haberlo logrado serían cuestionables. Imitar a otros seres humanos no es muy difícil: casi cualquier humano puede hacerlo. La mente humana no habrá sido superada el día que una máquina pase el test de Turing, de la misma forma en que tampoco será superada si un día encontramos un perro que habla.

En cambio, los seres humanos tendríamos que preocuparnos el día en que las computadoras superen otra prueba distinta, una prueba que voy a llamar, de ahora en más, el juego de la predicción. El juego de la predicción no tiene que ver con imitar a un ser humano, de hecho, es posible que una computadora pueda ganar este juego sin siquiera poder entablar una conversación fluida con un ser humano. En términos sencillos, decimos que una computadora vence en el juego de la predicción si es capaz de predecir el comportamiento general de seres humanos mejor que otros seres humanos (quizás incluso mejor que ellos mismos) partiendo de la misma información. 

Ser más precisos en la definición del juego y sus objetivos requiere clarificar el significado de “comportamiento general”. Las computadoras ya son capaces de vencer fácilmente en ciertas versiones acotadas del juego de la predicción en las cuales el repertorio de posibles decisiones se encuentra restringido a un universo con reglas claras y bien definidas. El ejemplo clásico son los juegos de tablero como las damas, el ajedrez, y el go. Estos triunfos se asocian a casos muy específicos y, por lo tanto, las computadoras se encuentran muy lejos de triunfar en la versión más general del juego, que veremos a continuación.

Consideremos que una computadora y un comité de seres humanos se enfrentan múltiples veces a preguntas sobre el comportamiento futuro de un determinado ser humano. Algunos ejemplos de preguntas válidas son: ¿la persona va a dejar a su pareja en los próximos cinco meses? ¿Qué carrera va a estudiar la persona? ¿Qué va a cenar la persona el próximo fin de semana? ¿Cómo va a reaccionar la persona en cuestión ante una determinada situación conflictiva en el trabajo? El objetivo del juego es alcanzar una respuesta correcta partiendo de información preseleccionada; la información puede incluir videos o audios de la conversación cuyo resultado se intenta predecir y datos exhaustivos sobre los hábitos intelectuales, físicos o alimenticios de la persona, incluyendo libros leídos, series miradas, y restaurantes visitados. Los miembros del comité de expertos pueden ser personas de distintas culturas y con distintas profesiones; pueden ser muy similares en estos aspectos a la persona cuyo comportamiento se desea predecir. El comité puede incluir psicólogos expertos en por qué los seres humanos toman distintas decisiones; incluso puede incluir a los ingenieros que diseñaron y construyeron la computadora que está participando en el juego de la predicción. Puede incluir personas íntimamente familiarizadas con el individuo, como amigos cercanos, padres, hermanos o parejas. De hecho, el comité puede incluir a la misma persona cuyo comportamiento se desea predecir. Decimos que la computadora gana en el juego si predice correctamente el comportamiento del humano con mayor frecuencia que el comité.

Podemos adoptar dos perspectivas distintas a la hora de diseñar una computadora para participar en el juego de la predicción. La primera consiste en diseñar una computadora capaz de adoptar la perspectiva intencional. Para esto, necesitamos que la computadora sea capaz de inferir ciertos estados mentales del ser humano a predecir, por ejemplo, qué cree y qué desea. Además, necesitamos equipar la computadora con mecanismos para transformar esta información sobre estados mentales de la persona en predicciones sobre su comportamiento futuro (es decir, la computadora debe contar con un modelo de un agente racional, que también podríamos llamar reglas del sentido común). 

