Científicos mejoraron a la Inteligencia Artificial para que pueda razonar imitando al cerebro humano
Expertos en IA desarrollaron una nueva arquitectura que emula procesos del pensamiento humano. Busca abordar las limitaciones de los modelos actuales, como la ineficiencia, el alto consumo de energía y la falta de razonamiento.
- La NASA anuncia un ambicioso plan de US$20.000 millones para construir una base en la Luna y acelerar su regreso en 2028
- Científicos de Singapur mezclan hojas de mango y magnesio para crear un metal resistente que amortigua vibraciones
Un grupo de científicos presentó un modelo de IA que replica el funcionamiento de la memoria humana para mejorar el razonamiento lógico e intuitivo de los sistemas inteligentes. El avance, publicado en la revista Engineering, propone una arquitectura inspirada en el cerebro humano capaz de superar limitaciones estructurales de los actuales modelos de lenguaje, como ChatGPT.
La nueva estructura, denominada M2I framework (Machine Memory Intelligence), busca transformar el diseño de las redes neuronales artificiales mediante un sistema de almacenamiento distribuido, aprendizaje adaptativo y razonamiento colaborativo. Esta propuesta surge como respuesta a las restricciones computacionales, el olvido catastrófico y la limitada capacidad de razonamiento que presentan las IA actuales.
El concepto de “memoria de máquina”
El núcleo de esta nueva arquitectura se basa en el concepto de machine memory o memoria de máquina, una estructura computacional que imita la forma en que los humanos codifican y recuperan información. Este sistema simula la plasticidad neuronal y el desarrollo cerebral, permitiendo a la IA acceder a recuerdos previos a través de asociaciones espaciotemporales.
A diferencia de las redes neuronales tradicionales, esta memoria artificial no depende exclusivamente del entrenamiento con grandes volúmenes de datos. En su lugar, se apoya en una estructura en capas que permite actualizaciones dinámicas, codificación de información contextual y acceso mediante métodos de recuperación de memoria más eficientes. Así, la IA se vuelve más adaptable, conservando información previa sin comprometer su rendimiento ante nuevos aprendizajes.
PUEDES VER: Biólogos peruanos y estadounidenses descubren en la cordillera de Perú una nueva especie de serpiente andina
¿Cómo se organiza la nueva estructura de IA?
El M2I framework está organizado en torno a cuatro ejes fundamentales que permiten una IA más cercana al pensamiento humano:
- Mecanismos neuronales de la memoria: los investigadores analizaron cómo el desarrollo del cerebro humano y su capacidad de reorganización influyen en la inteligencia. Este conocimiento se traduce en modelos computacionales que simulan esta capacidad adaptativa.
- Representación asociativa: la IA almacena datos en forma de conexiones entre conceptos abstractos y concretos, facilitando la recuperación precisa y contextualizada de la información.
- Aprendizaje continuo: el sistema evita el olvido catastrófico al integrar nueva información sin eliminar conocimientos previos, incluso bajo condiciones de bajo consumo energético.
- Razonamiento colaborativo: se combina el razonamiento intuitivo, más emocional y rápido, con el lógico, más analítico y estructurado, logrando decisiones más coherentes y explicables.
Este marco representa una revolución en el campo de la IA cognitiva, al integrar conceptos profundamente estudiados en neurociencia dentro de la ingeniería computacional.
La próxima generación de la inteligencia artificial
La implementación del M2I framework abre paso a una nueva generación de sistemas inteligentes, más eficientes, interpretables y capaces de enfrentar entornos cambiantes. Con una IA inspirada en el cerebro humano, será posible mejorar el desempeño en sectores como la medicina, la robótica, la ciberseguridad y la educación, donde la adaptabilidad y el razonamiento son fundamentales.
Si bien esta arquitectura aún está en fase de desarrollo, marca un cambio de paradigma en la evolución de la inteligencia artificial. El interés por emular los procesos cognitivos humanos con precisión científica podría redefinir los límites de lo que las máquinas son capaces de lograr en un futuro cercano.
