Por Víctor Manuel Grimaldi Céspedes
Durante décadas, millones de personas escucharon una explicación aparentemente simple sobre la depresión, la ansiedad y otros trastornos del ánimo: todo dependía de un supuesto desequilibrio químico en el cerebro.
Si faltaba serotonina, dopamina o alguna otra sustancia, bastaba corregir ese déficit con medicamentos y el problema estaría encaminado hacia su solución.
Era una explicación clara, pedagógica y atractiva para el gran público. Pero la ciencia, cuando madura, suele desconfiar de las explicaciones demasiado simples.
Ahora, desde uno de los centros más sofisticados de la neurociencia contemporánea, comienza a abrirse paso una idea distinta.
La profesora Nicole Rust, neurocientífica de la Universidad de Pennsylvania, sostiene que la neurociencia necesita un nuevo paradigma porque el cerebro no funciona como una máquina lineal, donde una causa produce un efecto aislado y fácilmente reparable.
En su ensayo Neuroscience needs a new paradigm: The brain is not a machine, publicado por The Institute of Art and Ideas, Rust formula una crítica frontal al modelo mecanicista dominante:
“Mood is part of a system teeming with feedback loops where causes lead to effects that feed back again as causes.” (“El estado de ánimo forma parte de un sistema repleto de bucles de retroalimentación donde las causas generan efectos que vuelven a actuar como causas”).
Para entender la magnitud de esta discusión conviene formular una pregunta básica: ¿qué significa realmente decir que el cerebro es una máquina?
La visión clásica imaginaba el funcionamiento cerebral como una secuencia ordenada y previsible: genes, células, circuitos neuronales, pensamientos, conductas.
Si aparecía un trastorno, se buscaba el eslabón defectuoso.
Era una lógica parecida a reparar un reloj o sustituir una pieza dañada de un automóvil.
Ese modelo permitió avances reales.
Pero también dejó interrogantes inquietantes.
La propia Rust recuerda un hecho contundente: “A remarkable 20% of adults will suffer from a mood disorder such as depression.” Más aún: “For those who try antidepressant medication, it will not work for half.” Y la confesión más reveladora es quizá esta: “We still don’t understand what’s happening in the brain of someone who is experiencing a depressive episode, or even how antidepressants work—when they do.”
Pocas frases retratan con tanta honestidad los límites actuales del conocimiento neurocientífico.
La crítica de Rust gira en torno a un concepto fundamental: los feedback loops, o bucles de retroalimentación.
Dicho de forma sencilla, en sistemas complejos el efecto no desaparece después de producirse, sino que vuelve a modificar la causa original.
Una experiencia traumática altera pensamientos; esos pensamientos modifican emociones; las emociones cambian conductas; las conductas afectan relaciones sociales, sueño, alimentación, decisiones y hábitos; y todo eso repercute nuevamente sobre el cerebro, reorganizando sus conexiones.
El Clima
La mejor analogía no es una máquina industrial, sino el clima.
Nadie explicaría una tormenta observando solo una nube.
Intervienen presión atmosférica, humedad, temperatura, corrientes y múltiples variables interdependientes.
Rust propone que el cerebro humano se parece más a un sistema meteorológico que a un mecanismo lineal.
Sin embargo, conviene introducir una precisión histórica.
La idea de que el cerebro y la mente no pueden entenderse mediante causalidades simples no nació ahora.
La Cibernética
El matemático y filósofo Norbert Wiener, fundador de la cibernética, escribió ya en 1948: “Feedback is a method of controlling a system by reinserting into it the results of its past performance.”
Wiener comprendió antes que muchos neurocientíficos contemporáneos que los sistemas complejos se autorregulan mediante retroalimentación.
Teoría de Sistemas
También Ludwig von Bertalanffy, creador de la teoría general de sistemas, sostuvo que “the whole is more than the sum of its parts” (“el todo es más que la suma de sus partes”), una formulación que desmontaba el reduccionismo mecanicista.
Décadas más tarde, el neurólogo Antonio Damasio insistiría en la unidad entre cuerpo, emoción y pensamiento. En Descartes’ Error, escribió una frase decisiva: “We are not thinking machines that feel; rather, we are feeling machines that think.” (“No somos máquinas pensantes que sienten; somos máquinas sensibles que piensan”).
Karl Friston, una de las figuras más influyentes de la neurociencia computacional actual, ha desarrollado otra idea complementaria: el cerebro no reacciona simplemente al mundo; lo anticipa constantemente.
Su free energy principle sugiere que el cerebro opera como sistema predictivo dinámico, no como mecanismo rígido de estímulo y respuesta.
Entonces, ¿qué es realmente nuevo en esta discusión?
Lo novedoso no es tanto la intuición filosófica, sino que una neurocientífica experimental reconocida plantee abiertamente que el paradigma dominante resulta insuficiente para explicar fenómenos centrales como la depresión.
Esa admisión tiene implicaciones profundas para la psiquiatría.
Si la depresión no es únicamente un problema químico localizado, quizá no pueda resolverse solo con fármacos.
De ahí el creciente interés en terapias que buscan reorganizar patrones mentales más amplios, incluyendo psicoterapia intensiva, estimulación cerebral e investigaciones con sustancias psicodélicas bajo supervisión clínica.
Pero este debate trasciende la psiquiatría y entra directamente en la discusión sobre inteligencia artificial.
Hoy se habla con ligereza de máquinas que “piensan”, “razonan” o “comprenden”. Sin embargo, si el cerebro humano es un sistema dinámico, encarnado, autobiográfico y emocionalmente autorreferencial, la comparación con sistemas de inteligencia artificial debe hacerse con extrema prudencia.
El filósofo John Searle lo anticipó en su célebre crítica a la IA fuerte: “Syntax is not semantics.”
Es decir, manipular símbolos correctamente no equivale a comprender significado.
Hubert Dreyfus, otro crítico temprano del entusiasmo computacional, sostuvo que la inteligencia humana está inseparablemente ligada al cuerpo, al contexto y a la experiencia vivida, algo que las máquinas no poseen.
Una inteligencia artificial puede producir lenguaje sofisticado, responder preguntas o detectar patrones.
Pero no experimenta duelo, miedo existencial, deseo, culpa ni memoria afectiva.
En otras palabras: procesa información, pero no habita una biografía.
Quizá esa sea la gran enseñanza de este debate.
Durante siglos, el método científico avanzó descomponiendo la realidad en partes cada vez más pequeñas para comprenderla mejor.
Fue un método extraordinariamente fecundo.
Pero hay fenómenos donde la fragmentación excesiva oscurece precisamente aquello que intenta explicar.
El cerebro humano parece ser uno de ellos.
Y si la nueva neurociencia comienza a reconocerlo, no estamos necesariamente ante una revolución intelectual completamente nueva, sino ante el regreso —tardío, pero necesario— a una verdad elemental: la mente humana no cabe fácilmente dentro de una metáfora mecánica.
About The Author
