¿Las personas inteligentes piensan más rápido que las demás al resolver problemas? Los resultados de un nuevo estudio neurocientífico desafían esta suposición de larga tradición en la investigación de la inteligencia. Se trata de un estudio realizado por investigadores del Human Brain Project de la Universidad Charité de Berlín, con la colaboración del investigador del Center for Brain and Cognition (CBC) de la UPF, Gustavo Deco. Sus resultados se han divulgado recientemente en el artículo “Learning how network structure shapes decision-making for bio-inspired computing” de la revista Nature Communications.

El principal objetivo del estudio no era determinar la velocidad con la que pensamos, sino comprender cómo las redes biológicas determinan la toma de decisiones, para poder desarrollar herramientas inspiradas en las dinámicas de nuestro cerebro y aplicaciones robóticas. La definición de modelos que describan la dinámica cerebral para la tomar decisiones inteligente es un enfoque que pueda contribuir a la creación aplicaciones inteligentes. “Creemos que los modelos biológicamente más realistas pueden superar a la inteligencia artificial clásica en el futuro”, asegura Petra Ritter, investigadora principal del estudio de la Charité University de Berlín.  

Petra Ritter (Charité University de Berlín): “si el cerebro tiene más tiempo y considera más evidencias, invierte más en la resolución de problemas y encuentra mejores soluciones”

Los resultados del estudio muestran que las personas con puntuaciones más altas en inteligencia fluida (FI), concepto que hace referencia a la capacidad de las personas de tomar decisiones difíciles antes situaciones nuevas, se tomaron más tiempo para resolver las tareas más difíciles en comparación con las personas con menor FI. Solo fueron más rápidas al responder preguntas simples. ”Intuitivamente, esto no es tan sorprendente: si el cerebro tiene más tiempo y considera más evidencias, invierte más en la resolución de problemas y encuentra mejores soluciones. Por lo tanto, el estudio presenta nuevas evidencias que desafían una noción común sobre la inteligencia humana”.

Gustavo Deco (CBC de la UPF): “esta investigación supone un cambio radical respecto a los estudios hechos hasta ahora, en los que se modelaban las dinámicas cerebrales (…) en áreas singulares. Aquí se asume un cambio de paradigma: que la computación de tareas cognitivas está radicalmente distribuida en todo el cerebro”

Para poder examinar las dinámicas cerebrales en los procesos de toma de decisiones, esta investigación parte de un enfoque innovador. En lugar de analizar cómo funcionan regiones cerebrales concretas al realizar determinadas tareas cognitivas, este estudio parte de un modelo global de todo el cerebro.  Así lo explica Gustavo Deco, investigador del CBC de la UPF: "esta investigación supone un cambio radical respecto a los estudios hechos hasta ahora, en los que se modelaban las dinámicas cerebrales para tares concretas como la toma decisiones a partir de minicircuitos en áreas singulares. Aquí se asume un cambio de paradigma: que la computación de tareas cognitivas está radicalmente distribuida en todo el cerebro”.

Con este enfoque, se ha podido determinar que un cerebro en el que se sincronizan mejor las diferentes partes del cerebro es mejor para resolver problemas, pero no necesariamente más rápido. “A medida que se reduce la sincronización, los circuitos de toma de decisiones en el cerebro saltan más rápido a las conclusiones, mientras que una mayor sincronización entre las regiones del cerebro permite una mejor integración de la evidencia y una memoria de trabajo más sólida”, explica Petra Ritter.

Se han analizado las dinámicas cerebrales de 650 personas, además de realizar simulaciones con redes neuronales artificiales

Para llevar a cabo este estudio, se ha examinado los procesos de toma de decisiones tanto a partir de simulaciones de redes neuronales como del análisis de las dinámicas cerebrales de las personas participantes del estudio.

El laboratorio del que forma parte Petra Ritter y muchos otros grupos de investigación vinculados a Human Brain Project utilizan la simulación cerebral para complementar los datos de observación, con el fin de desarrollar un marco teórico de cómo funciona el cerebro. En este caso, se ha empleado la simulación cerebral para determinar el vínculo entre la conectividad funcional y estructural del cerebro y el rendimiento cognitivo.

Las simulaciones de este estudio han partido de un enfoque inspirado en la biología. Se ha contado con 650 modelos de redes cerebrales (BNM, por sus siglas en inglés) personalizados basados ​​en datos del Proyecto Human Connectome. Estas modelos han simulado la dinámica cerebral involucrada en la resolución de problemas.

Los participantes en el estudio han realizado en una prueba consistente en resolver tareas de dificultad cada vez mayor

Las observaciones de las simulaciones cerebrales se compararon con los datos empíricos de las 650 personas participantes del estudio, que realizaron la llamada Prueba de Razonamiento Penn Matrix (PMAT), que consiste en una serie de tareas de patrones cada vez más difíciles. Los resultados de estas pruebas permitieron cuantificar la inteligencia fluida (FI) de los participantes.

Tanto los resultados de las simulaciones, que se realizaron en primer lugar, como el posterior estudio de las dinámicas cerebrales con personas reales confirmaron que las personas con mayor inteligencia fluida tardan más en resolver tareas difíciles.

Los modelos de circuitos locales previamente establecidos de memoria de trabajo (WM) y toma de decisiones (DM), ambos importantes para la inteligencia, se conectaron a The Virtual Brain (TVB), la herramienta de referencia para las simulaciones del funcionamiento del cerebro en todo su conjunto.

Las simulaciones se realizaron utilizando un enfoque de modelado cerebral a múltiples escalas. El procesamiento de los datos cerebrales altamente sensibles tuvo lugar dentro de un entorno de investigación virtual seguro de EBRAINS Health Data Cloud. Estas tecnologías son accesibles a través de EBRAINS para la comunidad de investigación global.

Artículo de referencia:

Schirner, M., Deco, G. & Ritter, P. Learning how network structure shapes decision-making for bio-inspired computing. Nat Commun 14, 2963 (2023). https://doi.org/10.1038/s41467-023-38626-y