Una sola neurona no es un simple interruptor. Es una potencia.
Una nueva investigación cambia el guión sobre cómo entendemos las unidades de procesamiento del cerebro. Durante décadas, la ciencia asumió que nuestra ventaja cognitiva provenía de la mera escala. Ya conoces la lógica: 100 mil millones de neuronas. Billones de conexiones. Un hardware más grande equivale a una mayor inteligencia.
Pero un estudio reciente publicado en Proceedings of the National Academy of Sciences (PNAS) sugiere que esa suposición está desactualizada. ¿El verdadero secreto? La complejidad computacional de las neuronas humanas es mucho más profunda de lo que se pensaba anteriormente.
Una célula cerebral puede realizar cálculos que rivalizan con una red neuronal artificial profunda. No las unidades simplificadas de la IA actual, sino las complejas y en capas.
Esto cambia todo el panorama de la neurociencia. Si la inteligencia no se trata sólo de cantidad, sino de calidad por célula, tenemos que observar dónde se originan realmente el lenguaje, las matemáticas e incluso la imaginación. Podrían comenzar dentro de un microchip único y solitario en su corteza.
El “microchip” dentro de tu cabeza
Las neuronas de la corteza humana (la capa externa responsable del pensamiento de orden superior) se comportan más como procesadores sofisticados. No se limitan a transmitir señales como una brigada de cubos. Ellos analizan. Se combinan. Ellos calculan.
Investigadores de la Universidad Hebrea, dirigidos por los Profs. Idan Segev y Mickey Londan se asociaron con científicos del Edmond and Lily SafraCenter for Brain Sciences (ELSC) para demostrarlo. Incluyeron la colaboración del Prof. Chris de Kock de la Universidad Libre de Amsterdam.
“La gente suele pensar que una neurona es un interruptor de encendido y apagado”, explicó Segev. “Lo que mostramos es que una neurona humana es en sí misma un dispositivo informático extraordinariamente sofisticado”.
Piénselo de esta manera: una bombilla se enciende o no. ¿Una neurona cortical humana? Pesa los datos entrantes, considera el contexto de sus dendritas y toma una decisión calculada que imita un modelo de IA de múltiples capas.
Cómo lo probaron
No se puede simplemente medir el tamaño de una célula y adivinar su coeficiente intelectual. Una neurona más grande no siempre significa una más inteligente.
El equipo necesitaba una métrica. Entonces construyeron gemelos digitales.
Utilizando modelos informáticos e inteligencia artificial, intentaron replicar el comportamiento de las neuronas biológicas utilizando redes neuronales artificiales (RNA). Fue un juego de imitación.
- Tomaron una neurona biológica.
- Le alimentaron con insumos.
- Observaron la salida.
- Luego, intentaron entrenar una red de IA para reproducir exactamente ese resultado.
Aquí está el truco: las neuronas simples de otros mamíferos eran fáciles de copiar. Una red de IA pequeña y poco profunda podría imitar su comportamiento con facilidad.
¿Neuronas corticales humanas? Fueron difíciles.
La IA necesitaba ser significativamente más profunda, más elaborada y mucho más compleja para reproducir con precisión los patrones de activación de una célula humana. Cuanto más difícil era copiar la neurona, más poder computacional poseía.
Por qué ganan los cerebros humanos
Los datos son claros: las neuronas corticales humanas requieren redes artificiales más complejas para imitarlas que las de otros mamíferos.
¿Por qué? Todo se reduce a la estructura. En concreto, los árboles dendríticos. Estas son las estructuras en forma de ramas que reciben señales. Las neuronas humanas tienen árboles dendríticos complejos y ricamente ramificados con propiedades eléctricas distintivas.
Esto no es sólo cableado pasivo. Permite a la neurona analizar combinaciones de señales en lugar de simplemente sumarlas linealmente.
Una célula puede funcionar como un sistema en capas con capacidades comparables a las de una red neuronal profunda.
Esta capacidad explica por qué podemos distinguir detalles sutiles, como la diferencia entre un gato y un perro en una imagen, o captar conceptos matemáticos abstractos. No solo estamos contando neuronas. Estamos aprovechando el poder de procesamiento avanzado de cada celda individual.
Qué significa esto para la inteligencia artificial
Esto no es sólo curiosidad académica. Tiene enormes implicaciones para el diseño de IA inspirada en el cerebro.
La mayoría de los modelos actuales de aprendizaje automático se basan en unidades artificiales simplificadas. Los apilan en capas profundas, con la esperanza de que surja la complejidad colectiva. Es un enfoque de fuerza bruta.
Si queremos construir sistemas verdaderamente avanzados, tal vez debamos mirar hacia adentro. Hacia la biología.
Los futuros modelos de IA podrían utilizar componentes artificiales que imiten la complejidad computacional de las neuronas humanas. En lugar de unidades tontas, tontas y tontas apiladas en gran altura, imagine unidades de procesamiento inteligentes y matizadas que manejen la complejidad de forma individual.
Ese es un camino diferente. Uno que se aleje de la escala bruta y se acerque a la sofisticación estructural.
La investigación desafía la antigua visión de que la inteligencia es sólo un juego de números. La cognición humana no se trata sólo de tener un cerebro grande. Se trata de tener piezas inteligentes.
A medida que ampliamos los límites de la neurociencia y el aprendizaje automático, la línea entre la biología y el silicio podría desdibujarse de maneras inesperadas. Pero una cosa sigue clara: el mayor activo del cerebro humano quizá no sea su tamaño.
Es la complejidad de la célula.
