Kathryn Bock El experimento de percepción categórica del habla – Alvin Liberman

El estudio del procesamiento del lenguaje constituye uno de los desafíos interdisciplinarios más profundos de las ciencias cognitivas contemporáneas. En el núcleo de esta empresa se encuentra una paradoja física y psicológica fundamental: mientras que la señal acústica que transporta el habla humana es una onda continua, altamente variable y profundamente afectada por el contexto articulatorio, la mente humana percibe segmentos discretos, estables y categóricos. Esta discrepancia entre el flujo ininterrumpido de fluctuaciones de presión aérea y la percepción de fonemas delimitados como entidades cualitativamente aisladas representa la piedra angular de la fonética experimental y la psicolingüística.

A mediados del siglo XX, las investigaciones pioneras conducidas en los Laboratorios Haskins bajo el liderazgo teórico de Alvin M. Liberman transformaron radicalmente nuestra comprensión de este fenómeno mediante el descubrimiento formal de la percepción categórica. Liberman y sus colaboradores demostraron que los oyentes no experimentan variaciones físicas continuas como cambios graduados en la sensación auditiva, sino como saltos perceptivos cualitativos entre categorías lingüísticas mutuamente excluyentes. Décadas más tarde, la eminente investigadora de la producción del lenguaje J. Kathryn Bock analizó y estructuró las implicaciones de estas primitivas discretas para la arquitectura general de la formulación lingüística, examinando la interfaz donde convergen la decodificación auditiva, el acceso léxico y la codificación sintáctica.

Este extenso análisis monográfico examina la arquitectura experimental, psicométrica y teórica del experimento clásico de percepción categórica. Se aborda la síntesis acústica originaria implementada mediante el histórico sintetizador Pattern Playback, las métricas formales de identificación y discriminación, las controversias en torno a la Teoría Motora del Habla de Liberman y la integración crítica aportada por Kathryn Bock al situar estas representaciones discretas en los modelos multinivel del procesamiento del lenguaje humano.

1. 1. Introducción a la percepción categórica del habla en la psicolingüística

1.1 1.1. Definición y alcance del concepto de percepción categórica

La percepción categórica designa un fenómeno psicofísico y lingüístico en el cual una variación física continua a lo largo de un espectro sensorial determinado no es percibida como una gradación lineal, sino como una serie de estados discretos claramente diferenciados. En el dominio del habla, este proceso implica que una serie de estímulos acústicos sintetizados con intervalos físicos matemáticamente idénticos —por ejemplo, desplazamientos equidistantes en las frecuencias de los formantes o variaciones milimétricas en el tiempo de inicio de la sonoridad— produce mesetas perceptivas donde todos los estímulos se identifican como el mismo fonema, interrumpidas por transiciones sumamente abruptas en las que el percepto muta de forma cualitativa e instantánea.

Este comportamiento contrasta abiertamente con la percepción psicofísica no lingüística general, comúnmente observada en modalidades como la visión del color o la audición de frecuencias tonales aisladas. En la percepción de la longitud de onda de la luz, por ejemplo, aunque el observador reconozca nombres de colores distintos, posee la capacidad de discernir diferencias tonales intermedias dentro de una misma franja de color (como distintos matices de azul). En la percepción categórica estricta del habla, en cambio, la agudeza sensorial intracategorial parece suprimirse en beneficio de la constancia fonémica: los individuos son prácticamente incapaces de discriminar entre dos sonidos físicamente diferentes si ambos caen en el mismo lado del límite categorial lingüístico.

El alcance epistemológico de este mecanismo es trascendental para la decodificación del habla en tiempo real. La señal sonora del habla humana se emite a una velocidad que oscila entre los diez y los veinticinco fonemas por segundo. Si el sistema cognitivo estuviera obligado a preservar y evaluar continuamente las infinitas gradaciones acústicas generadas por el aparato vocal, la memoria operativa sensorial se saturaría de manera inmediata. La percepción categórica actúa, por consiguiente, como un filtro de reducción de dimensionalidad que transforma una señal acústica densa, ruidosa y analógica en una secuencia discreta de símbolos fonológicos abstractos listos para la computación lingüística superior.

1.2 1.2. El punto de convergencia entre Alvin Liberman y Kathryn Bock

La formulación experimental clásica de la percepción categórica del habla se gestó en los Laboratorios Haskins a finales de la década de 1950, donde Alvin M. Liberman, Franklin S. Cooper, Katherine Safford Harris y sus colegas aislaron sistemáticamente las propiedades espectrales necesarias para generar la ilusión de discontinuidad perceptual. Liberman concibió este fenómeno como el fundamento empírico de un módulo perceptual adaptado a la especie humana, postulando que la percepción del habla no constituye un mero ejercicio de psicoacústica general, sino un modo especializado ligado íntimamente a las restricciones mecánicas del aparato fonoarticulatorio.

Por su parte, J. Kathryn Bock, una de las figuras más influyentes en el estudio experimental de la producción del habla y el procesamiento de oraciones, incorporó este corpus de hallazgos en la teorización sobre cómo interactúan los sistemas de percepción y producción. Bock, reconocida internacionalmente por sus investigaciones sobre la persistencia estructural (syntactic priming) y la formulación del lenguaje, ha enfatizado de manera constante la necesidad metodológica de explicar de qué forma las representaciones fonológicas discretas alimentan la arquitectura multinivel de la producción lingüística. Aunque Bock no integró el equipo empírico original de Haskins de 1957, su obra académica representa un puente analítico fundamental entre la señal acústica categorizada y la selección de lemas, morfemas y esquemas sintácticos.

El punto de convergencia entre Liberman y Bock radica en la búsqueda de las unidades primitivas del lenguaje humano. Mientras que Liberman abordó el problema desde la decodificación perceptual y concluyó que el sistema auditivo reconstruye las intenciones gestuales del hablante, Bock analizó cómo esas mismas unidades abstractas son ensambladas durante la codificación gramatical y fonológica previa a la articulación motora. Esta intersección disciplinaria entre los modelos perceptuales y las arquitecturas de producción oracional permite evaluar la veracidad funcional de los fonemas como entidades psicológicamente reales compartidas por ambos extremos de la cadena comunicativa.

1.3 1.3. Objetivos epistemológicos del análisis del experimento

Examinar en detalle el experimento clásico de percepción categórica exige formular interrogantes metodológicas sobre los límites y la naturaleza del conocimiento psicolingüístico. En primer lugar, es imperativo analizar la validez empírica y matemática de los llamados límites de categorización fonémica (phoneme boundaries). Es indispensable comprender si estos puntos de inflexión reflejan fronteras psicofísicas rígidas e innatas impuestas por la neurobiología del sistema auditivo de los mamíferos o si son constructos probabilísticos altamente moldeables por la exposición distribucional al entorno idiomático de una comunidad lingüística específica.

En segundo término, el análisis del experimento busca evaluar el estatus ontológico de la señal de voz. Corresponde determinar si el habla es efectivamente un «código biológicamente especializado» que demanda un procesador neural dedicado —como argumentó Liberman a lo largo del desarrollo de su Teoría Motora— o si la categorización es una manifestación derivada de mecanismos generales de aprendizaje perceptual no exclusivos del lenguaje ni de la especie humana. Esta distinción continúa delimitando dos visiones contrapuestas de la cognición: el modularismo chomskiano-fodoriano frente a los enfoques conexionistas y de procesamiento auditivo general.

Finalmente, este recorrido analítico procura trazar la continuidad procesual entre el análisis acústico periférico y la programación motora articulatoria. Al cotejar la perspectiva perceptual de Liberman con la perspectiva de producción de Bock, se exploran los fundamentos computacionales que permiten que una perturbación mecánica en el aire sea traducida de forma instantánea en una estructura de conocimiento abstracto manipulable por la sintaxis y la semántica de la mente humana.

