Un modelo matemático explica cómo las personas recuerdan historias utilizando una estructura de "árbol aleatorio"

Las personas son capaces de recordar diversos tipos de información, incluyendo hechos, fechas, eventos e incluso narrativas complejas. Comprender cómo se almacenan las historias significativas en la memoria humana es un objetivo clave de gran parte de la investigación en psicología cognitiva.

Científicos del Instituto de Estudios Avanzados de la Universidad Emory y del Instituto de Ciencias Weizmann intentaron recientemente modelar cómo las personas representan narrativas significativas y las almacenan en la memoria mediante objetos matemáticos conocidos como "árboles aleatorios". Su artículo, publicado en Physical Review Letters, presenta un nuevo marco conceptual para el estudio de los procesos de la memoria humana basado en las matemáticas, la informática y la física.

“Nuestro estudio pretendía abordar una necesidad importante: crear una teoría matemática de la memoria humana para material significativo como las narrativas”, afirmó Misha Tsodyks, autor principal del artículo. “Existe consenso en el campo de que las narrativas son demasiado complejas para construir una teoría de este tipo, pero creo que hemos demostrado lo contrario: a pesar de su complejidad, existen regularidades estadísticas en la forma en que las personas recuerdan historias que pueden predecirse mediante unos simples principios básicos”.

Para modelar eficazmente la representación de recuerdos significativos mediante árboles aleatorios, Tsodyks y sus colegas realizaron experimentos de evocación de historias con un gran número de participantes a través de las plataformas en línea Amazon y Prolific. El estudio empleó narrativas del trabajo de Labov. En total, se pidió a 100 personas que recordaran 11 historias de diversa extensión (entre 20 y 200 frases), tras lo cual los científicos analizaron las transcripciones de la memoria para comprobar su teoría.

“Seleccionamos una colección de historias orales grabadas por el renombrado lingüista W. Labov en la década de 1960”, explicó Tsodyks. “Rápidamente nos dimos cuenta de que analizar tal volumen de datos requería el uso de herramientas modernas de inteligencia artificial, como los recientemente desarrollados modelos lingüísticos de gran tamaño (LLM).

Descubrimos que las personas no solo recuerdan eventos individuales de las historias, sino que a menudo resumen partes bastante extensas de la narrativa (por ejemplo, episodios) en una sola oración. Esto nos llevó a creer que la narrativa se almacena en la memoria como un árbol, con nodos más cercanos a la raíz que representan resúmenes abstractos de episodios más extensos.

Tsodyks y sus colegas plantearon la hipótesis de que un árbol que representa una narrativa se forma en el momento en que una persona escucha o lee una historia por primera vez y la comprende. Dado que investigaciones previas demuestran que diferentes personas perciben las mismas historias de forma distinta, los árboles que se forman tendrán estructuras únicas.

"Formulamos el modelo como un conjunto de árboles aleatorios con una estructura determinada", dijo Tsodyks. "La ventaja de este modelo es que puede describirse matemáticamente y sus predicciones pueden contrastarse directamente con los datos, que es lo que hicimos. La principal innovación de nuestro modelo de árbol aleatorio de memoria y recuperación reside en la suposición de que todo el material significativo se representa generalmente en la memoria de la misma manera.

Nuestra investigación puede tener implicaciones más amplias para la comprensión de los procesos cognitivos humanos, ya que las narraciones parecen ser una forma universal en la que razonamos sobre una amplia variedad de fenómenos en nuestras vidas individuales, así como en los procesos sociales e históricos".

El trabajo reciente del equipo destaca el potencial de los enfoques matemáticos y basados en IA para estudiar cómo las personas almacenan y representan información significativa en sus recuerdos. En estudios futuros, Tsodyks y sus colegas planean evaluar hasta qué punto su teoría y el enfoque de modelado de árboles aleatorios pueden aplicarse a otros tipos de narrativas, como la ficción.

“Una dirección más ambiciosa para futuras investigaciones sería buscar evidencia más directa del modelo de árbol”, añadió Tsodyks. “Esto requeriría desarrollar protocolos experimentales que vayan más allá de la simple reproducción. Otra dirección interesante sería utilizar técnicas de imágenes cerebrales en personas que realizan comprensión y reproducción narrativa”.