- El cerebro y otros sistemas biológicos funcionan mediante un equilibrio entre cooperación y competición a gran escala, clave para la atención, la memoria y la toma de decisiones.
- El entorno construido y el diseño sensorial influyen de forma profunda en emociones, cognición e interacción social, modulando nuestra experiencia espacial diaria.
- La cognición colectiva en hormigas y humanos muestra cómo las interacciones distribuidas pueden resolver problemas complejos, aunque no siempre mejoran el rendimiento humano.
- El uso intensivo de modelos de lenguaje como ChatGPT reduce el esfuerzo cognitivo y la codificación profunda, con riesgo de deterioro de la memoria, pérdida de autoría y homogeneidad en el pensamiento.
Las interacciones a gran escala en procesos cognitivos están en el centro de algunos de los debates más apasionantes de la neurociencia, la psicología y, cada vez más, de la inteligencia artificial. Desde cómo se coordinan millones de neuronas en el cerebro humano, hasta la forma en que las hormigas mueven juntas una carga imposible, o cómo un modelo de lenguaje cambia la manera en que pensamos y recordamos, todo apunta a la misma idea de fondo: la cognición emerge de sistemas complejos que cooperan y compiten al mismo tiempo.
En los últimos años, diferentes líneas de investigación han mostrado que estas dinámicas a gran escala no solo explican mejor cómo funciona el cerebro, sino que ayudan a entender cómo nos afecta el entorno construido, cómo se organiza la cognición colectiva en grupos de animales y humanos, y qué está ocurriendo con nuestras capacidades mentales cuando delegamos demasiado en herramientas como los modelos de lenguaje masivos (LLM) tipo ChatGPT. Lo que viene a continuación conecta todas estas piezas para ofrecer una visión amplia, pero detallada, de este panorama.
Interacciones competitivas y cooperativas en el cerebro humano
Un trabajo reciente liderado por la Universitat Pompeu Fabra (UPF) junto con las universidades de Oxford, Cambridge y el Instituto Neurológico de Montreal ha mostrado que el cerebro humano funciona gracias a un equilibrio constante entre cooperación y competición entre redes neuronales distribuidas por todo el encéfalo. Este estudio, publicado en la revista Nature Neuroscience, compara la dinámica del cerebro humano con la de macacos y ratones, y concluye que comparten principios organizativos básicos.
Utilizando modelos computacionales de todo el cerebro, los investigadores han identificado circuitos que cooperan internamente —es decir, regiones que tienden a activarse de forma conjunta para realizar una función concreta— pero que, a la vez, mantienen relaciones competitivas de largo alcance con otros sistemas. Esa competencia sirve para gestionar recursos limitados como la atención, la energía metabólica o la capacidad de procesamiento.
Este enfoque pone en evidencia que los modelos puramente cooperativos son insuficientes: los modelos que incorporan interacciones competitivas de gran alcance superan de forma sistemática a los modelos cooperativos simples a la hora de reproducir patrones de actividad cerebral asociados a procesos cognitivos reales como la atención, la memoria o la toma de decisiones.
Uno de los hallazgos clave es que un exceso de cooperación entre redes puede conducir a un estado de sincronización excesiva que no se observa en cerebros sanos. Ese tipo de dinámica «todo a la vez» no sería funcional: la competencia entre sistemas evita que la actividad se descontrole y permite que conjuntos de regiones especializadas vayan tomando el relevo en la configuración de la dinámica global, dependiendo de lo que es relevante en cada momento.
El análisis de más de 14.000 estudios de neuroimagen ha permitido contrastar que aquellos modelos que incluyen este equilibrio entre cooperación local y competencia global reproducen mejor los patrones de activación observados en tareas cognitivas complejas. Según Gustavo Deco, autor principal del estudio, la rivalidad entre circuitos permite que ciertas redes tengan prioridad sobre otras en función del contexto, lo que se traduce en capacidad para priorizar estímulos, tomar decisiones y adaptarse de forma flexible.
