Resumen Técnico: Adultos Humanos y LLM como Científicos: ¿Quién se beneficia de la Exploración Activa?

Planteamiento del Problema

Un hallazgo persistente en la literatura sobre aprendizaje causal es que los adultos humanos tienen dificultades para identificar reglas causales conjuntivas (donde un efecto requiere la presencia simultánea de múltiples causas, $A \land B$), tendiendo a menudo hacia reglas disyuntivas (donde cualquier causa única es suficiente, $A \lor B$). Este "impedimento conjuntivo" se ha demostrado tradicionalmente utilizando paradigmas de observación pasiva, donde los aprendices observan una secuencia fija de evidencia sin control sobre cómo se genera dicha evidencia.

La cuestión central que aborda este artículo es si este sesgo persiste cuando se otorga agencia a través de la exploración activa a los adultos. Específicamente, los autores investigan si la incapacidad para inferir reglas conjuntivas proviene de una limitación fija en la competencia causal o de las restricciones de la presentación pasiva de evidencia, que impide a los aprendices generar y evaluar la evidencia específica necesaria para actualizar sus priors. Además, el estudio sitúa el rendimiento humano dentro de un contexto computacional más amplio al comparar a los aprendices adultos con Modelos de Lenguaje de Gran Escala (LLM) que actúan como agentes de razonamiento de propósito general en el mismo entorno de descubrimiento causal activo.

Metodología

Tarea Experimental: El "Detector de Nexiom"

Los autores desarrollaron una plataforma personalizada basada en la web, Nexiom Text Adventure, funcionalmente equivalente al clásico paradigma del "detector de blicket", pero utilizando el término novedoso "nexiom" para minimizar el conocimiento previo de la literatura establecida.

• Configuración: Los participantes interactúan con una máquina que se activa ante la presencia de objetos específicos ("nexioms") y una regla causal subyacente.
• Condiciones:
  1. Exploración Activa: Los participantes seleccionan libremente objetos, prueban combinaciones arbitrarias y deciden cuándo dejar de explorar para inferir tanto los objetos causales como la regla (Conjuntiva vs. Disyuntiva).
  2. Observación Pasiva (Control Yoked): Los participantes observan las acciones y los resultados de las pruebas de un participante Activo emparejado sin realizar intervenciones por sí mismos.
  3. Proponente Pasivo: Una condición suplementaria donde los participantes generan hipótesis y proponen intervenciones, pero reciben resultados generados por un participante Activo emparejado, en lugar de sus propias intervenciones. Esto aísla si los beneficios surgen de la planificación de intervenciones o de recibir retroalimentación contingente.

Participantes y Agentes

• Humanos: 306 participantes adultos (edades 22–35) reclutados vía Prolific. Fueron asignados a las condiciones de Exploración Activa, Observación Pasiva o Proponente Pasivo.
• LLM: Se probaron seis modelos (gpt-5, gpt-5-mini, gemini-2.5-flash, deepseek-reasoner, o4-mini, deepseek-chat). Los modelos recibieron el mismo espacio de acción que los humanos: añadir/quitar objetos secuencialmente, probar combinaciones y observar resultados.
• Diseño: Los experimentos utilizaron estructuras de reglas tanto Conjuntivas como Disyuntivas. Los datos humanos incluyeron 51 participantes por tipo de regla por condición; los LLM pasaron por 24 ensayos por tipo de regla (48 ensayos en total por modelo).

Métricas de Evaluación

• Precisión (Accuracy): Medidas binarias para Identificación de Objetos (coincidencia exacta de los objetos causales), Inferencia de Regla (Conjuntiva vs. Disyuntiva) y Precisión de la Hipótesis Completa (ambas correctas).
• Proceso de Exploración:
  • Ganancia de Información Acumulada: Cuantificación de la reducción de la incertidumbre (en bits) a través de las pruebas.
  • Poda de Hipótesis (Hypothesis Pruning): Seguimiento del número de hipótesis consistentes restantes después de cada prueba.
  • Eficiencia: Número de pruebas, acciones y tiempo por prueba.

Contribuciones Clave y Resultados

1. La Exploración Activa Supera el Impedimento Conjuntivo

Contrario a los estudios pasivos previos, la exploración activa mejoró sustancialmente el rendimiento de los adultos en reglas causales conjuntivas.