¿Cómo podríamos dotar al sistema de este conocimiento? Los seres humanos podemos adoptar la perspectiva intencional sin esfuerzo porque tenemos conocimiento tácito sobre una gran cantidad de reglas. Si estas reglas pudiesen ser formalizadas y codificadas en la programación de la computadora, entonces sería posible dotar a la computadora de las mismas herramientas que nosotros explotamos para poder adoptar la perspectiva intencional. Por ejemplo: “Si una persona cree que el dinero es importante en la vida y cree que la carrera de abogacía puede permitirle tener un buen pasar y está convencida de que puede terminar la carrera sin mayores problemas o ya descartó todas las otras carreras salvo abogacía porque no le gustaban o sus padres son abogados y cree que es importante satisfacer las expectativas de sus padres [sigue una gran lista de proposiciones separadas por “y” y por “o”], entonces esa persona va a inscribirse en la carrera de abogacía”. Si bien estas construcciones pueden crecer hasta volverse inmanejables, las computadoras actuales son capaces de procesar información con una rapidez asombrosamente superior a la de cualquier ser humano. Entonces, si tuviesen a su alcance todas las reglas necesarias, ¿no deberían las computadoras poder adoptar la perspectiva intencional con una capacidad muy superior a la nuestra?

Ningún buen padre o madre les negaría a sus hijos las herramientas y el conocimiento que fueron útiles para su propia vida. De la misma forma, esperaríamos que los ingenieros a cargo implementaran las reglas detrás de sus propios razonamientos en la construcción de una computadora diseñada para participar del juego de la predicción. Durante décadas, los programas de inteligencia artificial fueron dominados por los sistemas expertos: conjuntos de reglas que intentan ser lo suficientemente exhaustivos como para lograr inferir y estimar las posibles consecuencias de los estados mentales de un individuo. Un sistema experto es un enorme conjunto de reglas formales, similares a las de la lógica o la matemática; también podemos pensarlos como un intento por axiomatizar nuestra capacidad de adoptar la perspectiva intencional. Lo único que tenemos que hacer para programar un sistema experto es examinar la forma en que pensamos (o creemos pensar) y plasmarla en un conjunto (seguramente muy grande) de reglas. 

Los sistemas expertos no son muy buenos en el juego de la predicción, aunque pueden tener mucho éxito en sus versiones acotadas. Un ejemplo es el ajedrez.20El caso de las damas es diferente. El juego de damas fue resuelto por Jonathan Schaeffer y su equipo en 2007. Esto quiere decir que se conoce la secuencia óptima de jugadas partiendo de la posición inicial de las piezas, y esa secuencia óptima de jugadas resulta siempre en un empate. En otras palabras: el juego de damas es como el tatetí. No es posible ganar si nuestro adversario juega como es debido, y si nosotros nos apartamos de la secuencia de jugadas óptima, nos arriesgamos a perder (pero nunca a ganar). Una computadora programada para jugar a las damas no necesita adoptar la perspectiva intencional, porque ya tiene incorporado el conocimiento sobre la estrategia ganadora; es decir, ya “sabe” cómo funciona el juego (por eso podríamos decir que adopta la perspectiva de diseño). El mismo Alan Turing publicó en 1951 el primer programa de computadora capaz de jugar una partida entera de ajedrez, de principio a fin. Turing desarrolló su programa usando papel y lápiz, es decir, codificó una serie de reglas formales y luego computó manualmente las jugadas que el programa adoptaría a lo largo de una partida contra él mismo. Turing movía una pieza, y después de una cierta cantidad de cómputo manual, llegaba a obtener la jugada de la computadora a la que se enfrentaba (en este caso, por supuesto, él mismo era la computadora).21¿Podemos imaginar a Alan Turing derrotado por este programa? A diferencia de los programas actuales, Turing era capaz de ver “bajo el capot” del programa y entenderlo a la perfección (al fin y al cabo, él mismo estaba computando manualmente cada una de las jugadas). En otras palabras, Turing era capaz de adoptar la perspectiva de diseño, haciendo imposible que el programa pueda vencerlo. Actualmente es muy común encontrar programas para jugar al ajedrez capaces de superar sin problemas a aquellos humanos que los diseñaron. Pero ¿no deberían estos humanos ser capaces de vencerlos retrocediendo hasta la perspectiva de diseño, como podía hacer Turing? La respuesta es que podrían hacerlo en principio, aunque jamás en la práctica. La inmensa cantidad de cómputos realizados por una computadora moderna para decidir cada jugada hace que la única opción eficiente para enfrentarla sea adoptar la perspectiva intencional.

