Estudiar las bases neurobiológicas del lenguaje implica enfrentarse a una paradoja metodológica histórica. Durante décadas, la neurociencia se apoyó en experimentos de laboratorio extremadamente controlados: se introducía a una persona dentro de un resonador magnético y se le pedía procesar palabras aisladas o frases breves desconectadas entre sí. Aunque este aislamiento artificial permitió identificar componentes básicos del procesamiento lingüístico, sacrificó lo más importante: la validez ecológica. En el mundo real, nadie se comunica mediante ráfagas inconexas de palabras; el lenguaje vivo es continuo, narrativo y profundamente dependiente del contexto precedente.

Para romper este confinamiento experimental, la investigación contemporánea ha migrado hacia el habla naturalista: registros donde los participantes escuchan historias orales completas (como las narraciones autobiográficas de The Moth Radio Hour). Sin embargo, recuperar la riqueza de la vida cotidiana introduce un desafío analítico mayúsculo: la colinealidad. En una historia oral, las propiedades del sonido, la frecuencia con la que usamos una palabra, la estructura de la oración y el significado temático varían al mismo tiempo. Ninguno de estos niveles llega al cerebro en un canal aislado.

Estímulo continuo:
"I looked back at the door and realized that everyone had vanished into the cold night."

"Miré hacia la puerta y me di cuenta de que todos habían desaparecido en la noche fría."

Cuando un oyente procesa esa sola frase, su cerebro no descompone el mensaje en turnos secuenciales y ordenados. En una fracción de segundo, la corteza auditiva recibe las ondas sonoras; milisegundos después, el sistema léxico reconoce las palabras; en paralelo, los circuitos sintácticos ensamblan quién hizo qué, mientras las áreas de asociación integran el significado global de la escena. Y junto a todo eso, las marcas gramaticales (como las terminaciones de pasado -ed o el auxiliar had) sitúan los acontecimientos en una coordenada temporal precisa.

Por esta razón, la pregunta de investigación no puede ser simplemente: «¿Qué parte del cerebro se ilumina con el tiempo verbal?» (lo cual sería una suerte de frenología moderna). El verdadero reto computacional consiste en responder: ¿Aporta la representación matemática del tiempo gramatical información predictiva adicional sobre la actividad cerebral, una vez que ya hemos descontado el sonido, la frecuencia de las palabras, la complejidad de la oración y el significado temático?

Para abordar este entramado, diseñamos un flujo analítico que articula los datos abiertos crudos con la proyección en la superficie cortical. La siguiente gráfica sintetiza la visión macro del estudio, cuyos espacios de características y transformaciones iremos desplegando paso a paso a medida que avancemos.

Nota: En el bloque de extracción se aprecian los 6 espacios de características independientes. Más adelante desplegaremos el contenido interno de cada uno de ellos en su respectiva gráfica detallada.

Para delimitar con precisión qué estamos buscando en el cerebro, es necesario establecer una frontera clara entre dos fenómenos que solemos confundir en la vida cotidiana: el tiempo como dimensión conceptual (lo que en inglés se denomina time) y el tiempo como categoría gramatical (denominado tense).

El primero corresponde a la experiencia cognitiva universal: todos los seres humanos comprendemos que existen acontecimientos que ocurrieron ayer, estados que se desarrollan hoy y eventos que podrían suceder mañana. En cambio, el tiempo gramatical comprende los recursos morfosintácticos específicos que una lengua particular utiliza para ubicar una situación respecto a un punto de referencia temporal (habitualmente, el momento en el que se está hablando). Las lenguas del mundo no organizan su morfología de la misma manera, y el inglés presenta una arquitectura muy particular.

Referencia temporal futura sin flexión de futuro:
"The train departs tomorrow morning at dawn."

"El tren sale mañana por la mañana al amanecer."

En el ejemplo anterior, el evento se sitúa inequívocamente en el futuro conceptual. Sin embargo, desde el punto de vista estrictamente morfológico, el verbo departs porta una marca de no-pasado (presente de tercera persona singular). La lengua recurre al adverbio tomorrow y al contexto para completar la coordenada temporal.

A diferencia del español —donde disponemos de una flexión morfológica dedicada para el futuro (como en cantaré o saldrá)—, la lingüística descriptiva reconoce que el inglés no posee una flexión de futuro equivalente a la del pasado. Las referencias a lo venidero se construyen mediante auxiliares modales (will), construcciones perifrásticas (going to) o formas no pasadas con interpretación prospectiva. En consecuencia, el sistema flexivo de tiempo finito en inglés se organiza en torno a una oposición binaria fundamental: pasado frente a no-pasado.

