Generalizando para generalizar: Los humanos cambian de manera flexible entre estructuras composicionales y conjuntivas durante el aprendizaje por refuerzo

Los humanos se enfrentan rutinariamente a entornos novedosos en los que tienen que generalizar para actuar de manera adaptativa. Sin embargo, hacerlo implica el desafío no trivial de decidir qué aspectos de un dominio de tarea generalizar. Aunque a veces es apropiado simplemente reutilizar un comportamiento aprendido, a menudo la generalización adaptativa implica recombinar componentes distintos de conocimiento adquiridos en múltiples contextos. El trabajo teórico ha sugerido un compromiso computacional en el que puede ser más o menos útil aprender y generalizar aspectos de la estructura de la tarea de manera conjunta o composicional, dependiendo de las estadísticas de la tarea previa, pero se desconoce si los humanos modulan su estrategia de generalización en consecuencia. Aquí desarrollamos una serie de tareas de navegación que manipulan por separado las estadísticas de los valores de los objetivos ('qué hacer') y las transiciones de estado ('cómo hacerlo') a través de contextos y evaluamos si los sujetos humanos generalizan estos componentes de tarea por separado o de manera conjunta. Encontramos que la generalización humana es sensible a las estadísticas del dominio de tarea previamente experimentado, favoreciendo la generalización composicional o conjuntiva cuando las estadísticas de la tarea son indicativas de tales estructuras, y una mezcla de ambas cuando son más ambiguas. Estos resultados apoyan un enfoque normativo de 'meta-generalización' y sugieren que las personas no solo generalizan componentes de tareas previas, sino que también generalizan la estructura estadística más probable que respalde la generalización.