• Precisión: Los adultos activos lograron una alta precisión en la inferencia de reglas conjuntivas, superando significativamente a los observadores pasivos.
• Eficiencia: Aunque las reglas conjuntivas requirieron más pruebas para ser inferidas que las disyuntivas (Media de pruebas: 9.6 vs. 6.4 para el promedio de humanos), los adultos activos generaron conjuntos de pruebas relativamente pequeños pero altamente informativos.
• Implicación: El "impedimento conjuntivo" del adulto refleja restricciones en la presentación de evidencia pasiva, no una limitación fija en la competencia causal. Los adultos activos demostraron una flexibilidad similar a la observada en niños pequeños.

2. La Necesidad de Retroalimentación Contingente

El experimento del Proponente Pasivo reveló que la planificación de la intervención por sí sola es insuficiente.

• Los participantes que propusieron intervenciones pero observaron resultados de las pruebas de otra persona tuvieron un rendimiento tan pobre como los observadores pasivos (por ejemplo, 0.12 de precisión en identificación de objetos en entornos conjuntivos frente a 0.69 para los Exploradores Activos).
• Conclusión: Los beneficios de la exploración activa dependen críticamente del acoplamiento estrecho entre las intervenciones autogeneradas y sus resultados contingentes.

3. Rendimiento de LLM vs. Rendimiento Humano

• Reglas Disyuntivas: Varios modelos de última generación (ej. gpt-5, deepseek-reasoner) se acercaron o igualaron la precisión de los mejores humanos. Los entornos disyuntivos parecen resolverse fácilmente una vez que los agentes pueden generar intervenciones informativas de forma activa.
• Reglas Conjuntivas: Surgieron brechas de rendimiento significativas. Mientras que los mejores exploradores humanos lograron una precisión perfecta, muchos LLM (incluyendo modelos más pequeños o menos estructurados) mostraron descensos pronunciados. Incluso los modelos orientados al razonamiento fuerte generalmente se quedaron rezagados respecto al rendimiento de los mejores humanos en entornos conjuntivos.
• Estrategias de Exploración:
  • Humanos: Los mejores humanos convergieron rápidamente en intervenciones dirigidas de múltiples objetos para podar el espacio de hipótesis.
  • LLM: Aunque algunos modelos ajustaron la complejidad de la intervención, a menudo exhibieron estrategias de exploración menos eficientes y brechas de rendimiento entre lo conjuntivo y lo disyuntivo similares a las de los humanos, aunque mitigadas de forma menos efectiva.
  • Patrones de Error: Los LLM cometieron con frecuencia errores de "casi acierto" (clasificación errónea de un solo objeto causal), mientras que los errores humanos fueron más heterogéneos.

4. Eficiencia de Búsqueda y Ganancia de Información

• Entornos Disyuntivos: Tanto humanos como modelos acumularon información rápidamente, con una utilidad marginal que se acercaba a cero tras unas pocas pruebas.
• Entornos Conjuntivos: Requirieron trayectorias de exploración más largas. Las intervenciones informativas continuaron emergiendo más tarde en la secuencia. El descubrimiento exitoso se asoció con la poda progresiva de hipótesis y estrategias de búsqueda secuencial adaptativa.

Significado y Reivindicaciones

El artículo sostiene que el aprendizaje causal en adultos es más adaptativo y flexible de lo que los paradigmas pasivos previos sugerían. El aparente fallo en el razonamiento conjuntivo no se debe a una incapacidad para representar estructuras causales complejas, sino que surge de la interacción entre heurísticas por defecto fuertes (que favorecen las reglas disyuntivas) y entornos de aprendizaje restringidos.

Al permitir que los adultos actúen como "científicos" —explorando y generando su propia evidencia—, el estudio revela formas de competencia causal que la observación pasiva oculta. Los hallazgos se alinean con las explicaciones intervencionistas del aprendizaje causal, sugiriendo que el conocimiento causal trata fundamentalmente de comprender cómo las acciones cambjan el mundo.

Además, la comparación con los LLM sugiere que la intervención activa por sí sola es insuficiente para el descubrimiento causal de tipo humano. El éxito depende de la calidad, eficiencia e informatividad de las pruebas, particularmente en entornos conjuntivos. Aunque algunos LLM pueden igualar a los humanos en la precisión de la inferencia de hipótesis, a menudo carecen de las capacidades estratégicas de testeo y selección de evidencia que caracterizan a los mejores exploradores humanos.

El estudio concluye que las diferencias de desarrollo entre niños y adultos pueden reflejar diferencias en la fuerza de las heurísticas por defecto y la disposición a revisar las creencias, más que diferencias fundamentales en los mecanismos de razonamiento causal. Cuando se les proporciona un entorno que soporta la exploración basada en hipótesis, el aprendizaje de los adultos se asemeja a la flexibilidad de los niños más jóvenes.