G^3 (neuroeconomía)

Al final de la última entrada sobre G³ introducimos el giro realizado por glimcher mediante el que la reflexología podría convertirse en la gran esperanza blanca para los funcionalistas:

'Reflexology is, at some level, an approach of this type. It relies on constraining the subject of study to a tiny deterministic linkage, fully characterizing that system, and identifying the minimal set of connections that can produce that linkage as if it were a goal.'

Quizás el problema no esté tanto en la posibilidad de utilizar un enfoque tal para el estudio de órganos animales como en la extensión de ese enfoque al estudio de la Economía. Pero no adelantemos acontecimientos. Si es quizás el momento de recordar que las relaciones entre la ciencia económica y la teoría de la evolución son tan antiguas como la teoría de la evolución misma y que si bien al principio fue la economía la que fue fuente de inspiración actualmente el sentido de la influencia se ha invertido, si bien esa influencia no es isomorfa dado que tiende a conectar determinadas visiones de la evolución con determinadas visiones de los procesos económicos. Marr definía previamente la meta y medía respecto de ella la eficiencia del sistema (la meta es maximizar la adaptación del organismo). Glimcher plantea la modificación del enfoque: no es el organismo sino los sistemas pequeños los que nos permiten la aplicación de una definición de la meta matemáticamente mensurable respecto de la que podamos medir la eficiencia. (Reflexología). Estudiando los sistemas respecto a una supuesta meta conseguimos un análisis de este tipo. En este punto glimcher hace descansar el futuro éxito o fracaso de su propuesta sobre la posibilidad de estudiar empíricamente qué tanto se aproximan los sistemas estudiados a las metas prácticas que persiguen. En boca de Glimcher mejor que en la mía:

'Marr's recognition of the value of stated computational goals, combined with the fact that biological systems probably cannot achieve computational goals perfectly, raises an empirical question upon which the computational approaches hinges. Given that we cannot assume a priori that evolved systems achieve evolutionary defined computational goals on theoretical grounds, we need to ask empirically just how close these systems come to achieviing those in practice. If, in practice, evolved sustems do even a fair job of approximating what we humans can define as a computational goal, then the strategy Marr advocates will be usefull. If evolutionary systems are forests of spandrels in which phyletic and architectural constraints do far more to shape organisms than do the problems these organisms face in the external world, then Marr's approach will be largely useless.'

Para abordar la evaluación de la eficiencia de los sistemas desarrolla dos tipos de aproximaciones al problema: primero mediante la selección de sistemas con metas computacionales que puedan ser clara y cuantitativamente especificadas desde un punto de vista matemático. Una segunda forma de abordar la eficiencia de un sistema es inferencial; consistiría en estudiar la evolución convergente de animales que viven bajo restricciones distintas (spandrels), de forma que emergen soluciones similares en ambientes distintos, sugiriendo esto la existencia de una meta común, de un mismo punto final.

Este es un punto crucial del libro puesto que él se define la estrategia a seguir y la piedra de toque del éxito o fracaso de la empresa propuesta por Glimcher. Encuentro cuestionable el movimiento de Glimcher respecto de un par de puntos. Son dos cosas las que me incomodan: la primera tiene que ver con la distinción de los planos teórico y práctico en glimcher y la segunda con la relación entre meta y 'sprandle'. el sistema visual es el escogido por Glimcher para aplicar esta estrategia, no nos detendremos mucho en él. Sin embargo esperaré a desarrollar el por qué de estas dos incomodidades más adelante, cuando la exposición de Glimcher sea completada.

La meta computacional que se propone estudiar Glimcher es la 'phototransduction'. El sistema de visión es altamente eficiente, en concreto se pregunta por el funcionamiento del sistema de reunión de información en condiciones de poca luz. [NOTA FUTURA 2: HEGEL Y LA NOCHE DEL MUNDO] La eficiencia (pp.157, 158) del ojo para la función estudiada es alta, sólo limitada por algunas limitaciones estructurales que hacen que se pierda alguna información o que pueda no ser procesada correctamente. Evidentemente la pregunta es si esto puede ser cierto para sistemas más complejos, dado que el caso de ojo es un caso especial: ha evolucionado casi desde el principio de la vida en la tierra adoptando infinidad de variedades bajo unas condiciones bastante estables en cuanto a las características de la luminosidad en la tierra. De hecho creo que hemos de entender las 'sprandels' más en ese sentido en este caso: una restricción estructural que no tiene que ver con la arquitectura orgánica sino con la arquitectura del ambiente en el que ejerce su actividad el órgano. Para defender la extensión de esta estrategia a sistemas más complejos recurre a la inferencia mediante el recurso a la teoría de la convergencia evolutiva. Recurre en concreto al caso mejor estudiado de convergencia evolutiva que es el de los llamados 'cichlid fishes'. Concluyendo:

'These data and others like them raise the question of whether the lessons we learn about evolution's apparent ability to optimize an organism's simple traits can be generalized to the study of computational goals in complex neurobiological or behavioral systems.'

La convergencia evolutiva estaría hablando de la posibilidad de otro tipo de convergencia, la de las metas computacionales definidas a priori y la evolución biológica de las especies, que tenderían a ser más eficientes. Cita a HoraceBarlow como pionero en este tipo de marco teórico, en los años 50:

'In essence, Barlow was arguing that he could both define a clear computational goal for sensory encoding on a priori grounds and find evidence of convergent evolution around that computational goal. As a result, Barlow's example comes very close to demonstrating that complex computational goals can be both defined theoretically and achieved biologically. Barlow's data suggest that Marr's computational approach may work. But even Barlow's example is fairly simple. sensory ecoding is a simple process when compared with something as complicated as finding a mate or searching for food. Can processes as complicated as these be modeled and studied with an evolutionarily based computanional approach?.'

para contestar a esta pregunta Glimcher propone el estudio de los módulos neuronales mediante la descripción de módulos de funcionamiento para los que se pudiese establecer una descripción matemática de esos módulos. Los puntos críticos de tal empresa son, tal como los plantea Glimcher, en primer lugar uno de escala: ¿cómo modularizar una función neuronal? Esto implica la selección de la escala de la arquitectura a la que funciona el cerebro. El segundo punto crítico consiste en demostrar que el sistema nervioso se estructura de forma que está orientado a logros para los que es capaz de alcanzar una cierta eficiencia, una eficiencia que nos permita hacer de las metas computacionales un punto de partida útil para el análisis neurobiológico. Denfiende que sí, que es posible establecer esa medición de eficiencia y que es posible también la medición de las desviación respecto de la misma que serían explicadas por restricciones estructurales a la G&L.

En este punto comienza la segunda parte del libro, que está dedicada a lo que Glimcher llama Neuroeconomía y que nos llevará al terreno del cálculo de probabilidades y la inferencia estadística (Pascal, Bayes, etc). Hay que señalar en este punto que existen distintas versiones de eso que se ha dado en llamar 'neuroeconomía', con discusiones interesantes al respecto en John B. Davis, Donn Ross, Gul & Pessendorfer, de las que me ocuparé otro día. con Glimcher nos situamos en la esfera de Ross y contra Gul. Estos serían los economistas que están actualmente intentando trasladar los desarrollos teóricos en neurociencia a la teoría económica. unos defienden un enfoque más neuronal, estudiando la respuesta a estímulos externos de esas unidades modulares de las que hemos hablado mientras que otros defienden un enfoque basado en el escaneo cerebral ante la solución de determinados cuestionarios que se plantean a los sujetos bajo estudio.