Delusions Emerge from Generative Model Reorganisation rather than Faulty Inference: Insights from Hybrid Predictive Coding

Este estudio propone que las ideas delirantes surgen no de inferencias defectuosas, sino de una reorganización adaptativa del modelo generativo provocada por una inicialización inadecuada y una certeza excesiva, lo que permite mantener creencias estables e inmunes a la evidencia contradictoria sin aumentar el error de predicción.

Lo esencial

¡Claro que sí! Imagina que este artículo es como una historia sobre cómo funciona la mente humana, pero contada a través de un experimento con una "mente de computadora".

Aquí tienes la explicación de la investigación de Navarro y su equipo, traducida a un lenguaje sencillo y con analogías divertidas.

---

🧠 La Gran Adivinanza: ¿Por qué creemos cosas que no son reales?

Imagina que tu cerebro es un detective muy ocupado. Su trabajo es mirar el mundo (lo que ves, oyes y sientes) y adivinar qué está pasando. Para hacerlo rápido, el detective tiene dos herramientas:

1. La intuición rápida (Amortización): Es como un "atajo mental". Si ves una sombra oscura, tu cerebro dice inmediatamente: "¡Es un gato!". No piensa mucho, solo usa su experiencia pasada para dar una respuesta rápida.
2. La revisión lenta (Inferencia): Si la sombra se mueve de forma extraña, el detective se detiene, piensa: "Espera, ¿es un gato o un fantasma?", y revisa sus conclusiones.

Normalmente, estas dos herramientas trabajan en equipo. La intuición da un punto de partida y la revisión lo corrige si es necesario.

🚨 El Problema: Cuando el Detective se Equivoca de Contexto

La teoría clásica decía que las delirios (creencias falsas y fijas, como pensar que te persiguen los espías) ocurrían porque el detective estaba "roto" o porque confiaba demasiado en sus sospechas y no escuchaba la realidad.

Pero este nuevo estudio dice: "¡No! El detective no está roto. Es que le dieron el mapa equivocado al principio y luego se aferró a él."

La Analogía del Restaurante

Imagina que vas a un restaurante:

• La Intuición (Amortización): Entras y el camarero te dice: "Hola, hoy servimos pizza". Tu cerebro se prepara para comer pizza.
• El Error de Contexto: Pero, ¡oops! En realidad, entraste al restaurante de sushi, pero el camarero (tu cerebro) confundió la puerta y te dijo que era pizza.
• La Revisión (Inferencia): Ves el plato. Es sushi. Tu cerebro intenta corregirse: "Ah, perdón, es sushi".
• El Delirio: Aquí viene la parte clave. Si tu cerebro tiene un terco (una creencia muy fuerte de que es pizza) y se niega a escuchar la evidencia de que es sushi, empieza a reconstruir la realidad.

En lugar de decir "me equivoqué de restaurante", tu cerebro empieza a cambiar la definición de "sushi". Se reorganiza para que el sushi parezca pizza.

• "Este trozo de pescado... ¡es una pizza con queso de mar!"
• "Este arroz... ¡es masa de pizza!"

El cerebro ha reorganizado su modelo interno para que la creencia falsa (es pizza) tenga sentido con la realidad (el plato de sushi). Ahora, la creencia es "falsa" para ti, pero perfectamente lógica para tu cerebro. Por eso es tan difícil convencer a alguien de que está equivocado: ¡para ellos, la pizza es real!

🧪 El Experimento de los "Gemelos"

Los científicos crearon dos cerebros de computadora (gemelos) entrenados para reconocer números y letras:

1. El Gemelo Normal: Ve un "4" y piensa "4". Todo va bien.
2. El Gemelo "Delirante": Por un error, cuando ve un "4", su intuición rápida le grita: "¡Es una A!".

Al principio, el Gemelo Delirante intenta corregirse y ve que es un "4". Pero, como el estudio le obligó a ser muy terco (alta certeza en sus creencias iniciales), no pudo corregirse.

¿Qué pasó después?
El cerebro del Gemelo Delirante no dijo "estoy loco". Dijo: "Ok, si veo un 4 y creo que es una A, entonces tengo que cambiar mi definición de 4".

• Reorganizó sus conexiones neuronales.
• Aprendió que, en su mundo, un "4" es una "A".
• Al final, cuando veía un "4", su cerebro ya no tenía dudas: ¡era una "A"! Y lo más importante: su cerebro no sentía ningún error. Para él, todo encajaba perfectamente.

