Biología y AGI: qué se copió de verdad del cerebro y qué es sólo metáfora
«Redes neuronales inspiradas en el cerebro humano» aparece en casi todos los folletos del sector. Hay un préstamo real y documentado —un artículo de 1980 lo declara por escrito—, y hay una analogía que se rompe en cuanto se miran dos cosas: el vatio y el gradiente. Distinguir «inspirado en» de «funciona como» es una destreza que sigue sirviendo cuando cambian los nombres de los productos.
La frase está en casi todas partes: «redes neuronales, inspiradas en el funcionamiento del cerebro humano». Aparece en presentaciones de producto, en notas de prensa y en titulares. Y no es falsa. El problema es que se usa para tapar la distancia entre dos afirmaciones muy distintas: «esto se inspiró en aquello» y «esto funciona como aquello».
La primera es historia verificable, con documentos y fechas. La segunda es, casi siempre, decoración. Saber separarlas cambia cómo se lee cualquier anuncio del sector, hoy y dentro de cinco años.
El préstamo real, con sus tres fechas
Empieza en 1943, cuando Warren McCulloch y Walter Pitts publican «A logical calculus of the ideas immanent in nervous activity» en el Bulletin of Mathematical Biophysics. Su idea: una neurona puede modelarse como una unidad que suma entradas y dispara si supera un umbral. De ahí sale, en línea recta, la unidad artificial que hoy se repite millones de veces en cualquier modelo.
Sigue en 1959 y 1962, con los trabajos de David Hubel y Torsten Wiesel sobre la corteza visual del gato, publicados en The Journal of Physiology y hoy libres en PubMed Central. Describieron que unas neuronas responden a bordes con una orientación concreta —las llamaron células simples— y otras mantienen esa respuesta aunque el borde se desplace: las complejas. Detección local primero, tolerancia a la posición después.
Y culmina en 1980, con el eslabón que convierte todo esto en ingeniería. Kunihiko Fukushima publica el Neocognitron en Biological Cybernetics, y su propio resumen dice que la red, tras autoorganizarse, «tiene una estructura similar al modelo jerárquico del sistema nervioso visual propuesto por Hubel y Wiesel». No es una reconstrucción posterior de historiadores: lo declara el autor, por escrito, en el documento. Sus capas se llaman células S y células C, calcadas de las simples y complejas. Ese esquema —detectar y luego tolerar el desplazamiento— es exactamente la alternancia de convolución y agrupamiento de las redes convolucionales modernas.
Ahí está el préstamo, y es sólido. Ahora la otra mitad.
Donde la analogía se rompe: el vatio
El cerebro humano funciona con unos 20 vatios. La cifra tiene fuente citable y abierta: el físico Vijay Balasubramanian la da en PNAS (2021), señalando que el cerebro «logra producir poesía, diseñar naves espaciales y crear arte con un presupuesto energético de ~20 W». En el mismo texto compara esa cifra con los 80 vatios del ordenador en el que escribía.
Hay un detalle fisiológico que se cuenta poco y que desmonta la intuición del procesador. Marcus Raichle y Debra Gusnard documentaron en PNAS (2002) que el cerebro es alrededor del 2 % del peso corporal y consume «cerca del 20 % del oxígeno y, por tanto, de las calorías» del cuerpo — y subrayan que esa tasa metabólica es notablemente constante pese a que la actividad mental varíe muchísimo. Pensar más no dispara el consumo como sí lo hace la carga en un chip. Si la analogía fuera literal, esto no debería ocurrir.
Donde se rompe otra vez: el gradiente
La segunda grieta es más técnica y más reveladora, porque explica por qué la fidelidad biológica no es gratis.
Existe una familia de redes que sí imita el mecanismo real de la neurona: las spiking neural networks, que se comunican con impulsos discretos en el tiempo en vez de con números continuos. Son más plausibles biológicamente. Y llevan décadas sin desplazar al aprendizaje profundo convencional.
La razón está en una revisión abierta publicada en Frontiers in Neuroscience (2023): «el intrincado mecanismo discontinuo del spike dificulta la optimización» de estas redes. Todo el aprendizaje profundo moderno se sostiene sobre el descenso de gradiente, que necesita funciones derivables para saber en qué dirección corregir cada parámetro. Un impulso que ocurre o no ocurre no es derivable. Y sin gradiente, la maquinaria entera de entrenamiento deja de aplicarse tal cual.
La conclusión merece leerse dos veces: estas redes no pierden por falta de plausibilidad biológica, sino precisamente por ella. Copiar mejor al cerebro las aleja de la herramienta matemática que hace funcionar a la competencia.