2. 2. Antecedentes históricos y el trabajo de Alvin Liberman en Haskins Laboratories

2.1 2.1. El problema de la falta de invarianza acústica

A mediados del siglo XX, el desarrollo de las telecomunicaciones y el análisis militar de señales sonoras impulsaron la invención del espectrógrafo de sonido en los Laboratorios Bell. Por primera vez en la historia de la ciencia, los investigadores podían visualizar la estructura temporal y frecuencial de las emisiones vocales a través de espectrogramas. Sin embargo, este avance tecnológico desató de forma inmediata una profunda crisis teórica en la lingüística descriptiva: el problema de la falta de invarianza acústica (lack of acoustic invariance).

Los fonetistas esperaban encontrar que cada fonema individual del inventario de una lengua se correspondiera de manera unívoca con una huella espectrográfica fija y reconocible con independencia del contexto. La realidad empírica desmintió tajantemente esta hipótesis. Debido al fenómeno físico inevitable de la coarticulación —el hecho de que los órganos articuladores como la lengua, los labios y el velo del paladar se mueven continuamente de una configuración gestual a la siguiente sin detenerse en posiciones estáticas—, las propiedades acústicas que señalan la presencia de una consonante varían radicalmente en función de las vocales precedentes y siguientes.

Un ejemplo paradigmático reside en la oclusión dental /d/. Cuando la sílaba producida es /di/, la transición del segundo formante de la consonante hacia la vocal exhibe una trayectoria ascendente en el espectrograma; por el contrario, cuando la sílaba es /du/, la trayectoria del segundo formante correspondiente a la misma consonante /d/ desciende drásticamente. A pesar de estas formas espectrales diametralmente opuestas, el cerebro humano percibe inequívocamente el mismo segmento consonántico inicial en ambas instancias. Esta ausencia de correspondencia biunívoca obligó a Liberman a plantear que el objeto primario de la percepción no podía residir en la señal acústica superficial, sino en un nivel de invariancia de naturaleza motora o articulatoria subyacente.

2.2 2.2. Desarrollo del sintetizador Pattern Playback

Frente a la inmanejable complejidad de las grabaciones de voz natural, Alvin Liberman y el biofísico Franklin S. Cooper se propusieron construir un dispositivo experimental capaz de realizar el proceso inverso al espectrógrafo: convertir patrones visuales controlados en señales de audio audibles. Esta ambición técnica cristalizó en la creación del sintetizador óptico conocido como Pattern Playback en los Laboratorios Haskins.

El Pattern Playback utilizaba una fuente luminosa proyectada a través de un disco fonóptico giratorio que modulaba la luz a diversas frecuencias armónicas fundamentales. Esta luz modulada se reflejaba sobre una cinta móvil donde los experimentadores pintaban manualmente, con tinta blanca reflectante, los armónicos y las bandas de concentración de energía correspondientes a los formantes vocálicos y las transiciones consonánticas. Al deslizarse la cinta frente a una celda fotomultiplicadora, el patrón gráfico se transformaba instantáneamente en una corriente eléctrica y, en última instancia, en sonido audible reproducible a través de un altavoz.

Este logro permitió por primera vez manipular de manera milimétrica y paramétrica cada componente del espectro acústico en aislamiento estricto. Los investigadores lograron variar sistemáticamente la frecuencia inicial, la duración temporal y la curvatura del primer formante (F1), segundo formante (F2) y tercer formante (F3), manteniendo inmutables todas las demás variables acústicas secundarias como la frecuencia fundamental (F0), la intensidad global y la duración total del estímulo sonoro.

2.3 2.3. Las investigaciones fundacionales sobre oclusivas de 1957

Armados con el Pattern Playback, Alvin Liberman, Katherine Safford Harris, Howard S. Hoffman y Belver C. Griffith llevaron a cabo una investigación experimental cuyos resultados marcaron un hito en la historia de la psicología: el estudio publicado en 1957 titulado The determination of the speech-phoneme boundaries. El objetivo era someter a prueba la hipótesis de la discontinuidad perceptual en consonantes oclusivas sonoras seguidas por una vocal neutra idéntica.

Los investigadores generaron un continuo de catorce estímulos sintéticos bisilábicos o monosilábicos con la estructura consonante-vocal. Cada estímulo consistía en un primer formante fijo y un segundo formante cuya transición inicial variaba en pasos sucesivos de frecuencia: desde una trayectoria fuertemente ascendente que comenzaba en frecuencias graves, pasando por trayectorias horizontales, hasta transiciones marcadamente descendentes que partían de frecuencias agudas. En la física del estímulo, la variación entre cada paso consecutivo era estrictamente constante y continua.

No obstante, cuando los sujetos experimentales escucharon esta serie paramétrica, los datos revelaron un patrón psicofísico insólito. En lugar de percibir un cambio suave y progresivo, los oyentes reportaron escuchar de manera homogénea la oclusiva bilabial /b/ a lo largo de los primeros pasos, seguida por una transición súbita a la oclusiva alveolar /d/, la cual tras mantenerse estable durante varios pasos mutaba bruscamente a la oclusiva velar /g/. Este hallazgo documentó cuantitativamente por primera vez el fenómeno empírico de la discontinuidad perceptiva fonémica ante estímulos acústicamente lineales.

3. 3. La perspectiva de Kathryn Bock sobre el procesamiento del lenguaje

3.1 3.1. Enfoque metodológico y psicolingüístico de Bock

La investigación psicolingüística moderna debe gran parte de su rigor metodológico a los trabajos de J. Kathryn Bock, quien desde la década de 1980 transformó el estudio de la producción del habla en una ciencia experimental rigurosamente controlada. Tradicionalmente, la producción lingüística dependía de la recolección y análisis observacional de errores espontáneos del habla (slips of the tongue). Bock diseñó ingeniosos paradigmas de laboratorio capaces de aislar variables independientes específicas —tales como la accesibilidad conceptual, la frecuencia léxica y las relaciones métricas— para inducir y registrar respuestas de manera cuantitativa.

Dentro de este marco metodológico, Bock aborda el experimento de Liberman no solo como una curiosidad histórica de la audición, sino como el modelo paradigmático fundacional que demuestra cómo la mente humana desacopla los valores físicos continuos de las representaciones simbólicas subléxicas. Para Bock, la existencia de unidades categóricas discretas en la entrada sensorial es un requisito indispensable para la estabilidad operativa del sistema mental del lenguaje en su conjunto.

El enfoque de Bock combina la fonética cognitiva y la psicolingüística experimental para articular cómo las representaciones fonológicas generadas a partir de la percepción categórica sirven como anclajes computacionales. Su trabajo enfatiza que las distinciones cualitativas no son meros artefactos del aparato auditivo periférico, sino construcciones cognitivas que permiten a los oyentes y hablantes mapear información ruidosa sobre categorías léxicas no ambiguas durante el procesamiento en tiempo real.

3.2 3.2. Vínculo entre percepción de rasgos y arquitectura de producción

La arquitectura del procesamiento lingüístico formulada por Bock postula la existencia de niveles autónomos pero interactivos en la producción del habla. En sus modelos teóricos ampliamente difundidos, la codificación lingüística avanza desde un mensaje conceptual prelímite hacia un nivel funcional (donde se seleccionan los lemas y se asignan funciones sintácticas como sujeto y objeto), y de allí a un nivel posicional (donde se estructura el orden superficial de las palabras y se insertan los morfemas gramaticales y formas fonológicas).

La conexión intrínseca entre la percepción de rasgos analizada por Liberman y los esquemas de producción de Bock se manifiesta en el momento en que las representaciones abstractas de nivel posicional deben ser traducidas en comandos motores articulatorios. Si la percepción categórica suministra al sistema una etiqueta fonémica discreta (por ejemplo, el rasgo [+sonoro] o la especificación de un punto de articulación bilabial), esta etiqueta coincide estructuralmente con las representaciones que los mecanismos de producción seleccionan para la activación muscular.

