Un estudio liderado por neurocientíficos de la Universidad de Princeton reveló que el cerebro humano construye comportamientos complejos mediante la combinación flexible de patrones neuronales reutilizables, descritos como "Legos cognitivos". Esta capacidad permitiría a los humanos adaptarse rápidamente a nuevas tareas, superando en flexibilidad a los modelos actuales de inteligencia artificial.
Los hallazgos, publicados el 26 de noviembre de 2025 en la revista Nature, identifican cómo la corteza prefrontal —región del cerebro asociada con la cognición avanzada— contiene bloques funcionales que se activan y reorganizan para ejecutar tareas distintas. "Descubrimos que el cerebro es flexible porque puede reutilizar componentes cognitivos en muchas tareas diferentes", explicó el Dr. Tim Buschman, autor principal del estudio y director asociado del Instituto de Neurociencia de Princeton.
Para investigar esta habilidad, los científicos entrenaron a dos macacos rhesus para realizar tres tareas de categorización visual bajo monitoreo neuronal. Las tareas compartían elementos como colores o formas, lo cual permitió analizar si el cerebro empleaba estructuras comunes entre diferentes contextos. Los resultados confirmaron que ciertas neuronas en la corteza prefrontal activaban bloques específicos según la tarea, como identificar colores o formas y dirigir la mirada a una dirección predeterminada.
Según Buschman, estos patrones pueden compararse con funciones en un programa informático: "Un conjunto de neuronas puede discriminar colores, y su salida puede asignarse a otra función que impulsa una acción". Al cambiar de tarea, el cerebro reorganiza estos bloques, lo que le permite aprender sin comenzar desde cero.
La investigación también destaca que esta composicionalidad permite minimizar el aprendizaje redundante. "Reutilizas habilidades existentes —usar el horno, medir ingredientes, amasar— y las combinas con otras nuevas, como batir la masa y preparar el glaseado", señaló Sina Tafazoli, autora principal del estudio.
En contraste, los modelos de IA actuales presentan lo que los expertos llaman "interferencia catastrófica", al olvidar conocimientos previos al adquirir uno nuevo. Tafazoli explicó: "Si una red neuronal artificial sabe hornear un pastel, pero luego aprende a hornear galletas, olvidará cómo hornear un pastel".
Autores consideran que integrar este principio de composicionalidad a los sistemas de IA podría mejorar su capacidad de aprendizaje continuo. Asimismo, el estudio sugiere que este enfoque podría aplicarse a terapias para personas con trastornos neurológicos o psiquiátricos, donde la dificultad para adaptar habilidades conocidas a nuevas situaciones es un síntoma común.
Tafazoli concluyó: "A largo plazo, comprender cómo el cerebro reutiliza y recombina el conocimiento podría ayudarnos a diseñar terapias que restablezcan ese proceso".
