E45 Toma de decisiones bajo incertidumbre

Tópico

Esta toma de decisiones bajo incertidumbre es, en definitiva, el proceso de seleccionar una acción cuando su propio resultado no resulta completamente predecible para este organismo: la teoría de la utilidad esperada provee, para esta misma toma de decisiones, el marco normativo correspondiente, en el que esta acción óptima de este organismo maximiza, en consecuencia, a su propia utilidad esperada, ponderando en consecuencia a la utilidad de cada resultado posible por su propia probabilidad. Un organismo real se desvía, sin embargo, de manera sistemática de este mismo óptimo teórico de formas particularmente reveladoras sobre su propio proceso de decisión interno.

El modelo de difusión de deriva es, en cambio, el modelo mecanístico más exitoso de todo este proceso de decisión de este organismo, y elabora en más detalle al mismo modelo de acumulación de evidencia que ya establece otro modelo de este conjunto: esta misma evidencia se acumula, en consecuencia, con una velocidad de deriva proporcional a esta relación entre esta señal útil y este ruido que ya establece otro modelo distinto de este conjunto, hasta alcanzar a un umbral de decisión determinado. Este mismo umbral de decisión controla, en consecuencia, a la misma compensación entre esta velocidad de respuesta y su propia exactitud que ya establece ese primer modelo de este conjunto: un umbral más alto produce, en consecuencia, una decisión más lenta pero también más exacta. Ciertas neuronas del lóbulo parietal y de un área visual especializada de este organismo muestran, en consecuencia, una actividad creciente con el tiempo consistente con este mismo modelo de difusión de deriva, exactamente según ya establece este mismo modelo de acumulación de evidencia con el que se abrió este párrafo. Que este umbral de decisión de este organismo sea más alto hace que, según este mismo modelo de difusión de deriva, esta decisión final de ese organismo, en consecuencia, resulte más lenta pero también más exacta.

El descuento temporal hiperbólico describe, en cambio, cómo este organismo devalúa a una recompensa futura a medida que esta recompensa se aleja en el tiempo: a diferencia de un descuento puramente exponencial, este mismo descuento hiperbólico produce, en consecuencia, preferencias temporalmente inconsistentes dentro de este organismo, de modo que la preferencia relativa entre dos recompensas futuras distintas entre sí puede llegar a revertirse por completo a medida que el tiempo transcurre y ambas recompensas se acercan. Este mismo comportamiento, aparentemente irracional, se observa, de manera consistente, tanto en un ser humano como en una rata, en una paloma o en un primate no humano. Que esta recompensa futura de este organismo se acerque más en el tiempo hace que, según este mismo descuento temporal hiperbólico, la preferencia relativa de este organismo hacia esa recompensa, en consecuencia, pueda llegar a revertirse frente a una recompensa alternativa todavía más lejana en el tiempo.

La señal de error de predicción de una recompensa es, en definitiva, el núcleo de todo el aprendizaje por refuerzo temporal de este organismo, la misma señal de error de predicción que ya establece otro modelo de este conjunto sobre unas neuronas especializadas de la corteza: las neuronas dopaminérgicas del mesencéfalo de este organismo responden, en consecuencia, exactamente con esta misma señal de error de predicción, disparando en consecuencia cuando llega a este organismo una recompensa inesperada, inhibiéndose en cambio cuando una recompensa ya esperada por este organismo finalmente no llega, y sin responder en absoluto, en cambio, frente a una recompensa ya predicha con precisión por este mismo organismo. Que esta recompensa recibida por este organismo resulte más inesperada de lo previsto hace que, en consecuencia, esta señal de error de predicción de estas neuronas dopaminérgicas, en consecuencia, resulte todavía mayor.

Por eso este modelo, con esta utilidad esperada y esta señal de error de predicción con las que se abrió, hace que la aversión al riesgo de este organismo explique, en consecuencia, por qué este mismo organismo prefiere una opción segura frente a dos opciones con una recompensa esperada igual entre sí: esta misma utilidad marginal de este organismo decrece, en consecuencia, con la magnitud de esa recompensa, exactamente la misma desviación sistemática de esta utilidad esperada normativa con la que se abrió este modelo. Este organismo se vuelve, sin embargo, buscador de riesgo en lugar de averso a él dentro del dominio de una pérdida en lugar de una ganancia, según la misma teoría prospectiva que describe con más detalle a esta misma asimetría: esta asimetría entre ganancias y pérdidas tiene, en definitiva, un valor evolutivo claro, porque esta aversión a la pérdida resulta particularmente adaptativa dentro de un entorno con recursos variables de un momento a otro. Que este organismo se encuentre, en cambio, dentro de este dominio de una pérdida en lugar de una ganancia hace que, según esta misma teoría prospectiva, ese mismo organismo, en consecuencia, se vuelva buscador de riesgo en lugar de averso a él.

ID:2377