Esta delimitación exige comprender el concepto de finitud. Una forma verbal es finita cuando está anclada gramaticalmente a un sujeto y expresa tiempo. En una cláusula simple, la marca recae de forma directa en el verbo léxico (por ejemplo, walked o walks). Sin embargo, en el habla naturalista, las oraciones suelen ser mucho más complejas y se articulan mediante cadenas de verbos.

Cadena verbal con auxiliar:
"She was walking down the street when the sudden explosion shook the ground."

"Ella estaba caminando por la calle cuando la repentina explosión sacudió el suelo."

En la primera parte de esa oración ("was walking"), la información del tiempo gramatical finito no recae sobre la acción principal (walking es un participio continuo no finito), sino sobre el auxiliar: was. Es este pequeño auxiliar el que porta la marca de pasado e informa al cerebro del oyente cuándo ocurrió la acción.

Por esta razón, nuestro espacio de estudio no podía limitarse a los verbos léxicos comunes (como run, eat o look). Debía capturar de manera amplia todas las formas que realizan el contraste de finitud en el discurso real: verbos léxicos, auxiliares y formas copulares.

Antes de estimar cualquier modelo cerebral, realizamos una auditoría lingüística exhaustiva sobre todas las historias orales del conjunto de datos. El análisis identificó un total de 21 354 formas finitas a lo largo del corpus.

A nivel global, la distribución entre ambos polos del sistema parece un milagro de laboratorio: exactamente 10 674 formas de pasado (49,99 %) y 10 680 formas de no-pasado (50,01 %). Sin embargo, al mirar debajo de la superficie estadística, emergió una característica crucial del lenguaje natural:

El dato más revelador de esta auditoría es que los verbos léxicos comunes representaron únicamente el 49,74 % del inventario, mientras que los auxiliares y las formas copulares constituyeron el 50,26 % restante. Una proporción colosal del contraste temporal en el habla cotidiana descansa sobre realizaciones de alta frecuencia asociadas a tan solo tres elementos: be, have y do.

Esto tiene una implicación metodológica directa para nuestro estudio: las cuatro características que componen el espacio de tiempo gramatical finito no miden la actividad aislada de conjugar verbos, sino la presencia de un engranaje morfosintáctico que suele viajar acompañado de una alta frecuencia de uso y una posición estructural clave en la oración. Para saber si el cerebro sintoniza este contraste en sí mismo, era obligatorio blindar el modelo con otros cinco niveles de control lingüístico.

Cuando leemos un libro, la página nos presenta palabras delimitadas por espacios blancos y signos de puntuación bien definidos. Pero en el habla natural, esa separación visual no existe. Lo que llega a nuestro oído es un flujo continuo de presión acústica: las palabras se encadenan, los sonidos se fusionan y las pausas no siempre coinciden con los puntos o las comas de la gramática formal.

Para que un algoritmo de neuroimagen pueda evaluar qué procesa el cerebro en cada instante, fue necesario someter las narraciones orales a un riguroso proceso de disección computacional. Utilizando las transcripciones temporalmente alineadas de los archivos TextGrid y modelos de Procesamiento de Lenguaje Natural (NLP), descompusimos cada milisegundo de audio en seis espacios de características independientes, sumando un total de 43 canales de información paralelos.

A continuación, examinamos cada uno de estos niveles para comprender qué dimensión de la mente humana representan y por qué resulta indispensable controlarlos antes de interrogar al tiempo gramatical:

La fonética y la fonología estudian los sonidos elementales del habla (los fonemas) y cómo se producen físicamente en el tracto vocal. Las personas solemos pensar en letras, pero el cerebro no oye letras; decodifica gestos articulatorios como la vibración de las cuerdas vocales o el punto donde la lengua hace contacto con el paladar o los dientes.

Este espacio extrae 14 rasgos binarios para cada fonema pronunciado (vocalicidad, consonanticidad, sonoridad laríngea, nasalidad y lugares de articulación como bilabial, dental, alveolar, palatal o velar). Su inclusión es crucial para blindar el experimento contra falsas alarmas acústicas:

Confusión entre morfología y acústica superficial:
"He walked towards the door."

"Él caminó hacia la puerta."

