Nuestra capacidad para mantenerlos en suspenso alcanza su punto máximo alrededor de los 25 años.

El cerebro procesa imágenes, sonidos y otra información sensorial e incluso toma decisiones basadas en cálculos probabilísticos. Al menos, eso es lo que nos dicen muchas de las principales teorías del procesamiento mental: el controlador maestro del cuerpo construye modelos internos basados ​​en experiencias pasadas y luego predice la mejor manera de comportarse. Aunque los estudios han demostrado que los humanos y otros animales toman diferentes decisiones de comportamiento incluso cuando realizan la misma tarea en el mismo entorno, estas hipótesis a menudo atribuyen tales fluctuaciones al «ruido»: errores en el sistema.

Pero no todos están de acuerdo en que esto proporciona una imagen completa. Después de todo, a veces entrar en la ecuación vale la pena con la aleatoriedad. Si el comportamiento de la presa no se puede predecir fácilmente, la presa tiene una mayor probabilidad de escapar del depredador, lo que es posible al introducir una mayor variabilidad en su toma de decisiones. O en condiciones menos estables, cuando la experiencia previa ya no proporciona una medida precisa de cómo actuar, estos comportamientos complejos permiten a los animales explorar más opciones diferentes, lo que aumenta las probabilidades de encontrar la mejor solución. Un estudio de 2022 descubrió que cuando las ratas se dieron cuenta de que el comportamiento no aleatorio no era suficiente para burlar un algoritmo informático, adoptaron un comportamiento aleatorio. Bueno, tal vez la diferencia no se pueda atribuir simplemente al ruido puro. En cambio, juega un papel vital en el funcionamiento del cerebro.

Ahora, en un estudio publicado el 12 de abril en PLoS Computational Biology, un equipo de investigadores del grupo Algorithmic Nature del Laboratorio de Investigación Científica de Ciencias Naturales y Digitales LABORES en París quiere arrojar luz sobre cómo se desarrolla esta complejidad en los humanos. «Cuando la rata trata de actuar al azar [in 2014]»Los investigadores descubrieron cómo estaban calculando el comportamiento aleatorio», dice el científico informático Héctor Zenil, uno de los autores del estudio. Este cálculo es exactamente lo que queríamos capturar en nuestra investigación. El equipo de Zenil encontró que, en promedio, la capacidad de las personas para comportarse de manera aleatoria alcanzó su punto máximo a los 25 años y luego disminuyó lentamente hasta los 60 años, cuando comenzó a declinar más rápidamente.

Para probar esto, los investigadores hicieron que más de 3.400 participantes, de 4 a 91 años de edad, completaran una serie de tareas, «una especie de prueba de Turing inversa», dice Zenil, determinando que los humanos pueden superar el grado de computación. Identifica patrones aleatorios. Los sujetos tenían que crear secuencias de lanzamientos de monedas y dados que creían que eran aleatorios para otra persona, adivinar qué carta se sacaría de una mezcla aleatoria, señalar círculos en la pantalla y colorearlos en una cuadrícula para formar un diseño aparentemente aleatorio.

Luego, el equipo analizó las respuestas, cuantificando su nivel de aleatoriedad al determinar la probabilidad de que un algoritmo informático pudiera generar la misma decisión y midiendo la complejidad algorítmica como la longitud del programa informático más corto que podría modelar las elecciones de los participantes. En otras palabras, cuanto más aleatorio sea el comportamiento de una persona, más difícil será describir matemáticamente sus respuestas y más largo será el algoritmo. Si una secuencia fuera realmente aleatoria, sería imposible que un programa de este tipo comprimiera los datos; tendría la misma longitud que la secuencia original.

Después de controlar factores como el idioma, el género y la educación, los investigadores concluyeron que la edad era la única característica que influía en la aleatoriedad del comportamiento de una persona. «A los 25, las personas pueden superar a las computadoras en la generación de esta aleatoriedad», dijo Zenier. Esta trayectoria de desarrollo refleja lo que los científicos esperarían de una medida de mayor capacidad cognitiva, agregó. De hecho, la percepción de la complejidad y la aleatoriedad se basa en funciones cognitivas, incluidas la atención, la inhibición y la memoria de trabajo (que involucran las cinco tareas estudiadas), aunque se desconocen los mecanismos exactos detrás de esta relación. “La mente es más aguda alrededor de los 25.” Según Zenil, esto tiene sentido biológico: la selección natural favorecerá una mayor aleatoriedad durante los años clave de reproducción.

