📄 Mostrando la versión "Simple" — "Avanzado" aún no está lista. Añádelo a favoritos para ayudar a priorizarla. Pedir el análisis completo

Una bacteria nada hacia la comida. Una señal química la guía hacia adelante, pero con cada movimiento la señal cambia. Se forma un bucle: sensación, acción, nueva sensación. Los autores del trabajo convirtieron este bucle en una cantidad medible.

Aplicaron una idea de la teoría de la información: se puede calcular cuántos bits (unidades de información) fluyen desde los órganos sensoriales hasta la orden motora y de vuelta. Al primer flujo lo llamaron reactivo: es la respuesta clásica a un estímulo. Al segundo, activo: aquí el movimiento mismo moldea las futuras sensaciones, como cuando giramos la cabeza para ver mejor un objeto.

Los investigadores construyeron un modelo simple en el que se pueden ajustar estos dos flujos. El modelo mostró que si el flujo activo es demasiado pequeño, el organismo se convierte en un sensor pasivo y no explora el entorno. Si es demasiado grande, ignora señales importantes. El óptimo se encuentra en algún punto intermedio, y es diferente para cada tarea. En las bacterias, por ejemplo, domina la parte reactiva: principalmente siguen el gradiente de la sustancia química. En cambio, en las moscas que buscan un olor, la estrategia cambia según lo cerca que estén de la fuente.

El intercambio bidireccional de información entre sensación y movimiento es un rasgo común de todos los navegantes, desde los más simples hasta los artificiales. Al medir este intercambio, se puede no solo predecir el éxito de la búsqueda, sino también comprender qué estrategia utiliza el agente, sin necesidad de mirar dentro de su "cerebro". Así, el bucle que comienza con una bacteria nadando se convierte en la clave para entender el comportamiento de cualquier buscador.

Resumen original

tal como lo escribieron los autores, en inglés arXiv:2607.26295

As organisms navigate the environment to locate critical resources, their behavioral actions must be tightly coupled to their sensory inputs. Here, we introduce an information-theoretic framework that quantifies this coupling using transfer entropy, which measures information flow between sensory inputs and behavioral outputs. Information flow from sensory inputs to behavior defines a "reactive" component of a navigational strategy, whereas information flow from behavior to sensory inputs defines an "active" component, whereby actions shape subsequent sensory experiences. Analyzing these bidirectional information flows enables us to both predict navigational performance and dissect navigation strategies from trajectories. Using a minimal model that captures the active and reactive components, we connect macroscopic performance to microscopic information flows. We then apply the framework to experimentally measured trajectories of bacteria, worms, and flies, as well as to machine learning agents navigating sensory landscapes. Across systems, bidirectional information flow reliably predicts navigation efficiency, revealing a common behavioral-environment feedback loop. Decomposing active and reactive information flows further exposes distinct strategies underlying bacterial chemotaxis, the spatial dependency of the navigation strategy in fly olfactory navigation, and the learned policies of a reinforcement-trained agent. Together, these results establish bidirectional information flow as a unifying principle for understanding navigation in biological and artificial systems.