Inteligencia, Civilización y Colapso. Capítulo 3: ¿Puede la IA igualar al cerebro?

El desafío de la eficiencia y la adaptabilidad

El cerebro humano sigue siendo el gran modelo de referencia en inteligencia. Con apenas 20 vatios de consumo (Herculano-Houzel, 2009), logra una eficiencia y adaptabilidad que la inteligencia artificial (IA) aún no puede igualar. Sin embargo, los avances recientes en hardware y algoritmos plantean una pregunta decisiva: ¿podrá la IA alcanzar algún día la eficiencia y flexibilidad del cerebro humano?

El cerebro como patrón de oro

Procesa información en paralelo con 86 mil millones de neuronas y alrededor de 100 billones de sinapsis.

Posee plasticidad: la capacidad de reorganizar sus conexiones y adaptarse a nuevas experiencias.

Aprende de manera incremental y contextual, con pocos datos y gran capacidad de generalización.

Este conjunto hace del cerebro no solo una máquina eficiente, sino también extraordinariamente resiliente y versátil.

Las promesas tecnológicas de la IA

Para acercarse al cerebro, la IA explora caminos más allá del escalamiento de modelos gigantes:

Chips neuromórficos: Procesadores como Loihi de Intel han demostrado realizar ciertas tareas con hasta 100 veces menos energía que los sistemas tradicionales basados en GPU (Davies et al., 2021).

Computación fotónica: Reemplazar electrones por fotones reduce el calor y aumenta la velocidad de procesamiento en redes neuronales (Shastri et al., 2021).

Aprendizaje frugal: Algoritmos inspirados en el aprendizaje humano que buscan entrenar con menos datos y energía (Schwartz et al., 2020).

Biocomputación: Organoides cerebrales cultivados en laboratorio han mostrado capacidades de aprendizaje básico y podrían convertirse en plataformas híbridas bio-digitales (Trujillo & Muotri, 2018).

Límites y obstáculos

A pesar de estos avances, persisten grandes desafíos: la plasticidad del cerebro aún no puede replicarse artificialmente en toda su complejidad.

En cuanto a integración multisensorial, aunque modelos multimodales recientes (como GPT-4V o Gemini) procesan texto, imagen y audio, aún carecen de la riqueza contextual, emocional y adaptativa del cerebro humano.

El costo de escalar hardware avanzado sigue siendo prohibitivo y depende de materiales críticos escasos.

Una cuestión de tiempo

Encuestas a expertos en IA (Grace et al., 2018) sugieren que en un horizonte de 20 a 40 años podrían alcanzarse sistemas con eficiencias comparables al cerebro en tareas específicas. Sin embargo, lograr una inteligencia general artificial que iguale la adaptabilidad, resiliencia y bajo consumo del cerebro humano sigue siendo un objetivo incierto.

Más allá de la técnica: el dilema civilizatorio

Incluso si la tecnología lo permite, surge otra pregunta: ¿podrá la IA igualar al cerebro sin agotar los recursos del planeta?
El verdadero desafío no es solo técnico, sino social y ético: cambiar la lógica de crecimiento desmedido por una de eficiencia y sostenibilidad.

Glosario de términos clave:

Chips neuromórficos:

Procesadores que imitan el funcionamiento de las neuronas y sinapsis.

Computación fotónica:

Uso de luz en lugar de electricidad para realizar cálculos.

Plasticidad cerebral:

Capacidad del cerebro para reorganizar sus conexiones en respuesta al aprendizaje o daño.

Biocomputación:

Uso de sistemas biológicos (como organoides cerebrales) para realizar tareas de cálculo.

IA multimodal:

Sistemas capaces de procesar diferentes tipos de información (texto, imagen, audio) de manera conjunta.

Fuentes consultadas: 

Herculano-Houzel, S. (2009). The human brain in numbers: a linearly scaled-up primate brain. Frontiers in Human Neuroscience, 3, 31 https://doi.org/10.3389/neuro.09.031.2009

Davies, M., et al. (2021). Advancing neuromorphic computing with Loihi: progress and future directions. Neuromorphic Computing and Engineering, 1(1), 012002.
https://doi.org/10.1088/2634-4386/abec0c

Shastri, B. J., et al. (2021). Photonics for artificial intelligence and neuromorphic computing. Nature Photonics, 15, 102–114.
https://doi.org/10.1038/s41566-020-00754-y

Trujillo, C. A., & Muotri, A. R. (s.f.). Brain organoids and the study of neurodevelopment. University of California San Diego, School of Medicine. https://escholarship.org/content/qt9xx1c5p1/qt9xx1c5p1_noSplash_011d40b85e3bb96f1b22a401e1dfee25.pdf

Grace, K., Salvatier, J., Dafoe, A., Zhang, B., & Evans, O. (2018). When Will AI Exceed Human Performance? Evidence from AI Experts. Journal of Artificial Intelligence Research, 62, 729–754.
https://doi.org/10.1613/jair.1.11222

https://www.academia.edu/113766479/When_Will_AI_Exceed_Human_Performance_Evidence_from_AI_Experts

Este artículo sigue la Política de correcciones de Tocororo Cubano®. Para señalar errores u observaciones, escriba en comentarios bajo el artículo o envié su mensaje a: info@tocororocubano.com

Gracias por leerme.
Si este contenido resonó contigo, únete a nuestra comunidad comentando y compartiendo.

©  2026.

Por Henrik Hernandez - Tocororo Cubano® Revista Digital Multidisciplinaria

#IAyCerebro #FuturoTecnológico