🔬 Un equipo de Brian Christian y Tom Griffiths (Universidad de Oxford) descifró unas notas manuscritas que Richard Feynman dejó sin publicar hace más de 40 años. En ellas, el físico resolvió el «problema del restaurante»: cuándo conviene arriesgarse con un sitio nuevo y cuándo volver al favorito. El trabajo se publicó el 1 de junio en PNAS.
A finales de los 70, Feynman almorzaba con su amigo Ralph Leighton en Glendale, California. Leighton dudaba entre su plato de siempre y probar algo nuevo. Feynman convirtió la duda en un problema matemático y lo resolvió en una hoja. El reto tiene nombre: «problema de parada óptima». Imagina que visitas una ciudad una semana y cada noche eliges entre un restaurante desconocido o el mejor que ya probaste. La meta: maximizar el disfrute total del viaje.
Las notas mostraban la estrategia óptima: un umbral de calidad — la nota mínima que exiges antes de comprometerte — que empieza alto y baja a medida que se acaba el viaje. El equipo demostró que la solución de Feynman era correcta. Luego preguntó si la gente decide así. Reclutaron a 2 520 personas con una versión digital: una cuadrícula de restaurantes con puntuaciones ocultas, reveladas solo en la primera visita.
La respuesta: nadie sigue la curva óptima. La gente usa una regla más simple. El listón empieza alto y baja la misma cantidad fija cada noche, sin importar la duración del viaje ni el reparto de calidad. Esa regla sencilla capturó cerca del 90 % del valor de la estrategia perfecta. Lo único que ajustaban era dónde colocar el listón inicial, según el panorama que habían visto.
✅ El hallazgo encaja en un marco emergente de la ciencia cognitiva, la «racionalidad de recursos»: no somos perfectamente racionales, pero aprovechamos bien el tiempo y la atención limitados. Christian sugiere que diseñar IA en torno a cómo pensamos de verdad — de forma imperfecta — podría funcionar mejor que asumir agentes perfectamente racionales. El límite: cada participante jugó una sola vez y el experimento fue en línea, así que falta ver si la regla aguanta en decisiones reales y repetidas.
