Con modelos matemáticos, basados en la estadística utilizada para predecir el comportamiento de las partículas subatómicas, un grupo de científicos, encabezados por Roger Penrose y Matthew Fisher, ha conseguido predicciones de experimentos psicológicos antes de que se llevasen a cabo dichos experimentos. Con una precisión sorprendentemente alta. Este enfoque de análisis estadístico del comportamiento se conoce como cognición cuántica.
¿Qué es la cognición cuántica?
La cognición cuántica es entendida como el uso de las premisas y modelos del análisis estadístico utilizado en la física de partículas, con el fin de predecir el comportamiento humano.
La cognición cuántica no necesariamente busca explicar el funcionamiento del cerebro en términos fisiológicos.
No obstante, luego veremos algunos acercamientos a este campo.
Por el contrario, busca entender el comportamiento, aparentemente errático y la posibilidad de comprenderlo y predecirlo (Bruza et al., 2015).
Este enfoque del estudio del comportamiento trata de averiguar cómo predecir elementos tan básicos como la toma de decisiones en entornos determinados e indeterminados.
Es decir, predecir la solución a la que llegará un sujeto en una condición experimental o una situación cualquiera de su vida cotidiana. Esto, como resultado del cálculo estadístico de las probabilidades de ocurrencia de todas las posibles soluciones.
Un nuevo enfoque
Pongamos como ejemplo las bases sobre las que se asienta la estadística con la que se intentaba predecir hasta ahora el comportamiento, la estadística bayesiana o la estadística clásica.
Tales enfoques parten de parámetros y supuestos establecidos que deben cumplirse para que el análisis tenga integridad y sea fiable.
Por el contrario, si dichos supuestos, como el de homogeneidad de los datos, no se cumplen, en muchos casos el análisis carecerá de sentido interno y no será viable o válido.
Con las matemáticas basadas en la mecánica cuántica se añaden factores como el principio de incertidumbre o la superposición cuántica. Ambos conceptos juegan un papel fundamental en la mecánica cuántica.
Principio de incertidumbre
El primer concepto, desarrollado por Werner Heisenberg en 1927, describe las propiedades de las partículas que hacen imposible determinar dos magnitudes físicas como su velocidad y su posición a la vez. Esto quiere decir que solo podemos saber una de las dos cosas.
Dicho principio, añade al estudio del comportamiento el elemento de la indeterminación de los parámetros previos al análisis. Como resultado, esto amplía significativamente el razonamiento detrás de tal análisis.
Superposición cuántica
Según esto, un sistema físico existe, en parte, en todos sus posibles estados, por lo que es todas sus posibilidades a la vez.
El ejemplo más representativo de ello, es el experimento planteado por Erwin Schrödinger, en 1935. El célebre gato de Schrödinger, vivo y muerto a la vez.
También, según este principio, dicha propiedad de superposición, colapsa cuando la partícula es medida. Esta medición provoca que la partícula tome la forma que era más probable que tuviese al momento de la medición.
Se añade, así, otra dimensión al estudio del comportamiento dentro del análisis de la probabilidad de todos los posibles resultados.
Percepción cuántica
El acercamiento de la cognición cuántica también nos ayuda a estudiar procesos perceptivos ambiguos, como la percepción biestable o percepción metaestable.
Esto, a través del principio de superposición, asumiendo que una imagen, aparentemente ambigua, es realmente todas las imágenes que pueden ser, hasta que nuestro cerebro la interpreta de una forma determinada.
Cognición cuántica y biología
Existe también un acercamiento que busca explicar, a través de fenómenos subatómicos, la forma en la que nuestro cerebro es capaz de procesar tanta información en tan poco tiempo y con tan poco consumo de energía.
Matthew Fisher propone que las unidades de información son codificadas en el cerebro de la misma forma en que se codifican en un ordenador cuántico.
En un ordenador cuántico, la unidad de información se denomina Qubit o bit cuántico.
Lo que diferencia a un Qubit de un bit (que es la unidad de información que hemos conocido en informática tradicionalmente) es que un bit tiene una carga binaria.
Es por esta razón por lo que puede ser una cosa u otra (0 o 1), mientras que un Qubit es todas las posibles soluciones que puede ser a la vez (Halpern y Crosson, 2019).
Ciertamente, esto puede ser un poco confuso de entender. ¿Cómo que puede ser todas las cosas que puede ser a la vez?
Para responder esta cuestión, tenemos que volver al principio de la superposición cuántica. Es decir, tal y como un electrón puede estar en todos sus estados posibles de forma simultánea, un Qubit puede ser todos los resultados de su codificación a la vez.
Según Fisher, eso sería lo que ocurre en nuestros cerebros a la hora de adquirir, codificar, procesar y recuperar información.
Conclusión
Lo que hasta ahora parecían campos inconexos encuentran similitudes asombrosas. La cognición cuántica abre las puertas a la posibilidad de un enfoque completamente nuevo que podría, eventualmente, arrojar luz a cuestiones tan complejas como la consciencia.
La cognición cuántica nos ofrece la posibilidad de estudiar al ser humano desde un punto de vista más amplio y completo. Así, realizar el análisis estadístico del comportamiento parece ser algo más sencillo de lo que parecía.
Referencias bibliográficas
- Bruza, P., Busemeyer, J. y Gabora, L. (2013). Introduction to the special issue on quantum cognition. Journal of Mathematical Psychology, 53(5), 303-305. Doi: 10.1016/j.jmp.2009.06.002
- Bruza, P. D., Wang, Z. y Busemeyer, J. R. (2015). Quantum cognition: a new theoretical approach to psychology. Trends in cognitive sciences, 19(7), 383-393. https://doi.org/10.1016/j.tics.2015.05.001
- Halpern, N. Y. y Crosson, E. (2019). Quantum information in the Posner model of quantum cognition. Annals of Physics, 407, 92-147. https://doi.org/10.1016/j.aop.2018.11.016
- Yilmaz, L. (2020). A quantum cognition model for simulating ethical dilemmas among multi-perspective agents. Journal of Simulation, 14(2), 98-106. https://doi.org/10.1080/17477778.2019.1603090
+598 99 777 242