Bock ha destacado que la bidireccionalidad funcional entre la decodificación auditiva y la codificación sintáctica y fonológica exige un vocabulario representacional común. El procesamiento de los niveles de acceso léxico se vería irremediablemente colapsado si el sistema de reconocimiento léxico tuviera que enviar vectores probabilísticos continuos de frecuencias acústicas a un sistema de producción que opera mediante categorías simbólicas invariantes como lemas y fonemas discretos.

3.3 3.3. Interpretación de Bock sobre las primitivas fonológicas

En el núcleo de la fonología cognitiva reside el estatus de las primitivas fonológicas: ¿son los fonemas ficciones analíticas de los lingüistas o entidades con realidad psicológica y neurobiológica computable? La interpretación de Kathryn Bock suscribe la realidad psicológica de estas representaciones abstractas, las cuales son calculadas de manera obligatoria y automática antes de cualquier emisión verbal voluntaria.

Desde la óptica de Bock, el experimento de percepción categórica de Liberman demuestra empíricamente la existencia de un potente mecanismo biológico de reducción de incertidumbre sensorial. En la vida cotidiana, un hablante se enfrenta a variaciones extremas en el dialecto, la edad, el sexo, la tasa de elocución y la presencia de ruido ambiental de fondo. Si el procesador lingüístico no neutralizara esta variabilidad física mediante el colapso de la señal en primitivas fonológicas invariantes, la selección léxica en la producción y la interpretación semántica en la comprensión se verían sometidas a una sobrecarga cognitiva insostenible.

Existe por lo tanto una consistencia computacional perfecta entre el análisis perceptual categorial y los procesos de producción estudiados por Bock: la categorización auditiva proporciona unidades de entrada cerradas y homogéneas que pueden alimentar directamente los mecanismos de selección de la forma de las palabras (word-form retrieval) y el ensamblaje métrico de las oraciones.

4. 4. Diseño experimental clásico de la percepción categórica

4.1 4.1. Construcción del continuo de estímulos acústicos

La validez metodológica del experimento de percepción categórica reside de forma crítica en el diseño riguroso del continuo de estímulos sonoros sintetizados. En el diseño experimental canónico implementado por Liberman y continuado en generaciones subsiguientes de laboratorios psicolingüísticos, el objetivo consistió en aislar las consonantes oclusivas sonoras del inglés (/b/, /d/, /g/) seguidas invariablemente por la misma vocal abierta /a/.

Para construir el continuo, los investigadores mantuvieron invariables los siguientes parámetros:

• La duración total del estímulo sonoro (típicamente fijada en 250 a 300 milisegundos).
• La frecuencia fundamental (F0), establecida en un tono monótono constante de aproximadamente 120 Hz para evitar contornos de entonación.
• La trayectoria del primer formante (F1), que ascendía uniformemente desde una frecuencia baja de 120 Hz hasta alcanzar la meseta estable de 720 Hz correspondiente a la vocal /a/.

La única variable acústica manipulada sistemáticamente fue la trayectoria de la transición del segundo formante (F2) durante los primeros 40 a 50 milisegundos del sonido. Se diseñaron catorce estímulos acústicos en los cuales la frecuencia inicial de F2 se incrementaba en intervalos equidistantes de aproximadamente 60 o 120 hercios. El primer estímulo del continuo comenzaba en una frecuencia muy baja (alrededor de 720 Hz, simulando la constricción labial característica de /ba/), avanzaba progresivamente hacia valores intermedios (alrededor de 1440 Hz, punto de articulación alveolar correspondiente a /da/) y culminaba en frecuencias elevadas (superiores a 2100 Hz, asociadas a la cavidad velar de /ga/).

4.2 4.2. El parámetro del tiempo de emisión de la voz (VOT)

Posteriormente, en 1964, los investigadores de Haskins Lisker y Abramson ampliaron de manera paradigmática el diseño experimental de la percepción categórica al introducir la manipulación sistemática del tiempo de inicio de la sonoridad (conocido internacionalmente por sus siglas en inglés como Voice Onset Time, VOT). El VOT define el intervalo temporal exacto transcurrido entre la liberación súbita de la oclusión del tracto vocal (evidenciada acústicamente por una barra de explosión o burst de ruido transitorio) y el inicio de la vibración periódica de los pliegues vocales.

Lisker y Abramson construyeron continuos acústicos que abarcaban los pares mínimos sordos y sonoros de las consonantes oclusivas (/b/-/p/, /d/-/t/, /g/-/k/). Para las oclusivas sonoras, la sonoridad puede comenzar simultáneamente con la explosión o incluso antes (VOT negativo o pre-sonoridad); para las oclusivas sordas no aspiradas, el VOT es ligeramente positivo (0 a 20 milisegundos); y para las oclusivas sordas aspiradas típicas del inglés, el VOT oscila entre 40 y 100 milisegundos de aspiración turbulenta previa al encendido glotal periódico.

La síntesis acústica controló rigurosamente este parámetro temporal en intervalos microscópicos de 5 o 10 milisegundos a lo largo del espectro continuo. Todas las demás características acústicas —el espectro de la explosión, la frecuencia de corte de los formantes, la amplitud del estímulo y la frecuencia fundamental posterior— se mantuvieron completamente idénticas, transformando la dimensión temporal del VOT en la variable física pura para estudiar la categorización perceptual entre sonidos sordos y sonoros.

4.3 4.3. Condiciones de laboratorio y control de variables

La ejecución experimental de este paradigma requería un estricto aislamiento de factores contaminantes para asegurar que la conducta observada en los sujetos fuera exclusivamente atribuible a la manipulación paramétrica de la señal acústica. Las pruebas se realizaban en cámaras insonorizadas y calibradas sonoacústicamente, suministrando los estímulos monoaural o biauralmente mediante auriculares de alta fidelidad con curvas de respuesta planas.

Se implementaron estrictos procedimientos de aleatorización en la presentación de los ítems sonoros, evitando la agrupación secuencial o la exposición graduada que pudiera inducir efectos de arrastre o expectativas conscientes en los oyentes. Los estímulos no se presentaban jamás en orden físico ascendente o descendente, sino intercalados aleatoriamente múltiples veces a lo largo de varias sesiones experimentales para computar promedios estadísticos robustos.

Asimismo, los experimentadores aislaron cuidadosamente posibles claves secundarias redundantes presentes en el habla humana espontánea. Se suprimieron las variaciones de intensidad en la liberación consonántica, se eliminaron los microcambios en la duración vocálica dependiente de la sonoridad de la consonante previa y se contrabalanceó sistemáticamente el orden de las diferentes condiciones experimentales para neutralizar los efectos de la fatiga atencional o del reaprendizaje auditivo.

5. 5. Protocolos de prueba: Identificación y discriminación

5.1 5.1. Paradigma de identificación forzada (2AFC o 3AFC)

El primer pilar operativo para determinar la naturaleza de la percepción de un continuo acústico es el paradigma de identificación forzada, típicamente estructurado como una tarea de elección alternativa forzada entre dos opciones (Two-Alternative Forced Choice, 2AFC) o tres opciones (3AFC). En este protocolo, los sujetos escuchan un único estímulo acústico a la vez, presentado de forma completamente aislada e independiente en el tiempo.

La instrucción impartida al participante es categórica: debe presionar un botón o marcar una casilla asignando de manera obligatoria el sonido escuchado a una de las etiquetas ortográficas o fonéticas predeterminadas (por ejemplo, «Indique si el sonido que escuchó fue /ba/, /da/ o /ga/»). El protocolo no permite respuestas intermedias, matices cuantitativos ni opciones neutras como «ninguno» o «sonido intermedio».

A partir de las respuestas emitidas frente a decenas de repeticiones de cada paso del continuo, los investigadores calculan las funciones psicométricas de probabilidad de respuesta para cada fonema. Si la percepción fuera lineal y continua, la probabilidad de respuesta cambiaría con una pendiente suave y progresiva a lo largo de todos los estímulos. Sin embargo, en el experimento de Liberman, los resultados arrojaron extensas mesetas horizontales donde la tasa de identificación para una categoría rozaba el 100%, seguidas de un colapso vertical y el surgimiento inmediato de la categoría contigua.