Para Morten Kringelbach, de la Universidad de Oxford, esta forma de organización competitiva-cooperativa es crucial para que el cerebro pueda activar combinaciones flexibles de regiones según la situación, una característica central de lo que entendemos como comportamiento inteligente. Replicar este equilibrio en modelos informáticos podría ser la base para desarrollar copias digitales del cerebro individual y sistemas de IA con una capacidad computacional más cercana a la biológica.
Procesos cognitivos a gran escala y experiencia del entorno construido
El entorno físico en el que vivimos y trabajamos no es un mero decorado: se ha visto que tiene un impacto profundo en nuestras emociones, cognición e interacción social. Edificios, oficinas, comercios y espacios públicos modulan constantemente la forma en que percibimos, pensamos y nos relacionamos, aunque muchas veces no seamos conscientes de ello.
Como no disponemos de un «órgano del espacio», nuestra experiencia espacial emerge de la integración a gran escala de múltiples estímulos sensoriales y procesos cognitivos. Nuestro cerebro construye una representación subjetiva del entorno combinando visión, audición, propiocepción, memoria, expectativas y estados emocionales, lo que da lugar a experiencias muy distintas en función de la persona, el momento y el diseño del espacio.
La percepción del espacio es inherentemente subjetiva y por ello difícil de medir de manera directa. Sin embargo, los avances en bioinformática, neurociencia, inteligencia artificial, realidad virtual y ciencias cognitivas, junto con la colaboración entre disciplinas, han generado nuevas herramientas de recogida de datos y técnicas de evaluación. Esto permite estudiar con más rigor cómo influyen los entornos construidos en la conducta y la experiencia humana.
Este conocimiento resulta especialmente relevante para el diseño de espacios laborales y comerciales, donde el objetivo ya no es solo optimizar metros cuadrados, sino favorecer el bienestar, la conexión social y unas interacciones diarias más fluidas y variadas. Cuanto mejor comprendamos qué procesos cerebrales se activan ante determinados estímulos ambientales, más fácil será diseñar lugares que realmente apoyen el rendimiento y la salud psicológica.
Desde la perspectiva cognitiva, hay espacios en los que nos sentimos automáticamente cómodos y protegidos, y otros que generan rechazo o incomodidad. Diferentes estudios han analizado cómo la psicología, la ciencia cognitiva y la neurociencia pueden ayudarnos a entender por qué ciertos entornos arquitectónicos favorecen experiencias positivas y otros no, y qué sesgos inconscientes influyen en nuestras respuestas.
Entre estos sesgos destacan fenómenos como la tigmotaxis (tendencia a situarse cerca de los bordes), la preferencia por patrones reconocibles y rostros, la simetría bilateral, la inclinación humana hacia la narrativa (buscamos historias y significado en el espacio) y la biofilia, es decir, la tendencia innata a conectar con la naturaleza y otros organismos vivos. Todos estos elementos, bien aprovechados, pueden reforzar la sensación de seguridad, identidad y pertenencia.
Diseño sensorial, emociones y dinámica cerebral
Las emociones actúan como un sistema rápido de evaluación del entorno y están estrechamente ligadas a la percepción del espacio. La información sensorial activa redes neuronales que conectan con el sistema límbico, clave en la regulación emocional, de manera que ciertos entornos evocan calma, alegría o creatividad, mientras otros disparan estrés, ansiedad o aburrimiento.
En el canal visual, el color y la iluminación no solo ayudan a percibir volúmenes y distancias, sino que modulan el tono emocional del ambiente. Tonalidades cálidas suelen asociarse a mayor activación y cercanía, mientras que los colores fríos tienden a percibirse como más serenos. Además, el estilo visual transmite señales culturales y de identidad, ayudando a construir sentido de pertenencia.
El sonido tiene un papel igual de determinante, con la particularidad de que es un flujo continuo que no podemos «apagar» voluntariamente. Un ruido excesivo o mal controlado perjudica la concentración y aumenta la tensión, mientras que un confort acústico bien diseñado facilita tanto la interacción social como la confidencialidad y el trabajo concentrado.
