Entrenchment in Human Exploration: A Future-Path Model of Early Convergence

Los seres humanos nos enfrentamos constantemente a una elección fundamental: ¿deberíamos quedarnos con lo que sabemos que funciona o deberíamos intentar algo nuevo para ver si es mejor? Este dilema, conocido por los científicos como el compromiso entre exploración y explotación (exploration-exploitation tradeoff), es el motor del aprendizaje. Cuando exploramos, recopilamos información sobre el mundo; cuando explotamos, utilizamos esa información para obtener la mejor recompensa. Idealmente, equilibramos estos dos impulsos, muestreando lo suficiente para encontrar la mejor opción y luego estableciéndonos para disfrutarla. Sin embargo, en muchas situaciones, las personas parecen dejar de buscar demasiado pronto. Se aferran a una elección que no es realmente la mejor y siguen tomándola, incluso cuando hay mejores opciones disponibles. Esta persistencia obstinada, que los investigadores llaman "atrincheramiento" (entrenchment), sugiere que nuestros cerebros podrían estar simulando el futuro de una manera que nos atrapa en hábitos subóptimos.

Un nuevo estudio de Shinji Nakazato, de la Universidad de la Ciencia de Tokio, ofrece una explicación fresca de por qué sucede esto. La investigación propone que, cuando evaluamos nuestras elecciones actuales, no solo miramos la recompensa inmediata. En su lugar, realizamos una simulación mental de nuestras propias decisiones futuras, imaginando qué haremos después. Crucialmente, el estudio sugiere que realizamos esta simulación manteniendo nuestras creencias actuales fijas, como si nunca fuéramos a aprender o actualizar nuestras opiniones en el futuro. Este atajo mental crea un tipo específico de incertidumbre sobre nuestro camino futuro. El modelo muestra que cuando el horizonte temporal es largo —es decir, cuando quedan muchas decisiones por tomar—, la incertidumbre simulada crece lo suficiente como para hacernos abandonar la mejor opción conocida y derivar hacia opciones peores. Los hallazgos desafían la idea de que los humanos siempre intentamos maximizar nuestras recompensas, sugiriendo en cambio que nuestras propias simulaciones internas del futuro pueden extraviarnos.

Para probar esta idea, el investigador analizó datos de dos tipos diferentes de experimentos donde las personas jugaban juegos que implicaban elecciones repetidas. En un conjunto de experimentos, conocido como la tarea de Wilson, los participantes se enfrentaban a un juego sencillo de dos opciones. Los investigadores controlaron cuidadosamente el juego para que el conocimiento de los participantes sobre las opciones fuera idéntico al inicio de una decisión, pero el número de turnos futuros que tenían que jugar variaba. En algunos casos, los participantes sabían que les quedaba solo un turno; en otros, sabían que les quedaban seis turnos. Si las personas simplemente estuvieran tratando de encontrar la mejor opción, su comportamiento debería haber sido el mismo en ambos casos porque su conocimiento era el mismo. Sin embargo, los datos mostraron una clara diferencia: cuando los participantes sabían que les quedaban más turnos, eran significativamente más propensos a elegir la opción que no era la mejor. Este resultado fue tan fuerte que no pudo explicarse mediante las teorías estándar de cómo aprenden las personas ni por la idea de que simplemente estaban siendo más cuidadosos o curiosos. El único modelo capaz de reproducir este patrón específico fue aquel basado en la simulación del "camino futuro", donde el decisor imagina sus elecciones futuras sin anticipar que aprenderá nada nuevo.

El estudio fue más allá para distinguir este comportamiento de otras formas de exploración. A veces, las personas eligen una opción peor a propósito para reunir más información sobre la mejor opción posible; esto se llama exploración dirigida. Para ver si las elecciones obstinadas del estudio eran una forma de exploración inteligente o simplemente quedarse estancado, el investigador observó un segundo juego, más complejo, jugado en una cuadrícula con muchos puntos posibles. En este juego, los investigadores conocían el punto verdaderamente mejor. El análisis reveló que cuando las personas tomaban decisiones no óptimas en las situaciones de horizonte largo, se desplazaban abrumadoramente hacia puntos que eran genuinamente peores, no hacia el mejor punto. No estaban explorando para encontrar el óptimo; estaban derivando lejos de él. Esto confirmó que el comportamiento era, de hecho, "atrincheramiento", un bucle de retroalimentación donde una persona se queda estancada en una elección subóptima porque su simulación mental del futuro hace que esa elección parezca más atractiva de lo que realmente es.

La investigación también examinó cómo afecta este comportamiento al tamaño del conjunto de opciones. En el juego de la cuadrícula, los participantes tenían que elegir entre 30 o 121 puntos diferentes. El modelo predijo que tener más opciones aumentaría la incertidencia en la simulación mental del futuro, haciendo aún más probable que las personas se quedaran estancadas en una mala elección. Los datos respaldaron esto: a medida que el número de opciones disponibles aumentaba, también aumentaba la tasa de persistencia en una elección no óptima. Además, el estudio encontró que cuando la diferencia de valor entre la mejor opción y la segunda mejor era muy clara, las personas eran menos propensas a quedarse estancadas. Pero cuando la brecha era pequeña, o cuando el futuro se sentía lejano, la tendencia a persistir con una elección mediocre se fortalecía.

Estos hallazgos pintan un cuadro de la toma de decisiones humana que tiene menos que ver con el cálculo frío y más con las limitaciones de nuestra imaginación. El estudio sugiere que nuestros cerebros no siempre están mirando hacia adelante para optimizar nuestro futuro; a veces, están mirando hacia adelante y viendo una niebla de posibilidades que hace que el camino actual, el familiar, parezca más seguro, incluso cuando no conduce a ninguna parte. Al simular nuestros futuros "yo" como si nunca fuéramos a cambiar de opinión, creamos inadvertidamente una barrera para el aprendizaje. La investigación no afirma que esto sea un fallo de la inteligencia humana, sino más bien una característica estructural de cómo procesamos el tiempo y la incertidumbre. Muestra que el mismo mecanismo que usamos para planificar nuestras vidas —imaginar qué haremos después— puede ser, a veces, lo que nos impide encontrar el mejor camino a seguir. Los resultados fueron robustos a través de miles de ensayos y se mantuvieron firmes incluso cuando los investigadores descartaron otras explicaciones, como errores simples o una preferencia general por la variedad.

En última instancia, el artículo proporciona un marco matemático que captura este tipo específico de estancamiento. Muestra que la probabilidad de tomar una decisión no óptima aumenta a medida que el tiempo restante crece y a medida que el número de opciones se expande. Esto es lo opuesto a lo que predicen las teorías tradicionales del aprendizaje racional, que sugieren que tener más tiempo debería ayudar a las personas a encontrar la mejor solución. El estudio confirma que, para los aprendices humanos, tener más tiempo puede en realidad hacernos más propensos a conformarnos con menos. La investigación deja abierta la pregunta de cómo exactamente el cerebro calcula esta incertidumbre futura, pero establece firmemente que la forma en que imaginamos nuestras elecciones futuras es un motor poderoso de nuestro comportamiento presente, capaz de encadenarnos a patrones que no son de nuestro mejor interés.