Una nueva investigación de Zeyu Yun, Alexander Belsten y colegas de UC Berkeley une la inteligencia artificial y la neurociencia al mostrar que un modelo de difusión simple de la corteza visual primaria (V1) se comporta de manera sorprendentemente similar al cerebro durante la percepción. El modelo, descrito en un preprint en arXiv (julio de 2026), reproduce la estructura de las conexiones horizontales en las capas superficiales de V1, enlaces que conectan neuronas sintonizadas a orientaciones similares, y logra un rendimiento de eliminación de ruido casi de última generación.
La Investigación
El equipo construyó una red neuronal recurrente basada en codificación dispersa con un prior no factorial sobre variables latentes, entrenada en imágenes naturales mediante denoising score-matching y diferenciación implícita. Después del entrenamiento, la matriz de interacción aprendida entre variables latentes reflejaba el patrón de conexiones horizontales en las capas superficiales de V1. El modelo restauró contornos extendidos incluso bajo ambigüedad visual extrema, casi igualando a los modelos de difusión estándar de caja negra en generalización. Críticamente, la simplicidad del modelo permitió a los investigadores descomponer su jacobiano en términos de la matriz de interacción, revelando cómo la dinámica recurrente asigna alta probabilidad a deformaciones estructurales naturales. Además, una gran fracción de variables latentes se desconectó completamente de la entrada visual, formando una representación jerárquica que impone coherencia global entre las características de la imagen.
Por Qué Es Importante
Este trabajo ofrece una comprensión mecanicista de cómo el cerebro podría realizar inferencia perceptual, completando información faltante de entradas ambiguas, utilizando circuitos recurrentes. Para el aprendizaje automático, desmitifica el funcionamiento interno de los modelos de difusión, mostrando cómo aprenden a generar infinitas imágenes novedosas a partir de datos finitos. Para ti, sugiere que la capacidad del cerebro para ver objetos coherentes en entornos ruidosos se basa en expectativas previas aprendidas cableadas en los circuitos neuronales. Esta idea subraya la importancia de entrenar tu sistema visual a través de experiencias variadas para agudizar la percepción.
Qué Puedes Hacer
Para mantener tu inferencia visual aguda, expónte a estímulos ambiguos como ilusiones ópticas o imágenes de bajo contraste: tu cerebro fortalecerá sus modelos internos. También, practica dibujo o fotografía para involucrar activamente tu sistema visual en la construcción de escenas coherentes.
Fuente: arXiv q-bio.NC
¿Sientes curiosidad por tu propio cerebro? Haz nuestro test de CI adaptativo gratuito o prueba 306 niveles de entrenamiento cerebral.
