Las personas inteligentes resuelven mejor los problemas, pero no más rápido
La inteligencia de una persona depende de muchas variables, aunque los expertos suelen señalar que es el resultado de las capacidades que nos otorga nuestra genética y también del entorno en el que nos desarrollamos, evolucionamos. Por tanto, la inteligencia no es pues fruto de una circunstancia única, que seamos más o menos inteligentes dependerá de múltiples variables.
A la hora de resolver un problema o desarrollar una tarea específica, sea el que sea, tendemos a pensar que las personas inteligentes siempre lo van a hacer más rápido que los demás pero ¿hasta qué punto es cierta esta afirmación?
Los resultados de un nuevo estudio realizado por investigadores del Proyecto del Cerebro Humano de la Universidad Charité de Berlín (Alemania), junto con su colaborador de la Universidad Pompeu Fabra de Barcelona, publicado en 'Nature Communications', ponen en entredicho este supuesto tan arraigado.
Adoptando un enfoque de inspiración biológica, construyeron 650 modelos personalizados de redes cerebrales (BNM) basados en datos del Proyecto Conectoma Humano y simularon la dinámica cerebral implicada en la resolución de problemas.
Las observaciones de las simulaciones cerebrales se compararon con los datos empíricos de los 650 participantes que realizaron el llamado 'Penn Matrix Reasoning Test (PMAT)', consistente en una serie de tareas de emparejamiento de patrones de dificultad creciente. Los resultados de estas se cuantificaron en la inteligencia fluida (IF) de los participantes, que a grandes rasgos podría describirse como la capacidad de tomar decisiones difíciles en situaciones nuevas.
"Descubrimos que las personas con una puntuación más alta en inteligencia fluida (IF) tardaban más tiempo en resolver las tareas más difíciles que las personas con una IF más baja. Solo eran más rápidas cuando respondían a preguntas sencillas", explica Petra Ritter, de la Universidad Charité y autora principal del estudio.
Primero observaron esto en las simulaciones, y solo después vieron que los datos empíricos de los participantes que realizaban los tests de inteligencia se correspondían con esta tendencia. El laboratorio de Ritter y muchos otros grupos de investigación del HBP utilizan la simulación cerebral para complementar los datos observacionales, con el fin de desarrollar un marco teórico sobre el funcionamiento del cerebro.
En este caso, la simulación cerebral se ha empleado para determinar el vínculo entre la conectividad funcional y estructural del cerebro y el rendimiento cognitivo. Un cerebro más sincronizado resuelve mejor los problemas, pero no necesariamente más rápido.
A medida que se reduce la sincronización, los circuitos de toma de decisiones del cerebro llegan más rápido a las conclusiones, mientras que una mayor sincronización entre regiones cerebrales permite una mejor integración de las pruebas y una memoria de trabajo más robusta.
"Intuitivamente, esto no es tan sorprendente: si tienes más tiempo y consideras más pruebas, inviertes más en la resolución de problemas y llegas a mejores soluciones. Aquí no solo lo demostramos empíricamente, sino que demostramos cómo las diferencias de rendimiento observadas son consecuencia de los principios dinámicos de los modelos personalizados de redes cerebrales. Presentamos así nuevas pruebas que desafían una noción común sobre la inteligencia humana", ha apuntado.
Los modelos de circuitos locales de memoria de trabajo (WM) y toma de decisiones (DM), ambos importantes para la inteligencia, se introdujeron en The Virtual Brain (TVB), del que este último proporcionaba una simulación a nivel de todo el cerebro.
Las simulaciones se llevaron a cabo utilizando un enfoque de modelización cerebral multiescala, y los datos de las imágenes cerebrales se procesaron con pipelines automatizados en contenedores.
El objetivo último del estudio no es averiguar a qué velocidad se debe pensar, sino comprender cómo las redes biológicas determinan la toma de decisiones para el desarrollo de herramientas bioinspiradas y aplicaciones robóticas.
Modelizar la dinámica cerebral de la toma de decisiones inteligentes es, por tanto, un enfoque prometedor para construir aplicaciones inteligentes. "Creemos que los modelos biológicamente más realistas pueden superar a la Inteligencia Artificial clásica en el futuro", afirma Ritter.