Al pronunciar el verbo en pasado walked, la terminación -ed no suena como una sílaba completa, sino como un chasquido sordo alveolar: el sonido /t/. Si la corteza auditiva primaria se activa intensamente ante ese sonido, ¿lo hace porque está reconociendo el tiempo pretérito o simplemente porque reaccionó a una consonante oclusiva rápida? Al incluir las 14 variables fonéticas en el modelo, obligamos al algoritmo a descontar primero la física del sonido.

El nivel léxico-estadístico mide las propiedades cuantitativas y de superficie de cada palabra individual. Contempla cuatro dimensiones: la presencia temporal del vocablo, su frecuencia de uso en el idioma cotidiano (medida en la escala logarítmica de Zipf), su longitud en caracteres y su duración física en segundos.

Disparidad de frecuencia y esfuerzo léxico:
"It was an astonishing serendipity."

"Fue una casualidad asombrosa."

Palabras como was duran apenas una fracción de segundo y se repiten millones de veces en la vida de un hablante; el cerebro las procesa de manera automática y casi sin esfuerzo metabólico. En cambio, un término infrecuente y largo como serendipity demanda una carga de acceso léxico considerablemente mayor. Dado que más del 50 % de las marcas de tiempo gramatical recaen sobre auxiliares ultra-frecuentes como was, is o had, este espacio garantiza que una eventual predicción no sea producto de la extrema familiaridad de estas palabras.

La categorización morfosintáctica (popularmente conocida como etiquetado por partes de la oración o POS tagging) describe la función gramatical abstracta de las palabras: si actúan como sustantivos, adjetivos, adverbios, pronombres, preposiciones, conjunciones o determinantes.

Este espacio incorpora además un indicador específico para verbos no finitos (infinitivos, gerundios y participios, tales como swimming en "I love swimming"). Una decisión de diseño fundamental es que las formas verbales finitas fueron excluidas deliberadamente de este espacio. ¿Por qué? Para evitar que este bloque se solapara con nuestro espacio de interés. Si hubiésemos dejado la etiqueta general de «verbo finito» aquí, este control le habría arrebatado al espacio de tiempo la posibilidad de manifestar su aporte.

La sintaxis es la arquitectura invisible del lenguaje. No procesamos las palabras como cuentas alineadas en un collar, sino como árboles jerárquicos de dependencias donde unas palabras se subordinan a otras. Este espacio captura tres medidas estructurales automáticas: la distancia de dependencia (cuántas palabras separan a un elemento de su núcleo o cabeza rectora), la profundidad jerárquica dentro del árbol de la oración, y un indicador binario que señala si la palabra constituye la raíz estructural del enunciado.

Dependencia estructural a larga distancia:
"The musician [who played that haunting melody on the guitar during the festival] suddenly fainted."

"El músico [que tocó esa melodía inolvidable en la guitarra durante el festival] de repente se desmayó."

Aunque entre el sujeto (the musician) y el verbo principal (fainted) median diez palabras intermedias, la memoria de trabajo del cerebro mantiene abierto el vínculo sintáctico. Dado que los verbos finitos suelen ser la raíz del árbol o conectan argumentos distantes, este espacio captura el esfuerzo de integración estructural.

La semántica aborda el significado: las ideas, conceptos y temas de los que trata la historia. Para modelarla, utilizamos el Análisis Semántico Latente (LSA). Segmentamos las historias en unidades textuales utilizando las pausas naturales del relato (silencios iguales o superiores a 0,65 segundos) y transformamos las palabras lematizadas mediante ponderación estadística de relevancia (TF-IDF).

Luego, reducimos esa gran matriz a diez dimensiones temáticas continuas. Una regla metodológica sagrada guio esta etapa: el modelo semántico se entrenó exclusivamente con las narraciones de entrenamiento. La historia reservada para la prueba final (wheretheressmoke) jamás fue vista por el algoritmo durante el aprendizaje temático, previniendo cualquier fuga de información (data leakage).

Este es el núcleo de nuestra pregunta de investigación; ya que agrupa las cuatro realizaciones concretas de la finitud temporal en el inglés: pasado regular (walked), pasado irregular (went, was, had), no-pasado marcado en tercera persona singular (makes, is, has) y no-pasado no marcado (go, think, am). Cada vez que una forma finita aparece en la historia, se enciende su respectivo canal binario durante su duración exacta.

Nota: Las primeras 39 características corresponden a los cinco niveles de control que alimentan al Modelo Restringido. El Modelo Global incorpora estas 39 más las 4 variables de tiempo gramatical, completando los 43 predictores.