Desde la época de Turing hasta hace pocos años, los programas de computadora para jugar al ajedrez se basaban en una combinación de fuerza bruta con heurísticas destinadas a limitar la cantidad necesaria de cómputos. Podemos imaginar una partida de ajedrez como un árbol que se bifurca ante cada posible decisión sobre el movimiento de las piezas. La rapidez con que ocurren estas bifurcaciones es tan grande que explorar el árbol por completo se vuelve impracticable, tanto para humanos como para computadoras. Los humanos utilizamos reglas explícitas o implícitas (intuitivas) para descartar ramas enteras del árbol y así poder llegar a una respuesta razonable en un tiempo acotado (estas reglas son, precisamente, las heurísticas). Aunque las computadoras pueden permitirse explorar este árbol con más profundidad, son también incapaces de hacerlo hasta sus raíces.22A diferencia de lo que ocurre con el juego de damas. Es por este motivo que quienes los diseñan codifican heurísticas humanas en los programas, lo que les permite imitar nuestro razonamiento a la hora de descartar ciertos movimientos posibles del tablero.

El problema es que el cerebro humano, en su máxima generalidad, es muchísimo más complejo que cualquier partida de ajedrez. Gradualmente se fue descartando la idea de que existen heurísticas programables en una computadora capaces de predecir el comportamiento general de un individuo. En otras palabras, hoy se considera que han fracasado los intentos de programar computadoras para adoptar la perspectiva intencional en su máxima generalidad. Quizás este fracaso sea una buena oportunidad para reexaminar nuestra mente y preguntarnos: ¿realmente es así como estimamos el comportamiento futuro de otras personas? En este capítulo establecimos que los humanos adoptamos una perspectiva diferente a la hora de modelar el comportamiento de otros humanos: la perspectiva estadística. Con el tiempo, es muy posible que el juego de la predicción sea dominado por una computadora capaz de adoptar eficientemente esta perspectiva, al menos si nos guiamos por algunos avances tan recientes como espectaculares en el campo del ajedrez computarizado.

En 1997 la computadora Deep Blue de IBM superó sobre un total de seis partidos a Garry Kasparov, considerado uno de los mejores jugadores de ajedrez de la historia. Desde ese momento en adelante, se considera que los seres humanos dejaron de ser contrincantes serios para las computadoras. Gradualmente, el interés se fue desplazando hacia el desafío de diseñar programas capaces de superar a otros programas. Uno de los programas más exitosos en la actualidad es Stockfish, considerado el campeón mundial de ajedrez computarizado en la mayoría de sus últimas ediciones. Stockfish combina el poder de cómputo de hasta 512 CPU (una notebook tiene típicamente cuatro), opera con 32.000 GB de memoria (en comparación con los usuales 8 GB de una computadora doméstica) y cuenta con una de las bases de datos más completas, con heurísticas y series de jugadas precalculadas. Su poderío se hizo obvio cuando en 2014 se enfrentó a Hikaru Nakamura, el quinto mejor jugador (humano) del planeta por aquel entonces. Ya desde el comienzo se consideró a Nakamura en desigualdad de condiciones y se le permitió jugar con la asistencia de otro programa de computadora. Pero incluso bajo estas condiciones, Stockfish resultó vencedor.

Stockfish es un auténtico monstruo a la hora de adoptar la perspectiva intencional, aunque en el dominio muy restringido del ajedrez. El programa está siempre varios pasos por delante de cualquier humano que lo enfrente. Antes de que su oponente humano moviera una pieza, el programa ya sabía que el humano podía mover esa pieza, y por lo tanto ya conocía la mejor jugada para neutralizar ese movimiento; al mismo tiempo, también conocía las respuestas más probables del humano ante esta jugada (que todavía no había sido hecha), y por esto, también las mejores jugadas frente a esa respuesta, y así sucesivamente. Los humanos que programaron Stockfish vertieron en sus engranajes todo lo que consideraron necesario para que el programa siempre pueda inferir cuál es el plan de su contrincante, y también para que siempre tenga a mano la mejor estrategia posible para vencerlo. 

