Medidas de Complejidad de la Consciencia
Medidas de Complejidad de la Consciencia
¿Cómo se mide la consciencia desde afuera? Tres programas de investigación convergentes lo intentan, cada uno usando la complejidad algorítmica como proxy del estado consciente, pero miden cosas distintas, se anclan en teorías distintas y generan predicciones distintas. El hecho de que converjan en ordenamientos empíricos similares es notable. Los lugares donde divergen es donde viven las preguntas interesantes.
Esta página sintetiza: el Perturbation Complexity Index (PCI) de Massimini/Casali, las medidas de diversidad de señal espontánea de Schartner/Seth/Carhart-Harris, y la Kolmogorov Theory (KT) de Ruffini como marco computacional unificador. Después distingue a las tres de la Integrated Information Theory (IIT) de Tononi, con la que suelen confundirse pero que hace afirmaciones fundamentalmente distintas.
Dos formas de medir: perturbar u observar
La distinción metodológica crítica. Son mediciones distintas que sondean propiedades distintas.
PCI: estimula el cerebro y comprime el eco
Método: Aplica un pulso de TMS a la corteza. Registra la respuesta espaciotemporal de EEG. Binarízala. Comprímela con LZW. La longitud comprimida normalizada es el PCI.
Qué mide: La capacidad del cerebro para el procesamiento de información integrado y diferenciado. Una perturbación que se propaga ampliamente (integración) y de forma no estereotipada entre regiones (diferenciación) produce un PCI alto. Una perturbación que se queda local o produce ondas repetitivas produce un PCI bajo.
Artículo clave: Casali et al. (2013), validado a escala por Casarotto et al. (2016) sobre N=540 registros, estableciendo PCI* = 0.31 como umbral que separa los estados conscientes de los inconscientes.
Diversidad de señal espontánea: escucha el parloteo continuo del cerebro
Método: Registra MEG o EEG en estado de reposo. Calcula la complejidad de la señal espontánea usando:
- LZc (Lempel-Ziv complexity): diversidad temporal de canales individuales
- ACE (Amplitude Coalition Entropy): entropía de qué canales están más activos a lo largo del tiempo
- SCE (Synchrony Coalition Entropy): entropía de qué canales están sincronizados a lo largo del tiempo
Qué mide: La diversidad de contenido que se está procesando actualmente. No la capacidad del cerebro para ser consciente, sino qué tan rico y variado es su procesamiento actual.
Artículos clave: Schartner, Seth & Barrett (2015) sobre anestesia con propofol; Schartner, Carhart-Harris, Barrett, Seth & Muthukumaraswamy (2017) sobre psicodélicos.
Por qué importa la distinción
| Propiedad | PCI (perturbacional) | LZc/ACE/SCE espontáneo |
|---|---|---|
| Mide | Capacidad (arquitectura) | Diversidad de contenido (estado) |
| Hardware necesario | TMS + EEG | MEG o EEG solos |
| Fundamento teórico | IIT: integración + información | Hipótesis del cerebro entrópico |
| Uso clínico | Detectar consciencia encubierta en pacientes no respondientes | Rastrear cambios de estado (profundidad anestésica, intensidad psicodélica) |
La disociación por ketamina es la prueba contundente: Li, Mashour et al. (2020) mostraron que bajo dosis subanestésicas de ketamina, la diversidad de señal espontánea sube mientras que el PCI se mantiene sin cambios. La arquitectura está intacta (capacidad preservada), pero el contenido es más salvaje (diversidad aumentada). El PCI y la complejidad espontánea miden dimensiones distintas de P-003.
El ordenamiento por complejidad de los estados de consciencia
Sintetizando ambas tradiciones de medición, los estados de consciencia pueden ordenarse por complejidad. El hallazgo crucial: los psicodélicos son los únicos estados que superan la línea base de vigilia normal en las medidas espontáneas.