5.2 5.2. Paradigma de discriminación ABX y pares iguales/diferentes

El segundo pilar metodológico indispensable —y la verdadera prueba de fuego para diagnosticar la percepción categórica estricta— es el paradigma de discriminación. Su objetivo es evaluar la capacidad sensorial pura del oyente para detectar si dos estímulos físicos son idénticos o diferentes, independientemente de la etiqueta fonémica lingüística que se les asigne.

Entre los métodos más célebres destaca el paradigma ABX. En cada ensayo, el sujeto escucha una secuencia rápida de tres estímulos sonoros: el sonido A, el sonido B y el sonido X. Los estímulos A y B difieren físicamente entre sí por un número constante de pasos a lo largo del continuo acústico sintético (por ejemplo, una distancia fija de dos pasos en la frecuencia de F2). El tercer estímulo, X, es físicamente idéntico a uno de los dos primeros (pudiendo ser X=A o X=B). La tarea del oyente consiste exclusivamente en determinar cuál de los dos sonidos previos coincidió exactamente con X.

Una alternativa frecuente es la tarea de pares iguales o diferentes (same/different task), donde se presentan díadas sonoras y el sujeto debe declarar si los dos sonidos son idénticos o distintos. La clave de este diseño estriba en comparar el rendimiento de discriminación ante dos condiciones acústicas equivalentes en magnitud física:

• Pares intercategoriales: Estímulos separados por dos pasos físicos continuos que caen en lados opuestos del límite fonémico previamente identificado.
• Pares intracategoriales: Estímulos separados por los mismos dos pasos físicos exactos, pero ubicados dentro de la meseta de una misma categoría fonémica.

5.3 5.3. Predicción matemática de la discriminación a partir de la identificación

La contribución teórica y metodológica más elegante del trabajo de Liberman y sus colegas en Haskins Laboratories consistió en postular un modelo matemático formal para predecir el rendimiento en la discriminación a partir exclusivamente de las curvas obtenidas en la prueba de identificación forzada. Si la hipótesis de la percepción categórica estricta es correcta, los oyentes son absolutamente ciegos a las diferencias acústicas intracategoriales y solo pueden discriminar dos sonidos si son capaces de etiquetarlos lingüísticamente con fonemas distintos.

La fórmula de predicción psicométrica derivada por Liberman modela la probabilidad de que un sujeto responda correctamente en una tríada de discriminación ABX donde intervienen dos estímulos $A$ y $B$ con pertenencias fonémicas dadas. Bajo la hipótesis nula de discriminación categórica pura, si el oyente categoriza el estímulo $A$ como el fonema 1 con probabilidad $P_A$ y como el fonema 2 con probabilidad $(1 – P_A)$, y el estímulo $B$ como el fonema 1 con probabilidad $P_B$ y como el fonema 2 con probabilidad $(1 – P_B)$, la tasa esperada de aciertos en el juicio de discriminación viene dictada por la probabilidad de que ambos estímulos reciban etiquetas distintas más una probabilidad de acierto por azar puro (50%) en los ensayos donde ambos estímulos reciban la misma etiqueta fonémica interna.

La formulación matemática clásica se expresa analíticamente de la siguiente manera:

$$P(\text{Acierto}) = \frac{1}{2} \left[ 1 + (P_A – P_B)^2 \right]$$

Cuando los datos empíricos obtenidos en las tareas de discriminación en laboratorio se superponen a las curvas predichas por este modelo matemático, el grado de alineación resulta asombroso: el pico máximo de discriminación coincide con una precisión matemática casi milimétrica con el límite fonémico donde la curva de identificación exhibe su máxima incertidumbre ($P=0.5$).

6. 6. Análisis psicométrico: El límite de categoría fonémica (Phoneme Boundary)

6.1 6.1. La pendiente pronunciada de la curva sigmoidea

El comportamiento psicofísico de los oyentes frente al continuo de habla sintética se modela cuantitativamente mediante una función sigmoidea logística. En términos estadísticos, una variable continua que cruza un umbral produce una curva en forma de «S» cuya pendiente representa la agudeza o sensibilidad del observador ante la transición paramétrica evaluada.

En el experimento de percepción categórica, la pendiente de esta curva sigmoidea resulta extraordinariamente empinada. A lo largo del continuo acústico, el porcentaje de respuestas para una categoría consonántica dada (por ejemplo, /b/) se sitúa de forma sostenida entre el 95% y el 100%. Súbitamente, a lo largo de un intervalo físico minúsculo —a menudo equivalente a un cambio de apenas 10 a 15 milisegundos en el VOT o de menos de 100 Hz en la frecuencia inicial de F2—, la tasa de identificación de /b/ se desploma verticalmente hacia el 0%, mientras que la identificación de la categoría adyacente (/d/) escala simétricamente hacia el 100%.

El punto central de esta transición abrupta define matemáticamente el phoneme boundary o punto de ambigüedad del 50%. En sujetos neurotípicos adultos que evalúan estímulos en su lengua materna, llama profundamente la atención la ausencia de estados mentales de ambivalencia perceptiva consciente: los sujetos no reportan escuchar un híbrido o una mezcla física intermedia entre /b/ y /d/; en cada ensayo individual, el estímulo es forzado de manera categorial hacia uno de los dos polos.

6.2 6.2. El fenómeno del pico de discriminación intercategorial

El rasgo que diferencia de manera concluyente la percepción categórica del habla de otros fenómenos de categorización visual o táctil es la presencia invariable de un agudo pico de discriminación intercategorial yuxtapuesto a una sensibilidad prácticamente nula dentro de las categorías.

Cuando se analiza el rendimiento de discriminación en función del lugar que ocupan los estímulos en el espectro físico, la tasa de aciertos se mantiene cercana al nivel del azar (50% en tareas forzadas o nula detección de diferencia) para aquellos pares de estímulos cuya diferencia acústica se encuentra circunscrita por completo dentro de la zona de /b/ o por completo dentro de la zona de /d/. A pesar de que los analizadores espectrales de laboratorio confirman una diferencia física objetiva en la frecuencia de los formantes, el oído humano entrenado en la lengua nativa no logra percibir disparidad alguna.

Por el contrario, cuando la misma diferencia acústica idéntica en magnitud física se ubica de modo que un estímulo cae ligeramente a la izquierda del límite fonémico y el otro cae a la derecha, la precisión discriminativa escala súbitamente hasta alcanzar picos que oscilan entre el 85% y el 100% de aciertos. Esto ilustra una profunda disociación entre la distancia física (acústica) y la distancia cognitiva (perceptiva): el espacio psicológico es sometido a un estiramiento radical en las inmediaciones del límite fonémico y a una compresión extrema dentro del territorio de cada categoría.

6.3 6.3. Factores de variabilidad intra e interindividual

A pesar de la aparente solidez estructural de estos límites psicométricos, las investigaciones de los Laboratorios Haskins y estudios psicolingüísticos contemporáneos han documentado la existencia de fuentes sistemáticas de variabilidad tanto en el interior de un mismo sujeto como entre diferentes individuos de una misma comunidad lingüística.

En el ámbito intraindividual, los límites fonémicos pueden experimentar microdesplazamientos provocados por factores contextuales. La tasa de elocución global (speech rate) de la frase portadora en la que se inserte un estímulo ejerce un efecto de arrastre sobre el VOT: si el contexto circundante es emitido a una velocidad muy rápida, el cerebro recalibra su umbral temporal y desplaza el límite hacia valores de VOT más cortos. Asimismo, la técnica de adaptación selectiva —en la cual se expone fatigosamente al oyente a cientos de repeticiones de una oclusiva sorda clara como /ta/— agota los detectores neurales correspondientes y provoca que el límite psicométrico se desplace transitoriamente hacia la categoría adaptada.

