Cómo aprenden las ideas unas de otras exprés
La mente humana es como un juego de construcción que se va completando a sí mismo. Las ideas nuevas no mueren con la persona: se transmiten, se mezclan y se seleccionan. Este proceso se llama evolución cultural: los inventos útiles se consolidan y los inútiles se olvidan. Así funciona un trinquete, un mecanismo que solo gira hacia adelante.
Pero, ¿qué ocurre exactamente en la cabeza cuando un pensamiento desplaza a otro? Los autores del estudio propusieron que todo se debe al ajuste de las conexiones entre neuronas, de manera similar a como aprenden las redes neuronales artificiales. Crearon una población de agentes virtuales con redes neuronales simples en su interior. Cada agente recibía una mezcla de "causas primeras" ocultas, como si escuchara varias voces a la vez, e intentaba separarlas ajustando los pesos de las conexiones.
Luego se permitió que los agentes se comunicaran, pero no al azar, sino de forma selectiva: solo se transmitían las conjeturas más acertadas sobre las causas ocultas. A este modo lo llamaron "Luz". En solitario, muchos agentes no lograban resolver la tarea, pero en grupo, con ese intercambio, empezaban a encontrar soluciones cada vez más precisas. Una mejora se encadenaba con otra: el trinquete se ponía en marcha.
El modelo es deliberadamente simple. No hay lenguaje ni pensamiento abstracto, solo neuronas y señales. Pero es precisamente esa transparencia la que permite ver el mecanismo que antes permanecía en la sombra: cómo las conjeturas crudas se convierten en conocimiento compartido.
Resumen original
tal como lo escribieron los autores, en inglés arXiv:2607.24886
It has been proposed (Richerson and Boyd, 2008) that human intelligence is underpinned by a ratchet-like process called Cultural Evolution in which ideas, originated by individuals, can selectively spread by social learning and replace older, less fruitful ones. Useful ideas can thus accumulate beyond the lifetime of individuals. Although both social and individual learning are thought to be achieved by the selective activity-dependent adjustment of synaptic strengths in an artificial neural net-like manner, there have been relatively few attempts to incorporate neural networks into Cultural Evolution models. This has led to controversy and uncertainty about how cultural traits are created, transformed, transmitted and selected. We have constructed a transparent model of Cultural Evolution based on simple neural networks, and here we show that a population of communicating agents can learn progressively better descriptions of its environment. Specifically we generate input vectors by linearly combining hidden "causes", which agents can learn from in a nonlinear, Hebbian, manner, thus discovering synaptic weights that "unmix" the data to reveal the hidden causes. We previously showed that if agents can communicate their current estimates of hidden causes to other agents, in a selective manner we call "Light", the interacting population can learn unmixing weights under conditions where most noninteracting individuals cannot. Here we show that with "Light" a population can learn progressively better solutions, in a ratchet-like manner. Although our model is highly simplified, this simplicity allows insight into cultural evolution mechanisms that have hitherto been obscure, and provides a stepping stone to more complex, but still relatively transparent, analyses.
La regla de Hebb, utilizada en el modelo, suele formularse así: "Las neuronas que se excitan juntas, se conectan". Fue propuesta por el psicólogo Donald Hebb en 1949, mucho antes de que existieran las computadoras potentes.