Todo el mundo sabe que la distancia más corta entre dos puntos es una línea recta. Sin embargo, cuando camina por las calles de la ciudad, es posible que no pueda seguir una línea recta. ¿Cómo decides qué camino tomar?

Un nuevo estudio del MIT sugiere que nuestros cerebros en realidad no están optimizados para calcular el llamado "camino más corto" cuando navegamos a pie. Basado en un conjunto de datos de más de 14,000 personas que realizan su vida diaria, el equipo del MIT descubrió que, en cambio, los peatones parecen elegir caminos que parecen apuntar más directamente hacia su destino, incluso si esas rutas terminan siendo más largas. A esto lo llaman el "camino más puntiagudo".

Esta estrategia, conocida como navegación basada en vectores, también se ha visto en estudios de animales, desde insectos hasta primates. El equipo del MIT sugiere que la navegación basada en vectores, que requiere menos capacidad intelectual que calcular la ruta más corta, puede haber evolucionado para permitir que el cerebro dedique más energía a otras tareas.

"Parece haber una compensación que permite que el poder de cómputo en nuestro cerebro se use para otras cosas:hace 30 000 años, para evitar un león, o ahora, para evitar un peligroso SUV", dice Carlo Ratti, profesor de tecnologías urbanas en Departamento de Estudios Urbanos y Planificación del MIT y director del Laboratorio Senseable City. "La navegación basada en vectores no produce la ruta más corta, pero está lo suficientemente cerca de la ruta más corta y es muy simple calcularla".

Ratti es el autor principal del estudio, que aparece hoy en Nature Computational Science . Christian Bongiorno, profesor asociado de la Université Paris-Saclay y miembro del Senseable City Laboratory del MIT, es el autor principal del estudio. Joshua Tenenbaum, profesor de ciencia cognitiva computacional en el MIT y miembro del Centro de Cerebros, Mentes y Máquinas y del Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL), también es autor del artículo. Una versión preliminar de este estudio se publicó en arXiv.org a principios de este año.

Navegación basada en vectores

Hace veinte años, mientras era estudiante de posgrado en la Universidad de Cambridge, Ratti recorría la ruta entre su universidad residencial y su oficina departamental casi todos los días. Un día, se dio cuenta de que en realidad estaba tomando dos rutas diferentes:una de camino a la oficina y otra ligeramente diferente de regreso.

"Seguramente una ruta era más eficiente que la otra, pero me dediqué a adaptar dos, una para cada dirección", dice Ratti. "Fui consistentemente inconsistente, una realización pequeña pero frustrante para un estudiante que dedica su vida al pensamiento racional".

En el Senseable City Laboratory, uno de los intereses de investigación de Ratti es utilizar grandes conjuntos de datos de dispositivos móviles para estudiar cómo se comportan las personas en entornos urbanos. Hace varios años, el laboratorio adquirió un conjunto de datos de señales GPS anonimizadas de los teléfonos celulares de los peatones mientras caminaban por Boston y Cambridge, Massachusetts, durante un período de un año. Ratti pensó que estos datos, que incluían más de 550 000 caminos tomados por más de 14 000 personas, podrían ayudar a responder la pregunta de cómo las personas eligen sus rutas cuando navegan por una ciudad a pie.

El análisis de los datos por parte del equipo de investigación mostró que, en lugar de elegir las rutas más cortas, los peatones eligieron rutas que eran un poco más largas pero que minimizaban su desviación angular del destino. Es decir, eligen caminos que les permitan mirar más directamente a su punto final cuando comienzan la ruta, incluso si un camino que comenzó yendo más hacia la izquierda o hacia la derecha en realidad podría terminar siendo más corto.

"En lugar de calcular distancias mínimas, descubrimos que el modelo más predictivo no era el que encontraba el camino más corto, sino uno que intentaba minimizar el desplazamiento angular, apuntando directamente hacia el destino tanto como fuera posible, incluso si viajar en ángulos más grandes ser más eficiente", dice Paolo Santi, científico investigador principal en Senseable City Lab y en el Consejo Nacional de Investigación de Italia, y autor correspondiente del artículo. "Hemos propuesto llamar a este el camino más puntiagudo".

Esto fue cierto para los peatones en Boston y Cambridge, que tienen una red intrincada de calles, y en San Francisco, que tiene un diseño de calles en forma de cuadrícula. En ambas ciudades, los investigadores también observaron que las personas tendían a elegir diferentes rutas cuando hacían un viaje de ida y vuelta entre dos destinos, tal como lo hizo Ratti en sus días de posgrado.

"Cuando tomamos decisiones basadas en el ángulo del destino, la red de calles lo llevará a un camino asimétrico", dice Ratti. "Basado en miles de caminantes, está muy claro que no soy el único:los seres humanos no son navegantes óptimos".

Moverse por el mundo

Los estudios del comportamiento animal y la actividad cerebral, particularmente en el hipocampo, también han sugerido que las estrategias de navegación del cerebro se basan en el cálculo de vectores. Este tipo de navegación es muy diferente de los algoritmos informáticos utilizados por su teléfono inteligente o dispositivo GPS, que pueden calcular la ruta más corta entre dos puntos cualesquiera casi sin problemas, según los mapas almacenados en su memoria.

Sin acceso a ese tipo de mapas, el cerebro animal ha tenido que idear estrategias alternativas para navegar entre ubicaciones, dice Tenenbaum.

"No se puede descargar en el cerebro un mapa detallado basado en la distancia, entonces, ¿de qué otra manera lo vas a hacer? Lo más natural podría ser usar información que está más disponible para nosotros a partir de nuestra experiencia", dice. "Pensar en términos de puntos de referencia, puntos de referencia y ángulos es una forma muy natural de crear algoritmos para mapear y navegar el espacio en función de lo que aprendes de tu propia experiencia al moverte por el mundo".

"A medida que los teléfonos inteligentes y los dispositivos electrónicos portátiles combinan cada vez más la inteligencia humana y la artificial, se vuelve cada vez más importante comprender mejor los mecanismos computacionales utilizados por nuestro cerebro y cómo se relacionan con los utilizados por las máquinas", dice Ratti.