Pero de repente pasó algo completamente inesperado, algo tan dramáticamente diferente al curso esperado de los eventos que solo parece poder explicarse apelando a una reformulación de lo que significa jugar al ajedrez. En 2017, Stockfish se enfrentó en un total de 100 partidos contra otro programa de computadora denominado AlphaZero. AlphaZero venció en 28 ocasiones; las 72 restantes fueron tablas (empates). Stockfish fue incapaz de ganar un solo partido. ¿Acaso quienes diseñaron AlphaZero incluyeron heurísticas humanas sobre el ajedrez mucho más profundas que las de Stockfish? Para nada: el único conocimiento sobre el juego de ajedrez incluido en el diseño original de AlphaZero fueron las reglas del juego. De la noche a la mañana, únicamente armado de la mínima información indispensable, AlphaZero se coronó como el mejor programa de ajedrez computarizado del planeta. Pero aún hay más: AlphaZero ni siquiera es un programa diseñado específicamente para jugar al ajedrez. Años atrás, prácticamente el mismo código había sido usado para vencer a uno de los mejores jugadores de go del mundo. Increíblemente, nunca antes un programa de computadora había estado siquiera cerca de vencer a un jugador de go de tanta jerarquía.23El go es un juego de tablero oriental que se basa en colocar piedras blancas y negras en una grilla con el objetivo de rodear las piedras del adversario con las propias. El árbol de posibles jugadas de una partida de go se bifurca muchísimo más rápido que el del ajedrez, y por este motivo, las estrategias de fuerza bruta usadas por muchos programas de ajedrez nunca fueron muy exitosas al aplicarlas al juego de go.

¿Qué clase de magia negra es esta? ¿Qué hay detrás de este salto cuántico en la capacidad ajedrecística de AlphaZero? Imaginemos por un momento al mejor equipo de fútbol de la historia; digamos, por ejemplo, el Barcelona de Messi en su máximo esplendor.24Este ejercicio mental también es válido con el equipo de Brasil que fue campeón en el mundial de Corea-Japón 2002. Un día el Barcelona juega contra un equipo desconocido, un equipo de jugadores a quienes su director técnico únicamente les enseñó el reglamento del fútbol. El Barcelona pierde. Los equipos vuelven a jugar, y el Barcelona vuelve a perder. Finalmente, termina perdiendo 28 veces. Algo muy extraño está sucediendo. Algunas personas empezarían a preguntarse si es correcto afirmar que este misterioso equipo y el Barcelona están jugando el mismo deporte. 

Pero ¿cómo es que AlphaZero aprende a jugar al ajedrez? Conociendo únicamente las reglas y jugando durante horas contra sí mismo.25El plan inicial era entrenar a AlphaZero durante seis horas para su encuentro con Stockfish, pero el proceso fue interrumpido a las cuatro horas, estimando que eso iba a ser suficiente para una victoria contundente. Con el poder de cómputo de Google detrás,26Una crítica posible es que AlphaZero y Stockfish son desiguales debido a la asimetría de recursos computacionales disponibles a ambos programas. En realidad, AlphaZero utiliza una gran cantidad de cómputo en el proceso de enfrentarse a sí mismo durante millones de partidas, pero luego puede partir de la información adquirida para jugar al ajedrez usando el mismo tipo de hardware que usan programas como Stockfish. estas horas representan millones de partidas enteras, a lo largo de las cuales con cada error y cada acierto se optimizan los parámetros de una red neuronal artificial que está en el núcleo del programa. Ningún ser humano interviene durante este proceso codificando manualmente intuiciones sobre cómo jugar al ajedrez. AlphaZero tampoco posee acceso a bases de datos de partidos anteriores, ya sea entre humanos o entre computadoras. Sea lo que sea que está haciendo AlphaZero cuando se enfrenta a un ser humano, es muy dudoso afirmar que lo está haciendo desde la perspectiva intencional; en realidad, no hay ninguna traza de la perspectiva que los humanos adoptamos sobre el ajedrez en el producto final. Tampoco es correcto afirmar que AlphaZero logra sus éxitos retrocediendo hasta la perspectiva de diseño: a diferencia de las damas, la manera óptima de jugar al ajedrez sigue siendo un misterio. Las millones de partidas que AlphaZero jugó durante su entrenamiento representan apenas una fracción ínfima de la cantidad de partidas posibles de ajedrez,27Estimadas en 10120 partidas, es decir, un 1 seguido de 120 ceros. una exploración despreciable del árbol total de decisiones que representa al juego de ajedrez en su totalidad. 