En el plano interindividual, las diferencias en la experiencia dialectal, la agudeza musical periférica y la anatomía craneofacial modulan ligeramente la localización absoluta del límite. No obstante, dentro de una misma variedad idiomática, la dispersión interindividual entre hablantes nativos adultos es sorprendentemente baja, lo que garantiza el éxito de la comunicación interpersonal al asegurar que todos los miembros de la comunidad compartan una segmentación categorial virtualmente idéntica de la realidad sonora.

7. 7. La Teoría Motora de la Percepción del Habla de Alvin Liberman

7.1 7.1. Postulados centrales de la Teoría Motora

Ante la aparente imposibilidad de hallar una correspondencia matemática simple entre los espectrogramas continuos y los perceptos fonéticos discretos, Alvin Liberman formuló una de las propuestas más audaces y debatidas de la ciencia cognitiva: la Teoría Motora de la Percepción del Habla (Motor Theory of Speech Perception).

Los postulados axiales de la Teoría Motora pueden sintetizarse en tres principios interrelacionados:

• El objeto de la percepción lingüística no es el sonido: Liberman argumentó vehementemente que los oyentes no perciben las ondas acústicas como eventos sonoros auditivos finales, sino que perciben los movimientos o «gestos articulatorios intencionales» del tracto vocal del emisor que originaron físicamente esa onda.
• Existencia de un módulo biológico innato especializado: La percepción del habla no se sustenta en los mecanismos ordinarios del sistema auditivo periférico general de los mamíferos, sino en un módulo cerebral humano especializado, biológicamente evolucionado para decodificar las relaciones neuromotoras de la fonación.
• El habla es un código especial: A diferencia del código Morse o los sonidos del entorno, que constituyen alfabetos arbitrarios mediados por la audición psicofísica básica, el habla humana está profundamente «fusionada» o encubierta en la señal; el módulo motor decodifica la coarticulación invirtiendo computacionalmente la dinámica articulatoria que la produjo.

7.2 7.2. El experimento de percepción categórica como evidencia empírica

Para Alvin Liberman, el descubrimiento de la percepción categórica en 1957 no constituía un fenómeno aislado, sino la prueba empírica irrefutable que validaba los cimientos teóricos de la Teoría Motora. El núcleo de su argumentación radicaba en que las discontinuidades observadas en la discriminación auditiva reflejan con exactitud las restricciones biomecánicas inherentes a la anatomía fonoarticulatoria humana.

El tracto vocal humano no puede operar físicamente en estados continuos indeterminados cuando produce consonantes oclusivas. Una oclusión se realiza en los labios (/b/), en los alvéolos dentales (/d/) o en el velo del paladar (/g/); no existen posiciones anatómicas intermedias funcionales en el repertorio articulatorio de una lengua. De igual manera, en la laringe, los pliegues vocales o están vibrando durante la oclusión o están separados para permitir el flujo turbulento de aire que culmina en aspiración. La emisión motora es intrínsecamente discontinua.

Bajo la óptica de Haskins, la percepción es categórica precisamente porque el sistema perceptual está cableado de manera indisoluble al sistema de producción motora. La discontinuidad sensorial no es una propiedad del sistema acústico periférico —el cual es plenamente capaz de percibir variaciones analógicas continuas en frecuencias de tonos puros—, sino el reflejo directo de la reconstrucción interna de los comandos neuromotores discretos que el hablante ejecutó para mover su lengua, labios y glotis.

7.3 7.3. Críticas iniciales y reformulaciones del modelo motor

A pesar de su elegancia explicativa, la Teoría Motora suscitó intensos debates y objeciones teóricas inmediatas por parte de psicólogos experimentales y psicoacústicos. La crítica principal apelaba al principio de parsimonia cognitiva (la navaja de Ockham): ¿por qué era necesario postular la intervención de un complejo sistema de computación motora interno en el cerebro para resolver una tarea que, en principio, el sistema auditivo periférico y central podría ejecutar mediante la detección directa de patrones espectro-temporales?

La versión temprana de la teoría (décadas de 1950 y 1960) postulaba de manera algo esquemática que la percepción dependía de la retroalimentación o simulación directa de las contracciones musculares periféricas (mediante registros electromiográficos, EMG). Sin embargo, los estudios electromiográficos sistemáticos demostraron rápidamente que la actividad de los músculos periféricos tampoco exhibía una invarianza perfecta, adoleciendo del mismo problema de variabilidad contextual que la señal acústica superficial.

Frente a esta evidencia, en 1985 Alvin Liberman e Ignatius Mattingly publicaron una reformulación radical de la teoría, conocida como la Teoría Motora Revisada. En esta versión madura, los objetos de la percepción dejaron de ser los movimientos musculares periféricos brutos para convertirse en «gestos fonéticos invariantes representados neurológicamente»: estructuras de control neuromotor abstractas e innatas que codifican los objetivos espaciotemporales del aparato fonoarticulador, consolidando así el carácter puramente mentalista y modular del procesamiento del habla.

8. 8. Lectura crítica y aportaciones de Kathryn Bock a la arquitectura cognitiva

8.1 8.1. Integración en el procesamiento multinivel del lenguaje

Desde la psicología experimental contemporánea, J. Kathryn Bock analizó la interacción de estos procesos perceptivos al interior de modelos integrales de la mente lingüística. Mientras que los investigadores de Haskins centraron su microscopio analítico en la micrométrica interfaz entre la acústica y el fonema, el trabajo de Bock se proyecta hacia la macroestructura: ¿cómo viaja esa información discretizada a través de las redes neuronales encargadas de estructurar oraciones complejas?

Bock sostiene que las decisiones categóricas tempranas operan como compuertas lógicas imprescindibles para la economía de la memoria de trabajo fonológica. En su conceptualización del procesamiento sintáctico y léxico, los recursos cognitivos dedicados a la asignación de funciones gramaticales (como la asignación del rol de agente o paciente) colapsarían si el sistema tuviera que gestionar concurrentemente vectores de ambigüedad fonética no resueltos procedentes de la audición periférica.

Al convertir la fluctuación continua del sonido en unidades léxicas estables, la categorización fonémica permite que los procesos de recuperación de lemas (lemmas) descritos por Bock operen de forma robusta e hiperveloz. La categorización actúa, en consecuencia, no como un fin en sí misma, sino como una subrutina computacional preparatoria que abastece de materia prima abstracta a la maquinaria sintáctica y gramatical.

8.2 8.2. El problema de la interfaz entre percepción y producción

Uno de los puntos de mayor discrepancia analítica entre la visión clásica de Liberman y la tradición de investigación encabezada por Bock reside en el grado de isomorfismo atribuible a la relación entre la producción y la percepción del lenguaje. Liberman postulaba una fusión modular casi total: percibir habla es intrínsecamente reconstruir los gestos de producción mediante un procesador neurofuncional unificado.

Bock, apoyándose en la evidencia empírica acumulada en estudios de producción oracional, errores espontáneos del habla y neuropsicología del daño cerebral adquirido, subraya las profundas disociaciones funcionales existentes entre ambos sistemas. Pacientes con afasias de predominio motor (como la afasia de Broca severa) son frecuentemente incapaces de coordinar los gestos motores necesarios para producir oclusivas sonoras diferenciadas, exhibiendo una notable preservación en la capacidad para identificar y discriminar auditivamente exactamente las mismas consonantes.

En lugar de una identidad gestual directa y vinculante en ambas direcciones, Bock y los teóricos contemporáneos del procesamiento oracional plantean la existencia de interfaces representacionales intermedias. La percepción y la producción comparten representaciones fonológicas abstractas a nivel central (las categorías simbólicas), pero sus vías computacionales de implementación periférica —la decodificación auditiva ascendente frente a la programación motora descendente con control por retroalimentación auditiva en tiempo real— preservan una notable autonomía de procesamiento.