Con esta matriz de 43 predictores construida a una resolución ultra-fina de 100 muestras por segundo (una muestra cada 10 milisegundos), tenemos una descripción matemática rigurosa del habla. Sin embargo, estas 43 series temporales describen el lenguaje al ritmo del sonido, mientras que el escáner cerebral opera a una escala temporal radicalmente distinta y mucho más lenta. El siguiente desafío fue construir el puente hemodinámico que une ambos mundos.

Al proyectar los 43 predictores sobre un eje temporal a 100 Hz, disponemos de una descripción matemática donde cada muestra equivale a 10 milisegundos. Esta escala refleja fielmente la velocidad a la que se despliega el habla. Sin embargo, el resonador magnético funcional no mide la actividad eléctrica instantánea de las neuronas; registra la señal BOLD (Blood-Oxygen-Level-Dependent), es decir, las variaciones locales en la concentración de oxígeno en la sangre.

El acoplamiento neurovascular obedece a una dinámica biológica considerablemente más pausada que el procesamiento cognitivo. Cuando una población neuronal entra en actividad, consume oxígeno de forma inmediata. Segundos después, el lecho capilar responde dilatándose y enviando un torrente masivo de sangre oxigenada que supera con creces el gasto metabólico inicial. Por tanto, existe un desfase temporal de varios segundos entre el instante en el que una palabra llega al oído y el momento en el que el escáner detecta la cresta de oxigenación.

Desfase entre evento lingüístico y registro hemodinámico:
"The investigator noticed the shattered window."

"El investigador notó la ventana rota."

En el enunciado anterior, la forma verbal de pasado noticed se pronuncia en una fracción de segundo. Las redes frontotemporales decodifican la forma fonológica y su anclaje temporal de manera casi inmediata. No obstante, el flujo de sangre oxigenada en las áreas corticales involucradas alcanzará su punto de máxima amplitud aproximadamente seis segundos después, para luego descender paulatinamente por debajo del nivel de reposo antes de estabilizarse.

Para vincular las series temporales lingüísticas con las fluctuaciones vasculares del cerebro, se aplica una operación de convolución temporal con una Función de Respuesta Hemodinámica (HRF) canónica de doble gamma. Este modelo describe formalmente tres fases sucesivas a lo largo de una ventana de 32 segundos:

• Fase de ascenso y cúspide (segundo 0 al 6): Tras el estímulo, el aporte vascular se incrementa de forma sostenida hasta alcanzar su pico máximo alrededor del sexto segundo.
• Fase de caída y valle posestímulo (segundo 6 al 16): El volumen sanguíneo decrece rápidamente y desciende por debajo de la línea de base (fenómeno conocido como undershoot), reflejando la reoxigenación residual y la recuperación del lecho microvascular.
• Fase de restablecimiento (segundo 16 al 32): La señal retorna gradualmente a su estado de reposo.

Una decisión metodológica crucial de esta investigación fue adoptar una HRF canónica uniforme para las 43 variables analizadas. En lugar de multiplicar la dimensionalidad mediante decenas de retardos temporales independientes (como se acostumbra en los modelos de respuesta finita al impulso o FIR), se conservó una única columna por predictor. Esta elección ofrece tres ventajas determinantes: mantiene un diseño parsimonioso, mitiga el riesgo de sobreajuste (overfitting) y permite que la estimación vóxel a vóxel sea computacionalmente viable en unidades centrales de procesamiento (CPU).

A cambio de esta eficiencia, el diseño asume el supuesto teórico de que la dinámica hemodinámica es relativamente homogénea entre regiones y participantes. Esta condición se reconoce como un límite del alcance exploratorio, pues la fisiología vascular real puede exhibir variaciones locales en la latencia de respuesta.

Una vez convolucionadas las características con la HRF a 100 Hz, los predictores resultantes constituyen curvas suaves de demanda de oxígeno estimada. Sin embargo, el resonador magnético adquiere un volumen cerebral completo únicamente cada dos segundos, lo que corresponde a una frecuencia de 0.5 Hz.

Para equiparar las dimensiones de la matriz lingüística con las series temporales de la fMRI, se ejecutó un remuestreo polifásico con filtrado previo. Este procedimiento reduce la frecuencia temporal de 100 Hz a 0.5 Hz evitando distorsiones espectrales o pérdida brusca de componentes continuos. Tras el remuestreo, cada fila de la matriz predictora coincide de manera unívoca con un volumen funcional (un TR) registrado por el escáner.

