Un nuevo estudio revela que la inteligencia artificial podría no funcionar como el cerebro humano

Investigadores de la Universidad de York han descubierto una debilidad inesperada en los modelos de inteligencia artificial que se utilizan para comprender el procesamiento visual en el cerebro, lo que plantea dudas sobre la similitud entre ambos.
Curiosidades22 de noviembre de 2026TechinfoTechinfo

La inteligencia artificial podría ser mucho menos parecida al cerebro humano de lo que los científicos han asumido durante años. Un nuevo estudio realizado por la Universidad de York ha revelado una sorprendente debilidad en los modelos de inteligencia artificial que se utilizan comúnmente para entender cómo el cerebro procesa la información visual. Durante años, los investigadores han confiado en las redes neuronales artificiales (ANN, por sus siglas en inglés), sistemas informáticos diseñados para realizar tareas como el reconocimiento de objetos en imágenes, para investigar cómo funciona la visión. En la última década, estos modelos se han convertido en herramientas clave para explicar el sistema visual del cerebro, gracias a su capacidad para reproducir patrones de actividad cerebral, lo que los ha hecho especialmente valiosos en el campo de la neurociencia.

Sin embargo, los nuevos hallazgos plantean una pregunta importante: ¿solo porque la inteligencia artificial puede imitar con éxito ciertas respuestas del cerebro, significa que realmente procesa la información visual de la misma manera? "Los sistemas de inteligencia artificial a menudo se describen como 'similares al cerebro' porque pueden predecir la actividad en partes del cerebro que nos ayudan a reconocer objetos", comenta Kohitij Kar, profesor asistente de la Universidad de York y autor principal del estudio. "Hasta ahora, los científicos principalmente han evaluado esto en una dirección. Han preguntado si los modelos de inteligencia artificial pueden predecir la actividad cerebral".

El equipo de la Universidad de York decidió abordar esta cuestión desde una perspectiva diferente. En lugar de medir simplemente cuán bien la inteligencia artificial podía predecir la actividad de las células cerebrales, investigaron si la actividad cerebral registrada también podía predecir lo que estaba ocurriendo dentro de los modelos de inteligencia artificial. Si estos sistemas realmente operan como el cerebro, razonaron los investigadores, la relación debería funcionar en ambas direcciones. Para ello, desarrollaron un método llamado prueba de predictividad inversa, que les permitió evaluar similitudes que las pruebas convencionales podrían pasar por alto.

"En última instancia, necesitamos modelos computacionales para comprender verdaderamente los mecanismos neuronales subyacentes de cómo reconocemos objetos. ¿Cómo vemos los objetos moverse? Aunque es una tarea muy sencilla que realizamos todos los días, computacionalmente, es un problema muy desafiante", afirma Kar, quien es titular de la Cátedra de Investigación de Canadá en Neurociencia Visual y miembro del Centro de Investigación Visual y del Centro de Neurociencia Integrativa y Aplicada de York.

Un equipo de investigación, que incluyó a Sabine Muzellec, becaria postdoctoral en la Universidad de York y participante del programa Connected Minds, examinó las respuestas a una amplia variedad de imágenes visuales. Las pruebas incluyeron 1,320 fotografías naturales y imágenes sintéticas realistas que presentaban 10 sujetos familiares: un oso, un elefante, un rostro, una manzana, un automóvil, un perro, una silla, un avión, un pájaro y una cebra. Estos objetos aparecieron en diversos escenarios naturales y fondos interiores o exteriores. Además, los investigadores introdujeron 300 imágenes adicionales que mostraban los mismos sujetos en diferentes estilos visuales, incluyendo contornos, dibujos, representaciones simplificadas e interpretaciones artísticas.

Los resultados revelaron una desconexión significativa entre la inteligencia artificial y la visión biológica. Los modelos de IA fueron generalmente exitosos en predecir las respuestas de neuronas grabadas, que son las células especializadas que transmiten información a lo largo del cerebro. Sin embargo, cuando los investigadores invirtieron el proceso, esas mismas respuestas neuronales fueron mucho menos efectivas para predecir muchas de las características internas de los modelos. Esta diferencia fue particularmente reveladora porque los investigadores no observaron el mismo problema al comparar la actividad neuronal entre diferentes cerebros. "Los resultados fueron sorprendentes. Mientras que los modelos de IA pueden predecir las neuronas que grabamos en el cerebro con bastante precisión, el cerebro no puede predecir de manera equivalente muchas de las características internas del modelo. Curiosamente, este no es el caso cuando se comparan neuronas de un cerebro con las de otro cerebro", afirma Kar.

Los hallazgos sugieren que un sistema de IA puede producir resultados que se asemejan estrechamente a los del cerebro, mientras que se basa en mecanismos internos muy diferentes. En otras palabras, igualar las respuestas del cerebro no significa necesariamente que los procesos subyacentes sean los mismos. Kar advierte que esta distinción podría volverse cada vez más importante a medida que la inteligencia artificial avance. Si los investigadores continúan refinando los modelos únicamente basándose en cuán precisamente predicen la actividad neural, las diferencias entre esos modelos y los cerebros de primates reales podrían acumularse con el tiempo. Esto socavaría una de las principales razones por las que los neurocientíficos utilizan estos sistemas en primer lugar: desarrollar explicaciones realistas de cómo funciona el cerebro.

Los hallazgos sugieren que los sistemas de inteligencia artificial actuales resuelven tareas visuales utilizando en parte estrategias internas que el cerebro humano podría no emplear. "Es importante destacar que las partes de los modelos de IA que se alinean con el cerebro también son mejores para predecir el comportamiento humano real", afirma Kar.

