Durante décadas, la ciencia intentó descifrar cómo aprende el cerebro, cómo toma decisiones y por qué se equivoca. Ahora, un experimento digital inspirado en su funcionamiento biológico logró replicar esos procesos con un nivel de detalle inesperado. No se trata de una inteligencia artificial convencional, sino de una simulación que imita la lógica interna del sistema nervioso y que empieza a revelar señales ocultas incluso para la neurociencia tradicional.

Un cerebro digital construido con reglas biológicas reales

El proyecto nace de una colaboración entre equipos de investigación de Dartmouth College, el Picower Institute for Learning and Memory del MIT y la Universidad Estatal de Nueva York en Stony Brook. A diferencia de otros modelos de inteligencia artificial entrenados con grandes volúmenes de datos, este sistema fue diseñado desde cero siguiendo principios biológicos básicos.

La idea fue replicar cómo se organiza y funciona el cerebro, no solo qué resultados produce. Para ello, los investigadores modelaron redes neuronales que imitan la forma en que las neuronas reales se conectan, se comunican mediante neurotransmisores y coordinan decisiones entre distintas regiones cerebrales. En la simulación interactúan áreas equivalentes a la corteza, el estriado y el tronco encefálico, cada una con funciones diferenciadas pero interdependientes.

Uno de los aspectos clave es la incorporación de neurotransmisores como la acetilcolina, que introduce variabilidad en la actividad neuronal. Ese “ruido”, lejos de ser un error, cumple un rol fundamental: permite que el sistema explore alternativas, se adapte y aprenda de la experiencia. El resultado es un modelo que no sigue reglas rígidas, sino que evoluciona de manera orgánica, más cercana a un cerebro vivo que a un algoritmo tradicional.

En pruebas visuales, el llamado “cerebro digital” alcanzó niveles de precisión comparables a los de animales de laboratorio entrenados para tareas similares, lo que validó su enfoque desde el punto de vista experimental.

Aprender, dudar y equivocarse como lo hace el cerebro humano

El funcionamiento interno del modelo se basa en pequeñas redes que simulan la actividad eléctrica y química de las neuronas. Algunas actúan como filtros de información, priorizando ciertos estímulos visuales y bloqueando otros menos relevantes. Este mecanismo, conocido como “el ganador se lleva todo”, es clave para evitar la sobrecarga de información.

Con el tiempo, y a medida que el sistema repite tareas, ciertas conexiones se fortalecen. Es el equivalente digital de la plasticidad neuronal. Sin embargo, lo más interesante no fue su capacidad para aprender correctamente, sino lo que ocurrió cuando no lo hacía.

Durante los experimentos, los investigadores detectaron que cerca del 20% de las neuronas mostraban patrones de actividad que anticipaban una decisión incorrecta antes de que esta se produjera. Estas señales no aparecían después del error, sino en la fase previa, cuando el sistema evaluaba distintas opciones.

A estas células se las denominó “neuronas incongruentes”. Su función parece ser la de explorar caminos equivocados como parte del proceso de aprendizaje. En lugar de evitar el error, el sistema lo considera una posibilidad y lo incorpora como información útil para adaptarse a contextos nuevos o inciertos.

Para sorpresa del equipo, este patrón no era exclusivo de la simulación. Al revisar bases de datos con registros neuronales reales en animales, encontraron señales similares que hasta ahora no habían sido identificadas ni estudiadas con ese enfoque.

De la simulación al impacto clínico en neurología y psiquiatría

Este hallazgo propone un cambio conceptual importante. Tradicionalmente, se asumía que el cerebro aprendía corrigiendo errores una vez cometidos. El modelo sugiere que también existe un mecanismo de anticipación del error, que permite ajustes más flexibles y rápidos en la conducta.

Comprender este proceso puede ser clave para estudiar trastornos neurológicos y psiquiátricos donde la toma de decisiones se ve alterada. Enfermedades como el Parkinson, la depresión o ciertos trastornos de ansiedad podrían beneficiarse de modelos capaces de simular cómo y cuándo el cerebro empieza a desviarse de patrones saludables.

Con ese objetivo, parte del equipo fundó la empresa Neuroblox.ai, orientada a trasladar el modelo al ámbito biomédico y farmacéutico. La idea es utilizar la simulación como un entorno de prueba virtual para evaluar tratamientos, reducir tiempos de desarrollo y minimizar riesgos antes de pasar a ensayos clínicos.

Actualmente, el proyecto sigue en expansión. Los investigadores trabajan en integrar nuevas regiones cerebrales, más neurotransmisores y distintos tipos de intervenciones, incluidos fármacos. El objetivo final es doble: entender mejor el cerebro en condiciones normales y ofrecer herramientas más precisas para abordar patologías complejas.

Más que una inteligencia artificial, este “cerebro digital” funciona como un espejo experimental. Uno que no solo aprende y decide, sino que también duda, se equivoca y, sorprendentemente, parece saberlo antes de fallar.