8.3 8.3. Modelos de computación psicofísica frente a representaciones simbólicas

El análisis de la percepción categórica permite asimismo articular el debate epistemológico fundamental que ha dividido a la psicolingüística en las últimas cuatro décadas: el enfrentamiento entre las arquitecturas cognitivas simbólicas clásicas y los modelos conexionistas de procesamiento distribuido en paralelo (PDP).

Para los modelos de procesamiento simbólico, defendidos implícitamente en los modelos de producción de Bock basados en reglas y niveles posicionales discretos, la percepción categórica es una prueba empírica irrefutable de que el cerebro es un procesador de símbolos analíticos. El sistema auditivo realiza una conversión de analógico a digital (A/D): toma el valor analógico continuo en hercios o milisegundos y le asigna una etiqueta simbólica invariante (por ejemplo, el fonema /t/). Una vez generada esta etiqueta, el valor analógico original se desecha de la memoria activa para operar exclusivamente con fonemas discretos.

Por el contrario, los modelos conexionistas contemporáneos sostienen que las fronteras categóricas y las funciones sigmoideas abruptas no requieren necesariamente la conversión en símbolos alfanuméricos discretos. Redes neuronales artificiales recurrentes y no lineales pueden exhibir atratores dinámicos estables frente a continuos acústicos sin abandonar nunca las representaciones continuas subyacentes. Bock ha contribuido decisivamente a este debate demostrando que, si bien el sustrato neural de cómputo puede ser continuo y paralelo, el ensamblaje sintáctico final de la lengua humana demanda categóricamente la manipulación combinatoria de unidades discretas para evitar la entropía gramatical.

9. 9. Debates, controversias y experimentos comparativos

9.1 9.1. Percepción no categórica de vocales continuas

Una de las primeras fisuras empíricas que amenazó la universalidad de la percepción categórica como mecanismo definitorio de todo el lenguaje fue documentada a finales de la década de 1960 por investigadores como Fry, Abramson y, de manera paradigmática, David Pisoni en la Universidad de Indiana: las vocales humanas sostenidas no se perciben de manera estrictamente categórica.

Cuando se construyen continuos de estímulos acústicos sintéticos variando de forma lineal el primer y segundo formante de vocales estables (por ejemplo, un continuo del español /i/ – /e/ – /a/), las funciones psicométricas de discriminación no presentan el agudo y estrecho pico intercategorial observado en las oclusivas. Por el contrario, los sujetos muestran una notable agudeza sensorial auditiva para discriminar pequeñas variaciones frecuenciales dentro de una misma categoría vocálica (discriminación intracategorial elevada).

Pisoni explicó esta discrepancia basándose en la duración temporal intrínseca de los estímulos y la arquitectura de la memoria auditiva a corto plazo. Las oclusivas son eventos espectro-temporales transitorios sumamente fugaces (apenas 20 a 40 milisegundos de duración en su fase de transición), lo cual obliga a su codificación fonética inmediata antes de que la traza en la memoria auditiva ecoica se desvanezca. Las vocales, en cambio, poseen una duración intrínsecamente prolongada y armónicos continuos de alta energía, permitiendo que la información acústica bruta persista en la memoria sensorial durante un intervalo temporal suficiente como para que el oyente compare diferencias físicas analógicas directas sin depender exclusivamente de las etiquetas lingüísticas.

9.2 9.2. Percepción categórica en animales no humanos

El postulado central de Liberman de que la percepción categórica representaba una dotación neurobiológica exclusivamente humana y especializada para el habla sufrió un impacto empírico formidable en 1975, a raíz de los célebres experimentos de Patricia Kuhl y James Miller en la Universidad de Washington.

Kuhl y Miller entrenaron a chinchillas (Chinchilla lanigera), roedores cuyo aparato coclear y rango auditivo presentan notables similitudes funcionales con los del oído humano, en un paradigma conductual de evitación de choques eléctricos asociado a la presentación de estímulos sonoros. Tras entrenar a los animales a diferenciar entre extremos claros de oclusivas sonoras (/da/, VOT=0 ms) y sordas (/ta/, VOT=+80 ms), las chinchillas fueron expuestas al continuo acústico completo de VOT sintético utilizado habitualmente con seres humanos.

Los resultados fueron inequívocos: las chinchillas demostraron funciones psicométricas de identificación prácticamente idénticas a las de los hablantes adultos humanos. El límite fonémico calculado para los animales se localizó exactamente en torno a los +35 milisegundos de VOT, coincidiendo de forma casi exacta con el límite intercategorial de los sujetos de control humanos angloparlantes. Investigaciones posteriores replicaron hallazgos análogos en monos rhesus, codornices japonesas y periquitos. Este descubrimiento demostró de manera concluyente que los límites no son necesariamente producto de un módulo fonoarticulatorio humano evolucionado de forma aislada, sino que el lenguaje humano probablemente adaptó sus categorías fonológicas a discontinuidades y sensibilidades no lineales preexistentes en el sistema auditivo general de los vertebrados.

9.3 9.3. Procesamiento de estímulos acústicos no lingüísticos

Un desafío empírico adicional contra la singularidad del habla provino de experimentos diseñados para evaluar la percepción de estímulos auditivos no verbales que imitaban la estructura temporal de los formantes sin evocar propiedades vocales, conocidos en la literatura como chirps o tonos sinusoidales no integrados.

Investigadores como James Cutting y Dennis Pisoni diseñaron continuos acústicos puramente musicales o mecánicos, tales como el tiempo de ataque de tonos sinusoidales (rise time) para simular la diferencia entre rasguear una cuerda de violín (pluck) o frotarla con el arco (bow). Sorprendentemente, los participantes exhibieron límites de identificación abruptos y picos de discriminación intercategorial equivalentes a los registrados ante continuos de VOT, a pesar de que los sonidos no fueron reconocidos como habla humana en ningún momento del protocolo experimental.

Estos hallazgos sentaron las bases de la Hipótesis General Auditiva (defendida por autores como Keith Kluender y Randy Diehl). Esta perspectiva sostiene que la percepción categórica del habla es la manifestación de capacidades psicoacústicas generales de agrupamiento auditivo y resolución temporal que no demandan apelar a la decodificación de comandos motores ni a un procesador biológico exclusivo para el lenguaje.

10. 10. Sustratos neurobiológicos y evidencia electrofisiológica

10.1 10.1. Potenciales relacionados con eventos (ERPs) y Mismatch Negativity (MMN)

El advenimiento de la electroencefalografía cuantitativa de alta resolución temporal y el análisis de potenciales evocados o potenciales relacionados con eventos (ERPs) aportó una herramienta metodológica revolucionaria para rastrear la cronometría neural precisa de la percepción categórica, prescindiendo del sesgo introducido por las respuestas motoras conscientes de los sujetos.

En este dominio, el componente electrofisiológico conocido como Mismatch Negativity (MMN) —descubierto por Risto Näätänen— se consolidó como el marcador objetivo por excelencia. La MMN es una deflexión negativa de la onda cerebral que se genera automáticamente en la corteza auditiva primaria y secundaria entre 150 y 250 milisegundos tras la aparición de un estímulo acústico desviado (deviant) inserto en una secuencia monótona de estímulos estándar (paradigma oddball). Su rasgo cardinal radica en que se evoca de forma enteramente preatencional, incluso si el sujeto se encuentra leyendo un libro o durmiendo pasivamente.

Cuando los neurocientíficos presentan estímulos del continuo de Liberman en secuencias oddball, se observa una asimetría electrofisiológica rotunda:

• Si el estímulo estándar y el estímulo desviado cruzan el límite fonémico intercategorial (por ejemplo, un paso de /ba/ frente a un paso de /da/), la corteza cerebral genera una onda MMN amplia y de latencia temprana.
• Si la distancia física en hercios entre el estándar y el desviado es exactamente la misma magnitud espectral pero ambos pertenecen a la misma categoría fonémica intracategorial, la MMN se extingue o disminuye drásticamente en su amplitud.

