Un nuevo estudio realizado por el neurocientífico cognitivo Dr. Edwin Dalmiger de la Universidad de Bristol, Reino Unido, analizó las influencias sociales en las trayectorias de vuelo de las palomas. Al comparar los patrones de vuelo de parejas de palomas con un modelo de computadora, el investigador descubrió que las rutas de vuelo mejoran a medida que las aves más jóvenes aprenden y mejoran las rutas de las aves más viejas, lo que resulta en una mejora general entre generaciones. Pero hay formas más efectivas. El estudio se publica el 6 de junio en la revista de acceso abierto. Biología PLoS.
Las palomas son conocidas por su capacidad de viajar largas distancias a lugares específicos. Como muchas aves, navegan utilizando el sol y detectando el campo magnético de la Tierra. Aunque estos sentidos ayudan a las palomas a orientarse, normalmente no producen las rutas más eficientes.
El Dr. Dulmiger recopiló datos de estudios publicados anteriormente en los que palomas familiarizadas con la ruta se emparejaron con palomas que no habían volado la ruta antes. Estos datos mostraron que cuando se introdujo la paloma inexperta, la pareja voló una ruta más directa a su destino. Sin embargo, estos estudios previos no pudieron determinar cómo las aves emparejadas crean rutas más eficientes.
El Dr. Dulmiger comparó los datos de vuelo de las palomas con un modelo informático que priorizaba cuatro factores clave. Estos cuatro factores representan lo que podría implicar la elección de una trayectoria de vuelo con una percepción mínima, incluyendo: la dirección del objetivo, que representa la brújula interna del pájaro; proximidad a otras palomas; la ruta recordada; y consistencia general, ya que es poco probable que las aves realicen giros al azar.
En el modelo, aves simuladas, llamadas “agentes”, realizan más de 60 viajes. Una vez cada 12 viajes, uno de los agentes era sustituido por un agente que no había viajado antes, imitando a un pájaro joven. Como resultado, la eficiencia de las rutas de vuelo aumentó de generación en generación. Estas correcciones son similares a las observadas en datos de la vida real de parejas de palomas, aunque los datos de las palomas no coinciden con la mejor versión del modelo, posiblemente porque las palomas se ven afectadas por factores adicionales como el modelo no puede.
Cuando se eliminaron algunos parámetros del modelo, como la memoria de ruta o el deseo de permanecer cerca de otras palomas, no hubo mejora racial. “Estos hallazgos sugieren que puede ocurrir una mejora gradual entre especies cuando los individuos simplemente buscan proximidad con otros”, dijo el Dr. Dullmeiger.
El modelo demuestra aprendizaje en ambas direcciones. Como era de esperar, el agente más joven se aprovecha del agente mayor aprendiendo la ruta. Sin embargo, también muestra que el agente de mayor edad se beneficia del agente más joven. Dado que los agentes más jóvenes no siguen un camino de entrada, están más centrados en el destino final. El deseo de los agentes de proximidad social entre los dos equilibra estos atractivos, lo que lleva a un camino más eficiente en general. Además, estos hallazgos pueden aplicarse a otras especies además de las palomas, como las hormigas y algunas especies de peces, que también viajan basándose en la memoria y factores sociales.
“Crecí en los Países Bajos, en una ciudad donde las palomas están constantemente en el tráfico de bicicletas, por lo que no tengo la mejor opinión sobre la inteligencia de las palomas”, dijo el Dr. Dalmygerads. Incluso en agentes artificiales “tontos” surgen mejoras graduales en el rendimiento de las rutas. .Por otro lado, tengo un gran respeto por todo el impresionante trabajo realizado en la navegación de las palomas y la cultura en general, e incluso un poco también por las humildes palomas (porque se mantienen alejadas de mi bicicleta).
