El cerebro humano podría funcionar como inteligencia artificial, según estudio

Un reciente estudio sugiere que el cerebro humano entiende el lenguaje hablado a través de un proceso escalonado que se asemeja al funcionamiento de los modelos avanzados de inteligencia artificial. Al registrar la actividad cerebral de personas que escuchaban un podcast de treinta minutos, los investigadores encontraron que las etapas posteriores de las respuestas cerebrales coincidían con las capas más profundas de los sistemas de IA, especialmente en regiones del lenguaje como el área de Broca. Este descubrimiento pone en tela de juicio las ideas tradicionales basadas en reglas sobre la comprensión del lenguaje y se apoya en un nuevo conjunto de datos públicos que ofrece una forma poderosa de estudiar cómo se forma el significado en el cerebro.

La investigación, publicada en Nature Communications, fue liderada por el Dr. Ariel Goldstein de la Universidad Hebrea, junto con colaboradores como el Dr. Mariano Schain de Google Research y los profesores Uri Hasson y Eric Ham de la Universidad de Princeton. Juntos, el equipo descubrió una similitud inesperada entre cómo los humanos comprenden el habla y cómo los modelos modernos de IA procesan el texto.

Utilizando grabaciones de electrocorticografía de participantes que escuchaban un podcast, los científicos rastrearon el tiempo y la ubicación de la actividad cerebral mientras se procesaba el lenguaje. Descubrieron que el cerebro sigue una secuencia estructurada que coincide estrechamente con el diseño en capas de los grandes modelos de lenguaje como GPT-2 y Llama 2.

Cómo el cerebro construye significado con el tiempo

Al escuchar a alguien hablar, el cerebro no capta el significado de inmediato. En cambio, cada palabra pasa por una serie de pasos neuronales. Goldstein y sus colegas demostraron que estos pasos se desarrollan con el tiempo de una manera que refleja cómo los modelos de IA manejan el lenguaje. Las capas iniciales en la IA se centran en características básicas de las palabras, mientras que las capas más profundas combinan contexto, tono y significado más amplio.

La actividad cerebral humana siguió el mismo patrón. Las señales neuronales tempranas coincidieron con las etapas iniciales del procesamiento de IA, mientras que las respuestas cerebrales posteriores se alinearon con las capas más profundas de los modelos. Esta coincidencia temporal fue especialmente fuerte en áreas del lenguaje de alto nivel como el área de Broca, donde las respuestas alcanzaron su punto máximo más tarde cuando se vincularon a capas más profundas de IA.

Según el Dr. Goldstein, "Lo que más nos sorprendió fue cuán estrechamente el despliegue temporal del significado en el cerebro coincide con la secuencia de transformaciones dentro de los grandes modelos de lenguaje. A pesar de que estos sistemas están construidos de manera muy diferente, ambos parecen converger en una acumulación similar paso a paso hacia la comprensión".

Por qué importan estos hallazgos

El estudio sugiere que la inteligencia artificial puede hacer más que generar texto. También puede ayudar a los científicos a comprender mejor cómo el cerebro humano crea significado. Durante muchos años, se pensó que el lenguaje dependía principalmente de símbolos fijos y jerarquías rígidas. Estos resultados desafían esa visión y apuntan a un proceso más flexible y estadístico en el que el significado surge gradualmente a través del contexto.

Los investigadores también probaron elementos lingüísticos tradicionales como fonemas y morfemas. Estas características clásicas no explicaron la actividad cerebral en tiempo real tan bien como las representaciones contextuales producidas por los modelos de IA. Esto apoya la idea de que el cerebro depende más del contexto fluido que de bloques de construcción lingüísticos estrictos.

Un nuevo recurso para la neurociencia del lenguaje

Para avanzar en el campo, el equipo ha hecho disponible el conjunto completo de grabaciones neuronales y características del lenguaje de manera pública. Este conjunto de datos abierto permite a investigadores de todo el mundo comparar teorías sobre la comprensión del lenguaje y desarrollar modelos computacionales que reflejen más de cerca cómo funciona la mente humana.

Temas