Un nuevo artículo sostiene que las habilidades desiguales y "irregulares" de los sistemas de IA modernos provienen de una señal de entrenamiento ausente que los autores denominan "materia oscura cognitiva" (CDM, por sus siglas en inglés): funciones cerebrales que moldean la conducta pero que resultan casi invisibles a la observación conductual por sí sola.
La investigación
Publicado en arXiv el 3 de marzo de 2026 (revisado el 31 de julio de 2026), el artículo está firmado por Patrick J. Mineault, Thomas L. Griffiths y Sean Escola. Griffiths es profesor de psicología y ciencias de la computación en la Universidad de Princeton y un investigador destacado en ciencia cognitiva computacional; Mineault y Escola trabajan en la intersección entre neurociencia y aprendizaje automático.
Los autores definen la materia oscura cognitiva como funciones cerebrales que moldean significativamente la conducta pero que son difíciles de inferir solo a partir de ella. Identifican seis dominios clave de la CDM:
- Metacognición (pensar sobre el propio pensamiento)
- Flexibilidad cognitiva (adaptarse a nuevas reglas o contextos)
- Aprendizaje a lo largo de la vida (acumular conocimiento con el tiempo)
- Razonamiento abductivo (inferir la mejor explicación a partir de información incompleta)
- Razonamiento social y de sentido común
- Inteligencia emocional
El equipo presenta evidencia de que estas funciones cargadas de CDM están en gran medida sin medir en los benchmarks actuales de IA y que los conjuntos de datos de entrenamiento neurocientífico a gran escala necesarios para inculcarlas aún no existen. Esbozan un programa de investigación construido sobre tres tipos complementarios de datos diseñados para sacar a la luz la CDM para el entrenamiento de modelos: (i) variables latentes de modelos cognitivos a gran escala, (ii) datos de rastreo de procesos como seguimiento ocular y protocolos de pensamiento en voz alta, y (iii) datos neurales-conductuales emparejados.
"Estos datos permitirán entrenar la IA en el proceso cognitivo en lugar de solo en el resultado conductual, produciendo modelos con una inteligencia más general y menos irregular", escriben los autores.
Por qué importa
Los mismos puntos ciegos que hacen que los benchmarks de IA sean incompletos probablemente también se apliquen a cómo medimos la inteligencia humana. Las pruebas de CI estándar y la mayoría de las evaluaciones cognitivas se centran en los resultados —respuestas correctas, tiempos de reacción, puntuaciones— más que en los procesos que hay detrás. Si funciones de la CDM como la metacognición y la flexibilidad cognitiva son tan importantes como sugiere este artículo, entonces comprenderlas y entrenarlas podría ser clave para mejorar tu propio aprendizaje, tu toma de decisiones y tu adaptabilidad. Los investigadores señalan un "doble beneficio": los mismos datos que podrían mejorar la IA también harían avanzar nuestra comprensión de la inteligencia humana en sí.
Qué puedes hacer
- Practica la metacognición: después de una tarea, pregúntate qué estrategia usaste y qué cambiarías la próxima vez.
- Entrena la flexibilidad cognitiva alternando entre distintos tipos de acertijos o tareas en una misma sesión.
- Resuelve problemas pensando en voz alta: verbalizar tu razonamiento puede sacar a la luz patrones de pensamiento ocultos.
- Desafíate con tareas de razonamiento social y emocional, como ejercicios de adopción de perspectiva.
Fuente: arXiv q-bio.NC
¿Tienes curiosidad por tu propio cerebro? Haz nuestro test de CI adaptativo gratuito o prueba 306 niveles de entrenamiento cerebral.