Un tiempo de integración finito puede desplazar la sensibilidad óptima fuera de la criticidad

Por qué el tiempo importa para decisiones precisas

Nuestros cerebros, sentidos e incluso muchos dispositivos artificiales afrontan el mismo reto: deben detectar diferencias mínimas en el mundo y transformarlas en decisiones fiables, a menudo en una fracción de segundo. Una idea popular en física y neurociencia es que dichos sistemas rinden mejor cuando se sitúan justo en el borde de un cambio brusco en su comportamiento, un llamado punto crítico. Este estudio plantea una pregunta simple pero frecuentemente pasada por alto: si solo dispones de un tiempo limitado para observar la respuesta del sistema, ¿es ese borde realmente el mejor lugar para operar?

El punto ideal no siempre está en el borde

Los autores estudian un modelo simplificado de un circuito tipo cerebral: una gran red de unidades pulsantes que se excitan entre sí en bucle. Un pequeño subconjunto de unidades recibe una señal externa, como la intensidad de un olor o un sonido, y otro subconjunto proporciona la salida. Una unidad de lectura separada no reacciona de forma instantánea; en su lugar, promedia los pulsos de salida durante una ventana temporal elegida, algo así como un cubo con fugas que se llena y vacía lentamente. Dos controles regulan el sistema. Uno determina cuán fuertemente se excitan entre sí las unidades, lo que a su vez fija cuán cerca está la red de un punto crítico donde la actividad explotaría o se apagaría. El otro ajusta cuánto tiempo recoge la lectura los pulsos antes de emitir un juicio.

Cuando más sensibilidad trae más confusión

Cerca del punto crítico, la red se vuelve extremadamente sensible a cambios pequeños en la entrada, lo que suele considerarse beneficioso. Pero en este régimen, la actividad también fluctúa con gran amplitud y de forma más lenta en el tiempo. Los autores muestran que estas oscilaciones internas pueden enmascarar la señal si solo la observas durante poco tiempo. Para cuantificarlo, definen qué tan fácilmente un observador ideal podría distinguir entre dos intensidades de entrada distintas observando únicamente la salida, y cuentan cuántas entradas distintas pueden diferenciarse de manera fiable manteniendo la probabilidad de error por debajo de un umbral elegido. A continuación generalizan la medida clásica de “rango dinámico”, que describe la amplitud de intensidades de entrada que un sistema puede codificar, de modo que tenga en cuenta explícitamente estas fluctuaciones ruidosas.

Observadores con tiempo limitado prefieren redes más calmadas

Usando matemáticas exactas en dos límites extremos —lectura instantánea y promedio de duración infinita— junto con extensas simulaciones por ordenador en los casos intermedios, los autores trazan cómo depende el rendimiento de discriminación tanto del acoplamiento de la red como del tiempo de lectura. Para cada tiempo de observación finito, encuentran que el mejor rendimiento no ocurre exactamente en el punto crítico. En su lugar, existe un ajuste “subcrítico” óptimo donde la red sigue siendo sensible pero sus fluctuaciones están más contenidas, lo que permite a la lectura formarse una imagen más clara dentro del tiempo disponible. A medida que la ventana de integración se alarga, ese punto óptimo se desplaza hacia la criticidad, porque la lectura dispone de tiempo suficiente para promediar las fuertes fluctuaciones y aprovechar la sensibilidad adicional.

Implicaciones para cerebros y máquinas

Este compromiso entre sensibilidad y fiabilidad aparece siempre que un sistema ruidoso con interacciones internas fuertes debe tomar decisiones rápidamente. Los autores sostienen que sus hallazgos ayudan a explicar por qué las mediciones en cerebros reales muestran escalas temporales de procesamiento finitas en lugar de un comportamiento perfectamente crítico e infinitamente lento. Muchas decisiones perceptivas en animales ocurren en mucho menos de un segundo, por lo que las redes que se sitúan ligeramente alejadas de la criticidad pueden ofrecer un mejor compromiso entre velocidad y precisión. Los resultados también sugieren reglas de diseño para sistemas artificiales, como redes neuronales recurrentes y dispositivos físicos de “reservorio”: si la lectura es casi instantánea, la red interna debería mantenerse más alejada de la criticidad; si la lectura puede integrar durante periodos más largos, el dispositivo puede ajustarse más cerca del borde para ganar sensibilidad sin sacrificar fiabilidad.

Buscar equilibrio en lugar de perfección

En términos corrientes, el estudio muestra que “subir el volumen a once” en sensibilidad no siempre es sensato cuando debes decidir con rapidez y afrontar ruido. Para tiempos de observación finitos, existe un punto óptimo ligeramente por debajo del estado más excitable, donde las señales siguen siendo lo bastante fuertes para distinguirse pero no tan inestables que se difuminen entre sí. Este equilibrio entre ser reactivo y ser confiable puede ser un principio general sobre cómo los sistemas vivos y artificiales se ajustan a las exigencias de las tareas del mundo real.

Cita: Azizpour, S., Priesemann, V., Zierenberg, J. et al. Finite integration time can shift optimal sensitivity away from criticality. Commun Phys 9, 119 (2026). https://doi.org/10.1038/s42005-026-02584-w

Palabras clave: criticidad, redes neuronales, rango dinámico, procesamiento de información, tiempo de integración