Este hallazgo demuestra irrefutablemente que la categorización fonémica no es una estrategia de toma de decisiones tardía que ocurre en la corteza prefrontal durante la ejecución motora de la prueba, sino un proceso de modulación sensorial preconsciente y automático enraizado en las primeras etapas del análisis auditivo cortical.

10.2 10.2. Neuroimagen funcional y lateralización hemisférica

Las técnicas de resonancia magnética funcional (fMRI) y magnetoencefalografía (MEG) han permitido localizar con precisión milimétrica las redes anatómicas que sustentan el procesamiento categorial. Los datos revelan una clara especialización funcional asimétrica: la decodificación de contrastes consonánticos rápidos (como los cambios de formantes en oclusivas que ocurren en escalas de 20 a 40 milisegundos) involucra de manera predominante el hemisferio cerebral izquierdo, específicamente a lo largo del giro temporal superior y el surco temporal superior anterior y medio.

El modelo neurobiológico contemporáneo de doble flujo propuesto por David Poeppel y Gregory Hickok ilustra cómo la señal categorizada en las áreas auditivas del lóbulo temporal superior se proyecta hacia dos grandes circuitos cerebrales:

• La vía ventral (flujo semántico-léxico): Encargada de mapear los fonemas discretos sobre representaciones léxicas y conceptuales, vinculando directamente con los procesos de acceso a lemas descritos en la arquitectura de Kathryn Bock.
• La vía dorsal (flujo articulatorio-motor): Conecta la corteza auditiva con el área de Wernicke, el giro temporal superior posterior (área Spt) y, fundamentalmente, la corteza premotora ventral y el área de Broca en el lóbulo frontal.

Los estudios de resonancia magnética funcional muestran que durante la audición pasiva de estímulos ambiguos situados justo en el límite fonémico, se incrementa notablemente la conectividad funcional sincrónica entre la corteza auditiva temporal y las áreas motoras y premotoras frontales del habla, sugiriendo que el cerebro recluta recursos del sistema sensorimotor frontal para resolver la ambigüedad acústica extrema en la señal de entrada.

10.3 10.3. Aportes del sistema de neuronas espejo a la tesis de Liberman

A mediados de la década de 1990, el descubrimiento del sistema de neuronas espejo en la corteza premotora de primates por parte del equipo de Giacomo Rizzolatti en la Universidad de Parma insufló un vigor renovado a los postulados teóricos de Alvin Liberman. Las neuronas espejo se caracterizan por activarse tanto cuando el individuo ejecuta una acción motora dirigida a un objetivo como cuando observa pasivamente a otro individuo ejecutar la misma acción.

Diversos neurofisiólogos y defensores de la cognición corporizada sugirieron rápidamente que el mecanismo celular de las neuronas espejo constituía el eslabón biológico perdido postulado por la Teoría Motora del Habla. Si existían neuronas en las áreas frontales que disparaban de manera indistinta ante la producción de un gesto lingual y ante la recepción auditiva de la onda acústica generada por dicho gesto, la mediación motora en la percepción dejaba de ser una hipótesis especulativa abstracta para convertirse en una realidad electrofisiológica tangible.

No obstante, la comunidad neurocientífica moderna adopta una postura cautelosa. Múltiples investigaciones contemporáneas mediante estimulación magnética transcraneal (TMS) demuestran que, si bien la estimulación de la corteza motora modula sutilmente la velocidad de respuesta en la discriminación de consonantes en presencia de ruido acústico, la actividad motora frontal no es indispensable para la percepción normal del habla en condiciones óptimas. De este modo, el sistema espejo parece operar como un mecanismo auxiliar de facilitación predictiva y no como el procesador nuclear obligatorio concebido originalmente por Liberman.

11. 11. Aplicaciones clínicas, desarrollo del lenguaje y bilingüismo

11.1 11.1. Desarrollo ontogenético de la percepción categórica en infantes

La ontogénesis de la percepción categórica aportó uno de los capítulos más fascinantes a la psicología evolutiva. En 1971, Peter Eimas, Einar Siqueland, Peter Jusczyk y James Vigorito publicaron un experimento seminal en la revista Science que demostró que los bebés humanos de tan solo uno a cuatro meses de vida ya perciben el habla de forma categórica.

Empleando la técnica operante de succión no nutritiva —en la cual la tasa de succión de un chupete acoplado a un transductor de presión controla la reproducción contingente de un estímulo sonoro—, los investigadores evaluaron el fenómeno de habituación y deshabituación. Cuando los infantes se habituaban a escuchar repetidamente un sonido como /ba/ (VOT = +20 ms), su tasa de succión declinaba progresivamente; cuando el estímulo se cambiaba a un nuevo sonido /pa/ que cruzaba el límite fonémico (VOT = +40 ms), la tasa de succión experimentaba una recuperación vigorosa, evidenciando que el bebé discriminaba la transición. Crucialmente, si la variación de 20 milisegundos se producía dentro de la misma categoría de VOT, el infante permanecía desinteresado y habituado.

Estudios posteriores revelaron que los recién nacidos vienen al mundo biológicamente equipados como «aprendices fonéticos universales»: son capaces de discriminar prácticamente cualquier contraste fonémico presente en cualquiera de las lenguas del mundo. Sin embargo, hacia los diez o doce meses de edad, el cerebro experimenta el fenómeno neurocognitivo denominado estrechamiento perceptivo (perceptual narrowing). Mediante la poda sináptica y la exposición distribucional continuada a la lengua materna, los infantes desmantelan su sensibilidad hacia los contrastes fonéticos que no son funcionales en su entorno lingüístico nativo, consolidando de manera irreversible los límites fonémicos de su lengua materna.

11.2 11.2. Trastornos del procesamiento fonológico y dislexia del desarrollo

El paradigma experimental de la percepción categórica ha demostrado ser una herramienta clínica y diagnóstica de primer orden en el estudio de patologías del neurodesarrollo, muy especialmente en el trastorno del desarrollo del lenguaje (TDL o disfasia) y la dislexia del desarrollo.

Una sólida línea de investigación empírica (asociada a investigadoras como Paula Tallal) demostró que un porcentaje sustancial de niños y adolescentes con dificultades severas en la adquisición de la lectura y la escritura exhiben curvas de identificación categórica anormales ante estímulos de habla sintética. Al ser evaluados a lo largo de un continuo de VOT o de transiciones de formantes, estos individuos muestran funciones psicométricas atípicas caracterizadas por una pendiente aplanada y gradual, en lugar de la sigmoide casi vertical propia de los sujetos neurotípicos.

Este aplanamiento de la curva indica la ausencia de un límite fonémico nítido y estable en la arquitectura cerebral del paciente. Al no poder procesar con adecuada resolución temporal las transiciones espectrales rápidas del habla, las representaciones fonológicas subléxicas permanecen «borrosas» o mal delimitadas. En concordancia con los modelos de Kathryn Bock sobre el procesamiento fonológico, una representación de entrada ambigua genera un fallo en cascada que bloquea la conversión grafema-fonema, impidiendo la automatización del proceso lector y alterando la precisión de la autocorrección durante la producción verbal.

11.3 11.3. Reorganización de categorías fonémicas en la adquisición de segundas lenguas

La arquitectura de la percepción categórica es asimismo determinante para comprender los desafíos fonológicos y articulatorios a los que se enfrentan los adultos en la adquisición de una segunda lengua (L2). Cuando los límites de una lengua meta colisionan con el mapa perceptual nativo del hablante, el cerebro tiende a asimilar automáticamente los sonidos extranjeros en las categorías fonémicas más próximas de su primera lengua (L1).

Un caso paradigmático analizado exhaustivamente en la literatura es la histórica dificultad que experimentan los hablantes nativos de japonés para discriminar el contraste entre las líquidas del inglés /r/ y /l/. En el sistema fonológico del japonés existe un único fonema alveolar líquido lateral vibrante flap que ocupa un espacio psicofísico intermedio. Al ser expuestos a un continuo sintético entre /r/ y /l/ manipulado en el tercer formante (F3), los sujetos japoneses adultos no muestran el pico de discriminación característico de los angloparlantes: perciben todos los pasos del continuo como variaciones indistintas de su categoría fonémica nativa.

