Por: 
La capacidad de los seres humanos para aprender socialmente es excepcional. Sin embargo, la mayoría de los estudios se han centrado en tareas excesivamente simplificadas. En una nueva investigación que utiliza Minecraft, los investigadores descubrieron que los participantes más exitosos equilibraban dinámicamente la exploración individual y el aprendizaje social. La adaptabilidad, en lugar de depender únicamente de una estrategia, predijo un mejor rendimiento en diversos entornos.
Al utilizar el seguimiento del campo visual y el modelado computacional, los científicos pudieron predecir con precisión las decisiones de los jugadores. Los hallazgos cierran una brecha clave en la comprensión de cómo los humanos integran el aprendizaje social y asocial en entornos realistas. Esta investigación también abre nuevas vías para diseñar mejores sistemas educativos y de información social.
Aprendizaje social en el mundo real: más allá de las tareas simplistas
La habilidad de aprender socialmente unos de otros es una característica definitoria de la especie humana. El aprendizaje social permite a los humanos acumular gradualmente información a través de las generaciones. Somos capaces de construir ciudades llenas de rascacielos, enviar personas al espacio y desarrollar colectivamente curas para enfermedades.
Sin embargo, la mayoría de los estudios que investigan los mecanismos del aprendizaje social se centran en tareas abstractas y relativamente simples. Estas tareas tienen poco parecido con los entornos de aprendizaje social del mundo real.
Por consiguiente, se conoce poco acerca de cómo los humanos integran dinámicamente la información asocial y social en contextos realistas del mundo real.
Minecraft: un entorno virtual para el aprendizaje adaptable
Para investigar esto, un equipo internacional de científicos del Cluster of Excellence Science of Intelligence (SCIoI), el Instituto Max Planck para el Desarrollo Humano (MPIB), la Universidad de Tübingen y la NYU, desarrolló una tarea virtual de búsqueda de recursos programada en el popular videojuego Minecraft.
En su investigación, publicada en Nature Communications, encontraron que la adaptabilidad (es decir, el uso flexible de estrategias de aprendizaje asocial y social, en lugar de estrategias fijas) es el impulsor más importante del éxito.
¿Explorar solo o colaborar en grupo?
En el experimento, cada participante controla un avatar que destruye bloques de Minecraft para encontrar recursos. Cada vez que se descubre un recurso, aparece un destello azul, visible para otros jugadores. Esto podría proporcionar información social útil sobre la ubicación de más recursos.
Al principio de cada ronda, se informa a los jugadores si trabajarán solos o en un grupo de cuatro personas que pueden interactuar entre sí en tiempo real. Además, se les evalúa en dos tipos de entornos.
- Entornos "fragmentados": Los recursos se agrupan. Los participantes pueden encontrar numerosos bloques que contienen recursos cerca unos de otros.
- Entornos "aleatorios": Los recursos se dispersan.
De este modo, la información social es particularmente valiosa en entornos "fragmentados", ya que puede revelar otras recompensas cercanas. Sin embargo, la información social no tiene valor en entornos "aleatorios", ya que no hay un patrón de ubicaciones de recursos que se pueda aprender.
Cada jugador intenta maximizar sus propias recompensas, en lugar de trabajar hacia un objetivo colectivo. Por lo tanto, necesita encontrar recompensas de manera efectiva utilizando el equilibrio adecuado de estrategias de aprendizaje individual y social.
Nuevas herramientas para analizar la interacción entre el aprendizaje individual y social
Según Ralf Kurvers, autor principal del estudio: "Usar un juego como Minecraft es útil porque simula desafíos de la vida real. Por ejemplo, dado que solo se puede ver una pequeña parte del mundo del juego a la vez, debe elegir si concentrarse en buscar solo o prestar atención a lo que hacen los otros jugadores para aprender de ellos."
Kurvers agrega: "Esto significa que constantemente me enfrento a una elección: ¿sigo mi propio instinto y voy a buscar solo, o utilizo la información social (en este caso, los "destellos" azules) siguiendo a los jugadores que ya han encontrado algo, ya que es probable que hayan encontrado un parche de recursos?"
Mediante un método computacional recientemente desarrollado para automatizar la transcripción de datos del campo visual, los científicos midieron qué objetos, eventos y otros jugadores fueron observados por cada participante, registrados a una velocidad de 20 veces por segundo.
Crearon un modelo que reúne dónde mira la gente, cómo se mueve y las decisiones que toman al buscar comida.
La adaptabilidad como clave para el éxito en entornos dinámicos
Charley Wu, de la Universidad de Tübingen, explica: "En términos más simples, ahora podemos predecir qué bloque elegirá un participante a continuación combinando estrategias de aprendizaje individual y social, todo en un marco computacional."
"Este nuevo enfoque nos permite conectar los algoritmos de aprendizaje que impulsan la IA moderna con mecanismos flexibles de aprendizaje social que aprenden de forma adaptativa de los comportamientos exitosos de los demás." añade Wu.
En conjunto, el estudio tiende un puente sobre una brecha de décadas entre la investigación sobre el aprendizaje individual y social. Los resultados demuestran que los humanos no son solo imitadores pasivos o estudiantes individuales obstinados. Más bien, equilibran dinámicamente estas estrategias; los mecanismos adaptativos del aprendizaje individual y social se amplifican mutuamente y son impulsados por una moneda común de rendimiento individual.
Diseño de sistemas de aprendizaje social mejorados
Además, el grado en que cada individuo fue capaz de adaptar sus estrategias de aprendizaje individual y social fue el mejor predictor de su rendimiento. Esto enfatiza que la adaptabilidad, en lugar de las estrategias fijas, es lo que impulsa la inteligencia humana.
Esta investigación profundiza nuestra comprensión de los mecanismos cognitivos subyacentes al aprendizaje adaptativo y la toma de decisiones en contextos sociales. Esto abre nuevas vías para comprender cómo se difunde la información en los grupos, cómo surgen nuevas innovaciones y ofrece pistas sobre cómo diseñar sistemas que fomenten mejor el aprendizaje adaptativo en entornos sociales.
Fuentes y recursos de información
Wu, C. M., Deffner, D., Kahl, B., Meder, B., Ho, M. H., & Kurvers, R. H. J. M. (2025). Adaptive mechanisms of social and asocial learning in immersive collective foraging. Nature Communications, 16(1). DOI: 10.1038/s41467-025-58365-6
