Refuerzo y predicción de recompensas

Tu cerebro es una máquina de hacer predicciones: intenta adivinar constantemente qué acciones te darán una recompensa. Cuando un resultado es mejor de lo esperado, se libera dopamina, una sustancia química del cerebro que refuerza la conducta que llevó a ese resultado y aumenta la probabilidad de que la repitas. Ese impulso de revisar el teléfono surge porque tu cerebro anticipa una posible recompensa —un mensaje o un «me gusta»—, y esa anticipación por sí misma refuerza la conducta y crea un potente ciclo de hábito.

Fíjate en esto: esas pequeñas sensaciones de anticipación justo antes de hacer algo que disfrutas, como abrir un paquete o empezar un nuevo episodio de una serie.

En el centro del refuerzo hay un proceso llamado error de predicción de la recompensa. Tu cerebro no solo reacciona a las recompensas; reacciona a la diferencia entre la recompensa que esperabas y la que recibiste. Si recibes una recompensa mayor de la que habías previsto —una sorpresa positiva—, tus niveles de dopamina suben de golpe y envían una potente señal de «¡hazlo otra vez!». Si la recompensa es menor de lo esperado o no llega, los niveles de dopamina bajan y señalan: «evita eso en el futuro».

Este mecanismo explica por qué la incertidumbre puede resultar tan atractiva. Las recompensas predecibles se vuelven menos emocionantes con el tiempo porque no hay error de predicción: recibes exactamente lo que esperabas. Sin embargo, cuando las recompensas siguen un patrón impredecible, el cerebro sigue intentando adivinar qué ocurrirá, y cualquier recompensa que llega se siente como una sorpresa positiva importante.

Piensa en el mundo de los videojuegos. Quienes los desarrollan usan «cajas de botín» o entregas aleatorias de objetos, que pueden resultar muy atractivas porque a menudo no sabes qué recibirás. Conseguir de vez en cuando un objeto poco común genera un enorme error de predicción positivo que refuerza las horas de juego.

Esto también ocurre fuera de los videojuegos y los teléfonos. En el trabajo, una bonificación sorpresa por un trabajo excelente puede motivarte mucho más que un aumento anual habitual y esperado. Ese reconocimiento inesperado genera una potente señal positiva que refuerza el esfuerzo que has dedicado y mejora el ánimo.

La comprensión actual del aprendizaje por refuerzo en el cerebro se basa en gran medida en el descubrimiento del error de predicción de la recompensa. Investigaciones fundamentales mostraron que las neuronas dopaminérgicas no se limitan a señalar placer o recompensa. Funcionan como una señal de aprendizaje que actualiza nuestras expectativas sobre el mundo y guía nuestra conducta futura. Esta señal es crucial para aprender de la experiencia y tomar decisiones que nos permitan adaptarnos.

• Schultz, Dayan y Montague (1997) registraron la actividad de neuronas dopaminérgicas en monos y observaron que se activaban ante recompensas inesperadas. A medida que los monos aprendían a asociar una señal, como una luz, con una recompensa, las neuronas empezaban a activarse ante la propia señal, en lugar de hacerlo ante la recompensa. Si no se entregaba la recompensa prevista, la actividad dopaminérgica disminuía justo en el momento en que debería haber llegado. Esto mostró que la dopamina codifica el error entre la predicción de la recompensa y el resultado real. [1]

• Glimcher (2011) y sus colegas conectaron este mecanismo neuronal con la teoría económica. Mostraron que la frecuencia de activación de estas neuronas se correlaciona con el valor subjetivo y la probabilidad de una recompensa, lo que constituye una base biológica de cómo calculamos el valor para tomar decisiones. [2]

• Holroyd y Coles (2002) propusieron que esta señal de dopamina del mesencéfalo actúa como un mecanismo crucial de retroalimentación para la corteza prefrontal, el centro de control ejecutivo del cerebro. Esta señal ayuda a la corteza a aprender qué acciones son eficaces y cuáles son errores, lo que permite una conducta adaptativa y orientada a objetivos. [3]

Aunque el modelo del error de predicción de la recompensa es potente, es una simplificación. La dopamina no se reduce a una «molécula del placer»; es más preciso describirla como una molécula de la motivación, la relevancia y el aprendizaje. Otros sistemas de neurotransmisores, como la serotonina y la noradrenalina, también cumplen funciones cruciales en el estado de ánimo, la motivación y la respuesta a los resultados. Además, este modelo no explica por completo las motivaciones humanas complejas que surgen de objetivos abstractos, los vínculos sociales o la satisfacción intrínseca, y que implican más que una simple predicción de recompensas.