Por último, tanto las matrices predictoras como las series BOLD se estandarizaron (puntuaciones Z) de forma independiente para cada sesión de adquisición. Este paso elimina las derivas de línea de base del escáner y garantiza que los algoritmos de predicción evalúen fluctuaciones relativas de la señal dentro de cada corrida, y no artefactos asociados a variaciones de calibración física del equipo entre días distintos.

Nota: La convolución proyecta la presencia instantánea de palabras y rasgos sonoros hacia una curva hemodinámica continua que posteriormente se muestrea exactamente al ritmo del escáner (cada 2 s).

Simulación en bucle continuo de la HRF canónica de doble gamma (Friston et al., 1998; ventana de 32 segundos a 100 Hz) y su remuestreo al escáner fMRI (TR = 2.0 s / 0.5 Hz). El pico de aporte oxigenado se alcanza hacia los 5.1 s, el cruce por cero ocurre a los 10.8 s y el valle de desoxigenación residual (undershoot) se produce hacia los 15.5 s:

Para analizar la actividad cerebral registrada por la fMRI, la corteza no se trata como un órgano homogéneo ni se promedia burdamente en grandes masas anatómicas. En su lugar, el volumen cortical de cada participante se descompone en decenas de miles de pequeñas unidades cúbicas tridimensionales denominadas vóxeles (el equivalente tridimensional de los píxeles de una pantalla, típicamente de dos milímetros por lado).

En el paradigma de Modelos de Codificación Vóxel a Vóxel (Voxelwise Encoding Models o VEM), cada vóxel se aborda como un problema de regresión completamente autónomo. Si el cerebro de un voluntario contiene 80 000 vóxeles corticales, el algoritmo ajusta 80 000 modelos independientes. El objetivo de cada uno de ellos es aprender qué combinación de nuestras variables lingüísticas permite anticipar las oscilaciones de la señal de oxígeno en ese punto específico de la corteza.

Información concurrente en una sola forma verbal:
"Every morning, the librarian opens the ancient oak doors."

"Cada mañana, el bibliotecario abre las antiguas puertas de roble."

Cuando el relato llega a la palabra opens, confluyen simultáneamente una duración breve, un sonido alveolar, una función de verbo principal, una relación de dependencia con el sujeto y un significado asociado a la acción física. Intentar separar estas influencias mediante una regresión lineal tradicional provocaría un colapso numérico: debido a que las variables lingüísticas están fuertemente relacionadas entre sí (colinealidad), los coeficientes matemáticos se volverían caóticos e inestables.

Para domar la colinealidad del habla viva, se implementó la Regresión de Cresta Estándar (Standard Ridge Regression). Esta técnica aplica una penalización matemática común sobre la magnitud de los pesos del modelo: en lugar de permitir que predictores correlacionados adquieran valores desmedidos que se anulen entre sí, la regularización contrae suavemente los coeficientes, distribuyendo el peso de manera equilibrada y garantizando estimaciones numéricamente estables.

El nivel exacto de penalización no se impone de forma arbitraria; se selecciona de manera automática para cada vóxel explorando veinte valores candidatos en una escala logarítmica (desde 0.01 hasta 10 000). Sin embargo, esta calibración exigió resolver un obstáculo propio de las series temporales cerebrales: la autocorrelación hemodinámica.

Si dividiéramos las muestras temporales de una narración de forma aleatoria (como se hace habitualmente en el aprendizaje automático tradicional), los últimos segundos de una palabra en el conjunto de entrenamiento se filtrarían en las muestras de validación debido a la lentitud con la que decae la curva sanguínea. Para evitar esta contaminación invisible (data leakage), se diseñó una validación cruzada por bloques de historias (Story-Blocked Cross-Validation): las particiones internas agruparon narraciones íntegras, asegurando que los datos temporales contiguos de una misma historia jamás se repartieran entre el entrenamiento y la validación.

Para estimar si el tiempo gramatical aporta una señal biológica propia, se enfrentaron dos arquitecturas predictivas en paralelo para cada participante:

La evaluación final no se efectuó sobre las historias utilizadas para aprender los coeficientes. Ambos modelos se pusieron a prueba sobre una narración completamente reservada que jamás intervino en el ajuste: wheretheressmoke. Para maximizar la nitidez de la señal y atenuar el ruido fisiológico propio del escáner (latidos cardíacos, respiración), las repeticiones disponibles de esta historia de prueba se promediaron temporalmente, obteniendo una única serie BOLD limpia de alta fidelidad.

Asimismo, para que el volumen masivo de datos no saturara la memoria RAM de los equipos de cómputo en CPU, el procesamiento de los vóxeles de cada voluntario se ejecutó en bloques espaciales de hasta 10 000 unidades, preservando estrictamente la integridad de las muestras temporales.

