La IA aprende rápido, pero nuestro cerebro le sigue ganando: un estudio explica por qué

Durante la última década, la IA ha avanzado a un ritmo vertiginoso que nos ha llevado a ver modelos capaces de escribir textos complejos, reconocer imágenes o resolver problemas matemáticos han alimentado la idea de que las máquinas están a punto de igualar, o incluso superar, al cerebro humano. Sin embargo, cada nuevo salto tecnológico vuelve a poner sobre la mesa el cuestionamiento sobre la posibilidad de que la IA pueda aprender y adaptarse como lo hace una mente biológica.

En torno a ello, un nuevo estudio liderado por investigadores de la Universidad de Princeton aporta una respuesta matizada, pero contundente, pues si bien las máquinas son extraordinariamente eficaces en tareas concretas, el cerebro sigue teniendo una ventaja decisiva: su capacidad para reutilizar conocimientos previos y transferir habilidades entre tareas distintas, lo que corresponde a un tipo de inteligencia flexible que permite enfrentarse a situaciones nuevas sin empezar desde cero.

Este hallazgo se suma a una creciente línea de investigaciones que, en paralelo al auge de la IA generativa, exploran los límites actuales de los modelos artificiales. Mientras sistemas como los grandes modelos de lenguaje destacan por su potencia computacional, estudios recientes en neurociencia cognitiva recuerdan que el aprendizaje humano no depende solo de datos y repetición, sino de estructuras mentales reutilizables y adaptativas.

Los “legos cognitivos” del cerebro

Según lo publicado por Science Alert, para llegar a estas conclusiones, el equipo de Princeton no trabajó directamente con humanos, sino con macacos rhesus, una especie cuya organización cerebral es muy similar a la nuestra. A los animales se les pidió que realizaran tareas relacionadas con la identificación de formas y colores en una pantalla, mientras se registraba su actividad cerebral mediante escáneres de alta precisión.

Los resultados mostraron algo revelador, que el cerebro no crea una estrategia completamente nueva para cada tarea sino que, en su lugar, reutiliza conjuntos de neuronas ya existentes, a los que los investigadores llaman “legos cognitivos”, y los combina de distintas maneras según el problema a resolver. Estos bloques funcionales permiten aplicar lo aprendido en una situación a otra ligeramente diferente, una habilidad crucial para desenvolverse en entornos cambiantes.

Dicho mecanismo contrasta con una de las grandes debilidades actuales de la IA: el llamado olvido catastrófico, puesto que muchos modelos artificiales tienen dificultades para aprender tareas de forma secuencial sin perder rendimiento en las anteriores. En cambio, el cerebro puede “archivar” temporalmente ciertos bloques neuronales y reactivarlos cuando vuelven a ser útiles, optimizando así su esfuerzo cognitivo.

Los investigadores localizaron gran parte de esta flexibilidad en la corteza prefrontal, una región asociada con la planificación, la toma de decisiones y el pensamiento abstracto, por lo que no es casual: esta área lleva tiempo siendo señalada como una de las claves de la inteligencia humana frente a las arquitecturas artificiales actuales.

El estudio también encaja con otros trabajos recientes que buscan inspirar nuevos diseños de IA a partir del funcionamiento del cerebro, que van desde redes neuronales más modulares hasta sistemas capaces de transferir aprendizaje entre dominios, la neurociencia se ha convertido en una fuente estratégica para superar los límites de la automatización actual.

Ahora bien, más allá de la tecnología, los autores señalan que estos hallazgos podrían tener aplicaciones clínicas, y es que comprender cómo el cerebro reutiliza habilidades podría ayudar a desarrollar tratamientos para trastornos neurológicos o psiquiátricos en los que esa flexibilidad cognitiva se ve afectada.