El tacto introduce otra capa de información: las texturas y temperaturas de los materiales influyen en cómo sentimos un espacio. Superficies naturales como madera, cuero o tejidos de algodón se perciben como cálidas y acogedoras, favoreciendo la relajación. En cambio, cerámicas muy pulidas, vidrio o metal suelen asociarse a espacios de tránsito, limpieza o tecnología.
El olfato, fuertemente conectado con estructuras cerebrales antiguas, es capaz de desencadenar recuerdos y emociones intensas. Incorporar de forma deliberada aromas coherentes con la función del espacio puede enriquecer enormemente la experiencia, siempre que se haga con sutileza y respeto a la diversidad de sensibilidades.
En conjunto, el llamado diseño sensorial busca activar de forma estratégica estos canales para generar experiencias memorables. No se trata de saturar de estímulos, sino de alinear vistas, sonidos, texturas y olores con los objetivos del espacio y con las necesidades cognitivas y emocionales de sus usuarios.
Interacción social, distancia física y organización del trabajo
El trabajo tiene siempre una dimensión interpersonal y, en consecuencia, el diseño del espacio laboral influye directamente en la calidad de las interacciones sociales. La forma en que se distribuyen mesas, pasillos, zonas comunes y áreas privadas puede fomentar la colaboración espontánea o, por el contrario, bloquearla.
Los estudios del profesor Thomas Allen en el MIT, conocidos como la «curva de Allen», demostraron que la frecuencia de comunicación entre personas disminuye de forma exponencial a medida que aumenta la distancia física. Cuanto más cerca están dos empleados, más probabilidades tienen de hablar, coordinarse y compartir información relevante.
Esto ha llevado a plantear estrategias de diseño que faciliten el paso por espacios de encuentro informal como cafeterías, zonas de descanso o rincones para charlas improvisadas. Es en estos lugares donde suelen surgir ideas, se refuerza la cohesión del equipo y se resuelven problemas de manera ágil y poco estructurada.
Al mismo tiempo, no se puede olvidar la necesidad de espacios de concentración y privacidad. Salas silenciosas, cabinas para llamadas o puestos individuales bien aislados del ruido permiten hacer trabajos que requieren alto esfuerzo cognitivo sin interrupciones constantes. La clave está en ofrecer un gradiente de opciones, desde la interacción intensa hasta el retiro voluntario.
Curiosamente, investigaciones sobre interacción informal han mostrado que, si las personas no tienen la posibilidad de evitar el contacto social cuando lo desean, es menos probable que se involucren de manera genuina en esas interacciones casuales. Tener la opción de retirarse es parte de lo que hace que la socialización espontánea sea cómoda y sostenible.
Tecnología, realidad virtual e IA en la experiencia espacial
La irrupción de tecnologías como la inteligencia artificial, el aprendizaje automático y la realidad virtual, así como la colaboración entre sistemas de IA y equipos híbridos, está transformando radicalmente cómo concebimos, diseñamos y ajustamos los espacios físicos. Hoy es posible recopilar datos biométricos —respuesta pupilar, temperatura de la piel, ritmo cardíaco— para adaptar en tiempo real variables como la iluminación o la temperatura a las necesidades de cada usuario.
Los sistemas basados en IA pueden analizar grandes volúmenes de datos sobre patrones de uso y movimiento dentro de un edificio, detectando zonas infrautilizadas, cuellos de botella o áreas en las que la gente tiende a permanecer más tiempo. Esta información facilita el diseño de entornos adaptativos, capaces de evolucionar conforme cambian los hábitos de las personas.
Por su parte, la realidad virtual y la realidad aumentada permiten simular espacios de forma inmersiva antes de construirlos. Arquitectos, diseñadores y usuarios finales pueden recorrer virtualmente una oficina, un hospital o una tienda, y ajustar el layout, la iluminación, la elección de materiales o la señalética en fases tempranas del proyecto, lo que ahorra costes y mejora el resultado final.