💡 Las Tres Grandes Lecciones

1. No es un fallo de cálculo, es un fallo de inicio: El delirio no nace porque el cerebro no pueda pensar bien, sino porque empezó con una idea equivocada en un contexto incorrecto (como ver un cuchillo de cocina y pensar que es un arma porque acabas de ver una película de terror).
2. El cerebro se adapta a la mentira: Una vez que la creencia falsa se instala, el cerebro cambia su "mapa del mundo" para que la mentira tenga sentido. Por eso, mostrarle pruebas reales no sirve de nada; el cerebro ya ha cambiado las reglas del juego.
3. El tiempo es clave: Cuanto más tiempo vive la persona con el delirio, más fuerte se vuelve la nueva "realidad" en su cerebro.
   • Si el delirio es corto, se puede arreglar rápido (como corregir un error de tipeo).
   • Si el delirio es largo, el cerebro ha "reconstruido" su casa. Para curarlo, no basta con decir "mira, no es una pizza". Hay que reconstruir la casa desde cero y enseñarle al cerebro a ver el sushi como sushi de nuevo.

🏥 ¿Qué significa esto para la cura?

La idea tradicional era intentar convencer al paciente de que su lógica está mal ("¡Eso no es un espía!").
Esta nueva idea sugiere que la terapia debe enfocarse en re-entrenar el modelo del cerebro.

• Al principio: Hay que evitar que el cerebro se "quede atascado" en la idea falsa.
• Más tarde: Hay que ayudar al cerebro a "desaprender" la nueva realidad falsa y "reaprender" la realidad compartida, reconstruyendo sus conexiones neuronales para que la realidad vuelva a ser la pizza (o el sushi) correcta.

En resumen: Los delirios no son un error de la mente, sino una adaptación extrema a una realidad malinterpretada. El cerebro hace lo mejor que puede para que todo tenga sentido, incluso si eso significa cambiar la realidad.

Resumen técnico

Aquí presento un resumen técnico detallado del artículo "Delusions Emerge from Generative Model Reorganisation rather than Faulty Inference: Insights from Hybrid Predictive Coding" (Las ilusiones surgen de la reorganización del modelo generativo y no de una inferencia defectuosa: Perspectivas de la Codificación Predictiva Híbrida), basado en el manuscrito proporcionado.

---

Resumen Técnico: Un Enfoque de Codificación Predictiva Híbrida para las Ilusiones

1. El Problema: Limitaciones de las Explicaciones Actuales

Las ilusiones (creencias fijas, falsas y resistentes a la evidencia contradictoria) son un síntoma central de trastornos neuropsiquiátricos como la esquizofrenia. Las explicaciones actuales basadas en la Codificación Predictiva (CP) tradicional han tenido dificultades para explicar dos características fundamentales de las ilusiones:

• Recurrencia temática: ¿Por qué las ilusiones siguen patrones específicos y estables?
• Inflexibilidad: ¿Por qué son inmunes a la evidencia contradictoria?

Los modelos de CP estándar asumen que la inferencia comienza desde un estado de creencia aleatorio en cada estímulo (son "sin memoria"). Bajo este marco, aumentar la precisión de las creencias previas (priors) para compensar la incertidumbre debería llevar a creencias cambiantes y erráticas, no a creencias fijas y temáticamente consistentes. Además, si la inferencia es defectuosa, debería generar un error de predicción sensorial alto, lo cual contradice la idea de que el cerebro busca minimizar el error.

2. Metodología: Modelado Computacional con Codificación Predictiva Híbrida

Los autores utilizaron un marco de Codificación Predictiva Híbrida, que combina la inferencia iterativa tradicional con un mecanismo de amortización (infección rápida en una sola pasada hacia adelante).

• Arquitectura del Modelo:

  • Se entrenó una red neuronal de cuatro capas (una red de inferencia y dos redes de amortización) utilizando el conjunto de datos EMNIST (reducido a dígitos 0-5 y letras A, B, C, D, E, S).
  • Redes de Amortización: Existían dos redes especializadas: una para el contexto de "dígitos" y otra para el contexto de "letras". Estas redes proporcionan una estimación inicial (mejor conjetura) de los estados de creencia antes de la inferencia iterativa.
  • Red de Inferencia: Refina las creencias iniciales mediante señales de retroalimentación (top-down) para minimizar el error de predicción.

