Investigadores de la Universidad Tecnológica de Graz han construido un sistema de inteligencia artificial que resuelve problemas complejos de planificación utilizando las mismas estrategias de ahorro de energía que emplea el hipocampo humano, consumiendo una fracción de la energía de las redes neuronales profundas convencionales.
La investigación
Wolfgang Maass y Yukun Yang, del Instituto de Aprendizaje Automático y Computación Neural, en colaboración con socios internacionales, se basaron en estudios neurocientíficos del hipocampo para identificar tres mecanismos cerebrales que merecía la pena traducir a código:
- Mapas cognitivos: el cerebro convierte las relaciones entre objetos abstractos en relaciones geométricas entre códigos neuronales, creando un «sentido de la orientación» similar a un mapa espacial.
- Cálculo neural estocástico: el cerebro genera constantemente escenarios hipotéticos y predicciones en lugar de calcular exhaustivamente todas las posibilidades.
- Codificación composicional: la información y los planes de acción se descomponen en componentes reutilizables, como piezas de LEGO que pueden reensamblarse para nuevas tareas.
Cuando la IA se enfrenta a un problema, no calcula todas las posibles rutas de solución. En su lugar, guiada por su mapa cognitivo, genera un paso intermedio aleatorio y comprueba si ese paso la acerca al objetivo. Si lo hace, el sistema sigue esa ruta y luego repite el proceso desde su nueva posición. Este enfoque paso a paso se aproxima gradualmente a una solución sin necesidad de un cálculo exhaustivo.
El equipo validó la arquitectura en tres pruebas de referencia: navegación espacial 2D, orientación multidimensional abstracta y ensamblaje y desmontaje de una silueta hecha con bloques de construcción. De manera crucial, el sistema se adaptó a entornos novedosos y a cambios estructurales sin necesidad de reentrenamiento ni optimización de parámetros, una capacidad denominada adaptabilidad zero-shot. El cerebro humano funciona con unos 20 vatios de potencia, mientras que los grandes modelos de lenguaje pueden demandar energía a escala de megavatios.
Por qué es importante
Esta investigación no trata de superar a los grandes modelos de lenguaje en su propio terreno. Como dice Maass: «Todavía estamos en una fase de desarrollo relativamente temprana. Pero nuestro trabajo demuestra que una IA potente no requiere necesariamente enormes centros de datos y cantidades ingentes de energía». Las implicaciones van más allá de la eficiencia de la IA. El modelo sugiere que la capacidad del cerebro para planificar con flexibilidad —sin una computación masiva— se basa en estrategias específicas e identificables: mapear relaciones abstractas de forma geométrica, probar pasos intermedios aleatorios en lugar de una búsqueda exhaustiva y reutilizar componentes de acción.
Para cualquiera interesado en su propia cognición, esta investigación destaca que la resolución de problemas humana es notablemente eficiente. Tu cerebro no busca soluciones por fuerza bruta. Utiliza metáforas espaciales para problemas abstractos, muestrea posibilidades en lugar de enumerarlas y recombina acciones familiares en nuevos planes. Estas son habilidades entrenables.
Qué puedes hacer
Intenta aplicar estos principios a tu propio pensamiento. Cuando te enfrentes a un problema complejo, esboza un «mapa» aproximado de cómo se relacionan los elementos clave entre sí. En lugar de planificar cada paso, elige un movimiento inicial plausible y evalúa si te acerca a tu objetivo. Divide las tareas grandes en componentes reutilizables que puedas reorganizar para desafíos futuros. Esto refleja la estrategia inspirada en el cerebro y puede ayudarte a resolver problemas con menos fatiga mental.
Fuente: Neuroscience News
¿Tienes curiosidad por tu propio cerebro? Haz nuestra prueba de CI adaptativa gratuita o prueba 306 niveles de entrenamiento cerebral.