A Dynamical Systems Framework for Mapping Consciousness Models to Neuroelectromagnetic Field Dynamics

Resumen Técnico: Un Marco de Sistemas Dinámicos para el Mapeo de Modelos de la Conciencia con la Dinámica de Campos Neuroelectromagnéticos

Planteamiento del Problema
La ciencia contemporánea de la conciencia carece de un lenguaje matemático compartido para comparar teorías que postulan diferentes relaciones entre los procesos biofísicos, la dinámica de campos neuroeléctricos, la cognición y la experiencia subjetiva. Esta brecha persiste a pesar de los avances en neurociencia, dejando sin resolver el "vacío explicativo" (Levine, 1983) y el "problema difícil" (Chalmers, 1995). Los modelos actuales operan típicamente dentro de un plano explicativo bidimensional definido por variables físicas ($P$) y variables cognitivas/computacionales ($C$). Sin embargo, argumentos influyentes sugieren que estas dimensiones pueden ser insuficientes para dar cuenta del carácter irreductiblemente subjetivo de la experiencia (Nagel, 1974; Chalmers, 2003). El problema central abordado es cómo representar formalmente y evaluar empíricamente si el plano $P$–$C$ es suficiente para modelar la conciencia o si se requiere una dimensión explicativa adicional, sin comprometerse con posiciones metafísicas específicas como el dualismo de sustancia.

Metodología: El Marco PCN
El artículo introduce el marco Físico–Cognitivo–Noético (PCN), una representación de espacio de estados multidimensional diseñada para ser neutral respecto a la teoría y relativa al método.

• Representación Vectorial: Un estado consciente se define como un vector $\mathbf{x}(t) = (P(t), C(t), N(t))$ en un espacio tridimensional.

  • $P$ (Físico): Abarca sustratos biofísicos, incluyendo potenciales de membrana neuronal, corrientes iónicas y la dinámica de campos bioelectromagnéticos (EM) generados por el tejido neural. Estos están gobernados por leyes físicas.
  • $C$ (Cognitivo/Computacional): Captura la organización dinámica emergente, el procesamiento de información, la inferencia y la integración funcional (por ejemplo, difusión global, procesamiento predictivo). Aunque es implementado por $P$, $C$ se describe en términos de sistemas dinámicos, atractores y restricciones lógicas distintas de las leyes físicas puras.
  • $N$ (Noético): Introducido como un grado de libertad formal y latente que representa aspectos estructurados y reproducibles de la fenomenología o datos que no son contabilizados por las operacionalizaciones actuales de $P$ y $C$. $N$ no se define como una sustancia no física, sino como un marcador de posición para una estructura explicativa que resiste la reducción al plano $P$–$C$. Su existencia se trata como una hipótesis empírica más que como un axioma ontológico.

• Formulación de Teoría de Campos: El plano $P$–$C$ se modela como un sistema dinámico acoplado generado por campos EM neurales, descrito mediante ecuaciones diferenciales no lineales (por ejemplo, difusión, recurrencia no lineal y términos de entrada). La dimensión cognitiva refleja las trayectorias e invariantes de este sistema.

• Mapeo e Identificabilidad: El marco mapea teorías competidoras en este espacio para determinar su "suficiencia dimensional".

  • Teorías Reductivas: Modelos como el Espacio de Trabajo Neuronal Global (GNW), el Procesamiento Predictivo y la Teoría de la Información Integrada (IIT) se mapean de tal manera que $N=0$ (o $N$ es una función de $P$ y $C$), implicando que la fenomenología se agota totalmente por la dinámica física y cognitiva.
  • Teorías No Reductivas: Las posiciones como el Dualismo Naturalista o ciertos modelos de correspondencia EM-experiencial se mapean hacia $N > 0$, indicando el requerimiento de un eje explicativo adicional.

