Un nuevo artículo publicado en Nature Communications aborda este problema desde una perspectiva de neurociencia computacional, aprovechando los métodos tecnológicos disponibles para obtener información sobre los cálculos neuronales que subyacen a la construcción del valor estético. En esta nueva investigación un equipo de científicos de la División de Humanidades y Ciencias Sociales, perteneciente al Instituto de Tecnología de California (Caltech), muestra cómo han revelado la base neuronal de las preferencias estéticas en humanos utilizando una combinación de aprendizaje automático y equipo de escaneo cerebral.

El trabajo se llevó a cabo en el laboratorio de John O’Doherty, profesor de Neurociencia de Caltech. Se utilizó como punto de partida una investigación publicada por ese laboratorio en 2021. En esa investigación anterior, los científicos entrenaron una computadora para predecir el gusto de los voluntarios por el arte alimentando datos sobre qué pinturas prefirieron los voluntarios y cuáles les disgustaron. Con suficiente entrenamiento, la computadora se volvió experta en adivinar correctamente si a una persona le gustaría un Monet o un Rothko, por ejemplo.

Ese acto de gustar o disgustar de una obra de arte parece tan innato y ocurre tan instantáneamente y sin problemas en el cerebro de las personas que pocos se han preguntado por qué hay divergencias en la apreciación de una obra y cómo sucede esa discriminación, aunque fuera de la ciencia, las preferencias estéticas han sido objeto de debates filosóficos durante cientos de años.

“Cuando ves una imagen, decides de inmediato si te gusta o no, pero si lo piensas, esto es realmente complicado porque la entrada es muy compleja —analizó el autor principal Kiyohito Iigaya, anteriormente de Caltech y ahora con la Universidad de Columbia—-. Esta es en realidad una pregunta muy abierta, y realmente no sabemos cómo se las arregla el cerebro para hacerlo. Entonces, nos preguntábamos si podríamos entenderlo usando un método de modelado computacional”.

Ese método implicó que los voluntarios calificaran pinturas (hasta una cantidad de mil) en el transcurso de cuatro días mientras sus cerebros eran escaneados con una máquina de resonancia magnética funcional (fMRI). Esos escáneres cerebrales y las calificaciones de las pinturas de los voluntarios se incorporaron a un algoritmo de aprendizaje automático, junto con la salida de una red neuronal entrenada para examinar las pinturas en busca de cualidades como el contraste, el tono, la dinámica y la concreción (si la pintura es abstracta o realista).

Los datos que recopiló el equipo mostraron que las áreas dentro de la corteza visual, la parte del cerebro que procesa la información visual, son responsables de analizar esas cualidades.

Un área en la parte frontal del cerebro conocida como corteza prefrontal medial (mPFC) es responsable de asignarles un valor subjetivo. Básicamente, el cerebro descompone una obra de arte en sus cualidades esenciales y luego decide si esas cualidades son agradables o no. Esta es más o menos la misma forma en que el cerebro decide si le gusta la comida o no, según otro estudio realizado por el laboratorio O’Doherty.

Ese estudio encontró que el cerebro analiza un alimento según su contenido de proteínas, grasas, carbohidratos y vitaminas, y luego determina si esas cualidades son agradables. “Lo que encontraron es que el cerebro integra esas diferentes características nutricionales para producir el gusto general por la comida —indicó Iigaya—. Eso es en realidad una inspiración para nuestro trabajo”.

En su artículo, los investigadores dicen que sus hallazgos sugieren que este sistema de construcción de valores puede estar muy extendido en todo el cerebro y puede explicar muchos tipos de preferencias. “Creo que es sorprendente que este modelo computacional tan simple pueda explicarnos grandes variaciones en las preferencias”, concluyó Iigaya.

Fuente: Infobae.