| Estado | Rango de PCI | Diversidad de señal espontánea | Interpretación |
|---|---|---|---|
| Psicodélico (LSD, psilocibina, ketamina subanestésica) | ~Vigilia normal | Por encima de vigilia | Priors relajados, la diversidad de contenido aumenta; arquitectura intacta |
| Vigilia normal | 0.44-0.67 | Línea base (alta) | Estado de referencia: los priors restringen activamente la predicción |
| Sueño REM | 0.35-0.56 | Alta (comparable a vigilia) | Experiencia consciente presente; entrada sensorial desconectada |
| Anestesia con ketamina (dosis altas) | ~0.3-0.5 | Elevada | Única entre los anestésicos: no colapsa el PCI |
| Estado mínimamente consciente (MCS) | 0.32-0.49 | Variable | Por encima del umbral de 0.31; algunas islas de consciencia |
| Sueño NREM | 0.12-0.31 | Baja | Respuestas estereotipadas de onda lenta; contenido consciente mínimo |
| Anestesia con Propofol/Xenón/Midazolam | 0.008-0.31 | Baja | Colapso dramático tanto de capacidad como de contenido |
| Estado vegetativo (VS/UWS) | 0.19-0.31 | Baja | Cierta superposición con NREM |
El umbral de PCI = 0.31* separa limpiamente los estados conscientes de los inconscientes en la validación clínica. Por encima de 0.31: hay alguien en casa. Por debajo: probablemente no. Esto tiene implicaciones clínicas reales: puede detectar consciencia encubierta en pacientes diagnosticados como vegetativos solo con base en su comportamiento.
El resultado psicodélico merece énfasis. Schartner et al. (2017) probaron psilocibina, LSD y ketamina (subanestésica). Las tres produjeron una diversidad de señal MEG espontánea fiablemente más alta que la vigilia normal. Fue la primera vez que se mostró que algún estado cerebral superara la línea base de vigilia en cualquier medida de complejidad. El efecto correlacionaba con la intensidad subjetiva de la experiencia.
En términos de predictive processing: los psicodélicos reducen la precisión de los priors top-down (modelo REBUS), liberando al cerebro de sus restricciones predictivas habituales. El resultado es una exploración más amplia del espacio de modelos, contenido más diverso, menos canalizado por predicciones habituales. La arquitectura (PCI) permanece intacta; el contenido (LZc) se dispara.
La KT de Ruffini: la capa teórico-computacional
La Kolmogorov Theory (KT) de Ruffini subyace tanto al PCI como a las medidas de complejidad espontánea, ofreciendo una interpretación computacional unificada. La afirmación central: la consciencia es lo que se siente al correr un modelo compresivo del mundo.
El marco
- Los cerebros son máquinas de Turing que comprimen sus flujos de I/O
- Un «modelo» = un programa corto que genera los datos (Definición 1)
- La experiencia estructurada surge cuando un agente rastrea I/Os usando tal modelo (Hipótesis 2)
- Mientras más compresivo el modelo, más rica la experiencia
- «Realidad» = el programa más simple que el cerebro puede encontrar que dé cuenta de los datos
La columna vertebral matemática es la complejidad de Kolmogorov K(x): la longitud del programa más corto que genera la cadena x. Esto va más allá de la entropía de Shannon (estadística) para definir el contenido informacional de objetos individuales.
La reinterpretación de las mediciones según KT
El PCI a través de KT: Un cerebro corriendo modelos compresivos tiene redes fuertemente acopladas (el acoplamiento ES el modelo). Perturba cualquier nodo y la perturbación se propaga a través de la estructura del modelo, produciendo ecos complejos. Un cerebro que no corre modelos (anestesia) tiene conexiones estructuralmente presentes pero funcionalmente ociosas: las perturbaciones mueren localmente. El PCI indexa la calidad del modelado, no la «información integrada» en sí.
La complejidad espontánea a través de KT: Un cerebro que rastrea datos del mundo de apariencia compleja producirá él mismo flujos de datos de apariencia compleja. La complejidad LZW del EEG es una cota superior de K(x). Los cerebros conscientes producen lo que Ruffini llama «secuencias raras»: alta complejidad aparente (LZW alta), baja complejidad algorítmica verdadera (el generative model subyacente es simple). La brecha entre la complejidad aparente y la verdadera es la firma del modelado profundo.
El caso psicodélico en KT: El cerebro está corriendo modelos más diversos pero potencialmente menos compresivos. Está buscando en el espacio de modelos en lugar de rastrear un único mejor modelo. La complejidad aparente sube (LZW aumenta) porque la exploración de modelos genera patrones más variados. Si los modelos son mejores (más compresivos) o solo diferentes (explorando regiones subóptimas) es una pregunta abierta. Ver T-004.
La idea clave: la compresión explica la integración
Esta es la contribución más aguda de la KT y su argumento más fuerte contra la necesidad de la IIT como marco separado. Un modelo verdaderamente compresivo debe integrar múltiples flujos de datos, porque tratar los datos visuales + auditivos + propioceptivos conjuntamente permite descripciones más cortas que tratarlos por separado. La información mutua entre flujos es explotable para la compresión solo si el modelo los enlaza.