Ningún ser humano cuenta con millones de partidas de experiencia en su haber. Incluso los mejores jugadores de la historia aprendieron de una muy pequeña fracción de estas partidas. Hasta parece injusto decir que AlphaZero aprendió a jugar al ajedrez luego de esas horas de enfrentarse consigo mismo. Quizás sería más correcto decir que AlphaZero se acostumbró a jugar al ajedrez, y alcanzó un estilo propio y misterioso, muchas veces diferente del que caracteriza a los grandes maestros humanos. 

AlphaZero adopta la perspectiva estadística para jugar al ajedrez. No sigue reglas predefinidas sino que las aprende explotando las regularidades del juego que se hacen obvias luego de millones de partidas. Tampoco construye un modelo de su adversario mientras juega la partida, sino que extrae información de millones de posibles adversarios jugando millones de posibles partidas para tomar cada una de sus decisiones. Dentro de AlphaZero no hay instrucciones escritas en un lenguaje entendible por seres humanos, sino transformaciones matemáticas basadas en parámetros numéricos aprendidos a lo largo de millones de partidas. No se trata de agentes racionales, ni de inferencia o atribución de estados mentales; se trata de big data.

Los expertos están de acuerdo en que AlphaZero juega al ajedrez desde una perspectiva diferente a la usual. Luego de la victoria contra Stockfish, uno de los mejores jugadores de la actualidad declaró: “Siempre me pregunté cómo sería si una especie superior llegase a la Tierra y nos mostrase cómo jugar al ajedrez. Siento que ahora conozco la respuesta”. Demis Hassabis, el cerebro detrás de AlphaZero, se hizo eco al afirmar: “No juega como ningún ser humano, y tampoco juega como ningún otro programa: juega de una tercera forma”. El estilo de AlphaZero es una mezcla de jugadas muy agresivas con otras que son en apariencia erráticas, tales como intercambiar su dama por un alfil, o bien arrinconar a su propia dama contra una esquina del tablero. AlphaZero suscitó comentarios similares en su versión jugadora de go.28En contraste con su estilo en el ajedrez, AlphaZero juega al go de una forma conservadora, abriendo el partido con algunos movimientos inesperados hasta lograr vencer por una pequeña diferencia de puntos.

Es así como podemos esperar que algún día una computadora supere a un comité humano en el juego de la predicción. A diferencia del ajedrez, las reglas del comportamiento humano no están para nada claras (por eso los intentos de aplicar la perspectiva intencional para resolver el problema fracasaron). Por lo tanto, una computadora no puede “jugar a ser humano” millones de veces en pocas horas para ajustar los parámetros de su red neuronal. Pero tampoco lo necesita, porque las huellas de la forma humana de actuar y pensar se encuentran disponibles en enormes cantidades. Internet es un gran banco de datos sobre el comportamiento humano, y eso si solamente consideramos la información que se encuentra disponible públicamente (imaginemos sumar a esto los historiales de búsqueda de Google o Amazon, o los registros de actividad de Facebook o Instagram). Lo único que tiene que hacer una computadora para vencer al Homo sapiens en el juego de la predicción es acceder masivamente a esta información y usarla para desarrollar y perfeccionar un modelo estadístico sobre el comportamiento humano.

