Nace la IA social: cerebros y algoritmos aprenden a socializar utilizando el mismo lenguaje neuronal
Los sistemas de inteligencia artificial, al aprender a interactuar, desarrollan la misma sincronía neuronal que los cerebros biológicos: ambos comparten un principio fundamental de la inteligencia que trasciende la vida artificial y la sintética. Ahora sabemos cómo crear máquinas que no solo simulen la interacción, sino que la entiendan.
Un estudio publicado en la revista Nature ha revelado un paralelismo entre la forma en que los cerebros biológicos y los sistemas de inteligencia artificial (IA) procesan la información social. La investigación, liderada por un equipo multidisciplinario de la Universidad de California en Los Ángeles (UCLA), demuestra que tanto los ratones como los agentes de IA desarrollan patrones neuronales notablemente similares cuando interactúan socialmente, un descubrimiento que podría cambiar nuestra comprensión de la cognición social y acelerar el desarrollo de una IA verdaderamente consciente de su entorno social.
La interacción social puede ser vista como un bucle de retroalimentación dinámico, en el que los individuos actúan y reaccionan constantemente unos a otros. Durante mucho tiempo, los neurocientíficos se han preguntado cómo los cerebros se coordinan y comunican en tiempo real para hacer posible esta danza social. Este estudio ofrece una respuesta, al identificar un principio fundamental que parece gobernar la interacción en cualquier sistema inteligente, ya sea orgánico o sintético.
Espacios neuronales compartidos
Para llegar a esta conclusión, los investigadores emplearon técnicas avanzadas de imagen cerebral para registrar la actividad de neuronas específicas en la corteza prefrontal dorsomedial de ratones mientras interactuaban. Esta región del cerebro está profundamente implicada en la cognición social y la toma de decisiones.
Posteriormente, el equipo desarrolló un marco computacional para analizar los complejos datos neuronales y descubrió que la actividad cerebral de cada individuo podía dividirse matemáticamente en dos componentes distintos.
Por un lado, un "subespacio neuronal único", que contiene la actividad específica y privada de cada animal. Por otro lado, un "subespacio neuronal compartido", que alberga patrones de actividad sincronizados entre los cerebros de los individuos que interactúan. Este espacio compartido no es un simple reflejo de comportamientos coordinados, sino que emerge de la representación de las acciones del otro individuo durante la interacción social.
El verdadero avance se produjo, sin embargo, cuando los investigadores aplicaron este mismo marco analítico a sistemas de inteligencia artificial que habían sido entrenados para desarrollar capacidades de interacción social. Observaron que, a medida que los agentes de IA aprendían a socializar, también emergía en sus redes neuronales artificiales la misma división entre un subespacio único y uno compartido.
El papel central de las neuronas inhibidoras
El estudio fue aún más lejos al investigar por primera vez la dinámica intercerebral en tipos de células definidos molecularmente. Esto reveló una pieza clave del rompecabezas: las neuronas GABAérgicas, que son células inhibidoras encargadas de regular la actividad neuronal, a las que les atribuye un papel fundamental en la regulación de la jerarquía social, mostraron espacios neuronales compartidos significativamente más grandes en comparación con las neuronas glutamatérgicas, que son excitadoras.
Este hallazgo sugiere que los circuitos inhibitorios del cerebro desempeñan un papel fundamental en la sincronización de la actividad cerebral entre individuos, mediando posiblemente en el intercambio de información recíproca durante el comportamiento social. Hasta ahora, la investigación sobre los mecanismos neuronales de la socialización se había centrado principalmente en las neuronas excitadoras, pero este trabajo sitúa a los circuitos inhibitorios en el centro del escenario.
Una de las contribuciones más potentes del estudio es que establece una relación causal directa entre estos patrones sincronizados y el comportamiento social. Aprovechando la flexibilidad de los modelos de IA, los investigadores interrumpieron selectivamente los componentes neuronales que contribuían a la dinámica compartida en los agentes artificiales. El resultado fue una reducción sustancial de sus acciones sociales, lo que demuestra que estos patrones compartidos no son un mero efecto secundario, sino que impulsan causalmente las interacciones.
Nuevo horizonte para la neurociencia y la IA
Las implicaciones de estos descubrimientos son profundas y abarcan múltiples campos. Para la neurociencia, ofrece una visión mecanicista de cómo se sincronizan los cerebros durante los encuentros sociales, destacando el papel crucial de las neuronas inhibidoras. Además, el marco analítico desarrollado proporciona una nueva herramienta para cuantificar la geometría de la información neuronal compartida y única.
Para la inteligencia artificial, el estudio sugiere una vía prometedora para mejorar las competencias sociales de las máquinas. En lugar de solo programar comportamientos, se podrían diseñar arquitecturas que fomenten la creación de estas representaciones internas compartidas, lo que podría revolucionar la interacción entre humanos e IA.
Para la medicina, por último, los hallazgos podrían ser relevantes para entender y tratar trastornos caracterizados por déficits sociales, como el autismo y la esquizofrenia, donde se han observado alteraciones en la sincronía neuronal. El marco de IA podría servir como una plataforma para probar hipótesis sobre los mecanismos neuronales de estos trastornos, que son difíciles de examinar directamente en sistemas biológicos.
Esta investigación no solo demuestra que el lenguaje de la conexión social puede ser aprendido tanto por cerebros orgánicos como por circuitos sintéticos, sino que también nos sitúa un paso más cerca de desentrañar uno de los misterios más profundos de la naturaleza: el mecanismo exacto que nos permite conectar unos con otros.
Nota de La Página del Idioma Español
El estudio publicado por Nature es extremadamente interesante, pero debemos cuidarnos de la ilusión de que las “inteligencias artificiales” que conocemos son realmente inteligentes. En realidad, se trata de algoritmos probabilísticos que están magistralmente programados para imitar artificialmente la inteligencia humana. Sin embargo, cuando estos cumplen las tareas encomendadas, en realidad no “saben” lo que están haciendo.
El director de OpenAI, Sam Altman, declaró recientemente que formular las preguntas con cortesía o agradecer el trabajo realizado es una pérdida de tiempo y de recursos, porque la máquina no entiende, pero consume cuantiosos recursos para crear la ilusión de que lo hace. Según afirmó Altman en redes sociales, expresiones como “por favor” y “gracias” le costaron a la empresa “decenas de millones de dólares” en consumo eléctrico como resultado del procesamiento adicional exigido por la IA a cada interacción “educada”. Agradecer a Chat-GPT por un trabajo realizado sería lo mismo que decir ¡Gracias, Google! por cada respuesta brindada por el buscador.
Por estas razones, aun admitiendo la utilidad que el funcionamiento del algoritmo pueda tener para los estudiosos de neurociencia, no hay ni podrá haber, al menos por muchos años, algo que se pueda llamar “inteligencia artificial social”. Para que eso ocurriera, tendría que aparecer un nuevo paradigma que por ahora no existe, aunque ya tiene nombre, algunos lo llaman “inteligencia artificial general”. La interacción social requiere del pensamiento humano, y este tiene lugar no solo en el cerebro, sino que todo el organismo participa en su funcionamiento.