Para modelar estos fenómenos de interferencia fonológica se han erigido marcos analíticos formales de gran impacto:

• El Modelo de Asimilación Perceptual (PAM) de Catherine Best: Clasifica los contrastes no nativos según la manera en que se asimilan a las categorías de la L1 (por ejemplo, asimilación de dos categorías, de una sola categoría o de ninguna categoría).
• El Modelo de Aprendizaje del Habla (SLM) de James Flege: Analiza las probabilidades de que un aprendiz de L2 forme una nueva categoría mental en función de la distancia fonética percibida respecto a los alófonos nativos más cercanos.

Estos modelos confirman que, si bien la plasticidad cortical decrece tras la pubertad, el entrenamiento auditivo intensivo mediante software adaptativo de retroalimentación puede reconfigurar y afilar los límites de categorización fonémica en cerebros adultos.

12. 12. Conclusiones y trascendencia del paradigma en la psicolingüística moderna

12.1 12.1. Síntesis epistemológica del experimento Liberman-Bock

La revisión profunda del experimento de percepción categórica del habla, contextualizado a través del trabajo pionero de Alvin Liberman y su integración en las arquitecturas cognitivas del procesamiento y la producción del lenguaje formuladas por J. Kathryn Bock, constituye una lección epistemológica cardinal para las ciencias de la mente. Este cuerpo de investigación demostró que los fenómenos psicológicos complejos no pueden escindirse arbitrariamente en compartimentos estancos de «percepción pura» frente a «producción pura».

El diseño clásico de 1957 logró transformar un problema filosófico secular sobre la naturaleza discreta o continua de la experiencia fenoménica en un programa de investigación cuantitativo, reproducible y falsable. Demostró que la discontinuidad perceptiva es el puente indispensable mediante el cual la biología trasciende la tiranía de la variabilidad física para fundar el orden simbólico indispensable para el pensamiento gramatical.

La perspectiva crítica aportada por la tradición de Kathryn Bock enriqueció este paradigma al demostrar que los límites de categoría fonémica no flotan aislados en un vacío acústico-articulador, sino que están inextricablemente imbricados en los engranajes de la computación gramatical, el acceso a los lemas y la formulación oracional en tiempo real, superando los dualismos reduccionistas y consolidando el estudio de la fonética experimental en el corazón mismo de la psicolingüística contemporánea.

12.2 12.2. Estado actual del debate entre enfoque motor y enfoque auditivo

Tras más de seis décadas de investigación experimental ininterrumpida, el enfrentamiento radical entre la Teoría Motora del Habla y el Enfoque General Auditivo ha evolucionado hacia un consenso dialéctico integrador y probabilístico. Las posturas extremas que concebían el habla como un módulo biológico exclusivamente dependiente de la motricidad o, alternativamente, como una manifestación accesoria de un oído pasivo idéntico al de cualquier mamífero, han sido superadas por marcos teóricos contemporáneos más flexibles y sofisticados.

La evidencia empírica acumulada confirma que el cerebro humano preserva representaciones sensoriales espectrales extraordinariamente ricas en las cortezas auditivas, al tiempo que despliega modelos predictivos interactivos en las cortezas premotoras y frontales. En el marco de la neurociencia computacional contemporánea basada en el procesamiento predictivo (predictive coding) y los modelos de inferencia activa bayesiana, la percepción categórica se concibe como el resultado de una convergencia óptima entre la evidencia acústica sensorial ascendente (bottom-up sensory evidence) y las expectativas o priores neuromotores y contextuales descendentes (top-down motor priors).

La percepción categórica, lejos de constituir un mecanismo de «todo o nada» estático, emerge en la actualidad como una propiedad altamente adaptativa, dinámica y probabilística de redes neuronales recurrentes que optimizan el cómputo comunicativo en entornos ruidosos.

12.3 12.3. Perspectivas futuras en la investigación del procesamiento auditivo del habla

El horizonte metodológico en el estudio del procesamiento del habla se expande vertiginosamente hacia nuevas fronteras interdisciplinarias. En el campo neurofisiológico, la utilización de registros electrocorticográficos intracraneales directos (ECoG) en pacientes sometidos a monitorización neuroquirúrgica para la epilepsia está permitiendo mapear con una resolución espacial submilimétrica y temporal de milisegundos las poblaciones neuronales exactas del giro temporal superior que computan los límites de VOT y de formantes en tiempo real.

En el terreno de la inteligencia artificial y el aprendizaje automático, las redes neuronales profundas contemporáneas entrenadas exclusivamente con miles de horas de audio bruto sin supervisión humana están comenzando a manifestar de forma emergente representaciones categóricas internas que replican los límites psicofísicos descubiertos por Liberman en 1957. El análisis de estas representaciones artificiales ofrece modelos computacionales invaluables para desentrañar cómo surgen las categorías discretas a partir de la mera optimización distribucional de la información.

No obstante las sofisticadas herramientas del siglo XXI, la arquitectura experimental formulada por Alvin Liberman en los Laboratorios Haskins y los principios de rigor analítico y validez de constructo defendidos por Kathryn Bock continúan rigiendo como las coordenadas metodológicas maestras sobre las cuales se erige la indagación científica del misterio del lenguaje humano.

Referencias

• Bock, J. K. (1986). Syntactic persistence in language production. Cognitive Psychology, 18(3), 355-387. https://doi.org/10.1016/0010-0285(86)90004-6
• Bock, K., & Levelt, W. (1994). Language production: Grammatical encoding. In M. A. Gernsbacher (Ed.), Handbook of psycholinguistics (pp. 945-984). Academic Press.
• Eimas, P. D., Siqueland, E. R., Jusczyk, P., & Vigorito, J. (1971). Speech perception in infants. Science, 171(3968), 303-306. https://doi.org/10.1126/science.171.3968.303
• Hickok, G., & Poeppel, D. (2007). The cortical organization of speech processing. Nature Reviews Neuroscience, 8(5), 393-402. https://doi.org/10.1038/nrn2113
• Kuhl, P. K., & Miller, J. D. (1975). Speech perception by the chinchilla: Voiced-voiceless distinction in alveolar plosive consonants. Science, 190(4209), 69-72. https://doi.org/10.1126/science.1166301
• Liberman, A. M., Cooper, F. S., Shankweiler, D. P., & Studdert-Kennedy, M. (1967). Perception of the speech code. Psychological Review, 74(6), 431-461. https://doi.org/10.1037/h0020279
• Liberman, A. M., Harris, K. S., Hoffman, H. S., & Griffith, B. C. (1957). The determination of the speech-phoneme boundaries. Journal of Experimental Psychology, 54(5), 358-368. https://doi.org/10.1037/h0044040
• Liberman, A. M., & Mattingly, I. G. (1985). The motor theory of speech perception revised. Cognition, 21(1), 1-36. https://doi.org/10.1016/0010-0277(85)90021-6
• Lisker, L., & Abramson, A. S. (1964). A cross-language study of voicing in initial stops: Acoustical measurements. Word, 20(3), 384-422. https://doi.org/10.1080/00437956.1964.11659830
• Näätänen, R., Lehtokoski, A., Lennes, M., Cheour, M., Huotilainen, M., Iivonen, A., Vainio, M., Alku, P., Ilmoniemi, R. J., Luuk, A., Allik, J., Sinkkonen, J., & Alho, K. (1997). Language-specific phoneme representations revealed by electric and magnetic brain responses. Nature, 385(6615), 432-434. https://doi.org/10.1038/385432a0
• Pisoni, D. B. (1973). Auditory and phonetic memory codes in the discrimination of consonants and vowels. Perception & Psychophysics, 13(2), 253-260. https://doi.org/10.3758/BF03214136