Una nueva investigación revela que un sesgo cognitivo bien conocido en cómo categorizamos información ambigua persiste incluso cuando no hay señales de error de las que aprender. El estudio, dirigido por Lenard Dome y Andy J. Wills, propone un nuevo modelo computacional, OSCAR, que ofrece una explicación unificada para este fenómeno.
La investigación
Dome y Wills, de la Universidad de Plymouth, realizaron dos experimentos para investigar el efecto de la tasa base inversa: un sesgo donde las personas asocian en exceso un resultado raro con una característica rara. Este efecto se explica típicamente por el error de predicción, un mecanismo de aprendizaje donde las discrepancias entre los resultados esperados y reales impulsan ajustes. En su primer experimento, usaron un procedimiento de aprendizaje observacional donde los participantes observaban co-ocurrencias de etiquetas de categoría sin hacer predicciones ni recibir retroalimentación. En el segundo, eliminaron las etiquetas de categoría por completo, usando un procedimiento no supervisado. Sorprendentemente, el sesgo persistió en ambas condiciones, sugiriendo que no requiere aprendizaje supervisado ni señales de error.
Los investigadores luego desarrollaron OSCAR, que integra principios de modelos establecidos y opera con retroalimentación autogenerada similar a la finalización de patrones. OSCAR reprodujo con éxito las diferencias individuales observadas en humanos en los tres procedimientos (supervisado, observacional y no supervisado) y tuvo un rendimiento competitivo frente a modelos alternativos en un gran conjunto de datos preexistente. Además, OSCAR proporcionó una explicación para datos de seguimiento ocular previamente inexplicados, una hazaña que ningún otro modelo logró.
Por qué importa
Esta investigación desafía la teoría predominante de que el error de predicción es necesario para los sesgos en el aprendizaje de categorías. Comprender que tales sesgos pueden surgir sin retroalimentación externa tiene implicaciones profundas para cómo aprendemos y tomamos decisiones en situaciones del mundo real donde la retroalimentación a menudo está ausente, como cuando aprendemos por observación o simplemente al exponernos a la información. Sugiere que nuestros cerebros están conectados para formar asociaciones de categorías espontáneamente, lo que podría explicar por qué los estereotipos y los juicios sesgados se forman incluso sin refuerzo directo. Este conocimiento te permite reconocer que tus impresiones iniciales pueden estar influenciadas por procesos sutiles y automáticos, animándote a cuestionar tus juicios rápidos.
Lo que puedes hacer
Para contrarrestar posibles sesgos en tu propio pensamiento, busca activamente evidencia que refute tus creencias y practica el razonamiento lento y deliberado al emitir juicios sobre personas o situaciones. Considera ejercitar tu cerebro con desafíos que pongan a prueba tus habilidades de categorización, ya que esto puede ayudarte a ser más consciente de tus patrones de pensamiento automáticos.
Fuente: arXiv q-bio.NC
¿Sientes curiosidad por tu propio cerebro? Realiza nuestro test de CI gratuito y adaptable o prueba 306 niveles de entrenamiento cerebral.
