Imparare dagli Altri (o da Soli?): I Segreti dell’Adattamento Umano Svelati in Minecraft

Ciao a tutti! Oggi voglio parlarvi di qualcosa che ci rende incredibilmente speciali come esseri umani: la nostra capacità di adattarci. Pensateci, siamo maestri nel cambiare strategia a seconda dell’ambiente e delle circostanze. Ma come facciamo esattamente? Soprattutto, come decidiamo quando imparare da soli, esplorando il mondo con le nostre forze (quello che chiamiamo apprendimento asociale), e quando invece è meglio dare un’occhiata a cosa fanno gli altri (l’apprendimento sociale)?

Per decenni, questi due modi di imparare sono stati studiati un po’ separatamente. Da un lato, le teorie sull’apprendimento asociale immaginavano persone che agiscono quasi in un vuoto, da sole. Dall’altro, quelle sull’apprendimento sociale spesso semplificavano o ignoravano del tutto come impariamo individualmente. È un po’ come studiare un musicista concentrandosi solo sulla sua tecnica individuale o solo su come suona in orchestra, senza mai guardare come le due cose si influenzano a vicenda. Mancava un quadro completo che mettesse insieme i pezzi.

L’Esperimento: Foraggiamento Collettivo in un Mondo Virtuale

Per cercare di colmare questa lacuna, abbiamo pensato a un modo un po’ fuori dagli schemi: usare Minecraft! Sì, proprio il videogioco. Abbiamo creato un ambiente virtuale immersivo dove gruppi di persone dovevano cercare ricompense nascoste (un po’ come cercare cibo, da cui il termine “foraggiamento collettivo”). Perché Minecraft? Perché ci permetteva di controllare tanti fattori e, soprattutto, di tracciare con precisione non solo dove andavano i partecipanti, ma anche cosa vedevano in ogni istante.

Immaginatevi catapultati in un campo virtuale 20×20 pieno di blocchi. Alcuni nascondono una ricompensa (visualizzata come uno splash blu, visibile anche agli altri), altri no. Ogni round durava 120 secondi. A volte si giocava da soli (condizione “solo”), altre volte in gruppi di quattro (“group”). La cosa interessante è che avevamo due tipi di ambienti:

• Ambienti Casuali (Random): Le ricompense erano sparse a caso. Sapere dove un altro aveva trovato qualcosa non ti aiutava a trovare la prossima.
• Ambienti Strutturati (Smooth): Le ricompense erano raggruppate. Se vedevi qualcuno trovare una ricompensa, era probabile che ce ne fossero altre lì vicino. Qui, l’informazione sociale diventava preziosa!

Questa differenza era cruciale per capire quando e perché le persone decidono di affidarsi agli altri. Inoltre, la visuale limitata del gioco creava un compromesso naturale: guardare in giro per cercare da soli o tenere d’occhio i compagni per imparare da loro?

Adattarsi all’Ambiente: Come Cambia la Ricerca

Una delle prime cose che abbiamo osservato riguarda come le persone adattano la loro ricerca individuale. Esiste una strategia ben nota, chiamata “Area-Restricted Search” (ARS), osservata in tantissime specie, dai batteri a noi umani. In pratica: se trovi una ricompensa, tendi a cercare lì vicino; se non trovi nulla, allarghi la ricerca.

Ebbene, abbiamo visto proprio questo! Negli ambienti strutturati (smooth), dopo aver trovato una ricompensa, i partecipanti tendevano a muoversi meno, esplorando localmente. Al contrario, negli ambienti casuali (random), trovare una ricompensa li spingeva a muoversi di più, forse perché capivano che era solo un colpo di fortuna isolato. La cosa affascinante è che chi mostrava una maggiore adattabilità in questa strategia (cioè, chi modificava di più la distanza di ricerca a seconda del successo) otteneva anche risultati migliori negli ambienti strutturati. Questo ci dice che adattare la ricerca individuale è fondamentale.

Dinamiche Sociali: Guardare, Seguire, Evitare

Ma cosa succede quando ci sono altre persone? Qui le cose si complicano. Gli altri sono sì potenziali fonti di informazione preziosa (soprattutto negli ambienti strutturati), ma sono anche competitors per le stesse risorse limitate. Un bel dilemma!

Analizzando le distanze tra i giocatori, abbiamo notato che negli ambienti casuali, dove copiare era inutile, le persone tendevano a stare più lontane tra loro rispetto a quanto ci si aspetterebbe dal caso (confrontando con i round “solo” sovrapposti). Sembrava quasi un evitamento attivo. Negli ambienti strutturati, invece, le distanze erano simili a quelle casuali, ma come vedremo, questo nasconde dinamiche più complesse.

Grazie alla nostra analisi del campo visivo (cosa vedeva ogni giocatore in ogni momento), abbiamo potuto studiare l’attenzione sociale. Negli ambienti strutturati, le persone si osservavano di più. Ma la vera sorpresa è arrivata analizzando le asimmetrie. Abbiamo usato l’analisi delle reti sociali (immaginate una mappa delle connessioni visive e di prossimità tra i giocatori). È emerso che negli ambienti strutturati, c’era una maggiore specializzazione: alcuni tendevano a osservare molto gli altri (gli “scroungers”, potremmo dire), mentre altri erano più osservati e osservavano meno (i “producers”). Questa asimmetria era molto meno marcata negli ambienti casuali o nei round da soli.

Il Motore dell’Adattamento: Il Successo Individuale

Qui arriva il bello. Analizzando le dinamiche temporali, cioè come le cose cambiano secondo dopo secondo, abbiamo scoperto cosa guida veramente l’adattamento, sia sociale che asociale. E la risposta è stata sorprendente: è il successo individuale.