La relevancia de este descubrimiento se extiende mucho más allá de la visión por computadora. La inteligencia artificial se utiliza cada vez más para ayudar a los investigadores a diseñar experimentos, estudiar el comportamiento humano e investigar condiciones neurológicas y psicológicas. Muchas de estas aplicaciones dependen de la suposición de que los modelos de IA procesan la información de maneras que se asemejan al cerebro humano. Si esa suposición resulta ser incorrecta, los investigadores podrían llegar a conclusiones erróneas a partir de modelos que parecen precisos en la superficie, pero que operan de manera diferente en su interior.

"Nuestros hallazgos desafían cuán similares son realmente los sistemas de IA actuales con el cerebro de los primates. Mostramos que los modelos que anteriormente se pensaban similares al cerebro dependen de componentes internos que el cerebro no parece utilizar. Proporcionamos una métrica diagnóstica bien fundamentada para el campo", señala Muzellec.

Desarrollar sistemas de IA que reproduzcan de manera más fiel la función cerebral podría eventualmente mejorar la investigación sobre condiciones que van desde el trastorno de estrés postraumático hasta el autismo. Sin embargo, por ahora, las diferencias recién identificadas destacan la necesidad de tener precaución al utilizar modelos existentes para investigar el comportamiento humano o guiar la investigación clínica.

La preocupación también podría aplicarse a otras áreas de la neurociencia. Modelos de inteligencia artificial similares ya se están utilizando para estudiar la audición, el lenguaje y el movimiento. Si esos sistemas también dependen de procesos internos que difieren de los biológicos, los investigadores podrían necesitar reconsiderar cuánto pueden revelar sobre el sistema nervioso.

En lugar de sugerir que las redes neuronales artificiales deberían ser abandonadas, los hallazgos ofrecen una forma de hacerlas más útiles y científicamente confiables. Al identificar qué características de un modelo de IA corresponden a la actividad neural real, los investigadores pueden centrarse en desarrollar sistemas que reflejen con mayor precisión los mecanismos biológicos detrás de la percepción.

"Nuestro enfoque ayuda a identificar qué partes de una red neuronal artificial (ANN, por sus siglas en inglés) realmente coinciden con la actividad cerebral, lo que nos permite construir modelos más confiables para entender cómo las personas ven e interpretan el mundo", afirma Kar. "Esto es especialmente importante para nuestro programa de investigación sobre el autismo, que se basa en modelos del cerebro neurotípico como referencia". Esta investigación busca comprender mejor las diferencias en la percepción y el procesamiento de la información en individuos con autismo en comparación con aquellos que tienen un desarrollo neurológico típico.

Un cerebro neurotípico se refiere a aquel que presenta patrones de desarrollo y funcionamiento neurológico generalmente considerados típicos. Establecer modelos precisos de estos patrones es fundamental para los investigadores que estudian cómo la percepción y el procesamiento de la información pueden diferir en condiciones como el autismo. La creación de estos modelos precisos es crucial para avanzar en la comprensión de cómo las personas con autismo pueden experimentar el mundo de manera diferente.

Para ayudar a otros científicos a aplicar sus hallazgos, el equipo ha lanzado un kit de herramientas de prueba disponible públicamente que los desarrolladores de inteligencia artificial pueden utilizar para evaluar sus propios modelos e identificar oportunidades de mejora. Este kit tiene como objetivo facilitar la implementación de los descubrimientos realizados en el estudio, promoviendo así un avance en la calidad y efectividad de los modelos de IA en el campo de la neurociencia.

Publicado en Nature Machine Intelligence, el estudio presenta un nuevo enfoque para evaluar la inteligencia artificial que va más allá de medir qué tan bien un sistema realiza una tarea. Los investigadores argumentan que entender si la IA alcanza sus resultados a través de procesos que realmente se asemejan a los del cerebro es igualmente importante. Este enfoque innovador podría cambiar la forma en que se desarrollan y evalúan los sistemas de inteligencia artificial en el futuro.

Este descubrimiento podría ayudar a guiar el desarrollo de una nueva generación de modelos de IA que no solo reconozcan el mundo con una precisión impresionante, sino que también ofrezcan una representación más fiel de cómo el cerebro humano interpreta lo que ve. La investigación sugiere que, al comprender mejor las similitudes y diferencias entre los procesos de la IA y los del cerebro humano, se pueden crear sistemas que no solo sean efectivos en tareas específicas, sino que también reflejen de manera más precisa la complejidad de la cognición humana.

Un estudio reciente publicado en la revista Nature Machine Intelligence ha revelado que las redes neuronales artificiales y los cerebros biológicos pueden funcionar de manera muy diferente. Los investigadores Sabine Muzellec y Kohitij Kar presentaron un enfoque de "predictividad inversa" para comparar ambos sistemas, sugiriendo que las similitudes observadas en tareas específicas pueden no reflejar una equivalencia en su funcionamiento interno. Este hallazgo podría tener implicaciones significativas para el desarrollo futuro de la inteligencia artificial.

La investigación, titulada "Reverse predictivity for bidirectional comparison of neural networks and biological brains", fue publicada en 2026 y se encuentra en el volumen 8, número 3 de la revista. El artículo puede ser consultado a través del DOI 10.1038/s42256-026-01204-0.

Fuente original: ScienceDaily.

Te puede interesar
portada_techinfo

NASA lanza un desafío de un millón de dólares para ideas sobre una base lunar

Techinfo
Curiosidades16 de noviembre de 2026
La NASA ha inaugurado un concurso de un millón de dólares, invitando a equipos de estudiantes de escuelas secundarias y universidades de Estados Unidos a contribuir con ideas para el futuro de la humanidad en la Luna. Esta competencia fue anunciada durante un evento MAX POWER en el Complejo de Visitantes del Centro Espacial Kennedy en Florida.
Lo más visto