Les persones intel·ligents pensen més ràpid que les altres en resoldre problemes? Els resultats d'un nou estudi neurocientífic qüestionen aquesta suposició de llarga tradició en la recerca sobre la intel·ligència. Es tracta d'un estudi realitzat per investigadors del Human Brain Project de la Universitat Charité de Berlín, amb la col·laboració de l'investigador del Center for Brain and Cognition (CBC) de la UPF, Gustavo Deco. Els seus resultats s'han divulgat recentment a l'article “Learning how network structure shapes decision-making for bio-inspired computing” de la revista Nature Communications.

El principal objectiu de l'estudi no era determinar la velocitat amb què pensem, sinó comprendre com les xarxes biològiques determinen la presa de decisions, per poder desenvolupar eines inspirades en les dinàmiques del nostre cervell i aplicacions robòtiques. La definició de models que descriguin la dinàmica cerebral per a la presa de decisions intel·ligent és un enfocament que pot contribuir a la creació d’aplicacions intel·ligents. “Creiem que els models biològicament més realistes poden superar la intel·ligència artificial clàssica en el futur”, assegura Petra Ritter, investigadora principal de l'estudi de la universitat Charité de Berlín.

Petra Ritter (Charité University de Berlín): “si el cervell té més temps i considera més evidències, inverteix més en la resolució de problemes i troba millors solucions”

Els resultats de l'estudi mostren que les persones amb puntuacions més altes en intel·ligència fluida (FI), concepte que fa referència a la capacitat de les persones de prendre decisions difícils davant de situacions noves, van destinar més temps  a resoldre les tasques més difícils en comparació amb les persones amb menor FI. Només van ser més ràpides en respondre preguntes simples. ”Intuïtivament, això no és tan sorprenent: si el cervell té més temps i considera més evidències, inverteix més en la resolució de problemes i troba millors solucions. Per tant, l'estudi presenta noves evidències que desafien una noció comuna sobre la intel·ligència humana”.

Gustavo Deco (CBC de la UPF): “aquesta recerca suposa un canvi radical respecte als estudis fets fins ara, en els quals es modelaven les dinàmiques cerebrals (…) en àrees singulars. Aquí s'assumeix un canvi de paradigma: que la computació de tasques cognitives està radicalment distribuïda per tot el cervell”

Per poder examinar les dinàmiques cerebrals en els processos de presa de decisions, aquesta recerca parteix d'un enfocament innovador. En lloc d'analitzar com funcionen regions cerebrals concretes en realitzar determinades tasques cognitives, aquest estudi parteix d'un model global de tot el cervell. Així ho explica Gustavo Deco, investigador del CBC de la UPF: "aquesta recerca suposa un canvi radical respecte als estudis fets fins ara, en els quals es modelaven les dinàmiques cerebrals per a tasques concretes com la presa de decisions a partir de minicircuits en àrees singulars. Aquí s'assumeix un canvi de paradigma: que la computació de tasques cognitives està radicalment distribuïda per tot el cervell”.

Amb aquest enfocament, s'ha pogut determinar que un cervell en el qual se sincronitzen millor les diferents parts del cervell és millor per resoldre problemes, però no necessàriament més ràpid. “A mesura que es redueix la sincronització, els circuits de presa de decisions al cervell salten més ràpid a les conclusions, mentre que una major sincronització entre les regions del cervell permet una millor integració de l'evidència i una memòria de treball més sòlida”, explica Petra Ritter.

S'han analitzat les dinàmiques cerebrals de 650 persones, a més de realitzar simulacions amb xarxes neuronals artificials

Per dur a terme aquest estudi, s'han examinat els processos de presa de decisions tant a partir de simulacions de xarxes neuronals com de l'anàlisi de les dinàmiques cerebrals de les persones participants de l'estudi.

El laboratori del qual forma part Petra Ritter i molts altres grups de recerca vinculats a Human Brain Project utilitzen la simulació cerebral per complementar les dades d'observació, amb la finalitat de desenvolupar un marc teòric sobre com funciona el cervell. En aquest cas, s'ha emprat la simulació cerebral per determinar el vincle entre la connectivitat funcional i estructural del cervell i el rendiment cognitiu.

Les simulacions d'aquest estudi han partit d'un enfocament inspirat en la biologia. S'ha comptat amb 650 models de xarxes cerebrals (BNM, per les seves sigles en anglès) personalitzats basats en dades del Projecte Human Connectome. Aquestes models han simulat la dinàmica cerebral involucrada en la resolució de problemes.

Els participants en l'estudi han realitzat una prova consistent a resoldre tasques de dificultat cada vegada major

Les observacions de les simulacions cerebrals s’han comparat amb les dades empíriques de les 650 persones participants de l'estudi, que van realitzar l'anomenada Prova de Raonament Penn Matrix (PMAT), que consisteix en una sèrie de tasques de patrons cada vegada més difícils. Els resultats d'aquestes proves han permès quantificar la intel·ligència fluida (FI) dels participants.

Tant els resultats de les simulacions, que es van realitzar en primer lloc, com el posterior estudi de les dinàmiques cerebrals amb persones reals van confirmar que les persones amb major intel·ligència fluida triguen més a resoldre tasques difícils.

Els models de circuits locals prèviament establerts de memòria de treball (WM) i presa de decisions (DM), tots dos importants per a la intel·ligència, es van connectar a The Virtual Brain (TVB), l'eina de referència per a les simulacions del funcionament del cervell en tot el seu conjunt.

Les simulacions es van realitzar utilitzant un enfocament de modelatge cerebral a múltiples escales. El processament de les dades cerebrals altament sensibles va tenir lloc dins d'un entorn de recerca virtual segur de EBRAINS Health Data Cloud. Aquestes tecnologies són accessibles a través de EBRAINS per a la comunitat de recerca global.

Article de referència:

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