El foco, cada vez más, está en crear entornos que no solo respondan a necesidades generales, sino que sean capaces de adaptarse a las particularidades de cada individuo. Esa personalización, combinada con el conocimiento neurocientífico sobre percepción y emoción, está redefiniendo la experiencia espacial de una forma que hace apenas unos años parecía ciencia ficción.
Cognición colectiva y resolución de problemas: el caso de las hormigas
Las hormigas ofrecen un ejemplo fascinante de cognición colectiva distribuida. Un proyecto de investigación apoyado por el Consejo Europeo de Investigación, ANTSolve, ha estudiado cómo estos insectos son capaces de coordinarse para transportar cargas grandes a través de entornos complejos, revelando principios de comunicación y toma de decisiones grupal que también se observan, con matices, en otros sistemas biológicos como bancos de peces, bandadas de pájaros o el propio sistema inmunitario.
Uno de los retos para entender estos sistemas es que nuestros cerebros no están especialmente bien preparados para captar a la vez los detalles locales y el comportamiento global de un sistema distribuido. Sabemos describir qué hace cada individuo y también el resultado final, pero conectar ambos niveles exige datos muy finos y modelos adecuados.
En el caso de las hormigas que transportan objetos, los investigadores plantearon una serie de problemas de navegación y manipulación: campos llenos de rocas, zonas en las que había que retroceder para avanzar, entradas al hormiguero demasiado estrechas para la carga, o caminos alternativos con ventajas y desventajas. Los experimentos se realizaron en el entorno natural, grabando tanto a las hormigas como a las cargas para analizar trayectorias, cambios de dirección, puntos de enganche y desenganche, y rotaciones.
Para interpretar estos datos se combinó un modelo físico inspirado en la dinámica de moléculas en un imán con un motor de física similar a los que se usan en videojuegos. A partir de ahí se describió la interacción entre las hormigas y la carga como un sistema relativamente sencillo donde fuerzas locales generan comportamientos globales coordinados.
El resultado principal es que el sistema depende de dos fuentes de cognición: por un lado, la que aporta el cerebro de cada hormiga individual; por otro, la que emerge de las interacciones entre múltiples hormigas que tiran, empujan y ajustan fuerzas. Estas dos capas se complementan: el movimiento colectivo permite superar obstáculos que ninguna hormiga podría gestionar sola, pero, si el grupo se guiara solo por esa dinámica conjunta, acabaría atrapado en cul-de-sac.
Ahí es donde entran en juego los conocimientos de navegación individuales. Algunas hormigas detectan que la ruta colectiva conduce a un bloqueo y, gracias a su experiencia, contribuyen a reorientar el grupo hacia alternativas mejores. Este equilibrio entre inteligencia distribuida y aportaciones individuales recuerda, en cierto modo, a lo que se observa en grandes redes neuronales y en grupos humanos.
Comparando la cognición en grupos de hormigas y humanos
El transporte cooperativo de cargas es una habilidad que, en la naturaleza, solo comparten personas y hormigas. Aprovechando esta similitud funcional, el equipo de ANTSolve comparó cómo cambia el rendimiento cuando individuos de ambas especies trabajan solos o en grupo para resolver un problema clásico: mover un «piano» grande y de forma irregular por un paso estrecho.
Los resultados fueron llamativos: cuando se equipara el tipo de canales de comunicación disponibles, los grupos de hormigas superan claramente el rendimiento de cada hormiga aislada. En cambio, los grupos humanos, en esas condiciones de comunicación limitada, suelen rendir peor que individuos trabajando solos, al menos en tareas de este tipo.
Esta comparación sugiere que la cognición colectiva no siempre mejora el desempeño humano, y depende mucho de cómo esté organizada la comunicación, de la posibilidad de distribuir roles, de la existencia de liderazgo o coordinación explícita, y del tipo de problema a resolver. En hormigas, la estructura social y las reglas de interacción han evolucionado precisamente para explotar al máximo la inteligencia distribuida; en humanos, los grupos pueden caer fácilmente en ineficiencias, ruido y conflictos.