Llegado este punto, ya no importa quiénes se sienten en el comité de expertos para enfrentarse a la computadora. Por ejemplo, podríamos incluir a alguien como Daniel Kahneman, quizás el mayor experto vivo en comportamiento racional y toma de decisiones. La mejor estrategia disponible para Kahneman oscila entre la perspectiva intencional y examinar los datos disponibles para adoptar una forma cruda de la perspectiva estadística. La primera opción es útil si el objetivo es predecir una decisión racional (por ejemplo, una inversión monetaria o una decisión sobre temas de salud). La segunda opción es aplicable a situaciones en las cuales la decisión no parece estar ligada a un obvio proceso de optimización, como por ejemplo qué serie mirar, qué preparar para la cena, con quién salir el fin de semana, o si extender cinco minutos más la alarma del reloj despertador. Para este tipo de decisiones, tendríamos más éxito si reemplazáramos a Kahneman por una persona que esté íntimamente familiarizada con la persona cuyo comportamiento se debe predecir (a menos que Kahneman sea íntimo de la persona, en ese caso no sería necesario echarlo del comité). Para una inmensa cantidad de decisiones, el mejor comité parece ser aquel conformado por quienes sean capaces de adoptar de la mejor forma posible la perspectiva estadística sobre el individuo en cuestión.

Pero incluso el modelo estadístico disponible para un conocido íntimo de la persona palidece ante el potencial de una computadora expuesta a un caudal suficientemente grande de datos. Padres, hijos, parejas: todos se conocen, entienden y acostumbran en base a aquello que eligen hacer público. Y aunque lo que hagan público sea mucho, siempre deja de lado el grueso de información disponible para una computadora, desde el historial de consumo pornográfico hasta algunos mails iracundos escritos a las 3 de la mañana y enviados a la papelera de reciclaje a la mañana siguiente. Los engranajes ya están en marcha: mientras la élite de Silicon Valley sigue preocupada por la singularidad, ese terrible momento en el cual una inteligencia artificial sepa más sobre sí misma que lo que saben sus propios diseñadores, algunas personas sufrimos un miedo mucho más mundano, aunque quizás más justificado: el día en que una computadora conozca a los seres humanos mejor de lo que se conocen ellos mismos.

Es posible que una sospecha se apodere de quien lee. Parece haber algo tramposo en la perspectiva estadística. Tanto los físicos marcianos como la Muerte del relato de García Márquez disponen de mecanismos válidos para predecir el futuro curso de la acción humana: los primeros disponen de las leyes de la física, mientras que la segunda siempre puede consultar su infalible y fatídico libro de notas. El problema no tiene que ver con el éxito de sus predicciones, sino con explicar por qué esas predicciones funcionan. En contraste, la perspectiva intencional es excelente para proveernos de predicciones entendibles y justificables. Al modelar a cada ser humano como un agente racional que actúa bajo ciertas creencias y deseos, el punto de vista intencional ofrece justificaciones claras para las muchas acciones y decisiones tomadas (o tomables) por el individuo.

Estas justificaciones son, quizás, demasiado claras. Dentro del inmenso repertorio de comportamientos humanos, únicamente una muy pequeña fracción puede explicarse mediante una prolija narrativa sobre cierto agente racional que opera en base a ciertas premisas. Por eso elaboramos y sugerimos adoptar la perspectiva estadística. Ahora tenemos que enfrentarnos a una pregunta muy difícil: ¿qué tan distintas son las explicaciones de la perspectiva estadística de aquellas que encuentra la Muerte en su libro de notas? Cuando desarrollamos un modelo estadístico basado en una gran cantidad de datos, ¿entendemos realmente por qué funciona? 

