E36 Reconocimiento de objetos, eventos y riesgos

Tópico

Este reconocimiento de un objeto, de un evento o de un riesgo particular es, en definitiva, el problema de asignar una categoría semántica, ya sea una presa, un predador, un compañero o un obstáculo, a un patrón sensorial determinado que este organismo ya recibió: la teoría de decisión bayesiana provee, para este mismo reconocimiento, el marco óptimo posible, en el que este organismo maximiza a su propia utilidad esperada ponderando, en consecuencia, a la probabilidad posterior de cada hipótesis particular sobre este patrón sensorial, la misma regla de Bayes que ya establece otro modelo de este conjunto, por las consecuencias reales que cada decisión posible traería consigo.

La distancia de Mahalanobis normaliza, en consecuencia, a la distancia entre este patrón sensorial recibido y el centroide de cada categoría posible por la propia variabilidad interna de esa misma categoría: esta misma normalización evita, en consecuencia, la distorsión que producirían las correlaciones existentes entre las distintas características de este patrón sensorial si no se corrigieran de este modo. En una clasificación lineal con distribuciones gaussianas, el límite de decisión óptimo entre dos categorías cualesquiera resulta, en consecuencia, la hipersuperficie sobre la cual esta distancia de Mahalanobis a ambas categorías resulta exactamente igual entre sí, una hipersuperficie que adopta, en este caso particular, la forma simple de un hiperplano. Que la variabilidad interna de una categoría particular sea mayor hace que, según esta misma distancia de Mahalanobis, un patrón sensorial determinado, en consecuencia, deba alejarse mucho más del centroide de esa categoría antes de dejar de pertenecer a ella con la misma probabilidad.

La teoría de detección de señales, la misma teoría de detección de señales que ya establece otro modelo de este conjunto, separa, en consecuencia, a esta sensibilidad de este organismo frente a este patrón sensorial, que depende de esta relación entre esta señal útil y este ruido que ya establece ese otro modelo de este conjunto, de su propio criterio de respuesta, que depende en cambio de las probabilidades previas de cada categoría y de las consecuencias reales de cada decisión posible con la que se abrió este modelo. Un observador puede presentar, en consecuencia, una sensibilidad muy alta frente a este patrón sensorial y, sin embargo, seguir cometiendo errores de todos modos si su propio criterio de respuesta resulta sesgado hacia una categoría particular. Aplicar a esta misma teoría de detección de señales sobre el comportamiento de un animal permite, en consecuencia, separar a los límites puramente sensoriales de ese animal de los sesgos propios de su propia decisión final. Que este criterio de respuesta de un observador esté más sesgado hacia una categoría particular hace que, en consecuencia, ese mismo observador cometa más errores frente a este patrón sensorial aun cuando su propia sensibilidad frente a él permanezca igual de alta.

La integración de evidencia por difusión acumula, mientras tanto, a esta evidencia sensorial recibida hasta que esa misma evidencia acumulada alcanza un umbral de decisión determinado, modelando en consecuencia, de manera simultánea, tanto el tiempo de reacción de este organismo como su propia tasa de errores frente a este patrón sensorial: la velocidad con la que esta evidencia se acumula resulta proporcional, en consecuencia, a esta misma relación entre esta señal útil y este ruido del estímulo recibido, mientras que este umbral de decisión controla, en cambio, la compensación entre esta velocidad de respuesta y esta exactitud final de esa misma respuesta. Ciertas neuronas especializadas del lóbulo parietal de un primate muestran, en consecuencia, una actividad creciente con el tiempo consistente con este mismo modelo de acumulación de evidencia. Que esta relación entre esta señal útil y este ruido del estímulo recibido sea más favorable hace que, en consecuencia, esta evidencia sensorial se acumule con más rapidez hacia este umbral de decisión, y que este tiempo de reacción de este organismo, en consecuencia, resulte más breve.

Por eso este modelo, con esta teoría de decisión bayesiana y estas consecuencias reales de cada decisión con las que se abrió, hace que una función de riesgo percibido introduzca, en consecuencia, una asimetría deliberada entre estos dos tipos de costo posibles con los que se abrió este modelo: en una situación de peligro real, el costo de sufrir un daño real resulta muchísimo mayor que el costo de reaccionar ante una falsa alarma, lo que hace en consecuencia que el umbral de acción de este organismo, frente a un riesgo posible, resulte muy bajo, porque huir sin necesidad frente a una falsa alarma resulta, en definitiva, mucho menos costoso que no huir frente a un predador real. Esta misma asimetría evolutiva entre ambos tipos de costo explica, en consecuencia, tanto una respuesta de miedo exagerada como un sesgo hacia la negatividad que se observa, de manera consistente, en numerosas especies animales. Que el costo real de sufrir un daño resulte todavía mayor frente al costo de una falsa alarma hace que, según esta misma teoría de decisión bayesiana con la que se abrió este modelo, este umbral de acción de este organismo frente a un riesgo posible, en consecuencia, resulte todavía más bajo.

ID:2376