IA, «brain rot» y descarga cognitiva en tareas complejas
La expansión de los modelos de lenguaje grandes (LLM) como ChatGPT ha introducido una nueva forma de cognición distribuida entre humanos y máquinas, y ha motivado debates sobre el control sobre los chatbots de IA. Delegamos parte del trabajo mental —redactar, buscar información, estructurar ideas— en sistemas de IA entrenados con enormes cantidades de texto, lo que facilita muchas tareas pero también plantea riesgos para el desarrollo de habilidades cognitivas profundas.
En este contexto ha ganado fuerza el término «brain rot», que alude a un deterioro de la capacidad mental derivado de la exposición continuada a contenido de baja calidad y de la dependencia excesiva de herramientas que reducen el esfuerzo cognitivo. Se relaciona con el concepto de descarga cognitiva (cognitive offloading): el hábito de delegar sistemáticamente en dispositivos y algoritmos tareas que antes hacía nuestro cerebro.
Un estudio del MIT titulado «Your Brain on ChatGPT», liderado por Nataliya Kosmyna, ha analizado este fenómeno en el contexto de la escritura de ensayos, una actividad exigente que demanda coordinación de procesos de alto nivel (planificación, argumentación) y bajo nivel (elección de palabras, sintaxis). El objetivo era medir el «coste cognitivo» de utilizar LLM frente a otras estrategias.
Para ello se reclutó a 54 participantes, principalmente estudiantes universitarios, que participaron en varias sesiones. Se dividieron en tres grupos: uno que solo podía usar GPT‑4o, otro que podía utilizar un motor de búsqueda como Google pero no IA generativa, y un tercero que debía escribir únicamente a partir de su memoria y conocimientos, sin ninguna herramienta externa.
Durante las sesiones se registró la actividad cerebral mediante EEG, se analizaron lingüísticamente los ensayos producidos y se entrevistó a los participantes sobre su percepción de autoría, esfuerzo y recuerdo del contenido. Además, en una cuarta sesión se invirtieron los roles: quienes habían usado LLM pasaron a escribir sin ayuda, y quienes habían trabajado «solo con el cerebro» pudieron usar por primera vez el modelo de lenguaje.
Qué ocurre en el cerebro cuando delegamos en un LLM
El análisis de la conectividad cerebral mediante técnicas avanzadas (dDTF) mostró que la intensidad y extensión de las redes neuronales activadas variaba de forma sistemática según el grado de apoyo externo. El grupo que escribía solo con su cerebro presentaba las conexiones más fuertes en todas las bandas de frecuencia (alfa, beta, theta, delta), lo que indica una alta carga cognitiva, mayor uso de memoria de trabajo y un procesamiento creativo más profundo.
El grupo que utilizaba un motor de búsqueda exhibía un compromiso intermedio: la conectividad global era entre un tercio y casi la mitad menor que en el grupo sin ayuda, con un aumento relativo de la actividad en cortezas visuales y occipitales relacionado con la exploración y selección de información en pantalla. Dicho de otro modo, gran parte del esfuerzo se volcaba en leer, evaluar y reorganizar contenido externo.
Por último, el grupo que utilizaba exclusivamente el LLM mostró el acoplamiento neural más débil, con reducciones de hasta el 55 % en la magnitud de la conectividad efectiva en redes semánticas y de monitorización de baja frecuencia. Esta caída se interpretó como descarga cognitiva: el sistema delega gran parte de la generación de ideas y frases en la IA y se centra más en coordinar, corregir o aceptar el texto sugerido.
Las diferencias por bandas de frecuencia reforzaron esta lectura: la disminución de la conectividad en theta y alfa en el grupo LLM se asocia a una codificación de memoria más superficial y a un menor compromiso de las redes vinculadas a la memoria semántica de largo plazo y al control ejecutivo. Escribir sin asistencia, por el contrario, activó interacciones más amplias y profundas entre regiones, consistentes con un proceso de aprendizaje más sólido.
A nivel conductual, el efecto más llamativo fue la incapacidad para recordar y citar el propio ensayo en el grupo que usaba LLM. En la primera sesión, más del 80 % de estos participantes fue incapaz de ofrecer una cita correcta del texto que acababa de producir, mientras que los grupos sin IA alcanzaron niveles de recuerdo significativamente mejores, llegando casi a la perfección tras varias sesiones.
