CEPID - De la IA Personalísima al Futuro Colectivo ¿Cómo estudiar lo que estamos proponiendo?

De la hipótesis a la pregunta, de la pregunta al experimento

A lo largo de esta serie hemos construido hipótesis.

Propusimos una IA Personalísima capaz de devolver al Cuerpo-Territorio una mayor capacidad para interpretar sus propios datos.

Preguntamos cómo millones de Yo podrían formar Jiwasa sin volver a entregar sus singularidades al colectivo.

Llegamos a la posibilidad de pertenecer sin permanecer en la misma posición y de trascenderse Ser: no permanecer aprisionados por aquello que nuestros datos, nuestra historia o algún sistema de clasificación dijeron que somos.

Después incorporamos también el Bioma dentro de la decisión.

Pero una arquitectura conceptualmente interesante todavía no es ciencia.

Ahora necesitamos otro movimiento:

Hipótesis → pregunta → experimento → ciencia.

No pretendemos presentar aquí un protocolo experimental terminado. No nos corresponde definir tamaños de muestra, controles, métodos estadísticos ni qué variables constituirían evidencia suficiente.

Queremos hacer algo anterior:

formular preguntas suficientemente claras para que los investigadores puedan criticarlas, transformarlas y crear mejores experimentos.

Tal vez este sea uno de los posibles papeles de un futuro CEPID de la IA Personalísima al Futuro Colectivo.

Primero: el equipamiento no mide Jiwasa

Un equipo NIRS no mide pertenencia.

El EEG no mide directamente la conciencia.

El ECG no mide colectividad.

La SpO₂ no mide trascendencia.

Estos instrumentos registran fenómenos fisiológicos específicos.

El significado aparece después, cuando relacionamos esas señales con el comportamiento, la estructura de la tarea, el ambiente, la experiencia relatada y las hipótesis utilizadas para interpretarlas.

Este cuidado es especialmente importante en hyperscanning.

Una revisión de Hakim y colaboradores examinó 215 estudios de hyperscanning publicados entre 2000 y 2022 e identificó 27 métodos diferentes utilizados para cuantificar el acoplamiento intercerebral. Es decir, incluso aquello que llamamos “sincronización” depende de las elecciones metodológicas utilizadas para calcularla.

Al mismo tiempo, ya existe evidencia de que las tareas cooperativas pueden estar asociadas con una mayor sincronización intercerebral. Un metaanálisis de 13 estudios con 890 participantes encontró sincronización significativa en regiones frontales y temporoparietales durante la cooperación.

Por lo tanto, la sincronización existe como fenómeno observable.

Pero:

la sincronización no es automáticamente Jiwasa.

Un experimento sencillo

Imaginemos tres participantes.

Inicialmente no necesitamos separarlos por religión, profesión, cultura o posición política.

Simplemente presentamos un problema común:

Una comunidad enfrenta una reducción progresiva en la disponibilidad de agua y posee recursos limitados para responder.

Se ofrecen tres posibilidades:

A — ampliar los sistemas de almacenamiento de agua;

B — recuperar áreas naturales relacionadas con la retención y circulación del agua;

C — restringir temporalmente determinadas actividades de alto consumo.

Ninguna alternativa se presenta como la respuesta correcta.

Primero, cada participante responde individualmente.

Tenemos entonces:

A | B | C

Después, los tres comienzan a conversar libremente mientras son observados mediante NIRS en hyperscanning.

Podemos preguntar:

¿Cuándo comienzan a aproximarse sus posiciones?

¿Cuándo divergen?

¿Alguien cambia de opinión?

¿Una posición minoritaria modifica posteriormente la solución?

¿Pueden llegar a una decisión sin que todos piensen de la misma manera?

Tal vez observemos:

[A B] | C

y posteriormente:

[A B C]

Pero también puede aparecer:

[A B] ↔ C

A y B permanecen más próximos entre sí, mientras C conserva una interpretación diferente, y aun así los tres consiguen construir una respuesta común.

Es precisamente esta segunda posibilidad la que nos interesa.

La armonía no necesita significar homogeneidad

Tal vez estemos demasiado acostumbrados a buscar convergencia.

Pero quizás un colectivo funcional no sea aquel en el que todos terminan ocupando la misma posición.

Tal vez sea aquel capaz de producir:

coordinación sin uniformidad;

convergencia sin identidad;

divergencia sin ruptura;

pertenencia sin permanencia.

Podemos llamar provisionalmente a esta posibilidad:

Armonía sin homogeneización

Si ampliamos el experimento a seis, ocho o treinta personas, pueden aparecer varios agrupamientos.

