Imaginar un cerebro en una pantalla suele sonar a caricatura: una red que aprende porque le damos miles de ejemplos, ajusta parámetros y acierta. El trabajo que acaba de publicarse en Nature Communications va por otra ruta. Un equipo con investigadores de Dartmouth College, el MIT y la Universidad Estatal de Nueva York en Stony Brook ha construido un modelo biomimético del cerebro desde cero, intentando respetar no solo “qué calcula” el sistema, sino “cómo” lo hace: con conexiones neuronales plausibles, señales eléctricas y química cerebral, y una arquitectura por regiones que recuerda a la biología. El resultado es llamativo por dos motivos: el modelo aprende una tarea visual sencilla con un progreso tan irregular como el de animales de laboratorio y, mientras lo hace, deja ver un tipo de actividad neuronal que había pasado desapercibida en datos reales, según relata el propio equipo en la nota institucional del MIT y el artículo científico.
La prueba es una de esas tareas que, a ojos humanos, parecen casi un juego de mesa: se muestran patrones de puntos y el sujeto (animal o simulación) debe decidir a cuál de dos categorías pertenece lo que ve. La gracia está en que no basta con “ver puntos”; hay que extraer una regla de clasificación. Lo sorprendente es que el modelo no fue entrenado con registros de animales. Primero se diseñó para que fuera biológicamente verosímil; solo después se le planteó la tarea, y entonces se compararon sus trazas con las de animales que ya habían hecho el experimento. Continúa leyendo «Un modelo de cerebro “con piezas reales” aprende como los animales y destapa neuronas que empujan al error»