• Criterios de Prueba Empírica: El artículo describe tres clases de predicciones falsables para probar la independencia de $N$:

  1. Predicciones de Colapso: Bajo condiciones como la anestesia o el sueño profundo, si $P$ y $C$ son suficientes, el estado del sistema debería aproximarse al plano $P$–$C$ ($N \to 0$) a medida que la experiencia desaparece.
  2. Predicciones de Disociación: Perturbaciones dirigidas (por ejemplo, TMS frente a modulación de tareas) deberían producir cambios fenomenológicos distinguibles si $N$ es no reducible. Los desajustes persistentes entre la dinámica $P$–$C$ y la experiencia reportada sugieren una dimensión independiente.
  3. Predicciones de Invariancia: Las estructuras experienciales que permanecen estables a pesar de variaciones amplias en $P$ y $C$ son candidatas para la dimensión noética.

Contribuciones Clave

1. Representación Formal: El artículo proporciona una analogía de álgebra lineal para las teorías de la conciencia, permitiendo que sean comparadas basándose en sus supuestos sobre la suficiencia explicativa en lugar de su terminología específica.
2. Operacionalización de lo "Noético": Define la dimensión noética ($N$) no como una afirmación metafísica, sino como una variable relativa al método que representa residuos estructurados en los datos dinámicos y fenomenológicos. Esto desplaza el debate de la especulación filosófica a la adecuación empírica.
3. Protocolos Metodológicos: El marco especifica criterios de identificabilidad (los valores distintos de $N$ deben corresponder a estados distinguibles dados $P$ y $C$ fijos) e invariancia (la estructura candidata debe persistir bajo cambios razonables en la representación $P$–$C$).
4. Integración de Modalidades: Propone un pipeline experimental concreto que combina EEG/MEG (para la dinámica $P$ y $C$), análisis de sistemas dinámicos no lineales (entropía, estructura de atractores) y neurophenomenology (reportes estructurados de primera persona) para detectar residuos estructurados ($N$).

Resultados y Reivindicaciones
El artículo no presenta nuevos datos experimentales ni afirma haber resuelto el problema difícil. En su lugar, sus "resultados" son las definiciones formales y el mapeo de las teorías existentes en el espacio PCN.

• Demuestra que la mayoría de las teorías mecanísticas contemporáneas (GNW, Procesamiento Predictivo y teorías estándar de campos EM) asumen implícitamente que $N=0$, colapsando el espacio de estados a dos dimensiones.
• Muestra que las teorías que reconocen un vacío explicativo (ciertas interpretaciones de IIT, Dualismo Naturalista o modelos de correspondencia EM-experiencial) ocupan necesariamente una región donde $N > 0$.
• Argumenta que la distinción entre estas visiones no es meramente filosófica, sino que puede ser operacionalizada mediante experimentos de perturbación y comparación de modelos. Si los residuos estructurados persisten tras maximizar el poder explicativo de los modelos $P$ y $C$, el marco proporciona las herramientas para identificar a $N$ como una dimensión explicativa necesaria.

Significancia
El artículo reclama significancia principalmente como una herramienta metodológica para el campo de la ciencia de la conciencia. Al proporcionar un sistema de coordenadas compartido, permite:

• Comparación Directa: Las teorías competidoras pueden evaluarse basándose en hallazgos empíricos (por ejemplo, si $N$ es requerido para el ajuste del modelo) en lugar de en afirmaciones teóricas.
• Falsabilidad: Transforma la pregunta del "problema difícil" en una hipótesis testable sobre la suficiencia dimensional.
• Pluralismo: Apoya un enfoque pluralista donde las posiciones fisicalistas, dualistas y no reductivas pueden coexistir como hipótesis competidoras sobre el rango y la estructura del espacio explicativo.
• Generalizabilidad: El marco es aplicable tanto a sistemas biológicos como a sistemas artificiales, ofreciendo una forma neutral a la teoría para evaluar las afirmaciones de conciencia de las máquinas.

En última instancia, el artículo postula que el marco PCN no resuelve el vacío explicativo, sino que proporciona la infraestructura matemática y metodológica necesaria para determinar si el vacío es una limitación de los modelos actuales o una característica fundamental de la realidad.