Cómo piensa el cerebro humano cuando toma decisiones complejas

El cerebro humano no siempre busca la solución perfecta, pero sabe cómo acercarse a ella con inteligencia. Un nuevo estudio del MIT revela las estrategias mentales que usamos para resolver lo imposible.

Por Enrique Coperías

Investigadores del MIT han logrado modelar cómo las personas aplican distintas estrategias de toma de decisiones para resolver tareas complejas, un avance que aporta claves para diseñar máquinas que piensen de forma más humana. Imagen generada con DALL-E

Una mañana cualquiera, decides salir de la oficina para tomar un café. En apariencia, es un acto trivial, pero implica una secuencia de elecciones: salir del edificio, cruzar la calle, elegir el local, pedir tu bebida... Si el ascensor no funciona, reajustas el plan sin desechar el objetivo final.

Este tipo de razonamiento escalonado y adaptable es una de las claves de la flexibilidad del pensamiento humano. Pero ¿cómo opera exactamente esta capacidad? ¿Qué mecanismos nos permiten resolver problemas complejos en tiempo real con recursos limitados?

Un estudio reciente del Instituto Tecnológico de Massachusetts (MIT), en Estados Unidos, publicado en la revista Nature Human Behaviour, ha puesto a prueba esta pregunta con una original combinación de experimentos, modelos computacionales y redes neuronales artificiales. ¿La conclusión?

Las personas adoptan estrategias racionales, aunque no perfectas, para tomar decisiones. Lo hacen descomponiendo los problemas en partes más manejables y, cuando es necesario, revisando lo ya pensado mediante razonamientos contrafactuales.

«Lo que los humanos pueden hacer es dividir el laberinto en secciones y resolver cada parte con algoritmos simples —explica Mehrdad Jazayeri, profesor de Neurociencia Cognitiva y autor principal del estudio. Y añade—: Cuando no tenemos los recursos para resolver un problema complejo, recurrimos a atajos cognitivos que, aunque no sean perfectos, cumplen su función».

El reto de simular decisiones humanas

Diseñar un experimento cognitivo que refleje esta complejidad sin caer en una empresa inabarcable es harto complejo. Muchos estudios anteriores demostraban que los seres humanos somos buenos resolviendo tareas complejas, pero pocos lograban cuantificar cómo lo hacemos.

Para abordar este desafío, Jazayeri y su equipo pergeñaron un ensayo mental centrado en un laberinto en forma de H. En cada prueba, los participantes veían cómo una bola entraba al laberinto, pero tras pasar el primer tramo, su trayectoria se volvía invisible. Solo contaban con tres pistas auditivas, que indicaban los momentos en los que la bola giraba en los cruces del laberinto.

La dificultad residía en que había cuatro rutas posibles, y seguirlas todas simultáneamente sería como mantener cuatro conversaciones a la vez. «Eso no lo puede hacer ningún ser humano —afirma Jazayeri. Y añade—: La tarea nos permite acceder a los algoritmos cognitivos que usamos los humanos precisamente porque no se puede resolver de forma óptima».

¿Qué es el pensamiento jerárquico y cómo lo aplicamos en la vida real?

En este contexto, los investigadores estudiaron dos estrategias cognitivas que las personas emplean de forma natural: el pensamiento jerárquico y el razonamiento contrafactual.

✅ El pensamiento jerárquico consiste en dividir el problema en pasos secuenciales: primero se decide si la bola giró a la izquierda o a la derecha, y luego, en función de esa elección, se infiere si subió o bajó en la segunda bifurcación.

✅ El razonamiento contrafactual, en cambio, entra en juego cuando la información posterior no cuadra con la suposición inicial. Es entonces cuando la persona reconsidera el primer giro: «¿Y si no fue a la derecha, como pensé, sino a la izquierda?».

Este proceso requiere acceder a la memoria de corto plazo y es, por tanto, más exigente y susceptible a los errores. Lo interesante del ensayo es que los participantes no lo aplicaban sistemáticamente, sino solo cuando lo consideraban útil.

«Las personas usan los contrafactuales en la medida en que les resulta útil —señala Jazayeri—. Si un participante pierde precisión al usarlos, tiende a evitarlos. Pero si es bueno recuperando información reciente, no duda en volver atrás y revisar».

Humanos en un laberinto

Los investigadores reclutaron a unos 150 voluntarios a través de plataformas online y los sometieron a distintas variantes de la tarea del laberinto. Antes de comenzar, evaluaron la precisión de cada persona para estimar intervalos de tiempo, ya que esa habilidad sería clave para interpretar los sonidos.

