Cómo el cerebro calcula las probabilidades antes de cada decisión y elige la mejor opción

Una nueva investigación publicada en la revista Nature y destacada por Wired, revela que el cerebro humano no se limita a anticipar un único resultado, sino que evalúa en paralelo múltiples futuros posibles antes de tomar una decisión.

El estudio, que fue liderado por Joseph J. Paton, incluyó la participación de científicos de Google DeepMind. Este hallazgo redefine la comprensión de la toma de decisiones y del papel de la dopamina.

A diferencia del modelo clásico, que asocia la dopamina con el refuerzo de conductas placenteras, esta nueva teoría sostiene que las neuronas dopaminérgicas representan un mapa de escenarios alternativos, permitiendo respuestas más adaptativas ante entornos cambiantes.

Durante décadas, la dopamina fue entendida como una “molécula de la felicidad”, relacionada con el placer y la anticipación de recompensas. Este modelo explicaba, por ejemplo, cómo el bienestar asociado a la actividad física refuerza su repetición y de qué forma el cerebro aprendía de la experiencia y promovía decisiones similares en el futuro.

Sin embargo, la aparición de inteligencias artificiales (IA) basadas en redes neuronales dejó en evidencia las limitaciones de ese esquema, especialmente en contextos complejos. Los modelos tradicionales, centrados en un único resultado óptimo, no eran suficientes para explicar cómo se toman decisiones cuando intervienen múltiples factores.

La nueva teoría desarrollada por el equipo de Google DeepMind y el laboratorio de Paton plantea que el cerebro construye un mapa probabilístico que codifica múltiples resultados simultáneamente. Según Wired, este enfoque considera la probabilidad, la magnitud y el momento en que una recompensa podría ocurrir.

El artículo original publicado en Nature en 2020 introdujo esta idea. Cinco años después, los investigadores ampliaron su propuesta con experimentos en roedores, observando que las neuronas dopaminérgicas del mesencéfalo no solo anticipaban la recompensa, sino que generaban un sistema de coordenadas para estimar sus características con precisión.

En esta etapa más reciente, el equipo de Paton analizó la actividad neuronal en roedores sometidos a pruebas conductuales. Wired explicó que se detectó una codificación multidimensional en la actividad dopaminérgica incluso antes de que las recompensas se hicieran presentes.

“Esta actividad temprana permite al cerebro construir un mapa predictivo. Refleja una estructura y heterogeneidad en las respuestas neuronales que no se habían apreciado antes”, explicó Paton al medio.

“El código neuronal no solo sirve para aprender de recompensas pasadas, sino también para hacer inferencias sobre el futuro y adaptar el comportamiento de forma proactiva”, agregó.

En ese tono, Wired subrayó que estos avances tienen aplicaciones que van más allá de la neurociencia. El concepto de mapas probabilísticos ya es utilizado en sistemas de inteligencia artificial. Gracias a esta inspiración biológica, las máquinas pueden evaluar múltiples escenarios y tomar decisiones más eficaces y flexibles.

A diferencia de los sistemas tradicionales que seleccionaban una única opción, los modelos actuales basados en esta nueva teoría son capaces de adaptarse dinámicamente, como lo hace el cerebro humano. Este paralelismo refuerza la idea de que el estudio del cerebro puede impulsar nuevas estrategias en el diseño de IA.

Para ilustrar este funcionamiento, Wired recurrió a ejemplos concretos. Al decidir si entrenar, el cerebro considera muchas variables: el clima, el cansancio, compromisos pendientes o el malestar físico. Cada escenario tiene una recompensa potencial, y el cerebro selecciona la opción más ventajosa tras evaluar todas.

Paton comparó esto con elegir un restaurante: “Decidir si te quedas a comer en un lugar por su sabor, considerando además que hay fila y los precios de los platillos han aumentado”. Esta diversidad de perspectivas, evaluadas en paralelo por distintas neuronas, es clave para adaptarse a situaciones cambiantes.

Según Wired, el cerebro funciona como un panel de asesores. Algunas neuronas impulsan la acción; otras, la precaución. Este equilibrio entre señales opuestas permite tomar decisiones más ajustadas al contexto, reforzando la flexibilidad cognitiva necesaria para un entorno impredecible.

El sistema dopaminérgico no se limita a registrar experiencias pasadas: también modela activamente lo que podría ocurrir. Esta capacidad de proyectar y ajustar estrategias en función de posibles recompensas otorga al cerebro una ventaja evolutiva significativa.

El mecanismo identificado por el equipo de Paton también ayuda a explicar cómo los animales —y las personas— cambian de estrategia ante el estrés. La capacidad de considerar diversas alternativas permite al organismo adaptarse rápidamente, priorizando opciones con mayores probabilidades de éxito.

Wired concluyó que esta comprensión avanzada del sistema dopaminérgico podría abrir nuevas rutas en la neurociencia y la IA, al mostrar cómo el cerebro humano navega de manera eficiente un mundo complejo e incierto.