Nota: El Delta de los modelos se calcula para cada vóxel de manera independiente en la historia de prueba reservada. Si este valor no supera el umbral del azar, el aporte predictivo de la gramática debe considerarse indistinguible del ruido.

Al calcular la diferencia de precisión entre el Modelo Global y el Modelo Restringido para cada vóxel, es muy común encontrar puntos corticales donde el resultado arroja un Delta positivo (ΔR² > 0). La tentación intuitiva sería celebrar de inmediato y declarar que en esos puntos la corteza cerebral está procesando activamente el tiempo gramatical.

En neuroimagen funcional, esa conclusión apresurada constituye una trampa metodológica. Las series temporales de la fMRI están contaminadas por múltiples fuentes de ruido fisiológico continuo (pulsaciones cardíacas, movimientos respiratorios, derivas térmicas del escáner y oscilaciones espontáneas del cerebro en reposo). Incluso sobre datos de puro ruido aleatorio, un modelo con cuatro variables adicionales puede arrojar ocasionalmente una leve ventaja predictiva debida a meras fluctuaciones del azar. Para afirmar con legitimidad científica que un vóxel responde a la gramática, debemos demostrar que su Delta positivo es extraordinariamente superior al que produciría el ruido sin sincronización.

En la estadística clásica, para probar si una relación es genuina se suele recurrir a una prueba de permutación tradicional: se toman las observaciones, se mezclan al azar como si fueran una baraja de cartas y se recalcula el modelo. Sin embargo, aplicar este barajado aleatorio sobre señales de fMRI es un error metodológico catastrófico.

Debido a la respuesta hemodinámica, la señal BOLD no cambia bruscamente de un instante a otro; presenta una fuerte autocorrelación temporal, formando ondas suaves y continuas donde cada volumen depende en gran medida del anterior. Si desordenamos las muestras al azar, rompemos esa continuidad biológica y transformamos la serie en ruido blanco plano y desarticulado. Contrastar un modelo real contra un modelo nulo artificialmente destruido produce distribuciones irreales y genera una avalancha masiva de falsos descubrimientos positivos.

Desconexión temporal preservando la estructura del relato:
"He turned the ignition key, but the engine remained dead silent."

"Giró la llave de encendido, pero el motor permaneció en completo silencio."

Si la frase anterior se pronunció en el segundo 40 de la historia, la hipótesis nula legítima no consiste en despedazar los segundos de la oración, sino en preguntarse qué ocurriría si la predicción matemática de esa frase se desfasara en el tiempo y se comparara contra la actividad cerebral registrada, por ejemplo, en el segundo 180 (un momento donde el narrador estaba describiendo algo totalmente distinto). La curva vascular sigue teniendo la misma forma, pero su sincronía con la realidad ha sido rota.

Para construir una distribución nula, se implementó el método de desplazamientos circulares exhaustivos (circular shifts). Imaginemos la serie de predicciones como un circuito cerrado o las manecillas de un reloj: la señal se rota en bloque un número determinado de pasos hacia adelante, de modo que lo que sobresale al final vuelve a ingresar por el inicio. La señal observada en el cerebro permanece inmóvil en su orden cronológico original.

Este procedimiento preserva de forma intacta la autocorrelación, la suavidad temporal, la varianza y el contenido de frecuencias tanto del estímulo predicho como de la biología del cerebro; lo único que se destruye sistemáticamente es el emparejamiento entre cuándo sonó la palabra y cuándo reaccionó el vóxel. En cada participante se evaluaron de forma exhaustiva todas las rotaciones circulares admisibles determinadas por la duración de la historia reservada, ejecutando cada desfase exactamente una vez, sin muestreo aleatorio ni reemplazo.

Para garantizar que la prueba nula fuera rigurosa, se aplicó además un margen de seguridad de exclusión. Dado que la respuesta vascular tarda hasta 16 segundos en completarse y tiene una ventana total de 32 segundos, un desplazamiento de apenas uno o dos volúmenes (2 a 4 segundos) aún conservaría correlación residual con el evento real. Por esta razón, se excluyeron deliberadamente todas las rotaciones menores a 10 volúmenes temporales (20 segundos) y sus equivalentes cercanos a una vuelta completa, complementándose con análisis de sensibilidad ampliados a 16 volúmenes (32 segundos biológicos).