Luego, construyeron modelos predictivos personalizados que simulaban cómo se comportaría cada participante si usara exclusivamente una de estas estrategias: jerárquica, contrafactual, una combinación de ambas o una solución óptima imposible de alcanzar para el cerebro humano.

El resultado fue revelador: en todos los casos, el modelo que mejor predijo el comportamiento de los sujetos fue el jerárquico con revisiones contrafactuales. Es decir, los participantes primero apostaban por una dirección inicial y luego corregían su elección si la nueva evidencia era incompatible con su suposición… pero solo si creían que su memoria lo permitía.

El papel del tiempo de reacción

Para corroborar estos patrones, los autores midieron también los movimientos oculares de algunos participantes en el laboratorio con forma de H. Detectaron que, tras el primer sonido, los ojos se desplazaban hacia un lado del laberinto, que delata el indicio de elección jerárquica.

Sin embargo, en ocasiones, tras escuchar el segundo o tercer sonido, los ojos se movían al lado opuesto, lo que refleja un cambio de idea contrafactual.

Por otro lado, los tiempos de reacción también jugaron un papel crucial. Cuanto más difícil era la decisión inicial —por ejemplo, cuando las trayectorias izquierda y derecha eran similares—, más tiempo se tardaba en responder. Esto indica que los participantes invertían más esfuerzo cognitivo en reconsiderar sus decisiones.

Inteligencia artificial y cerebro humano: paralelismos sorprendentes

Para reforzar aún más sus hallazgos, los investigadores entrenaron redes neuronales artificiales para completar la misma tarea. Al principio, los modelos resolvían el laberinto a la perfección —como era de esperar—. Pero cuando se les impusieron limitaciones similares a las humanas, como una capacidad de memoria reducida o un filtro atencional, las redes comenzaron a comportarse de forma sorprendentemente similar a las personas.

«Los modelos imitan el comportamiento humano cuando les imponemos las mismas limitaciones computacionales que observamos en nosotros —afirma Jazayeri. Y añade—: Esto sugiere que los humanos actúan de forma racional dentro de los límites que su propio cerebro les impone».

Curiosamente, el equipo también observó que el cambio entre estrategias no ocurre de forma abrupta, sino como un espectro continuo. A medida que se introducía más ruido en la memoria del modelo, este recurría menos al razonamiento contrafactual y se apoyaba más en el pensamiento jerárquico. Y cuando la memoria era muy precisa, el modelo se comportaba como si resolviera la tarea de forma casi óptima.

Sistemas de IA con decisiones más humanas

Esta idea rompe con la visión tradicional que considera estas estrategias como compartimentos estancos. Los autores proponen, en cambio, que jerarquía, contrafactualidad y otras formas de razonamiento forman parte de un continuo de adaptaciones racionales a distintas circunstancias cognitivas.

Este marco ofrece una forma más realista de entender la mente humana, que no siempre busca la solución perfecta, sino la mejor posible dadas sus limitaciones cognitivas.

Este estudio abre nuevas vías tanto para la investigación neurocientífica como para el desarrollo de inteligencia artificial. Al comprender cómo y cuándo las personas cambian de estrategia en función de sus recursos mentales, es posible diseñar sistemas artificiales que tomen decisiones de forma más humana. Sistemas como ChatGPT o asistentes médicos podrían integrar modelos de razonamiento jerárquico-contrafactual para mejorar su desempeño en tareas complejas y adaptativas.

Una ayuda para la ansiedad y el TDAH

También tiene implicaciones clínicas. Las alteraciones en la capacidad para aplicar estos mecanismos podrían ayudar a diagnosticar o entender mejor ciertas condiciones cognitivas o trastornos del pensamiento.

En el caso de la psicología clínica, detectar fallos en la aplicación de contrafactuales puede ayudar en el diagnóstico de trastornos como la ansiedad, el trastorno por déficit de atención e hiperactividad (TDAH) y los trastornos ejecutivos, como los causados por las enfermedades neurodegenerativas, caso del alzhéimer yo el párkinson; y los problemas psiquiátricos, como la esquizofrenia y el trastorno bipolar.

«Este trabajo nos ayuda a entender cómo resolvemos problemas de forma eficiente, aunque no perfecta —dice Jazayeri. Y concluye—: Y nos enseña que la clave de esa eficiencia está en saber cuándo cambiar de táctica, incluso cuando no tenemos todas las respuestas». ▪️

• Información facilitada por el MIT

• Fuente: Ramadan, M., Tang, C., Watters, N. et al. Computational basis of hierarchical and counterfactual information processing. Nature Human Behaviour (2025). DOI: https://doi.org/10.1038/s41562-025-02232-3