Esta es una pregunta profunda y transversal a múltiples campos del conocimiento humano, desde la psicología hasta la inteligencia artificial, pasando por la neurociencia. Las explicaciones proporcionadas por la perspectiva estadística son tan comprensibles como es posible para cualquier explicación adecuada sobre un comportamiento humano (excluimos de esta categoría ciertas fábulas justificatorias a las que podemos arribar partiendo de la perspectiva intencional). Los métodos experimentales de la psicología intentan (y en muchos casos logran) revestir de poder explicativo a la experiencia estadística postulando múltiples dimensiones con nombres que remiten a nuestras intuiciones sobre los demás seres humanos. Por ejemplo, los psicólogos cuantifican la personalidad humana mediante dimensiones tales como “extroversión”, “agradabilidad” y “responsabilidad”. Cada una de estas etiquetas es el resultado de un modelo estadístico calibrado con una inmensa cantidad de datos, al mismo tiempo que captura un atributo intuitivo sobre la personalidad de los seres humanos. 

En cambio, si el modelo estadístico es desarrollado por una computadora, ¿podemos esperar que exista una interpretación intuitiva de este? Podría ocurrir que los parámetros óptimos usados por la computadora para explicar el comportamiento humano carezcan de sentido ante los ojos de los humanos mismos. Esta preocupación parece estar justificada cuando observamos lo inexplicable de algunas estrategias adoptadas por AlphaZero para jugar al ajedrez. En general, una de las críticas más persistentes que se esgrimen contra los modelos de inteligencia artificial es la falta de interpretabilidad. Las redes neuronales detrás del mágico desempeño de las computadoras en muchas tareas parecen ser cajas negras imposibles de descifrar.29Hace algunos años trabajé como científico de datos en una empresa estadounidense. Mi trabajo era procesar grandes volúmenes de datos para predecir patrones de compra. Los modelos más poderosos que implementamos se basaban en distintas arquitecturas de redes neuronales, pero descubrimos que el CEO no estaba tan interesado en el desempeño como en la interpretabilidad –es decir, el CEO estaba frustrado ante su incapacidad para adoptar la perspectiva intencional respecto a nuestros modelos–. Finalmente, adoptamos un modelo que daba predicciones pobres pero interpretables, conocido como árbol de decisión. En paralelo trabajé para superar la falta de imaginación del CEO y “abrir la caja negra”, encontrando justificaciones para el resultado de mis algoritmos. Aprendí que los motivos detrás de desempeños superhumanos pueden resultar muy preocupantes. Descubrí que mi modelo era capaz de predecir si una persona iba a buscar una educación terciaria con una precisión asombrosa basándose en una única variable: la raza reportada por la persona. Había construido, en efecto, un sofisticado detector de personas racializadas (a pesar de mis protestas, el CEO no veía nada de malo en adoptar el modelo: los beneficios de la interpretabilidad). Los críticos que simpatizan con estos argumentos prefieren verse enfrentados a sistemas expertos alimentados por reglas claras, tan bien definidas como interpretables; en otras palabras, encuentran preocupante el abandono de la perspectiva intencional. 

Pero esta supuesta falta de interpretabilidad no es más que falta de imaginación. Los modelos de la perspectiva estadística son imposibles de interpretar únicamente si nos rehusamos a ampliar nuestro repertorio conceptual. El ajedrez no existió desde siempre en su forma actual, sino que evolucionó como resultado de nuevas estrategias inventadas por seres humanos. La defensa Caro-Kann, por ejemplo, no existía antes de que la inventaran Horatio Caro y Marcus Kann. Por suerte, sus contemporáneos no descartaron esta nueva estrategia por provenir de dos cajas negras aparentemente indescifrables (los cerebros de Caro y de Kann). De la misma manera, si interrogamos adecuadamente a AlphaZero, descubriremos nuevas estrategias y nuevos conceptos sobre el ajedrez, que tendremos que nombrar y analizar de la misma forma en que analizamos las contribuciones humanas. Tendremos, entonces, un nombre para el errático arrinconamiento de nuestra propia dama contra las esquinas del tablero, y aprenderemos a dominarlo y esgrimirlo en partidas entre humanos. La expansión de nuestro espacio de conceptos (y quizás también de nuestro lenguaje) podría acercarnos a entender la perspectiva que una computadora toma cuando adopta la perspectiva estadística.

