Cuando recordamos el argumento de una película, solemos resumirlo en unas pocas frases: la trama principal, un par de giros clave y, tal vez, un detalle que nos llamó especialmente la atención. Esta capacidad para condensar narrativas complejas ha intrigado durante décadas a psicólogos y neurocientíficos. Sin embargo, hasta ahora, no existía un modelo matemático que explicara con precisión cómo lo hacemos. Un estudio pionero publicado en Physical Review Letters propone que nuestra mente almacena las historias en forma de árboles. Cada una es estructura jerárquica similar a un árbol genealógico, donde cada nivel sintetiza la información de los niveles inferiores, facilitando un recuerdo organizado y adaptable.
Un modelo en forma de árbol
La idea principal es que, al interactuar con una historia —ya sea una novela, una película o un artículo— nuestro cerebro construye un «tronco» conceptual que resume la esencia del relato. De este tronco emergen ramas que representan episodios o temas clave, y en los extremos, «hojas» que contienen detalles específicos.
Para reflejar las limitaciones de la memoria de trabajo, los investigadores, liderados por el físico Misha Tsodyks, diseñaron el modelo con restricciones: cada nodo del árbol puede dividirse en un máximo de cuatro ramas, y la profundidad total no supera los cuatro niveles. Esto genera un conjunto manejable de hojas, cada una resumiendo una porción del relato. En historias más largas, cada hoja abarca un segmento más amplio, de modo que una sola frase recordada puede condensar páginas enteras.
Esta organización arbórea permite al cerebro equilibrar concisión y detalle. Un resumen general puede basarse en el tronco, mientras que un relato más minucioso puede recurrir a las hojas.
El modelo predice dos patrones cuantitativos: primero, la longitud del recuerdo crece con la extensión de la historia, pero a un ritmo decreciente (una relación «sublineal»); segundo, en relatos muy extensos, la proporción de texto comprimida en cada hoja tiende a un valor casi universal.
¿En realidad son árboles?
Para comprobar este modelo, el equipo internacional de Tsodyks reclutó a 100 voluntarios a través de internet. Cada participante leyó un relato breve en primera persona, hizo una pausa y luego escribió lo que recordaba. Los investigadores analizaron estos resúmenes y los compararon con miles de árboles generados aleatoriamente. Los resultados confirmaron las predicciones: la longitud de los recuerdos crecía de forma sublineal con la extensión del relato, y la proporción de compresión por hoja se estabilizaba en un valor constante para textos más largos.
Para validar la correspondencia entre las frases recordadas y los segmentos originales, se emplearon dos modelos de inteligencia artificial —GPT-4 y DeepSeek— que emparejaron cada oración del recuerdo con el fragmento más probable del texto fuente. Ambos modelos mostraron una alta coincidencia en los recuerdos detallados, aunque divergían ligeramente en los resúmenes más abstractos. Esto sugiere que la estructura jerárquica captura los elementos esenciales del relato, incluso si los resúmenes de alto nivel permiten cierta flexibilidad interpretativa.
Apuntes, síntomas y detección de uso de IA
Entender cómo comprimimos y organizamos las narrativas tiene implicaciones que van más allá de la curiosidad científica. En educación, conocer el tamaño óptimo de las «hojas» podría guiar la redacción de manuales y apuntes para mejorar la retención de los estudiantes.
En el ámbito clínico, anomalías en la estructura de los recuerdos narrativos —como hojas excesivamente fragmentadas o ramas acortadas— podrían servir como indicadores de trastornos neurológicos o psiquiátricos, ofreciendo una nueva herramienta diagnóstica.
Además, el modelo establece un estándar para evaluar resúmenes generados por inteligencia artificial: un algoritmo que altere demasiado la proporción de compresión típica podría distorsionar las historias de manera poco natural.
¿Son todo árboles?
El estudio abre caminos fascinantes. Una línea de investigación es explorar si esta estructura arbórea se aplica a otras formas narrativas, como diálogos, que entrelazan múltiples perspectivas, o a medios visuales como películas y cómics, donde las señales no verbales añaden complejidad.
Otro enfoque prometedor es combinar el modelo con técnicas de neuroimagen. Registrar la actividad cerebral mientras una persona escucha y luego recuerda un relato podría revelar los momentos en que el cerebro «salta» entre ramas o niveles, vinculando estas transiciones a procesos corticales específicos. Estudios previos sobre percepción temporal sugieren que los distintos niveles del árbol podrían corresponder a escalas temporales concretas en el cerebro.
Hacia una teoría cuantitativa de la memoria
Esta investigación demuestra que la forma en que recordamos historias no es un archivo desordenado de fragmentos, sino un sistema estructurado que equilibra economía y precisión. Al limitar las ramificaciones y la profundidad, el encéfalo puede manejar narrativas extensas sin perderse en detalles, manteniendo puntos de anclaje para profundizar cuando es necesario. Basado en la física estadística, este modelo ofrece predicciones concretas y verificables, acercándonos a una teoría cuantitativa de cómo transformamos experiencias en recuerdos significativos. A medida que futuras investigaciones amplíen este modelo, podríamos comprender mejor cómo nuestro cerebro teje las historias que dan forma a nuestra cultura compartida.
Referencias:
Weishun Zhong, Tankut Can, Antonis Georgiou, Ilya Shnayderman, Mikhail Katkov, and Misha Tsodyks (2025) Random Tree Model of Meaningful Memory Phys. Rev. Lett. doi: 10.1103/g1cz-wk1l
Michael Schirber (2025) How We Remember Stories Physics 18, 117
Sobre el autor: César Tomé López es divulgador científico y editor de Mapping Ignorance
