La inteligencia artificial ha logrado avances notables, pero aún se queda corta en tres aspectos fundamentales: no puede interactuar con el mundo físico, aprende de manera frágil y consume demasiada energía y datos. Un informe reciente de un taller de la National Science Foundation describe cómo los principios de la neurociencia pueden cerrar estas brechas, allanando el camino para un nuevo campo llamado NeuroAI.
Tres brechas en la IA actual
En agosto de 2025, la NSF reunió a destacados neurocientíficos e investigadores de IA, incluyendo a Anthony Zador, Jean-Marc Fellous y Terrence Sejnowski. Su análisis, publicado en arXiv en abril de 2026, identifica tres brechas de capacidad:
- Incapacidad para interactuar con el mundo físico: Los sistemas de IA carecen de la experiencia encarnada y del mundo real que incluso los animales simples poseen.
- Aprendizaje inadecuado: La IA a menudo produce sistemas frágiles que fallan cuando las condiciones cambian ligeramente.
- Ineficiencia energética y de datos insostenible: Entrenar modelos grandes requiere recursos computacionales masivos y datos, mucho más de lo que usa un cerebro biológico.
Soluciones inspiradas en la neurociencia
El informe destaca cinco principios neurocientíficos que pueden abordar estas brechas:
- Codiseño de cuerpo y controlador — como la forma en que los cuerpos de los animales y sus sistemas nerviosos evolucionan juntos.
- Predicción a través de la interacción — aprendiendo al interactuar activamente con el entorno.
- Aprendizaje multiescala con control neuromodulador — usando señales químicas para regular el aprendizaje en diferentes escalas temporales.
- Arquitecturas distribuidas jerárquicas — organizando el cómputo en niveles, como lo hace la corteza.
- Cómputo disperso basado en eventos — procesando información solo cuando es necesario, ahorrando energía.
Los autores esbozan una hoja de ruta de investigación con hitos a corto plazo (1-5 años), medio plazo (5-10 años) y largo plazo (más de 10 años). Enfatizan que hacer realidad la NeuroAI requiere formar a una nueva generación de investigadores que dominen tanto la neurociencia como la ingeniería.
Por qué esto importa para tu cerebro
Entender cómo funciona el cerebro no solo mejora la IA, sino que también profundiza nuestro conocimiento sobre nuestra propia cognición. Los principios identificados —como la predicción a través de la interacción y el cómputo disperso— son relevantes para cómo aprendes y recuerdas. Por ejemplo, el aprendizaje activo (interactuar con el material en lugar de leer pasivamente) es más efectivo porque refleja el estilo predictivo e interactivo del cerebro. De manera similar, tomar descansos y espaciar el aprendizaje se alinea con el control neuromodulador multiescala.
Qué puedes hacer
Para aumentar tu propia eficiencia cognitiva, prueba estas estrategias basadas en evidencia:
- Aprende haciendo: participa activamente con nueva información — enséñala, aplícala o discútela.
- Espacia tu práctica: usa la repetición espaciada para fortalecer la memoria con el tiempo.
- Reduce la multitarea: concéntrate en una tarea a la vez para conservar energía mental, similar al cómputo disperso del cerebro.
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.
