Un reciente estudio publicado en la revista Cognitive Systems Research explora cómo el funcionamiento del cerebro humano podría inspirar el desarrollo de algoritmos de inteligencia artificial (IA) más avanzados y eficientes. La investigación fue realizada en colaboración entre la Universidad San Sebastián (USS), el Centro Nacional de Inteligencia Artificial (CENIA) y la Universidad de Chile, y revela nuevas oportunidades para comprender las diferencias estructurales y funcionales entre el cerebro y las IA actuales.
LEE TAMBIÉN EN CONCIENCIA 24.7:
- NASA ofrece casi 3 mil millones de pesos a quien resuelva el problema de los desechos espaciales
- Conocimientos 2030: universidades podrán postular a financiamiento en artes, humanidades y ciencias sociales
- Proyectan bioproducto para degradar residuos textiles y generar compost
En busca de una IA más flexible
El equipo de investigación, liderado por el Doctor en Psicología y biólogo Rodrigo Vergara de la Facultad de Psicología y Humanidades de la USS, junto a los investigadores Christ Devia, Camilo Jara Do Nascimento, Samuel Madariaga, Pedro Maldonado y Catalina Murúa de CENIA y la Universidad de Chile, examinó las disparidades entre los microcircuitos del neocórtex cerebral y las arquitecturas de IA.
"Nuestro análisis se centró en cómo las diferencias en la estructura y en el procesamiento de información impactan en la flexibilidad, la eficiencia y el aprendizaje de las máquinas", señaló Vergara.
Diferencias clave entre el cerebro y la IA
El estudio destaca que, a diferencia del cerebro, que posee una estructura homogénea en su corteza, las IA están diseñadas con una red de conexiones aleatorias que se ajustan con el aprendizaje. Mientras que el cerebro no siempre opera con objetivos específicos y realiza funciones como la percepción y toma de decisiones de manera continua, las IA están programadas para resolver tareas concretas, lo que limita su flexibilidad.
Otro punto crítico es el "olvido catastrófico" de la IA, un fenómeno en el que los sistemas de inteligencia artificial pierden conocimientos previos cuando aprenden nuevas tareas. En contraste, el cerebro humano retiene y adapta conocimientos antiguos al aprender cosas nuevas, lo que permite un aprendizaje continuo.
"En el cerebro, las conexiones neuronales cambian de peso constantemente, mientras que en la IA, estas conexiones suelen 'congelarse' cuando se completa el entrenamiento", explicó Vergara.
Hacia una IA más flexible y eficiente
La investigación sugiere que los modelos de IA podrían beneficiarse de integrar principios de la neurociencia, como la adaptabilidad continua de las conexiones neuronales, para mejorar su rendimiento. Según Vergara, "los sistemas de IA actuales aún tienen mucho espacio para inspirarse en la neurociencia y potenciar así su flexibilidad y eficiencia".
El estudio “Exploring biological challenges in building a thinking machine” apunta a una mayor integración entre los principios biológicos y los sistemas de IA, una convergencia que podría avanzar tanto en el campo de la inteligencia artificial como en la comprensión del funcionamiento del cerebro humano.
