Synchronizing Minds through Collective Predictive Coding: A Computational Model of Parent-Infant Homeostatic Co-Regulation

Resumen Técnico: Sincronización de Mentes mediante Codificación Predictiva Colectiva

Enunciado del Problema
La sincronía intercerebral (IBS) observada en interacciones diádicas en tiempo real, como los intercambios entre padres e infantes, sugiere que los agentes interactivos desarrollan representaciones latentes alineadas. Sin embargo, los relatos computacionales que explican cómo surge dicha alineación entre agentes con acceso sensorial local y conocimiento interno asimétrico permanecen poco desarrollados. Un desafío central es modelar cómo dos agentes, cada uno poseyendo estados internos privados y datos sensoriales limitados, pueden coordinarse para regular estados corporales mientras alinean simultáneamente sus representaciones latentes sin requerir acceso directo a los estados ocultos del otro ni mantener modelos profundamente recursivos del otro.

Metodología
Los autores proponen un modelo computacional constructivo de la co-regulación homeostática entre padres e infantes que integra dos marcos principales:

1. Inferencia Interoceptiva Activa (POMDP): La interacción se modela como un Proceso de Decisión de Markov Parcialmente Observable (POMDP). Dos agentes, un padre (Agente A) y un infante (Agente B), poseen conocimiento de modelos generativos asimétrico:
   • El Padre posee una matriz de transición de estados precisa ($B_A$) que codifica cómo las acciones transforman los estados viscerales, pero debe aprender la matriz de generación sensorial ($A_A$) que vincula su inferencia del estado del infante con las señales exteroceptivas observadas (por ejemplo, temblor).
   • El Infante posee una matriz de generación sensorial precisa ($A_B$) para la percepción interoceptiva directa de su propio estado, pero debe aprender la matriz de transición de estados ($B_B$) que captura cómo las acciones afectan su cuerpo.
   • Ambos agentes procesan entradas sensoriales localmente disponibles y aprenden sus respectivas matrices desconocidas en línea mediante distribuciones Dirichlet.
2. Codificación Predictiva Colectiva (CPC) mediante MHNG: Para mediar el acuerdo sobre acciones regulatorias, los agentes utilizan el Juego de Nombres Metropolis–Hastings (MHNG). Una variable comunicativa compartida (símbolo $w$) se muestrea basándose en las representaciones internas de los agentes ($z$). La aceptación de un símbolo propuesto se determina mediante una probabilidad Metropolis–Hastings computable localmente, que depende únicamente del modelo generativo interno del oyente. Esto permite a los agentes restringir las creencias posteriores del otro sin acceso directo a los estados ocultos de la pareja.

La simulación tiene lugar en un mundo de cuadrícula discreta de $6 \times 6$ que representa el estado visceral del infante (energía y temperatura corporal). Los agentes buscan mantener el estado en una región de alta preferencia previa ($C$) mediante acciones cooperativas (Enfriar, Calentar, Comer, Jugar, Dormir).

Configuración Experimental y Métricas
El estudio compara tres condiciones:

• MHNG: Los símbolos emergen a través de la comunicación bidireccional padre-infante utilizando el protocolo MHNG.
• Solo-A: El infante siempre acepta la propuesta del padre; el padre siempre rechaza la del infante.
• Solo-B: El padre siempre acepta la propuesta del infante; el infante siempre rechaza la del padre.

Las métricas clave incluyen:

• Adaptabilidad ($C_{norm}$): El grado en que el estado visceral del infante se alinea con la región de alta preferencia previa.
• Entropía Promedio ($\bar{H}$): La entropía de las matrices generativas aprendidas ($A$ para el padre, $B$ para el infante), indicando la precisión predictiva.
• Similitud de Representación Mental ($JSD_z$): La distancia Jensen–Shannon entre las distribuciones posteriores de los estados latentes del padre y del infante ($q(z_A)$ y $q(z_B)$).

Resultados Clave

1. Rendimiento Regulatorio: La interacción mediada por MHNG reguló el estado visceral del infante de manera más adaptativa que las condiciones de control unilaterales (Solo-A y Solo-B). El estado visceral en la condición MHNG permaneció en la región de alta preferencia previa desde la fase temprana del aprendizaje.
2. Alineación Rápida del Estado Latente: La distancia Jensen–Shannon ($JSD_z$) entre las posteriores de los agentes se acercó a cero después de aproximadamente 20 iteraciones, indicando una sincronización rápida de las representaciones internas.
3. Desacoplamiento de la Alineación y la Convergencia del Modelo: La convergencia de las matrices generativas (indicada por la disminución de la entropía $\bar{H}$) ocurrió mucho más tarde, saturándose alrededor de las 500 iteraciones. Crucialmente, la sincronía representacional surgió mucho antes que la convergencia de los modelos del mundo aprendidos.
4. Mecanismo de Asimetría: La alineación rápida se atribuye a la naturaleza complementaria del conocimiento de los agentes: el infante comprende su estado visceral a través de una generación sensorial ascendente precisa ($A_B$), mientras que el padre comprende el estado a través de transiciones de estados descendentes precisas ($B_A$).

Significado y Afirmaciones
El artículo afirma ofrecer una "cuenta constructiva mínima" de la alineación del estado latente que es compatible con la IBS reportada en estudios de hipescaneo. La contribución principal es demostrar que la sincronía representacional no presupone modelos del mundo totalmente compartidos. En cambio, los agentes con conocimiento asimétrico y acceso sensorial local pueden lograr una alineación rápida de sus creencias latentes a través de una variable comunicativa compartida gobernada por probabilidades de aceptación computables localmente.

Los autores posicionan la hipótesis de la Codificación Predictiva Colectiva (CPC), operacionalizada a través de MHNG, como una base computacional candidata para la alineación intercerebral. Argumentan que este marco explica cómo la interacción social puede restringir las creencias posteriores y facilitar la co-regulación sin requerir que los agentes accedan directamente a las observaciones del otro ni mantengan modelos recursivos complejos del otro.

Limitaciones y Direcciones Futuras
Los autores reconocen que el modelo actual utiliza un mundo de cuadrícula discreta simplificado de dos dimensiones y asume que las preferencias previas ($C$) y las matrices de interpretación ($E$) son compartidas y estáticas. En consecuencia, el modelo no aborda la dinámica de la emergencia de los símbolos en sí misma. Se propone trabajo futuro para alinear el modelo con organismos reales o robots utilizando representaciones continuas y multidimensionales, e introducir reglas de aprendizaje para las matrices $C$ y $E$ para modelar la emergencia del significado social.