← Últimos artículos
🧠 neurociencia

Late maturation of semantic control promotes conceptual development

Este artículo propone y demuestra, mediante modelado computacional y metanálisis, que la maduración tardía de los procesos de control semántico impulsados por la corteza prefrontal, en lugar de obstaculizar el desarrollo, en realidad facilita y acelera el aprendizaje conceptual en niños pequeños.

Autores originales: Jackson, R. L., Lambon Ralph, M. A., Rogers, T. T.

Publicado 2026-09-28
📖 6 min de lectura🧠 Análisis profundo

Autores originales: Jackson, R. L., Lambon Ralph, M. A., Rogers, T. T.

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ Esta es una explicación generada por IA de un preprint que no ha sido revisado por pares. No es consejo médico. No tome decisiones de salud basándose en este contenido. Leer descargo de responsabilidad completo

El pensamiento humano es notablemente flexible. A diferencia de otros animales, las personas pueden dirigir su enfoque mental de un momento a otro, ignorando impulsos fuertes para seguir un nuevo objetivo en su lugar. Esta capacidad de controlar lo que pensamos y hacemos depende en gran medida de la corteza prefrontal, una región en la parte frontal del cerebro. En los humanos, esta área se desarrolla mucho más lentamente que el resto del cerebro, continuando su maduración bien hasta bien entrados los veinte años de una persona. Durante mucho tiempo, los científicos consideraron este desarrollo lento como un retraso necesario pero desafortunado, un periodo en el que los niños carecen del pleno poder ejecutivo para gestionar su comportamiento. Sin embargo, una nueva perspectiva sugiere que este retraso podría ser, en realidad, una característica, no un error. Propone que un periodo de la vida sin un control mental estricto podría ser esencial para aprender cómo entender el mundo en primer lugar.

Esta idea se centra en un tipo específico de habilidad mental llamada control semántico. Esta es la capacidad de usar nuestro conocimiento del mundo de una manera que se ajuste a la situación actual. Por ejemplo, si estás moviendo un piano, podrías pensar en su peso y en cómo levantarlo. Si estás asistiendo a un concierto, piensras en su sonido y en cómo tocarlo. Ambos pensamientos son ciertos sobre el piano, pero el cerebro debe seleccionar el adecuado para el momento y suprimir el otro. Este proceso de selección es el control semántico. Es distinto de la fuerza de voluntad general o de la capacidad de detener un impulso; se trata específicamente de elegir el significado correcto entre los muchos significados que conocemos. La pregunta que los investigadores se plantearon fue si la maduración lenta de este sistema de control ayuda realmente a los niños a construir una mejor base de conocimiento sobre el mundo.

Para explorar esto, los investigadores construyeron un modelo informático que imita cómo el cerebro humano aprende conceptos. Diseñaron un sistema con diferentes capas, de forma similar a como el cerebro tiene áreas para la entrada sensorial y áreas para el pensamiento de nivel superior. Enseñaron a este modelo a reconocer objetos y sus características, como que un perro tiene pelaje, ladra o es una mascota. En un sistema plenamente maduro, el modelo se vería obligado a elegir solo las características relevantes para una tarea específica, como nombrar al perro o describir su acción. Pero los investigadores querían ver qué pasaba si esperaban para introducir este control estricto. Dejaron que el modelo aprendiera durante un tiempo sin reglas, permitiéndole absorber todas las características de un objeto a la vez, independientemente de la tarea. Luego, introdujeron gradualmente las reglas que le obligaban a seleccionar solo la información relevante.

Las simulaciones mostraron que esperar para introducir el control ayudaba en realidad al sistema a aprender más rápido. Cuando se permitió al modelo experimentar todas las características de un objeto juntas antes de ser forzado a filtrarlas, construyó una imagen más fuerte y completa de lo que era ese objeto. Este entendimiento profundo permitió que aprendiera las reglas de selección mucho más rápido después. Si los investigadores hubieran obligado al modelo a filtrar la información desde el principio, tardaría mucho más en dominar la tarea. El retraso le dio al sistema la oportunidad de establecer una base sólida de conocimiento antes de tener que preocuparse por ser preciso. Sin embargo, este beneficio tenía un límite. Si el retraso era demasiado largo, el sistema tenía dificultades para adaptarse a las nuevas reglas, y su comprensión de los conceptos se volvía ligeramente menos precisa. El punto ideal fue un retraso moderado, aproximadamente un tercio a la mitad del tiempo total de aprendizaje, lo que aceleró el proceso sin perjudicar la calidad del conocimiento.

Los investigadores también probaron si las conexiones físicas entre la parte de control del modelo y la parte de conocimiento importaban. Descubrieron que, para que el sistema aprenda bien, las señales de control no deben conectarse directamente a la parte más profunda y central de la red de conocimiento. En su lugar, deben conectarse a una capa intermedia. Esta disposición protege la comprensión central de los conceptos de ser perturbada por las reglas del momento, permitiendo al mismo tiempo que las reglas guíen el comportamiento. Este hallazgo concuerda con lo que sabemos del cerebro humano, donde las áreas responsables del control no tienen una conexión directa con las regiones profundas que almacenan nuestros conceptos fundamentales.

Para ver si este patrón se mantiene en los niños reales, el equipo revisó décadas de investigación sobre cómo los niños aprenden a emparejar objetos. En estas pruebas clásicas, se le muestra a un niño una imagen, como un caballo, y se le pide que elija cuál de otras dos imágenes va con él. Una opción podría ser un ciervo (un tipo de animal similar) y la otra una silla de montar (algo que va con un caballo). Los niños pequeños suelen elegir el ciervo porque ven la similitud en la forma y el tipo. Los niños mayores aprenden a elegir la silla de montar si las instrucciones dicen "qué va con", mostrando que pueden cambiar su pensamiento basándose en la tarea. Los investigadores analizaron datos de cientos de niños para ver cuándo adquirían el conocimiento de estas relaciones frente a cuándo adquirían la capacidad de cambiar entre ellas.

El análisis reveló una secuencia clara. Niños de apenas dos años ya conocían los hechos. Podían emparejar correctamente un caballo con un ciervo cuando la otra opción era algo no relacionado, como un zapato. También sabían que un caballo va con una silla de montar cuando la otra opción era algo no relacionado. Poseían el conocimiento. Sin embargo, cuando ambas opciones estaban presentes —un ciervo y una silla de montar— y las instrucciones cambiaban, los niños de dos años no podían elegir consistentemente la opción correcta. No poseían todavía el sistema de control para anular su impulso inicial y seguir la regla específica. No fue hasta alrededor de los tres años cuando los niños empezaron a mostrar una pequeña capacidad para cambiar basándose en las instrucciones, y hacia los seis años, podían hacerlo de forma fiable, de forma muy similar a los adultos.

Este cronograma respalda la idea de que el cerebro desarrolla la materia prima del conocimiento primero, y la capacidad de controlar y dirigir ese conocimiento después. El retraso en el desarrollo del control semántico no es un fallo del cerebro para crecer; es un periodo que permite a los niños reunir una colección rica y sin filtrar de hechos sobre el mundo. Una vez que se construye esa base, el sistema de control, que madura lentamente, puede intervenir para enseñar al niño cómo usar ese conocimiento de manera flexible y apropiada. La investigación sugiere que la larga infancia del cerebro humano no es solo un tiempo de espera para que llegue el cerebro adulto, sino una fase crucial donde la mente es libre de aprender todo lo que necesita antes de aprender a ser precisa.

¿Ahogado en artículos de tu campo?

Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.

Probar Digest →