Por ejemplo:

[A B C] | [D E] | [F G H]

Después:

[A B] | [C D E] | [F G H]

Y posteriormente:

[A B D] ↔ [C E] ↔ [F G H]

Los clusters podrían formarse, dividirse, crecer, disminuir o intercambiar participantes a lo largo de la tarea.

La pregunta interesante deja de ser solamente quién se sincronizó con quién.

Comenzamos a preguntar:

¿Quién transitó entre clusters?

¿Quién funcionó como puente?

¿Qué diferencia permaneció?

¿Una posición inicialmente periférica reorganizó posteriormente al colectivo?

Y, sobre todo:

¿el colectivo necesitó eliminar sus diferencias para encontrar una solución?

Esto ya ocurre, de otra manera, en el mundo digital

Esta pregunta tiene un contraste importante.

Las plataformas digitales ya procesan datos de comportamiento a enorme escala para personalizar aquello que diferentes personas reciben.

Meta explica que sus sistemas de inteligencia artificial utilizan múltiples señales y predicciones para determinar qué contenidos de Facebook e Instagram pueden ser más relevantes para cada persona.

TikTok también describe sus sistemas de recomendación como personalizados a partir de preferencias inferidas de las interacciones del usuario.

En 2026, Meta describió sistemas capaces de procesar secuencias de miles de millones de interacciones y construir representaciones de intereses e intenciones para mejorar sistemas de recomendación y clasificación.

Técnicamente, estos procesos no significan necesariamente “clusters” en el sentido estadístico estricto.

Pero conceptualmente ya ocurre algo muy poderoso:

señales distribuidas → reconocimiento de patrones → diferenciación entre usuarios → distribución diferenciada de información.

Actualmente esta capacidad se utiliza, entre otras finalidades, para personalizar feeds, anuncios y recomendaciones.

Nuestra pregunta es diferente:

¿qué ocurriría si una parte de esta capacidad para reconocer diferencias estuviera prioritariamente bajo el control del propio Cuerpo-Territorio?

Del perfil que nos fija a la posición que puede cambiar

Una red digital intenta predecir:

“¿qué probablemente interesa a esta persona?”

Una IA Personalísima podría añadir:

“¿esto todavía te representa?”

Esta pequeña diferencia transforma profundamente la arquitectura.

Imaginemos que, durante nuestro experimento, el modelo identifica una mayor similitud entre dos participantes.

La IA podría informar:

“Durante esta etapa, tu dinámica presentó una mayor proximidad con la del participante B.”

Pero el propio participante podría responder:

“Sí, esto me representa.”

O:

“No. Solamente estábamos de acuerdo en una parte del problema.”

O incluso:

“En ese momento yo ya había cambiado de posición.”

Tendríamos entonces:

señal → análisis → interpretación → devolución → contestación o reconocimiento.

El participante deja de ser únicamente una fuente de datos.

Comienza a participar del significado producido a partir de sus propios datos.

Es aquí donde trascenderse Ser comienza a adquirir una posible dimensión tecnológica.

Ninguna clasificación necesita convertirse en permanente.

Diferentes culturas pueden ampliar las preguntas

El mismo experimento podría posteriormente incluir participantes provenientes de diferentes historias, religiones, comunidades urbanas y pueblos originarios.

Pero no para preguntar:

“¿cómo piensa un indígena?”

o:

“¿qué creencia produce mayor sincronización?”

Eso reduciría a las personas y culturas a las categorías con las que ingresaron al laboratorio.

La pregunta más interesante sería:

¿cómo participan diferentes formas de interpretar territorio, agua, comunidad y futuro en la construcción de una decisión común?

En los primeros documentos de BrainLatam sobre esta posibilidad ya aparecían tareas relacionadas con captación de agua, reforestación, regeneración y cooperación, así como la reflexión de los propios participantes después de la actividad.

También aparecía la propuesta de involucrar a líderes indígenas, religiosos y comunitarios e incorporar procesos de co-creación.

Hoy podemos formularlo de manera más precisa:

otras epistemologías no necesitan solamente entrar en el experimento; pueden modificar la propia pregunta experimental.

De los clusters a una protoidea del Estado

Existe además otra posibilidad provocadora.

Si varios clusters pueden permanecer parcialmente independientes y aun así coordinarse cuando surge determinado problema, esta dinámica puede ofrecer una protoidea para pensar las instituciones.

