El cerebro no solo reacciona al mundo: constantemente está adivinando qué ocurrirá en el instante siguiente. Este principio se conoce como codificación predictiva: las neuronas comparan las expectativas con la realidad y actualizan su imagen interna cuando ocurre un error. Pero cómo exactamente un sistema tan complejo podría estar organizado en el tejido vivo de la corteza seguía sin estar claro.
Los autores del nuevo trabajo han tendido un puente entre las matemáticas y la biología. Tomaron el modelo de procesos gaussianos recursivos (una forma de construir predicciones multicapa donde cada capa se apoya en la anterior) y mostraron que realiza de manera natural todas las operaciones necesarias: transmite la incertidumbre, pondera los errores según su importancia y construye una jerarquía de conjeturas. El truco clave es un "eje" común de proceso estocástico que atraviesa todas las capas y evita que pierdan conexión entre sí.
Luego, los investigadores fueron más allá y aplicaron esta construcción matemática a la microanatomía real de la corteza. Resultó que cada componente del modelo —el proceso común, el mecanismo de selección, la dinámica de actualización— encuentra un reflejo claro en poblaciones neuronales conocidas y en las conexiones entre capas. Esto no es solo una analogía: el esquema predice diferencias concretas en los ritmos de actividad al transmitir señales "de abajo hacia arriba" y "de arriba hacia abajo", que pueden verificarse experimentalmente. Así, los procesos gaussianos recursivos se convierten no solo en una herramienta computacional conveniente, sino también en un candidato a lenguaje unificado para describir la maquinaria predictiva del cerebro.
El modelo predice que los errores de predicción que van desde las capas inferiores de la corteza hacia las superiores deberían transmitirse en ondas de mayor frecuencia que las señales correctivas en la dirección opuesta.