Lo que sí es neuromórfico de verdad, y con qué cifras
Existe hardware que persigue este camino en serio, y conviene mirarlo con las cifras de sus propios fabricantes.
Intel presentó Hala Point el 17 de abril de 2024: 1.152 procesadores Loihi 2, 1.150 millones de neuronas y 128.000 millones de sinapsis, 140.544 núcleos neuromórficos, desplegado en los Laboratorios Nacionales Sandia, con un consumo máximo de 2.600 vatios.
Una advertencia de honestidad, porque la tentación es evidente: poner esos 2.600 vatios al lado de los 20 del cerebro es una comparación nuestra, no de Intel. Intel compara su sistema con GPU y CPU convencionales, no con un cerebro, y hace bien: Hala Point está órdenes de magnitud por debajo del cerebro humano en número de neuronas. Las dos cifras son ciertas; enfrentarlas sin decir esto sería un truco.
IBM recorrió otra vía con NorthPole, publicado en Science en octubre de 2023. El artículo está tras muro de pago, pero el blog oficial de IBM Research da las cifras en abierto: 256 núcleos, 22.000 millones de transistores, y una eficiencia unas 25 veces mayor en imágenes por julio que las GPU comunes de 12 nanómetros en la prueba ResNet-50. La clave no es imitar la neurona: es eliminar la memoria externa al chip y entrelazar cómputo y memoria, que es lo que hace el tejido nervioso.
Un nombre real, y por qué el nombre importa
Buena parte de este hardware nació de un programa público con nombre exacto: Systems of Neuromorphic Adaptive Plastic Scalable Electronics, abreviado SyNAPSE, de DARPA. Su página oficial declara la meta —ordenadores neuromórficos de bajo consumo que escalen a niveles biológicos— y lo marca como concluido. Arrancó en 2008, y su resultado más visible, el chip TrueNorth de IBM, lo anunció DARPA el 7 de agosto de 2014: más de 5.000 millones de transistores, un millón de neuronas electrónicas, más de 250 millones de sinapsis y un consumo por debajo de 100 milivatios.
El acrónimo es un juego con la palabra inglesa synapse. Y aquí hay una trampa que circula: en textos en español aparecen a veces expansiones inventadas de siglas reales, construidas hacia atrás para que suenen técnicas. Una sigla que suena a laboratorio no es una fuente. Cuesta treinta segundos comprobar si existe una página oficial del programa con ese nombre exacto — y cuando no existe, la respuesta no es corregir el nombre: es quitarlo.
La capacidad: tres preguntas ante «inspirado en el cerebro»
1. ¿Qué se copió exactamente, y quién lo dice? El patrón oro es el de Fukushima: el propio autor declara en su documento de qué trabajo tomó la estructura. Si la inspiración solo aparece en el material de marketing y no en la documentación técnica, es adorno.
2. ¿La fidelidad biológica compra algo medible? Energía por inferencia, latencia, precisión. Si imitar mejor a la neurona no mejora ninguna cifra, la semejanza es estética.
3. ¿El nombre remite a un documento real? Programa, paper, registro oficial. Si no aparece la página del organismo, el término no se usa.
El fondo, y una anomalía que conviene conocer
Hay algo revelador en la lista de fuentes de esta pieza. Los dos artículos de neurociencia de Hubel y Wiesel, de 1959 y 1962, son de acceso libre en PubMed Central. En cambio, el artículo fundacional de las redes neuronales —McCulloch y Pitts, 1943— está tras un muro de pago en Springer: el PDF cuesta 39,95 euros y no localicé ninguna copia institucional autorizada en abierto.
Es decir: la piedra angular del campo del que todo el mundo habla no está al alcance del lector medio, mientras que la fisiología que la inspiró sí lo está. Merece la pena tenerlo presente cuando alguien lo cite de memoria en una presentación.
Un apunte práctico sobre los dos trabajos de Hubel y Wiesel: son gratuitos pero están digitalizados como imágenes escaneadas, sin resumen indexado. Se pueden leer, no buscar por texto. Quien quiera citarlos literalmente tendrá que abrir el PDF y localizar la página a mano — y eso también es parte de trabajar con fuentes primarias.
La capacidad que se lleva usted de aquí: ante cualquier «inspirado en el cerebro», pregunte qué se copió, quién lo afirma en un documento propio y qué compra esa semejanza en cifras medibles. Con esas tres preguntas, la diferencia entre un préstamo científico y una metáfora de ventas deja de ser opinable.
Este artículo se ha elaborado con inteligencia artificial bajo supervisión editorial humana.