Salud, medio ambiente, protección civil, educación, infraestructura y economía no necesitan detectar exactamente las mismas cosas.

Podemos utilizar, con cuidado, una analogía con el sistema inmunitario.

Sus células no permanecen permanentemente reunidas esperando una amenaza. Muchas circulan, reconocen señales localmente, se comunican mediante mediadores químicos y reclutan respuestas mayores cuando es necesario.

Una red de IAs Personalísimas podría permitir imaginar algo igualmente distribuido:

Cuerpo-Territorio
→ IA Personalísima
→ señal autorizada
→ patrón colectivo emergente
→ institución competente.

Una IA no necesitaría entregar todo el Cuerpo-Territorio al Estado.

Solamente señales previamente autorizadas, anonimizadas o agregadas podrían participar en determinados sistemas institucionales.

Variaciones ambientales podrían interesar a una institución.

Señales sanitarias, a otra.

Problemas de infraestructura, a otra.

Y patrones inusuales en la circulación de información podrían abrir preguntas relacionadas con la soberanía nacional.

En el caso de campañas coordinadas de desinformación masiva, por ejemplo, la arquitectura no necesitaría decidir automáticamente qué es verdadero o falso.

Podría cumplir una función anterior:

detectar que está emergiendo un patrón inusual.

Y entonces aparece el problema más difícil

Supongamos que el experimento funciona.

Encontramos clusters.

Encontramos sincronización.

Encontramos divergencias.

Encontramos personas que cambian de posición.

Encontramos grupos capaces de llegar a soluciones comunes sin volverse homogéneos.

Y quizás, en el futuro, aprendamos a detectar fenómenos colectivos cada vez más temprano.

Habremos producido datos.

Pero los datos todavía no llevan su significado dentro de sí mismos.

Un algoritmo puede identificar tres clusters.

Los participantes pueden responder:

“No éramos tres grupos. Simplemente estábamos utilizando tres estrategias.”

Una institución puede detectar un patrón informacional inusual.

Pero ¿quién decidirá si eso representa manipulación, transformación cultural legítima, conflicto, innovación o simplemente diferencia?

Aquí termina nuestro experimento y comienza el siguiente problema.

Tal vez podamos aprender a observar:

Yo → diferencia → cluster → Jiwasa → decisión.

Pero medir no significa comprender definitivamente.

Y comprender no concede automáticamente el derecho a decidir.

La siguiente pregunta será, por lo tanto:

Si conseguimos medir diferencias entre Cuerpos-Territorios y observar propiedades emergentes de un colectivo, ¿quién obtiene el derecho de decir qué significan esas señales?

Ese será el Blog 12.

Referencias

HAKIM, U. et al. Quantification of inter-brain coupling: A review of current methods used in haemodynamic and electrophysiological hyperscanning studies. NeuroImage, v. 280, 120354, 2023. DOI: 10.1016/j.neuroimage.2023.120354.

CZESZUMSKI, A.; LIANG, S. H.-Y.; DIKKER, S.; KÖNIG, P.; LEE, C.-P.; KOOLE, S. L.; KELSEN, B. Cooperative Behavior Evokes Interbrain Synchrony in the Prefrontal and Temporoparietal Cortex: A Systematic Review and Meta-Analysis of fNIRS Hyperscanning Studies. eNeuro, v. 9, n. 2, 2022. DOI: 10.1523/ENEURO.0268-21.2022.

ZHAO, Q.; ZHAO, W.; LU, C.; DU, H.; CHI, P. Interpersonal neural synchronization during social interactions in close relationships: A systematic review and meta-analysis of fNIRS hyperscanning studies. Neuroscience & Biobehavioral Reviews, v. 158, 105565, 2024. DOI: 10.1016/j.neubiorev.2024.105565.

META. Cómo la inteligencia artificial influye en lo que ves en Facebook e Instagram. Meta, 2023.

META ENGINEERING. From User Sequences to Scaling Laws: A Multi-Stage Architecture for Meta's Ads Ranking. Meta, 2026.

TIKTOK. Cómo TikTok recomienda contenido. Documentación oficial sobre sistemas de recomendación y personalización basados en preferencias e interacciones.

BRAINLATAM. Tareas Cooperativas para Mitigar Emergencias Climáticas y Activar Creencias Diferenciales — NIRS Hyperscanner. Documento de trabajo, 2024.

BRAINLATAM. Estrategia para Involucrar a Políticos y a la Sociedad en el Proyecto sobre Creencias y Emergencias Climáticas — NIRS Hyperscanner. Documento de trabajo, 2024.