Ecco cosa abbiamo visto, soprattutto negli ambienti strutturati:

• Cicli di Prossimità: Avere successo (trovare una ricompensa) prevedeva una maggiore vicinanza con gli altri nei secondi successivi. Probabilmente perché il successo attirava imitatori. Ma questa vicinanza, a sua volta, prevedeva un minor successo futuro (probabilmente per l’esaurimento delle risorse locali). Questo creava un ciclo: successo -> attrazione -> esaurimento -> allontanamento -> successo altrove…
• Attenzione Sociale Adattiva: Avere poco successo individuale prevedeva un aumento dell’attenzione visiva verso gli altri nei secondi successivi. In pratica, quando le cose andavano male da soli, si cercava ispirazione negli altri. Ma attenzione: passare troppo tempo a guardare gli altri aveva un costo, prevedendo un minor successo futuro immediato.
• Attenzione Selettiva Basata sul Successo: Avere successo prevedeva di essere più osservati dagli altri nei secondi successivi. Le persone non guardavano a caso, ma dirigevano selettivamente la loro attenzione verso chi stava avendo successo in quel momento.

Queste dinamiche erano quasi assenti o molto diverse negli ambienti casuali e nei round da soli, confermando che erano fenomeni legati all’apprendimento sociale adattivo guidato dal successo personale.

Leader e Follower: Le Dinamiche di “Trascinamento”

Abbiamo anche analizzato specifici eventi di “trascinamento” (pull events), momenti in cui un giocatore (il leader) sembrava influenzare il movimento di un altro (il follower), portandolo a seguirlo. Questi eventi erano molto più frequenti negli ambienti strutturati, dove seguire poteva essere vantaggioso. E indovinate un po’? Durante questi eventi, i leader tendevano ad avere tassi di ricompensa istantanei più alti dei follower. Ancora una volta, il successo sembrava guidare l’influenza sociale.

Modellare le Decisioni: Un Modello Integrato

Tutte queste analisi comportamentali sono affascinanti, ma per capire davvero i meccanismi cognitivi sottostanti, abbiamo usato modelli computazionali. Questi modelli cercano di prevedere, scelta dopo scelta, quale blocco un partecipante deciderà di rompere, basandosi su diverse informazioni (features). Abbiamo testato vari modelli: alcuni che consideravano solo l’apprendimento asociale, altri che includevano l’imitazione “cieca” di tutti, altri ancora l’imitazione selettiva di chi aveva successo.

Abbiamo anche testato modelli dinamici, in cui le strategie potevano cambiare nel tempo. Ad esempio, un modello implementava l’Area-Restricted Search (ARS), dove la tendenza a cercare localmente diminuiva quanto più tempo passava dall’ultima ricompensa individuale. Un altro modello, ispirato alla teoria dell’apprendimento sociale “condizionale”, adattava la tendenza a copiare gli altri (soprattutto quelli di successo) in base al proprio successo individuale recente.

Il modello vincitore, quello che spiegava meglio le scelte dei partecipanti nei round di gruppo, è stato un ibrido: ARS + Apprendimento Condizionale (ARS+Cond). Questo modello integrava l’adattamento della ricerca locale (ARS) con l’adattamento dell’apprendimento sociale selettivo (copiare chi ha successo), entrambi guidati da una sola cosa: il tempo trascorso dall’ultima ricompensa individuale.

In pratica, quando un giocatore non trovava ricompense per un po’, non solo iniziava a cercare più lontano (ARS), ma diventava anche più propenso a guardare e seguire i compagni che vedeva avere successo (Apprendimento Condizionale Selettivo). Il successo individuale agiva come una valuta comune che regolava entrambi i tipi di apprendimento! E ancora più importante: la misura in cui un individuo era adattivo (sia nell’ARS che nell’apprendimento sociale) era ciò che meglio prevedeva la sua performance complessiva.

Cosa Abbiamo Imparato (e Cosa Resta da Capire)

Questo studio ci aiuta a vedere l’apprendimento sociale e asociale non come due sistemi separati che si compensano, ma come meccanismi integrati che possono amplificarsi a vicenda, guidati da un segnale comune: il nostro successo personale. È l’adattabilità stessa, sia nel come esploriamo da soli sia nel come impariamo dagli altri, a fare la differenza.

È interessante notare che anche negli ambienti casuali, dove copiare chi aveva successo era inutile, i partecipanti mostravano ancora una leggera tendenza a farlo. Forse copiare chi ha successo è una strategia così profondamente radicata in noi, utile in così tanti contesti, che facciamo fatica a disattivarla completamente? O forse, anche in un ambiente casuale, seguire qualcuno può essere un modo “economico” per esplorare nuove aree senza doverci pensare troppo?

Questi risultati aprono tante domande. Come funzionano questi meccanismi in contesti non spaziali, come l’apprendimento di informazioni o abilità? Come si evolvono queste strategie nel tempo, magari su scale culturali? Il nostro lavoro, usando un ambiente immersivo come Minecraft per catturare dati ricchi, fornisce una base per esplorare queste affascinanti questioni sulla flessibilità e l’adattabilità dell’apprendimento umano nel complesso panorama sociale in cui viviamo.

Insomma, la prossima volta che vi trovate a decidere se fare di testa vostra o dare un’occhiata a cosa fanno gli altri, ricordatevi che probabilmente il vostro cervello sta facendo calcoli sofisticati basati sul vostro successo recente, adattando dinamicamente la vostra strategia per navigare al meglio nel mondo!

Fonte: Springer