La inteligencia artificial ha avanzado a pasos agigantados, pero casi siempre siguiendo reglas muy distintas a las del cerebro humano. Un nuevo desarrollo científico propone cambiar ese enfoque desde la base. En lugar de imitar resultados, este sistema replica cómo funcionan las neuronas reales, ofreciendo una ventana inédita para comprender el aprendizaje, el error y la adaptación del cerebro.
Un modelo que copia las reglas de la biología
El nuevo “cerebro digital” no se entrenó con cantidades masivas de datos, como ocurre con la mayoría de los sistemas de IA actuales. Fue construido siguiendo principios biológicos fundamentales: cómo se conectan las neuronas, cómo intercambian señales químicas y cómo cooperan distintas regiones cerebrales para tomar decisiones.
El trabajo fue desarrollado por investigadores de Dartmouth College, el Picower Institute for Learning and Memory del MIT, y la Universidad Estatal de Nueva York en Stony Brook. Los resultados se publicaron en la revista Nature Communications, y describen un sistema que funciona más como un cerebro que como una máquina tradicional.
Cómo se construye un “cerebro digital”
La simulación reproduce la arquitectura básica del cerebro real. Incluye redes de neuronas artificiales que se comunican mediante señales eléctricas y químicas, imitando el papel de los neurotransmisores. Entre ellos se incorpora la acetilcolina, una sustancia clave en los procesos de aprendizaje y atención.
Este detalle resulta crucial, porque introduce variabilidad en la actividad neuronal. El modelo no sigue reglas rígidas: se adapta, explora y ajusta su comportamiento con la experiencia. En lugar de buscar siempre la respuesta perfecta, aprende probando distintas opciones, de forma similar a lo que ocurre en el cerebro biológico.
Aprender filtrando el mundo
Dentro del sistema, algunas redes actúan como filtros que seleccionan la información relevante y descartan el ruido innecesario. Este mecanismo, conocido como “el ganador se lleva todo”, permite concentrar recursos en los estímulos más importantes.
Además, el modelo incluye un nivel controlado de “ruido neuronal”. Lejos de ser un error, esta variabilidad favorece el aprendizaje, ya que permite explorar alternativas y evitar respuestas automáticas rígidas. Con la práctica, ciertas conexiones se refuerzan, mejorando la precisión de las decisiones, tal como sucede en humanos y animales.
El hallazgo inesperado: anticipar errores
Durante las pruebas, los investigadores detectaron algo sorprendente. Aproximadamente el 20 % de las neuronas mostraban patrones de actividad que anunciaban una decisión incorrecta antes de que ocurriera. Estas señales surgían cuando el sistema evaluaba opciones que podían llevar al error.
A estas células las denominaron “neuronas incongruentes”. Su función no parece ser evitar el error de inmediato, sino explorar activamente caminos equivocados, una estrategia que podría resultar clave para aprender en entornos cambiantes o inciertos.
Del modelo digital al cerebro real
Para comprobar que este fenómeno no era exclusivo de la simulación, el equipo analizó grandes bases de datos con registros neuronales obtenidos en animales de laboratorio. Allí encontraron señales muy similares, que hasta ahora habían pasado desapercibidas.
Este resultado sugiere que el cerebro no solo aprende corrigiendo errores después de cometerlos, sino que también anticipa fallos potenciales, ajustando su comportamiento de manera preventiva. Es un cambio profundo en la forma de entender el aprendizaje y la toma de decisiones.
Implicaciones para la neurología y la psiquiatría
Comprender cómo el cerebro anticipa errores podría ser clave para estudiar trastornos neurológicos y psiquiátricos donde estos procesos fallan. El modelo ofrece una plataforma para experimentar con circuitos cerebrales virtuales, evaluar hipótesis y probar intervenciones sin recurrir de inmediato a ensayos en animales o humanos.
Esto podría acelerar el desarrollo de tratamientos personalizados, reduciendo costos y riesgos. Al simular cómo distintas intervenciones modifican la actividad cerebral, los investigadores pueden identificar estrategias prometedoras antes de pasar a fases clínicas.
De la investigación al mundo real
Los científicos involucrados fundaron la empresa Neuroblox.ai para trasladar este enfoque al ámbito biomédico. El objetivo es ampliar la simulación incorporando nuevas regiones cerebrales, más neurotransmisores y distintos escenarios terapéuticos, incluidos fármacos.
Desde el Picower Institute subrayan que la meta final es doble: entender mejor cómo funciona el cerebro sano y, al mismo tiempo, arrojar luz sobre enfermedades neurológicas complejas. Si este “cerebro digital” sigue evolucionando como prometen sus creadores, podría convertirse en una de las herramientas más poderosas para descifrar cómo pensamos, aprendemos… y nos equivocamos.
[Fuente: Infobae]