Esta dificultad de recuerdo se interpretó como un síntoma de que el contenido generado con IA no se integraba bien en la memoria del autor, en parte porque había habido menos esfuerzo propio en la generación semántica. Las mediciones de EEG respaldaron esta idea, mostrando patrones compatibles con una codificación superficial.
Propiedad intelectual percibida, estilo de escritura y sesgos
El estudio también indagó en cómo cambia la percepción de autoría y agencia cuando se recurre a un LLM. Quienes escribieron sin ninguna herramienta reclamaron prácticamente en bloque la autoría total de su ensayo. El grupo que utilizó el motor de búsqueda, aunque también se sentía autor principal, tendía a reconocer una cierta contribución externa.
El grupo LLM, en cambio, mostró una relación mucho más ambivalente con el texto: algunos participantes lo consideraban plenamente suyo, otros hablaban de una autoría parcial y una minoría rechazaba casi por completo sentirse responsable del contenido, llegando incluso a expresar culpa por haber usado la IA para las revisiones.
El análisis lingüístico reveló además que los ensayos generados con ayuda del LLM eran mucho más homogéneos entre sí: compartían estructuras, tipos de argumentos y estilos parecidos, con abundancia de entidades nombradas (nombres, fechas, conceptos técnicos) y un tono más genérico y desapasionado. En contraste, los textos producidos sin asistencia resultaban más diversos, introspectivos y orientados a experiencias personales.
Esta homogeneidad sugiere que muchos usuarios reutilizaban gran parte del output propuesto por la IA en lugar de integrarlo y transformarlo con su propio estilo e ideas, lo que implica un riesgo de propagación de sesgos presentes en los datos de entrenamiento del modelo y de empobrecimiento de la diversidad expresiva.
Cuando, en la cuarta sesión, los participantes cambiaron de condición, se observó un patrón revelador: quienes habían usado LLM desde el principio y pasaban a escribir sin ayuda mostraban una conectividad cerebral más débil que la de quienes se habían entrenado todo el tiempo sin herramientas. Su capacidad de citar seguía siendo baja y tendían a reciclar vocabulario sesgado por la IA.
Por el contrario, los participantes que inicialmente habían trabajado sin apoyo y luego pudieron utilizar el LLM presentaron un pico de conectividad neural: integrar las sugerencias de la IA con sus conocimientos previos exigía un esfuerzo cognitivo mayor, y en las entrevistas describían un uso más estratégico de la herramienta, aprovechándola para enriquecer y documentar mejor ideas ya elaboradas por ellos mismos.
Los ensayos se evaluaron tanto por profesores humanos como por un «juez de IA». El modelo utilizado como evaluador tendía a poner notas altas de forma bastante uniforme, mientras que los docentes humanos fueron más exigentes con la originalidad y la profundidad del contenido. Muchos reconocían enseguida los textos excesivamente pulidos pero vacíos de experiencia personal, que describían como ensayos «perfectos» en la forma pero «sin alma».
De todo ello se desprende que, aunque los LLM facilitan la tarea y pueden mejorar rápidamente la calidad superficial de un texto, su uso indiscriminado puede ir acompañado de una pérdida de esfuerzo cognitivo propio, menor consolidación de la memoria y un estilo más convencional y predecible, justo lo contrario de lo que se espera en contextos educativos o creativos.
En conjunto, las investigaciones revisadas muestran que las interacciones a gran escala en procesos cognitivos —ya se trate de redes neuronales que compiten y cooperan en el cerebro, de hormigas que mueven cargas imposibles, de personas que comparten un espacio construido o de estudiantes que escriben con ayuda de un LLM— se organizan siempre en torno a un delicado equilibrio entre cooperación, competición y distribución de tareas, y que romper ese equilibrio, ya sea con entornos mal diseñados o con una dependencia excesiva de la tecnología, termina pasando factura al rendimiento, al bienestar y a la capacidad de pensar por nosotros mismos.
