Una nueva teoría de la memoria sugiere que el futuro de la inteligencia artificial podría depender de un tipo de célula cerebral que la neurociencia ha pasado por alto durante mucho tiempo.
Un investigador de IBM, Leo Kozachkov, y sus colaboradores proponen un nuevo modelo de cognición que refleja cómo funcionan los sistemas modernos de IA, no centrándose únicamente en las neuronas, sino incluyendo a los astrocitos, células cerebrales en forma de estrella, más numerosas que las propias neuronas, pertenecientes a un grupo conocido como glía o neuroglía, y que cumplen funciones esenciales de soporte físico para las neuronas, así como de proveerles nutrición y oxígeno, además de contribuir a la formación de la mielina, capa lipídica que las recubre en toda su extensión. Se sabe que los astrocitos se encargan del soporte físico del conjunto, así como de regular el flujo sanguíneo y mantener el entorno químico necesario para el adecuado funcionamiento neuronal.
Pero ahora, las últimas investigaciones sugieren que los astrocitos pueden también ayudar a almacenar y recuperar recuerdos a través de sus procesos de señalización, formando un sistema dinámico de alta capacidad con sorprendentes paralelismos con los modelos de memoria asociativa utilizados en la IA.
Aunque las neuronas han acaparado siempre la mayor parte de nuestra atención, los astrocitos representan aproximadamente la mitad de todas las células del cerebro, tejiendo su estructura y dando forma al modo en que fluye la información.
«Hay una montaña de evidencia que muestra que los astrocitos están involucrados en la cognición», dice Kozachkov en un artículo reciente sobre el tema. «Nos preguntamos si realmente se podrían aprovechar en potentes sistemas de memoria, y todas las señales apuntan a que sí».
Este nuevo modelo replantea la memoria como algo que surge de una interacción más amplia entre las neuronas y las redes de astrocitos. En términos prácticos, los futuros sistemas de IA podrían inspirarse en la forma en que los astrocitos ayudan a gestionar la memoria, a estabilizar la actividad neuronal y a integrar la información a lo largo del tiempo.
«Hemos construido décadas de teoría sobre la mitad del sistema», dice Kozachkov, refiriéndose a las neuronas. «Ahora estamos empezando a ver lo que está haciendo la otra mitad».
¿PODRÍA LA IA INSPIRARSE EN LOS ASTROCITOS PARA POTENCIAR SU MEMORIA?
Durante más de un siglo, la neurociencia ha presentado una narrativa sencilla sobre la memoria. Las neuronas se activan, se conectan y, en esas conexiones, llamadas sinapsis, se articulan los recuerdos. Las neuronas se consideraban los motores del pensamiento, y se creía que la memoria residía en la fortaleza de dichas conexiones. Sin embargo, un nuevo modelo sugiere que esta perspectiva podría ser incompleta. También plantea la posibilidad de que la biología que subyace a la memoria humana pueda ayudar a guiar el desarrollo de la próxima generación de inteligencia artificial.
La teoría sitúa a los astrocitos, que constituyen aproximadamente la mitad del cerebro, en el centro de un sistema de memoria previamente desconocido. Considerados durante mucho tiempo células de soporte pasivas, los astrocitos podrían desempeñar un papel activo en el almacenamiento y la recuperación de la información. El modelo describe una forma de memoria asociativa que comparte características clave con sistemas avanzados de IA, como los Transformers (redes neuronales que, mediante un mecanismo de “atención”, pueden seleccionar los elementos más importantes en los datos y así ejecutar de manera eficiente el procesamiento del lenguaje natural y de datos complejos).
“Existe una gran cantidad de evidencia que demuestra que los astrocitos participan en la cognición”, declaró Leo Kozachkov, investigador de IBM y coautor de un artículo reciente sobre esta teoría.
Este modelo se basa en una larga trayectoria de investigación neurocientífica sobre la “sinapsis tripartita”, donde un astrocito envuelve la conexión entre dos neuronas. En ella, los astrocitos no son observadores pasivos, sino que participan en el procesamiento y la distribución de información a través del cerebro, de maneras que se asemejan a las capacidades de gestión de la memoria de algunos de los sistemas de IA más sofisticados en uso hoy en día.
RECONSIDERANDO LA MEMORIA
La búsqueda de la ubicación de la memoria en el cerebro ha definido la neurociencia durante décadas. El modelo dominante atribuye a la plasticidad sináptica —el fortalecimiento o debilitamiento de las conexiones entre neuronas— el sustrato de la memoria. Esta idea subyace tanto a las teorías biológicas como a muchos de los supuestos fundamentales de la inteligencia artificial.
Pero la realidad es más compleja. Estudios experimentales han descubierto que los astrocitos modulan la fuerza sináptica, responden a neurotransmisores y neuromoduladores, y parecen desempeñar un papel importante en la formación y recuperación de la memoria de largo plazo. Estos hallazgos no siempre se han adaptado perfectamente a los modelos computacionales estándar, y sus implicaciones han sido difíciles de integrar en un marco teórico coherente.
