Estudios previos señalaban , que básicamente, aprendemos en función de la recompensa que recibimos y que es el cerebro quién se encarga de actualizar los conocimientos y comportamientos en función de los cambios en el ambiente. Según estas teorías, en caso de encontrarnos en un entorno de incertidumbre o volátil, el cerebro intenta conocer ese ambiente y controlará al máximo esa incertidumbre para ajustar su tasa de aprendizaje.
Sin embargo, un reciente estudio dirigido por DarmouthCollege en Hanover (Estados Unidos) refuta la teoría de que el cerebro siempre se comporte de forma óptima, reajustando el aprendizaje de acuerdo a las recompensas y optimizándolas o aprendiendo la estructura de ese ambiente.
Este nuevo estudio, publicado en “Neuron”, gira en torno al concepto de la tasa de aprendizaje, la cual disminuye sistemáticamente a medida que estudiamos o practicamos más algo determinado, por lo que cada vez se requiere más práctica para obtener la misma ganancia o recompensa.
Según los hallazgos de esta investigación, no existe una única tasa de aprendizaje para todo lo que hacemos, sino una diferente para cada actividad, tal y como demuestra el modelo de metaplasticidad, sistema por el cual el cerebro puede realizar el autoajuste de estas tasas de aprendizaje.
Ya se sabía que cuando elegimos una opción pensando en la potencial recompensa que obtendremos, el valor aprendido de esa opción se almacena en las sinapsis (o conexiones entre neuronas en las que se transmite información) y si resulta positiva esa opción incrementa su valor y las sinapsis se vuelven más fuertes. Si recibimos algo negativo, ocurre lo contrario (éstas se debilitan).
Sin embargo, este estudio desvela que las sinapsis pueden cambiar sin necesidad de modificar la forma en la que transmiten la información, debido al proceso de la metaplasticidad, a través del cual se puede afinar el aprendizaje en función de la incertidumbre sobre la recompensa en un entorno determinado. E incluso este modelo es capaz de predecir el comportamiento de la elección con más exactitud que los modelos óptimos.
La metaplasticidad puede contribuir al equilibrio entre la adaptabilidad y la precisión en el aprendizaje. En la investigación, realizada con primates, se pudo comprobar cómo cuando los cambios son frecuentes, se requiere una mayor tasa de aprendizaje, pero esto reduce la precisión; mientras que en entornos estables, esa tasa es menor pero más precisa.