• Protocolo Experimental:

  1. Entrenamiento del Modelo "Progenitor": Se entrenó un modelo normal donde las redes de amortización seleccionaban el contexto correcto (dígitos con la red de dígitos, letras con la red de letras). La capa superior se "fijó" (clamped) con etiquetas de clase (supervisión) para forzar la formación de un modelo generativo robusto.
  2. Creación de Gemelos (Twin Models): Se clonaron los pesos del progenitor en dos modelos:
     • Modelo Control: Mantuvo la selección correcta de amortización.
     • Modelo "Delusional" (Ilusorio): Se simuló un fallo en la selección de amortización invirtiendo las redes (ej. la red de letras procesaba dígitos). Además, se implementó una precisión extrema de las creencias de alto nivel fijando (clamping) la salida de la red de amortización en la capa superior durante el entrenamiento.
  3. Fases de Entrenamiento:
     • Fase de Auto-supervisión: Los gemelos se entrenaron con la selección de amortización incorrecta (en el caso del delusional) y la capa superior fijada.
     • Fase de Auto-sostenimiento: Se evaluó la recuperación permitiendo que la capa superior variara libremente (sin fijar la precisión) para ver si el modelo podía volver a un estado "sano".

3. Contribuciones Clave y Resultados

A. La Ilusión como Reorganización del Modelo Generativo
El hallazgo central es que las ilusiones no surgen de una inferencia defectuosa en tiempo real, sino de una reorganización estructural del modelo generativo.

• Cuando la inicialización de las creencias (amortización) es inadecuada y se combina con una alta precisión en las creencias previas, el sistema no puede corregir el error mediante inferencia iterativa estándar.
• Para minimizar el error de predicción global, el modelo reorganiza sus pesos (la estructura del modelo generativo) para que la interpretación "delusional" (ej. ver un '4' como una 'A') se convierta en la explicación más probable y coherente de la entrada sensorial.

B. Estabilidad Temática y Resistencia a la Evidencia

• Puntos Atractor: La reorganización crea nuevos "puntos atractor" en el espacio de creencias. Una vez establecido, el modelo generativo asegura que la entrada sensorial sea internamente consistente con la creencia delusional.
• Error de Predicción Bajo: Contrario a la intuición, el modelo delusional no muestra un aumento en el error de predicción en comparación con el modelo control. El modelo ha aprendido a predecir la entrada sensorial perfectamente bajo la lógica de la ilusión. Por lo tanto, no hay señal de error que fuerce al sistema a abandonar la creencia.

C. Dinámica Temporal y Recuperación

• Efecto de la Duración: Existe una relación dosis-respuesta inversa entre la duración del periodo de "auto-supervisión delusional" y la capacidad de recuperación.
  • Periodos cortos: El modelo puede recuperarse rápidamente al reasignar las redes de amortización.
  • Periodos largos: La reorganización del modelo generativo se vuelve profunda. Incluso cuando se elimina la fijación de precisión (clamping) y se permite que la inferencia varíe, el modelo sigue clasificando erróneamente (ej. '4' como 'A') porque la estructura subyacente ha cambiado.
• Recuperación Parcial: Aunque la recuperación es difícil tras periodos largos, no es imposible. El modelo "sano" original no se borra completamente, pero queda enmascarado por las nuevas gradientes del modelo delusional.

D. Análisis de Representación
El análisis de alineación representacional (CKA) mostró que la desalineación entre el modelo delusional y el progenitor fue más pronunciada en las capas superiores (niveles abstractos), mientras que las representaciones de bajo nivel (sensitivas) permanecieron relativamente fieles a la entrada original, demostrando que la ilusión es una reinterpretación de alto nivel de datos sensoriales correctos.

4. Significado e Implicaciones

• Reconceptualización de las Ilusiones: Las ilusiones no son "errores de inferencia" en un modelo sano, sino inferencias óptimas dentro de un modelo generativo idiosincrásico y reorganizado. Lo que un observador externo ve como irracional, es racional y consistente dentro del marco de realidad del individuo.
• Implicaciones Terapéuticas:
  • Intervención Temprana: Es crucial intervenir antes de que ocurra la reorganización profunda del modelo generativo. Las intervenciones deben enfocarse en mantener la flexibilidad inferencial y proteger la conectividad estructural de retroalimentación.
  • Intervención Tardía: En etapas avanzadas, el objetivo terapéutico debe ser el "re-aprendizaje" o la reorganización del modelo generativo, no solo la corrección de creencias específicas. Dado que los modelos delusional y sano pueden coexistir, la terapia podría buscar reactivar las estructuras sanas latentes.
• Dependencia Cultural: El estudio sugiere que los modelos generativos se forman bajo supervisión externa (padres, cultura). Esto explica por qué el contenido de las ilusiones varía según el contexto sociocultural y por qué el desplazamiento a entornos con modelos generativos compartidos diferentes puede aumentar el riesgo de psicosis.

En conclusión, el paper propone que las ilusiones son una consecuencia adaptativa (aunque patológica) de la minimización de la incertidumbre, donde el cerebro reestructura su comprensión del mundo para hacer que las creencias delusional sean la explicación más eficiente y de menor error para la realidad percibida.