E15 Inferencia y Reconstrucción del Mundo

Tópico

Esta percepción no es, en definitiva, una copia pasiva de este entorno que ya establece otro modelo de este conjunto, sino una inferencia activa sobre él: el sistema nervioso de quien percibe combina, según la regla de Bayes, la información sensorial que ya establece ese otro modelo de este conjunto con un conocimiento previo sobre este mismo entorno, para estimar en consecuencia el estado real de ese entorno a partir de ambas fuentes combinadas. Esta misma visión bayesiana explica, en consecuencia, tanto una ilusión perceptual como una constancia perceptual o un efecto de contexto: este cerebro de quien percibe usa, en definitiva, sus propias expectativas previas sobre este entorno para interpretar a un dato sensorial que, por sí solo, resultaría ambiguo. Que este conocimiento previo sobre este entorno sea más fuerte que esta información sensorial recién recibida hace que, según esta misma regla de Bayes, esta estimación final del estado de este entorno, en consecuencia, se incline más hacia ese mismo conocimiento previo que hacia esta información sensorial ambigua.

La fusión óptima de dos estimadores independientes entre sí sobre este mismo estado de este entorno produce, en consecuencia, una varianza final menor que la que tendría cualquiera de estas dos fuentes de información por separado: esto explica, en consecuencia, por qué dos ojos ofrecen una agudeza visual mejor que uno solo, por qué un oído binaural localiza a una fuente sonora mejor que un oído monoaural, y por qué combinar a esta visión con la propiocepción de este mismo cuerpo mejora, en consecuencia, al equilibrio de quien percibe. Este cerebro de quien percibe implementa, en consecuencia, de manera aproximada, a este mismo estimador de mínima varianza, muy cercano al límite óptimo que ya establece otro modelo de este conjunto para cualquier estimador estadístico no sesgado. Que este cerebro combine a dos fuentes de información independientes entre sí sobre este mismo estado de este entorno hace que, en consecuencia, esta varianza final de su propia estimación resulte menor que la que lograría con cualquiera de esas dos fuentes por separado.

Un modelo generativo dentro de este cerebro describe, mientras tanto, qué debería este cerebro ver, oír o sentir dado un estado hipotético particular de este entorno: esta percepción resulta, según el principio de energía libre, la minimización continua de la discrepancia entre estas mismas predicciones de este modelo generativo y las observaciones sensoriales que este cerebro efectivamente recibe. Ciertas neuronas de error de predicción, dentro de la corteza de este cerebro, codifican precisamente a esta misma diferencia entre esta observación sensorial recién recibida y esta predicción de este modelo generativo. Que esta discrepancia entre esta predicción de este modelo generativo y esta observación sensorial recién recibida sea mayor hace que estas neuronas de error de predicción, en consecuencia, codifiquen una señal más intensa dentro de esta corteza de este cerebro.

El filtro de Kalman es el estimador lineal óptimo para un sistema dinámico con ruido gaussiano, el mismo ruido que ya establece otro modelo de este conjunto: la ganancia de este filtro de Kalman pondera, de manera automática, cuánto debe este cerebro confiar en esta nueva observación sensorial frente a esta predicción previa de este mismo modelo generativo con la que se abrió este modelo. Si este ruido sensorial resulta bajo, con una medición fiable de por medio, este cerebro confía, en consecuencia, sobre todo en esta observación sensorial recién recibida; si este ruido sensorial resulta, en cambio, alto, este mismo cerebro confía en cambio, sobre todo, en esta predicción previa de este modelo generativo. El cerebelo de este cerebro implementa, para el control motor, mecanismos muy similares a este mismo filtro de Kalman. Que este ruido sensorial de una observación particular sea más alto hace que, según esta misma ganancia de este filtro de Kalman, este cerebro, en consecuencia, confíe más en esta predicción previa que en esa misma observación ruidosa.

Por eso este modelo, con esta inferencia bayesiana y esta fusión óptima con las que se abrió, explica en consecuencia tres fenómenos perceptuales concretos mediante estas mismas herramientas estadísticas: la constancia perceptual, en la que este cerebro corrige de manera automática a la iluminación de este entorno para seguir percibiendo colores constantes bajo ella, exactamente según esta misma inferencia bayesiana con la que se abrió este modelo; la captura sensorial, en la que la modalidad sensorial más fiable de todas domina, en consecuencia, sobre esta percepción final ya fusionada, exactamente según esta misma fusión óptima de estimadores con la que también se abrió este modelo; y la ilusión de la mano de goma, en la que este cerebro actualiza, en consecuencia, a su propio modelo corporal interno ante una evidencia multisensorial suficientemente coherente entre sí. Que esta evidencia multisensorial sobre este propio cuerpo resulte suficientemente coherente entre todas sus fuentes hace que este cerebro, en consecuencia, actualice a este mismo modelo corporal interno aun cuando esa evidencia contradiga, en el fondo, a la posición real de ese cuerpo.

ID:3901