Los hallazgos del estudio pueden incluso tener implicaciones para comprender la creatividad humana. Después de todo, una gran parte de la creatividad es la capacidad de desarrollar nuevos enfoques y probar diferentes resultados. «Significa acceso a un grupo más grande de diversidad», dijo Zenier, «que es inherentemente aleatorio. Entonces, a los 25, las personas tienen más recursos para ser creativas».

Los hallazgos de Zenil respaldan investigaciones anteriores que también mostraron una disminución en el comportamiento aleatorio con la edad. Pero este es el primer estudio que adopta un enfoque algorítmico para medir la complejidad, y el primero en hacerlo en un rango de edad continuo. «Estudios anteriores consideraron grupos de jóvenes y viejos, capturando aspectos estadísticos específicos como las tasas de repetición en secuencias de respuesta muy largas», dice Gordana Dodig-Crnkovic, científica informática de la Universidad Mälardalen de Suecia que no participó en el estudio. «Este artículo va un paso más allá.» Al utilizar medidas de aleatoriedad algorítmicas en lugar de estadísticas, el equipo de Zenil puede verificar un comportamiento verdaderamente aleatorio en lugar de un comportamiento estadístico o pseudoaleatorio, que, si bien satisface las pruebas estadísticas de aleatoriedad, no es necesariamente tan real como la aleatoriedad real. El hecho de que las habilidades algorítmicas cambien con la edad sugiere que el cerebro es algorítmico por naturaleza: no asume que el mundo es estadísticamente aleatorio, sino que adopta un enfoque más general sin el sesgo más tradicional descrito en los modelos estadísticos del cerebro.

Estos resultados pueden abrir una visión más amplia de cómo funciona el cerebro: como un estimador algorítmico de probabilidad. La teoría actualizaría y eliminaría algunos de los sesgos en los modelos estadísticos de toma de decisiones que se encuentran en el corazón de las teorías populares, principalmente la hipótesis del cerebro bayesiano, que postula que el cerebro asigna una probabilidad a una conjetura y reacciona ante ella cuando recibe nueva información de los sentidos Información. «El cerebro es altamente algorítmico», dijo Zenier. “Su comportamiento no es aleatorio, ni es un mecanismo de lanzamiento de una moneda.” Agregó que ignorar los enfoques algorítmicos en favor de los estadísticos deja incompleta nuestra comprensión del cerebro. Los métodos estadísticos, por ejemplo, no pueden explicar por qué podemos recordar secuencias de dígitos, como números de teléfono; tome como ejemplo «246-810-1214», que solo tiene números pares: esta no es una propiedad estadística, sino una propiedad algorítmica. Podemos reconocer patrones y usarlos para recordar números.

Además, la probabilidad algorítmica nos permite encontrar (y comprimir) patrones más fácilmente en información aparentemente aleatoria. «Es un cambio de paradigma», dijo Zenil, «porque aunque la mayoría de los investigadores están de acuerdo en que existe este componente algorítmico en la forma en que funciona el cerebro, no podemos medirlo porque no tenemos las herramientas adecuadas, y ahora hemos desarrollado e introducido en nuestro estudio».

Zenil y su equipo planean continuar explorando las complejidades de los algoritmos humanos y esperan dilucidar los mecanismos cognitivos detrás de la relación entre la aleatoriedad del comportamiento y la edad. Primero, sin embargo, planean realizar experimentos en personas diagnosticadas con trastornos neurodegenerativos y psiquiátricos, incluidos el Alzheimer y la esquizofrenia. Por ejemplo, Zenil predice que los participantes diagnosticados con esto último no generarán ni percibirán la aleatoriedad tanto como los participantes del grupo de control, porque a menudo hacen más asociaciones y observan más patrones que la persona promedio.

Los colegas del investigador se hacen a un lado. Su trabajo sobre la complejidad «propone un enfoque muy prometedor», dijo Dodig-Crnkovic.