Este es el contexto en el que se inserta el modelo propuesto: un sistema en el que neuronas, sinapsis y procesos astrocíticos interactúan a través de una red dinámica compartida. Cada elemento se rige por ecuaciones derivadas de principios matemáticos basados en la energía. El sistema resultante evoluciona hacia estados “atractores“ estables (se refiere a un estado definido que determina un cambio sustancial y determinante en la evolución futura) que corresponden a las memorias almacenadas.
La idea central es que los astrocitos pueden ampliar la capacidad de memoria del sistema. Sus redes internas de señalización de calcio (el calcio desempeña una función crucial en el desarrollo cerebral, actuando como un mensajero intracelular clave en la función neuronal y de señalización) permiten la integración y propagación de información a través de amplias regiones espaciales. Esta arquitectura facilita un tipo de almacenamiento de memoria más distribuido y flexible que el que permiten las redes exclusivamente neuronales.
Kozachkov explicó cómo surgió la idea: «Primero, escuchamos a neurocientíficos experimentales que estudian los astrocitos», dijo. «Tienen una cantidad cada vez mayor de evidencia que sugiere que los astrocitos participan en la cognición, la memoria y el comportamiento. Pero solo existe un pequeño conjunto de teorías formales y específicas sobre cómo las neuronas y los astrocitos computan juntos».
MEMORIA DIGITAL VS. MEMORIA BIOLÓGICA
Desde el punto de vista computacional, se había estado trabajando con la Memoria Asociativa Densa, un tipo avanzado de red que se basa en el modelo original de Hopfield (memorias autoasociativas HNN). Estos sistemas son reconocidos por su robusta capacidad de memoria y su excepcional capacidad de recuperación de patrones.
“Desafortunadamente, lo que estas redes de Memoria Asociativa Densa ganan en capacidad de memoria, lo pierden en plausibilidad biológica”, dice Kozachkov. “Por lo tanto, nos preguntamos si estas redes podrían implementarse en hardware biológico”.
Una vez que el equipo comenzó a considerar su aplicación biológica, los astrocitos emergieron rápidamente como el candidato más probable. Su estructura anatómica, su organización espacial y su dinámica bioquímica apuntaban a un posible papel en la memoria.
Dependiendo de cómo se ajuste el sistema, el modelo puede comportarse como una memoria asociativa densa o adoptar las características de un transformador. Esta flexibilidad lo convierte en algo más que una simple comparación con la IA: ofrece un enfoque práctico para considerar cómo tanto el cerebro humano como los sistemas modernos de aprendizaje automático podrían resolver problemas similares.
“Si nuestra teoría es correcta, incluso en concepto, aunque no en detalle, tendrá implicaciones de gran alcance en nuestra concepción de la memoria cerebral”, afirmó Kozachkov. “Nuestra teoría sugiere que los recuerdos pueden codificarse dentro de las vías de señalización intracelular de un solo astrocito. Los pesos sinápticos surgen de las interacciones dentro de estas vías, así como de las interacciones entre astrocitos y sinapsis”.
Las implicaciones de la teoría para la IA son igualmente provocativas. Los sistemas actuales de aprendizaje automático tienen dificultades con la memoria. Las redes neuronales poseen una capacidad limitada para retener información a largo plazo, y se suelen utilizar arquitecturas como las capas de atención o las unidades de memoria externa para superar esta limitación. Estos componentes incrementan el coste computacional y la complejidad.
Entre las predicciones del modelo se encuentra que la interrupción de la señalización intracelular en los astrocitos debería afectar la evocación de la memoria, y que la interferencia selectiva con las redes astrocíticas podría perjudicar ciertos tipos de aprendizaje. Estas ideas son comprobables, aunque técnicamente complejas, y podrían guiar la investigación futura tanto en neurociencia básica como en computación cerebral.
Por supuesto, el modelo sigue siendo teórico. Los investigadores tienen claro que su propuesta es un marco, no una conclusión.
“Ante todo, sería fantástico que investigadores experimentales hicieran un esfuerzo serio para refutar nuestro modelo”, dijo Kozachkov. “Es decir, intentar demostrar que está equivocado. Me encantaría colaborar en ese esfuerzo”.
Por ahora, la teoría invita a una reconsideración más amplia de cómo se estructura la inteligencia.
«Estamos en el inicio de una explosión cámbrica de inteligencia», dijo Kozachkov. (Se refiere al gran aumento en la diversidad de vida multicelular ocurrido en el periodo Cámbrico entre 541 y 485 millones de años atrás). «Por primera vez, sabemos cómo construir entidades no animales que sean inteligentes. Esto tiene enormes implicaciones para la neurociencia, que son difíciles de sobreestimar».
Añadió que cree que la neurociencia aún tiene mucho que ofrecer al aprendizaje automático. «No creo que estemos ni cerca de agotar las ideas que podemos extraer del cerebro para construir sistemas más inteligentes. Ni de lejos».
Fuente: IBM Think Newsletter, junio 2025