Cómo pensamos al comer
Berenice Santos
Febrero 16, 2018
No. 11/2018
Ilustración: Joram Patiño 2017
Estudios desde los campos de la psicología y la inteligencia artificial sugieren que cuando se trata de decidir qué comemos y cuánto, la mayoría lo hacemos sin pensar, lo que ha contribuido a convertir a la obesidad en uno de los principales problemas de salud a nivel mundial.
“México se encuentra en una emergencia epidemiológica, la obesidad está generando un costo muy importante para el sector salud”, afirmó Jesús Erasmo Batta, doctorante en Inteligencia Artificial de la UNAM en el seminario Modelos basados en agentes del sesgo cognitivo: el caso del comportamiento obesogénico presentado en agosto pasado en el Centro de Ciencias de la Complejidad (C3).
Según datos de la Encuesta Nacional de Salud y Nutrición de Medio Camino ENSANUT MC 2 en los adultos de 20 años y más la prevalencia combinada de sobrepeso y obesidad en 2016 es del 72.5%. Batta explicó que la obesidad ocurre porque “se consume más energía de lo que se gasta. Este desbalance se nota a largo plazo con el sobrepeso u obesidad”.
El desbalance energético ocurre por factores tan diversos como: el apetito, los genes, el estado de ánimo, el metabolismo y la psicología misma del individuo al tomar decisiones sobre su alimentación.
En su conjunto estos factores afectan el peso de una persona y la relación que se establece entre estos diversos factores puede verse como un sistema complejo y multidimensional. Para abordarlo, Batta analiza el problema desde la perspectiva de la complejidad a través de una investigación interdisciplinaria.
SESGOS COGNITIVOS
Batta estudia los sesgos cognitivos que existen al momento de tomar decisiones para la ingesta de alimentos. Un sesgo cognitivo es un efecto psicológico que produce una desviación en el proceso mental, algunos de estos sesgos como la incertidumbre y las creencias del sujeto al momento de decidir, ya han sido previamente estudiados por la psicología.
“Es una posibilidad que el sesgo sea parte de la naturaleza de la mente”, dice Batta. Al momento de tomar decisiones inmediatas no tenemos la suficiente capacidad de procesamiento, ni de establecer la mejor estrategia posible, explicó. “El reto es cómo hacer coincidir la evidencia psicológica en un modelo computacional”.
Para su análisis, Batta desarrolló una simulación basada en agentes. Se trata de generar sociedades artificiales, donde los agentes tengan un comportamiento que se asemeje al de los humanos. “Queremos generar modelos que ofrezcan una nueva perspectiva de la obesidad y el sobrepeso”, dijo el también integrante del C3.
Para programar las posibles reacciones de los agentes en la simulación, Batta se basó en el modelo dual establecido por Daniel Kahneman. Dicho modelo sostiene que hay dos formas de tomar decisiones: 1) intuitiva, cuando se toman decisiones de forma automática y por mero instinto; 2) deliberativa, cuando se analiza la situación.
SIMULANDO CÓMO DECIDIMOS AL COMER
El primer nivel de análisis en el modelo computacional es el de la toma de decisiones durante la ingesta de alimentos. Los agentes tienen que decidir de forma inmediata: cuándo comer, qué comer y durante cuánto tiempo.
Asimismo, existen factores internos como el estado de ánimo y externos como el ambiente y la competencia de otros que buscan alimentos. Todo esto provoca sesgos al momento de decidir.
La hipótesis de Batta es que “ciertos escenarios harán que los agentes usen casi siempre su intuición y que, cuando las condiciones cambien súbitamente, esa forma de tomar decisiones rápidas será difícil de abandonar porque ya estará muy arraigada en el agente”.
Bajo esta lógica el investigador sostiene que, probablemente, en el pasado cuando el hombre era nómada y los alimentos eran escasos la mejor estrategia de alimentación era consumir todas las calorías y grasas que se pudieran encontrar. Ahora que existe abundancia de alimentos calóricos muy baratos, es posible que esa dificultad de resistirnos a comer una dona de chocolate o tacos, esté relacionada con esa antigua estrategia que fue exitosa en su momento. Esto resulta en un comportamiento que favorece la obesidad.
Obesidad artificial
Utilizando inteligencia artificial, el investigador diseñó una red en la que simula un ambiente con recursos (alimentos que se pueden regenerar) y agentes (humanos que buscan ingerir alimentos). Los agentes se caracterizan porque tienen energía que utilizan para moverse en cualquier dirección para conseguir alimentos. Según las acciones que realicen gastarán energía, tal como le sucede a un humano.
En el sistema computacional, se crearon 300 agentes. La mitad toman decisiones de tipo 1, es decir, deciden de forma intuitiva. La otra mitad decide de forma deliberativa (decisiones de tipo 2). El investigador estableció un valor arbitrario para la energía inicial de ambos agentes de 10.
Cuando los agentes comienzan a buscar alimento pueden suceder dos cosas: si el agente acumula energía igual a 20, el agente se reproduce (es decir se divide en dos agentes con energía igual a 10). Sí el agente no encuentra alimento y su energía llega a cero, desaparecerá.
Las variables en la simulación son el costo de percepción (lo sufren los agentes tipo 2, pues gastan energía al emplear capacidades cognitivas al establecer estrategias de búsqueda); costo de movimiento (cada vez que los agentes se mueven, es un costo proporcional a la energía que tiene la gente, por ejemplo: si un agente tiene mucha energía, se asemejara a alguien que está muy pesado y por lo tanto, va a requerir más energía para desplazarse); y el factor ambiental, que es el tiempo en el que se regenera el alimento.
Después de varios ensayos, el investigador concluyó que el costo de percepción beneficia a los agentes de tipo 1, porque en algún momento el costo para los agentes de tipo 2 es demasiado alto. Esto es, los agentes tipo 2, gastan tanta energía en utilizar sus capacidades cognitivas, que desaparecen más rápido. También la regeneración de recursos rápida, beneficia a los agentes de tipo 1 que se mueven a donde sea y encuentran alimento en todas partes (ayudados por el hecho de que no pagan costo de percepción). En ambos casos, la simulación muestra que en este sistema se favorece el comer sin pensar.
Batta alerta que su modelo es muy reciente y los resultados que presenta son preliminares, pero su perspectiva es crear modelos con agentes progresivamente más inteligentes. “Queremos seguir aumentando las capacidades de los agentes, potenciando su percepción y capacidad de aprovechar la información que va encontrando en el ambiente”, finaliza.