Así como podremos aprender nuevas cosas sobre el juego de ajedrez cuando interroguemos la caja negra de AlphaZero, estamos destinados a aprender nuevas cosas sobre nosotros mismos cuando apliquemos el mismo proceso a una computadora vencedora en el juego de la predicción. Es posible que las cosas que aprendamos no nos gusten. Cuando finalmente podamos poner una etiqueta a las dimensiones con que esta computadora mide nuestra humanidad, puede que encontremos etiquetas que jamás hubiésemos elegido para describirnos a nosotros mismos. Puede que esas etiquetas sean cómicas, insultantes, o peor aún: puede que sean abstractas, y por lo tanto requieran una reformulación de nuestros conceptos y de nuestro lenguaje para poder interpretarlas. En este caso, al hacerlo tendremos la oportunidad de refinar la forma en que nos referimos al contenido de nuestras mentes y conciencias, quizás multiplicando el ancho de banda de nuestro lenguaje, modelándonos los unos a los otros más allá de nuestros sueños y pesadillas más disparatadas. 

Terminamos de exponer la perspectiva estadística y finalizamos un aparente desvío en nuestro proyecto de comprender la conciencia humana. Esperamos que los beneficios de este desvío empiecen a ser claros para quien lee. En cuanto la conciencia es un fenómeno privado, es necesario establecer un canal de comunicación para establecer que ocurren ciertos eventos dentro de este dominio privado. El lenguaje abre un canal de comunicación entre seres humanos y, por lo tanto, permite investigar la conciencia de formas regulares y sistemáticas. Pero la inmensa mayoría de los experimentos conducidos hasta el día de hoy no se apoyan únicamente en el lenguaje, sino también en la perspectiva intencional. Es precisamente adoptando esta perspectiva que interpretamos y asignamos significado a las teclas que aprietan los sujetos en experimentos sobre la conciencia. Y es precisamente por este motivo que nos encontramos con un callejón sin salida en el estudio de la conciencia. 

En el próximo capítulo vamos a regresar a los problemas de la percepción consciente y de la distinción entre conciencia-F y conciencia-A. El objetivo será demostrar que podemos reinterpretar el comportamiento de los sujetos por fuera de la perspectiva intencional, y que esta reinterpretación desvanece la controversia sobre la conciencia-F y su disociación de la conciencia-A. Vamos a discutir la evidencia disponible de los (pocos) experimentos basados en la perspectiva estadística, para luego proponer nuevos experimentos destinados a poner a prueba nuestras hipótesis.30Dada la naturaleza de nuestro objeto de estudio, es natural que lectores y lectoras puedan con el tiempo ser partícipes de este proceso.

Después de esto vamos a enfocarnos en cómo incorporar las intuiciones sugeridas por la perspectiva estadística en nuestra forma de pensar sobre la propia mente, la conciencia y la identidad personal. Este proceso gradual empezará por el caso más extremo, aunque quizás el más ilustrativo: aquellos pacientes psiquiátricos o neurológicos que se resisten por completo a la perspectiva intencional. Luego vamos a explorar formas más controladas y precisas de inducir estados no ordinarios de conciencia. El proceso de descubrimiento que proponemos consta de tres pasos bien definidos: número uno, explorar distintos estados de conciencia mediante manipulaciones farmacológicas precisas; número dos, aplicar la perspectiva estadística para encontrar modelos que permitan capturar el comportamiento durante estos estados; número tres, “abrir la caja negra”, es decir, interpretar estos modelos estadísticos para arribar a nuevos conceptos que puedan cambiar la forma en que nos expresamos sobre los contenidos de nuestra conciencia. 

Ya empezaste a desatar el nudo. Ahora, compartí la experiencia.

Compartí en tu muro
Escribí un tweet
Mandá un whatsapp

¿Qué te pareció?