Desde nuestros primeros años, aprendemos observando e imitando lo que nos rodea. Es nuestra manera básica de interactuar con el mundo, un acto que nos conecta con quienes somos como humanos. Pero hay un nivel más profundo: la emulación, donde dejamos de copiar pasos para centrarnos en los resultados, en el «por qué» detrás de las acciones. Es este enfoque más avanzado el que define nuestro aprendizaje más complejo, y ahora con la IA actual nos surge la siguiente pregunta:
¿Podría la IA no solo imitar el cerebro humano, sino también emularlo, reflejando sus patrones y principios más profundos?
La investigación titulada «The LLM Language Network: A Neuroscientific Approach for Identifying Causally Task-Relevant Units» liderada por Badr AlKhamissi et al. (EPFL y MIT), explora si los modelos de lenguaje (LLMs) van más allá de una simple imitación mecánica de nuestras capacidades lingüísticas.
https://arxiv.org/abs/2411.02280
Inspirados por la neurociencia, los autores identifican unidades específicas dentro de LLMs que son esenciales para tareas de procesamiento de lenguaje, y encuentran paralelismos sorprendentes con la organización funcional del cerebro humano.
En el cerebro humano, la red de lenguaje está formada por regiones específicas que se activan principalmente cuando procesamos lenguaje (como leer o escuchar frases). Estas áreas, localizadas mayoritariamente en el hemisferio izquierdo, se especializan en el lenguaje y no se activan significativamente con tareas no relacionadas, como escuchar música o resolver problemas matemáticos.
El estudio explora si los LLMs desarrollan subsistemas similares durante su entrenamiento. ¿Como localizan estos subsistemas?
En el cerebro humano, los científicos determinan las regiones responsables del lenguaje comparando cómo responden a frases completas (como «El perro persigue al gato») frente a estímulos de control sin sentido, como listas de palabras aleatorias.
Aplicaron este método a los LLMs, presentándoles 240 frases y 240 listas de palabras aleatorias. Analizaron las respuestas de cada unidad del modelo para identificar cuáles reaccionaban de manera más intensa y específica a las frases completas.
Encontraron un subconjunto pequeño pero crucial de unidades que se activan de manera selectiva ante frases con significado.
Estas «unidades de lenguaje» son comparables a las áreas del cerebro humano que responden específicamente al lenguaje. Curiosamente, este patrón de respuesta no se encuentra en otras partes del modelo.
Los experimentos en diferentes modelos y usando diferentes bechmarks confirman que los LLMs tienen unidades especializadas que no solo son cruciales para el procesamiento del lenguaje, sino que también se alinean funcionalmente con el cerebro humano.
Ya sabemos que la IA procesa el lenguaje de manera muy efectiva, pero lo realmente interesante es que lo hace de una manera sorprendentemente similar al cerebro humano.
ChatGPT está diseñado para predecir la siguiente palabra…, SI, …pero ¿imitando algunos principios del procesamiento humano?
