Rafael Polanía y su equipo de investigadores de ETH han desarrollado un modelo informático capaz de predecir ciertas decisiones humanas. Con esto, los investigadores pueden predecir, por ejemplo, qué alimentos elegirá comprar en un supermercado: información valiosa para marketing y salud.
Investigadores de ETH Zurich, la Universidad de Zurich y la Universidad de Columbia, Nueva York, dirigidos por el neurocientífico Rafael Polanía, ahora han mapeado este proceso en un nuevo modelo de computadora. Esto les permite predecir con alta precisión, por ejemplo, qué alimentos consumirá una persona.
La base para el proceso mapeado, y por extensión el modelo, es una estructura de valoración subjetiva almacenada en el cerebro. En esta estructura, el cerebro almacena las preferencias de todos los alimentos según la experiencia y los recuerdos anteriores, similar a los grandes minoristas en línea donde los usuarios y compradores pueden calificar los productos otorgando estrellas.
Un sistema de valoración eficiente alivia la carga sobre el cerebro, que tiene una capacidad de procesamiento limitada; en otras palabras, el número de neuronas disponibles es finito. Dicha eficiencia es importante dado que a través de sus órganos sensoriales, como los ojos, oídos, nariz o boca, que están en sintonía con el mundo externo, el cerebro recibe constantemente más información de la que puede procesar.
Acceso a las preferencias almacenadas.
Por eso, para decisiones como las que los humanos modernos toman en el supermercado, el cerebro recurre a su estructura de valoración específica del contexto. En pocas palabras, si estoy comprando naranjas en una determinada tienda (contexto), lo hago porque ya he tenido una experiencia positiva al comprar naranjas en esta tienda. En la plataforma de valoración interna de mi cerebro, otorgo naranjas 95 puntos de cada 100. Me gusta menos el pomelo porque es demasiado ácido; Obtiene solo 10 puntos.
Estas valoraciones individuales se suman a una distribución general de preferencias que se puede explicar y evaluar matemáticamente. Aquí es precisamente donde entra en juego el modelo: basado en dicha distribución de las valoraciones y principios de eficiencia, puede hacer predicciones precisas sobre qué alimentos elegirá el sujeto de prueba.
Primer modelo completo
Hasta la fecha, los neurocientíficos y los economistas han luchado para desarrollar modelos matemáticos que mapeen completamente los procesos de toma de decisiones que toman en cuenta las limitaciones de capacidad del cerebro. “El nuevo modelo predice con precisión qué alimentos elegirá el sujeto de la prueba en la gran mayoría de los casos”, dice Polanía, “y también con qué frecuencia cambiará de opinión”.
Los investigadores probaron y calibraron el modelo utilizando valoraciones de un grupo de sujetos de prueba. A estos hombres y mujeres se les pidió que evaluaran 60 productos diarios de un supermercado suizo. Para cada producto, se les preguntó cuánto querían comer al final del experimento. Después de la primera fase de calificación, el proceso se repitió inmediatamente para tener en cuenta la variabilidad de las señales cerebrales para producir dichas calificaciones.
Aplicando el modelo a las decisiones de salud.
“Podemos aplicar este modelo a todas las decisiones basadas en valoraciones subjetivas”, dice Polanía. Por ejemplo, los expertos en marketing podrían usarlo para predecir mejor qué productos resonarán en el público. Los economistas podrían usarlo para calcular los precios con mayor precisión.
El modelo también podría usarse para comprender ciertos aspectos de la salud de las personas. “Estas decisiones también se basan en valoraciones subjetivas, como la salud que una persona cree que tiene un determinado producto”, explica Polanía. Actualmente está trabajando en la integración de este criterio en el modelo. El objetivo es descubrir cómo las personas toman decisiones sobre su dieta, lo que a su vez tiene implicaciones para la obesidad o trastornos de la alimentación como la anorexia. Polanía está colaborando con colegas que investigan el tema del autocontrol.
Referencia: Efficient coding of subjective value. Polanía R, Woodford M, Ruff CC. Nature Neuroscience, Volumen 22, páginas 134–142 (2019) DOI: 10.1038 / s41593-018-0292-0