Un equipo de neurocientíficos ha publicado en ScienceDaily AI una investigación que cambia nuestra comprensión de cómo el cerebro toma decisiones. Según el estudio, el proceso de elección no comienza únicamente en áreas de asociación o corteza prefrontal, sino que ya se activa en las regiones sensoriales primarias mucho antes de lo que se creía tradicionalmente. Este hallazgo sugiere que el cerebro no funciona como una cadena estrictamente feedforward, donde la información pasa de forma unidireccional desde los sentidos hacia la cognición superior.\n\nDurante décadas, el modelo dominante describió la percepción como un flujo ascendente: los estímulos son capturados por los receptores sensoriales, enviados al tálamo y luego procesados de manera secuencial en cortezas visuales, auditivas o somatosensoriales antes de llegar a zonas de integración. Sin embargo, los investigadores observaron mediante técnicas de neuroimagen de alta resolución y registros electrofisiológicos que, apenas unos milisegundos después de la estimulación, las áreas sensoriales ya muestran patrones de actividad modulados por señales de retroalimentación provenientes de cortezas frontales y parietales. Estos bucles de retroalimentación operan a velocidades que superan los límites de una simple transmisión forward, indicando que el cerebro anticipa y evalúa opciones mientras aún está procesando la información bruta.\n\nEsta visión más dinámica del funcionamiento cerebral tiene consecuencias directas para la ingeniería de la inteligencia artificial. Los diseños actuales de redes neuronales artificiales suelen imitar una arquitectura feedforward profunda, consumiendo mucha energía debido a la necesidad de múltiples capas de procesamiento secuencial. En contraste, si el cerebro utiliza retroalimentación rápida y localizada para tomar decisiones tempranas, se pueden imaginar sistemas de IA que incorporen conexiones recurrentes de corto plazo y mecanismos de predicción activa, reduciendo el número de operaciones necesarias para llegar a una conclusión.\n\nEl campo de la computación neuromórfica se beneficia particularmente de esta idea. Chips inspirados en la arquitectura cerebral, como los que utilizan memristores o neuronas de disparo (spiking), ya exploran la eficiencia energética mediante la emulación de procesos biológicos. Integrar bucles de retroalimentación rápidos en estos dispositivos podría permitir que realicen inferencias en tiempo real con un consumo de energía del orden de milivatios, comparables al gasto metabólico del cerebro humano.\n\nNo obstante, traducir estos hallazgos a hardware práctico implica varios desafíos. Es necesario desarrollar algoritmos que aprendan cuándo y cómo generar señales de retroalimentación útiles sin entrar en bucles de retroalimentación caótica o inestable. Además, la fabricación de circuitos que soporten comunicaciones bidireccionales de baja latencia y alta densidad sigue siendo una barrera tecnológica. Los investigadores subrayan que el avance dependerá de una colaboración estrecha entre neurociencia, ciencia de materiales y arquitectura de computadoras.\n\nEn última instancia, este estudio no solo enriquece nuestra comprensión de la cognición humana, sino que también ofrece una hoja de ruta para crear la próxima generación de IA: sistemas que piensen más como un cerebro, pero con una fracción del consumo energético. Si los ingenieros logran capturar la esencia de esos bucles de retroalimentación rápidos, podremos ver asistentes virtuales, vehículos autónomos y dispositivos de borde que operen durante días con una sola carga, abriendo nuevas fronteras para la inteligencia artificial aplicada.