E45 Toma de decisiones bajo incertidumbre

Tópico

La toma de decisiones bajo incertidumbre consiste en seleccionar una acción cuando sus resultados no pueden predecirse completamente. La teoría de la utilidad esperada proporciona el marco normativo para este proceso: la acción óptima es aquella que maximiza la suma de las utilidades de los distintos resultados posibles, ponderadas por sus respectivas probabilidades. Los organismos reales, sin embargo, se apartan sistemáticamente de este óptimo teórico, y esas desviaciones permiten comprender los mecanismos internos que gobiernan sus decisiones.

El modelo de difusión de deriva describe de forma mecanística cómo se alcanza una decisión y desarrolla el principio de acumulación de evidencia. La información sensorial se acumula progresivamente con una velocidad de deriva que depende de la relación entre señal útil y ruido, hasta alcanzar un determinado umbral de decisión. Este umbral establece un compromiso entre rapidez y exactitud: cuanto más alto es, mayor cantidad de evidencia debe acumularse y, por tanto, más lenta pero también más precisa resulta la decisión. Según el texto, neuronas del lóbulo parietal y de un área visual especializada presentan una actividad creciente compatible con este proceso de acumulación.

El descuento temporal hiperbólico describe cómo disminuye el valor atribuido a una recompensa a medida que esta se aleja en el futuro. A diferencia del descuento exponencial, genera preferencias temporalmente inconsistentes. Dos recompensas futuras pueden tener inicialmente un determinado orden de preferencia, pero este puede invertirse cuando transcurre el tiempo y una de ellas se vuelve más inmediata. Este comportamiento se observa tanto en seres humanos como en ratas, palomas y primates no humanos. Así, la proximidad temporal de una recompensa puede modificar considerablemente su atractivo relativo frente a otra recompensa más lejana.

La señal de error de predicción de recompensa constituye, por su parte, un mecanismo central del aprendizaje por refuerzo temporal. Las neuronas dopaminérgicas del mesencéfalo responden a la diferencia entre la recompensa esperada y la realmente recibida. Una recompensa inesperada genera una respuesta positiva; cuando una recompensa esperada no aparece, la actividad disminuye; y cuando el resultado coincide exactamente con lo predicho, prácticamente no existe una señal de error. Cuanto mayor es la sorpresa producida por la recompensa respecto de la expectativa previa, mayor resulta esta señal. De este modo, el organismo puede actualizar progresivamente sus predicciones y modificar sus decisiones futuras según la experiencia.

La actitud frente al riesgo introduce otra desviación respecto del modelo normativo simple. Debido a que la utilidad marginal de una recompensa disminuye a medida que aumenta su magnitud, un organismo puede preferir una recompensa segura frente a una alternativa incierta que posea exactamente el mismo valor esperado. Esta aversión al riesgo implica que una ganancia adicional produce cada vez menos utilidad subjetiva, haciendo que la seguridad tenga un valor propio.

Sin embargo, esta actitud cambia cuando la decisión se plantea en términos de pérdidas. Según la teoría prospectiva descrita en el texto, el organismo tiende a ser averso al riesgo cuando enfrenta ganancias, pero puede transformarse en buscador de riesgo cuando intenta evitar una pérdida. La valoración de ganancias y pérdidas es, por tanto, asimétrica: perder un recurso puede tener consecuencias subjetivas distintas de obtener una ganancia equivalente. El texto atribuye además un posible valor evolutivo a esta aversión a las pérdidas en ambientes donde los recursos varían y conservar lo disponible puede resultar especialmente importante.

En conjunto, estos mecanismos muestran que decidir bajo incertidumbre implica mucho más que comparar probabilidades. La utilidad esperada proporciona el marco normativo para seleccionar entre resultados inciertos; el modelo de difusión de deriva explica cómo la evidencia se acumula hasta alcanzar una decisión; el descuento hiperbólico incorpora la distancia temporal de las recompensas; y el error de predicción permite aprender de la diferencia entre lo esperado y lo realmente ocurrido.

La decisión final surge así de la interacción entre probabilidad, utilidad, evidencia disponible, tiempo, aprendizaje y riesgo. Los organismos pueden desviarse sistemáticamente del óptimo normativo mediante preferencias por recompensas inmediatas, aversión al riesgo frente a ganancias o búsqueda de riesgo frente a pérdidas. Estas desviaciones no son simplemente errores aleatorios, sino patrones regulares que revelan cómo el organismo adapta sus decisiones a la incertidumbre, a su experiencia previa y a las consecuencias posibles de cada acción.

ID:2377