Para cada vóxel, el nivel de significancia empírico se determinó calculando en cuántas de esas rotaciones desincronizadas el modelo nulo lograba igualar o superar por puro azar el Delta observado en la realidad.

Obtener una probabilidad individual baja en un vóxel aislado tampoco es suficiente. Cuando se analizan simultáneamente entre 70 000 y 95 000 vóxeles a lo largo de toda la corteza, surge el problema de las comparaciones múltiples: por pura probabilidad estadística, cientos de puntos obtendrán valores llamativos simplemente porque lanzamos la moneda decenas de miles de veces.

Para neutralizar esta trampa, los resultados empíricos de todos los vóxeles se sometieron al procedimiento de control de la Tasa de Falsos Descubrimientos (False Discovery Rate o FDR) mediante el algoritmo de Benjamini-Hochberg, fijando un criterio estricto del 5 % (q < 0.05). Este procedimiento ajusta el umbral de exigencia en función del volumen total evaluado, garantizando que de todos los vóxeles que eventualmente se declaren significativos, la proporción de falsas alarmas debidas al ruido no supere dicho porcentaje. Solo aquellos puntos corticales que sobreviven a este filtro conservan legitimidad inferencial.

Nota: El tribunal estadístico garantiza que un vóxel solo se considere informativo si su ventaja predictiva sobrevive a cientos de desalineamientos temporales continuos y al estricto control de falsas alarmas sobre todo el volumen del cerebro.

En la divulgación científica abunda una narrativa triunfalista: parece que cada experimento neurofuncional estuviera obligado a encontrar una región cortical iluminada y una conclusión rimbombante sobre cómo el cerebro humano realiza una tarea. Sin embargo, en la investigación cuantitativa de vanguardia, los resultados negativos analizados con rigor poseen un valor científico inmenso. Nos obligan a descartar simplificaciones metodológicas y nos señalan los límites reales de nuestras herramientas de medición.

Al aplicar el flujo computacional completo sobre los participantes analizados —ajustando los modelos vóxel a vóxel mediante regresión de cresta, evaluando fuera de muestra sobre la historia reservada, generando la distribución nula mediante cientos de desplazamientos circulares exhaustivos y aplicando la corrección Benjamini-Hochberg (FDR) a nivel de cerebro completo—, el resultado empírico fue rotundo: ningún vóxel cortical superó el umbral estadístico corregido de significancia.

Nota metodológica: Siguiendo el protocolo formal de la investigación, cuando ningún vóxel supera el criterio corregido por FDR, las métricas de varianza única pico se reportan estrictamente como no aplicables (N/A) y no se sustituyen por ceros arbitrarios, evitando confundir la falta de significancia con una ausencia total de fluctuaciones numéricas.

¿Significa esto que el cerebro humano no procesa el tiempo gramatical o que a la mente le resulta indiferente si una acción ocurrió en el pasado o se desarrolla en el presente? En absoluto. En epistemología científica existe una máxima indiscutible: la ausencia de evidencia estadística no equivale a evidencia de ausencia biológica.

Lo que este resultado demuestra con total precisión es que, dentro de esta arquitectura computacional específica, incorporar las cuatro variables del tiempo gramatical finito no aporta una capacidad predictiva detectable adicional sobre la señal BOLD una vez que ya hemos considerado los 39 predictores de control. Al deconstruir el diseño experimental, emergen tres cuellos de botella fundamentales que explican este comportamiento:

Como vimos previamente, el inventario completo de narraciones presentaba un equilibrio perfecto entre pasado y no-pasado (~50 % frente a ~50 %). Sin embargo, la historia reservada para la prueba fuera de muestra (wheretheressmoke) reveló una composición morfológica radicalmente distinta en la auditoría lingüística: contiene 303 formas finitas, de las cuales 242 corresponden a no-pasado (79.87 %) y apenas 61 corresponden a pasado (20.13 %).

Predominio de formas de no-pasado y cópulas en la narración de prueba:
"There's this moment where you realize you're completely alone and nothing makes sense."

"Hay un momento en el que te das cuenta de que estás completamente solo y nada tiene sentido."

En una historia narrada abrumadoramente en presente reflexivo, las características de pasado regular e irregular prácticamente no tuvieron oportunidades temporales para activarse y demostrar su capacidad de predecir las oscilaciones vasculares. Un estímulo de prueba fuertemente desbalanceado reduce drásticamente la sensibilidad del modelo para detectar la contribución del contraste binario completo.

