Este artículo explora si la cognición humana puede explicarse mediante la adaptación basada en principios a la estructura estadística de entornos reales. Desarrollamos un novedoso algoritmo de aprendizaje, Inferencia de Metaaprendizaje Ecológicamente Racional (ERMI), aprovechando un modelo de lenguaje a gran escala que genera tareas cognitivas ecológicamente relevantes y metaaprendizaje para derivar modelos racionales optimizados para estos entornos. ERMI internaliza las regularidades estadísticas de los espacios de problemas naturalistas y se adapta con flexibilidad a nuevas situaciones sin heurísticas predefinidas ni actualizaciones explícitas de parámetros. A lo largo de 15 experimentos (incluyendo aprendizaje de funciones, aprendizaje de categorías y toma de decisiones), captura el comportamiento humano y supera a varios modelos cognitivos existentes en predicciones ensayo a ensayo. Esto sugiere que una parte significativa de la cognición humana puede reflejar una alineación adaptativa con la estructura ecológica de los problemas que encontramos en la vida cotidiana.