La integración no es una propiedad separada que medir (phi). Es una consecuencia de buena compresión. Esto disuelve el rompecabezas central de la IIT (cómo calcular phi para sistemas reales) reencuadrándolo: no necesitas phi si puedes medir la calidad del modelado directamente.
Las limitaciones de la KT
- K(x) es incomputable. La cantidad central de la teoría no se puede calcular en general (teorema de la parada de Turing). LZW y medidas similares son cotas superiores débiles. La brecha entre K(x) y LZW(x) es exactamente lo que importa, y es justo lo que no podemos medir.
- «Correr» vs. «almacenar» está poco especificado. Ver T-003.
- El hard problem queda axiomatizado fuera. La KT explica la estructura de la experiencia, no por qué hay experiencia. Esto es por diseño (la estrategia del «real problem»), pero significa que la KT es una teoría de la consciencia estructurada, no de la consciencia en sí.
En qué se diferencian estas de la IIT
Esta sección existe porque la respuesta «eso es solo IIT» es común y errónea. Las teorías comparten ascendencia (la idea de información + integración de Tononi & Edelman) pero divergen de formas fundamentales.
Qué afirma realmente la IIT
La IIT (Tononi, 2004/2016) hace una afirmación de identidad: la consciencia ES información integrada (phi). Phi se define como la cantidad de información generada por un sistema por encima y más allá de sus partes. La IIT es:
- Metafísica: afirma decir lo que la consciencia es, no solo cómo medirla
- Panpsiquista: cualquier sistema con phi > 0 tiene algo de consciencia, incluidos termostatos y fotodiodos
- Independiente del sustrato en principio, dependiente del sustrato en la práctica: phi se define para cualquier sistema causal, pero el «postulado de exclusión» implica que solo el máximo local de phi es consciente
- Computacionalmente intratable: calcular phi para cualquier sistema neural real es inviable (escalamiento superexponencial)
Dónde divergen la KT, el PCI y el predictive processing de la IIT
| Dimensión | IIT | KT / PCI / Predictive Processing |
|---|---|---|
| Afirmación central | Consciencia = información integrada (phi) | La consciencia surge de correr modelos compresivos de flujos de I/O |
| Tipo de afirmación | Identidad metafísica | Mecanística / computacional |
| Sobre el panpsiquismo | Lo abraza (phi está en todas partes) | Lo rechaza (la consciencia requiere modelado, que requiere acoplamiento agente-entorno) |
| Integración | Una propiedad fundamental e irreducible que medir | Una consecuencia de la compresión (no separada) |
| Computabilidad | Phi es intratable para sistemas reales | K(x) también es incomputable, pero las medidas proxy (LZW, PCI) son prácticas |
| Sobre el hard problem | Afirma disolverlo (consciencia = phi) | Lo deja a un lado (estrategia del «real problem») |
| Falsabilidad | Difícil (¿qué refutaría que consciencia = phi?) | Genera predicciones contrastables sobre firmas de complejidad |
| Utilidad clínica | Limitada (no se puede calcular phi) | El PCI ya se usa clínicamente (umbral de PCI* = 0.31) |
| Sobre los psicodélicos | Predicción poco clara (¿phi más alto? ¿más bajo? depende de cómo cambie la integración) | Predicción clara: mayor diversidad espontánea (confirmada), arquitectura preservada |
El desacuerdo sustantivo
La IIT dice que la integración es constitutiva de la consciencia: sin ella, no hay experiencia. La KT dice que la integración es consecuente: se desprende del buen modelado. Esta no es una distinción semántica. Genera predicciones distintas:
- La IIT predice que un sistema con alta información pero baja integración (por ejemplo, un millón de procesadores independientes) tiene baja consciencia, incluso si modela el mundo bellamente.
- La KT predice que lo que importa es la calidad del modelado. Si un sistema distribuido con baja integración formal construye, no obstante, excelentes modelos compresivos, debería tener una experiencia rica.
Ninguna predicción se ha contrastado, porque no podemos calcular phi para sistemas reales ni podemos calcular K(x). El desacuerdo es real pero actualmente está subdeterminado empíricamente.