El segundo factor determinante radica en la naturaleza de las formas finitas en el habla espontánea: más del 50.26 % del contraste de tiempo recae en verbos auxiliares y cópulas (be, have, do). Estas palabras son breves, sumamente comunes y actúan como bisagras estructurales de la oración.

En consecuencia, cuando el modelo ajusta sus pesos, el espacio Léxico-Estadístico (que conoce la frecuencia Zipf y la duración de la palabra), el espacio Sintáctico (que detecta las raíces y las dependencias jerárquicas) y el espacio Léxico-Semántico (que captura el contexto general mediante LSA) ya absorben casi la totalidad de la varianza predecible asociada a estas unidades. La información exclusiva que le queda al tiempo gramatical finito por explicar es una franja de señal sumamente estrecha, difícil de separar del ruido intrínseco de la fMRI.

Para hacer viable el entrenamiento masivo vóxel a vóxel en CPU y evitar la proliferación descontrolada de parámetros, adoptamos el supuesto teórico de una HRF canónica uniforme idéntica para todas las áreas corticales y participantes.

Si bien esta decisión preserva un modelo parsimonioso de 43 predictores y previene el sobreajuste, la biología vascular real exhibe heterogeneidad: en ciertas regiones secundarias de asociación o cortezas temporales posteriores, el flujo sanguíneo puede tardar un segundo más o menos en alcanzar su punto máximo. Esta ligera discrepancia en la forma del filtro temporal puede diluir la correlación de eventos gramaticales discretos, impidiendo que el Delta de los modelos alcance la magnitud necesaria para sobrevivir al estricto tribunal del FDR.

En conclusión: el análisis no encontró un módulo cortical independiente del tiempo gramatical, no porque el lenguaje carezca de estructura temporal, sino porque en la ecología del habla naturalista, la gramática del tiempo no viaja en una frecuencia aislada; está íntimamente fundida con la acústica, la frecuencia léxica y la arquitectura sintáctica del discurso.

Para inspeccionar la distribución espacial de los modelos predictivos sin recurrir a deformaciones ni promedios grupales que diluyan la anatomía individual, proyectamos los resultados vóxel a vóxel sobre las reconstrucciones tridimensionales de la superficie cortical de cada voluntario mediante la librería especializada PyCortex.

Al explorar estos visores tridimensionales interactivos, es posible alternar entre dos capas analíticas principales que ofrecen lecturas complementarias del experimento:

Haz clic sobre cualquiera de los siguientes enlaces para abrir en una pestaña independiente el visor web tridimensional de PyCortex correspondiente a cada participante:

Durante décadas, la divulgación científica nos acostumbró a pensar en el cerebro mediante analogías de bloques modulares: una supuesta «caja para los sustantivos», otra para «los verbos» y quizás un rincón dedicado exclusivamente a las conjugaciones del tiempo. El estudio del habla naturalista mediante modelos de codificación vóxel a vóxel desmonta esa visión compartimentada.

La comprensión del lenguaje en la vida real es un proceso biológico continuo y masivamente distribuido. Cuando escuchamos a alguien relatar una vivencia, las marcas de pasado o no-pasado no son procesadas en un circuito aislado; viajan entrelazadas con la envolvente acústica de la voz, el costo de recuperar palabras sumamente familiares como los auxiliares be o have, la arquitectura del árbol sintáctico y el significado global de la narración.

Haber encontrado que el espacio de tiempo gramatical finito no aporta una varianza única detectable tras aplicar la corrección por falsos descubrimientos no debilita la investigación; al contrario, representa el triunfo del método científico sobre el sesgo de confirmación. Al utilizar distribuciones nulas construidas mediante desplazamientos circulares y modelos de control robustos, evitamos caer en el autoengaño de declarar descubrimientos inexistentes donde solo había ruido.

Este trabajo sienta una base metodológica parsimoniosa, reproducible y de código abierto para que futuros estudios exploren la representación del tiempo, el aspecto y el modo (TAM), evalúen estímulos de prueba narrativamente más equilibrados y prueben esquemas de regularización diferenciada por espacios de características. En la neurociencia del mundo real, entender qué factores explican la señal cerebral es el único camino genuino para descifrar cómo la mente humana teje el tiempo en el lenguaje.

Agradecimiento institucional al Gallant Lab (Universidad de California, Berkeley) por el desarrollo de los marcos teóricos de Voxelwise Modeling, la publicación de sus herramientas de código abierto (Himalaya y PyCortex) y la invaluable democratización del conocimiento computacional en neurociencias.

—
Investigación y redacción por Alejandro Montenegro Taborda