La nota de advertencia de Seth
De Controlled Hallucination: «Un ejemplo instructivo de cómo apuntar al hard problem, en lugar de al real problem, puede frenar o incluso detener el progreso experimental.» La ambición de la IIT de resolver el hard problem (la consciencia ES phi) condujo a un marco teóricamente elegante pero empíricamente estancado. Los enfoques del «real problem» (PCI, complejidad espontánea, KT) están generando herramientas clínicas reales y predicciones contrastables precisamente porque dejan a un lado la metafísica.
La Hipótesis del Cerebro Entrópico
Para completar: el marco teórico que predijo el resultado psicodélico antes de que se midiera.
Carhart-Harris et al. (2014) propusieron que los estados de consciencia yacen en un espectro de entropía:
- Estados primarios (psicodélico, infancia temprana, REM, psicosis) = mayor entropía, menos restringidos, más desordenados
- Consciencia secundaria (vigilia adulta normal) = entropía suprimida, restringida por modelos top-down (especialmente la default mode network)
La vigilia normal no es consciencia máxima: es consciencia bajo restricción. La default mode network (DMN) actúa como un sistema supresor de entropía, imponiendo el yo narrativo, la continuidad temporal y la predicción habitual. Los psicodélicos perturban la función de la DMN, liberando al sistema hacia mayor entropía.
Esto se mapea al modelo REBUS: los psicodélicos aplanan el paisaje de free energy reduciendo la precisión sobre priors de alto nivel. La hipótesis del cerebro entrópico es la descripción macroscópica; REBUS es el mecanismo computacional; la KT proporciona la formalización teórico-informacional.
Páginas relacionadas
- The Bayesian Brain: el marco de inferencia variacional que la KT formaliza; precision weighting como el mecanismo detrás del PCI; el modelo REBUS como el mecanismo detrás del aumento de complejidad psicodélica
- Controlled Hallucination: el mapeo fenomenológico de Seth, la estrategia del «real problem» que la KT, el PCI y las medidas espontáneas operacionalizan; la nota de advertencia sobre IIT
- Computational Being (Bach): la «consciencia como propiedad simulada» de Bach es lo que la KT formaliza como «correr un modelo compresivo»; la pregunta correr-vs-almacenar (T-003) vive en la brecha entre estos encuadres
- P-001: Perception is inference: el PCI y la complejidad espontánea proporcionan apoyo empírico; la KT proporciona el fundamento teórico-computacional
- P-003: Consciousness is not one thing: la distinción PCI vs. complejidad espontánea se mapea a capacidad (nivel) vs. contenido; la disociación por ketamina es evidencia directa
- P-004: Consciousness is a property of simulations: el «correr un modelo» de la KT y la «propiedad simulada» de Bach convergen; la pregunta es si son la misma afirmación en formalismos distintos
- T-001: Does compression explain away integration?: la pregunta abierta central entre KT e IIT
- T-004: The entropic brain under psychedelics: ¿mayor complejidad = más consciencia?
Referencias
- Casali, A. G. et al. (2013). A theoretically based index of consciousness independent of sensory processing and behavior. Science Translational Medicine, 5(198), 198ra105.
- Casarotto, S. et al. (2016). Stratification of unresponsive patients by an independently validated perturbational complexity index. Annals of Neurology, 80(5), 718-729.
- Schartner, M. M., Carhart-Harris, R. L., Barrett, A. B., Seth, A. K., & Muthukumaraswamy, S. D. (2017). Increased spontaneous MEG signal diversity for psychoactive doses of ketamine, LSD and psilocybin. Scientific Reports, 7, 46421.
- Schartner, M. M., Seth, A. K., & Barrett, A. B. (2015). Complexity of multi-dimensional spontaneous EEG decreases during propofol induced general anaesthesia. PLoS ONE, 10(8), e0133532.
- Li, D. et al. (2020). Increased signal diversity/complexity of spontaneous EEG, but not evoked EEG responses, in ketamine-induced psychedelic state in humans. PLoS ONE, 15(11), e0242056.
- Ruffini, G. (2017). An algorithmic information theory of consciousness. Neuroscience of Consciousness, 2017(1), nix019.
- Carhart-Harris, R. L. et al. (2014). The entropic brain: a theory of conscious states informed by neuroimaging research with psychedelic drugs. Frontiers in Human Neuroscience, 8, 20.
- Tononi, G. et al. (2016). Integrated information theory: from consciousness to its physical substrate. Nature Reviews Neuroscience, 17(7), 450-461.
- Carhart-Harris, R. L. & Friston, K. (2019). REBUS and the anarchic brain. Pharmacological Reviews, 71(3), 316-344.