Tres nuevos estudios de instituciones líderes como la Universidad Hebrea, Google Research y Caltech han arrojado nueva luz sobre la relación entre la inteligencia artificial y el cerebro humano. La investigación sugiere que los modelos de IA procesan el lenguaje de una manera que se parece sorprendentemente a la actividad neuronal biológica, al mismo tiempo que influyen en cómo hablan los humanos en el mundo real. Estas investigaciones utilizan marcos de aprendizaje profundo y análisis lingüístico para explorar cómo la IA se alinea con la función cerebral, cómo altera nuestro vocabulario y cómo puede ayudar a simular neuronas biológicas.
El cerebro construye significado como un LLM
Un equipo dirigido por el Dr. Ariel Goldstein de la Universidad Hebrea, en colaboración con Google Research y Princeton, utilizó electrocorticografía (ECoG) para registrar la actividad eléctrica directa de los cerebros de los participantes que escuchaban un podcast de 30 minutos. Compararon estas señales con la arquitectura en capas de modelos de lenguaje grandes (LLM) como GPT-2 y Llama 2. El estudiar encontró una alineación notable:
- Primeras capas: Las respuestas neuronales iniciales del cerebro coincidían con las capas superficiales de los modelos de IA, que manejan elementos lingüísticos básicos.
- Capas profundas: Las respuestas neuronales posteriores, particularmente en el área de Broca, se alinearon con capas de IA más profundas que procesan contextos y significados complejos.
«Lo que más nos sorprendió fue cuán estrechamente coincide el desarrollo temporal del significado del cerebro con la secuencia de transformaciones dentro de grandes modelos de lenguaje», dijo Goldstein. Esto sugiere que, a pesar de sus diferentes estructuras, tanto el cerebro humano como los modelos de IA construyen significado de forma incremental, capa por capa. Para respaldar mayores descubrimientos, el equipo ha hecho público el conjunto de datos completo de grabaciones neuronales, lo que permite a científicos de todo el mundo probar teorías alternativas del procesamiento del lenguaje.
«Filtración léxica»: la IA está cambiando la forma en que hablamos
En una investigación separada, el lingüista Tom Juzek de la Universidad Estatal de Florida analizó 22 millones de palabras de podcasts sin guión para medir el impacto de la IA en el habla humana. Al comparar datos antes y después del lanzamiento de ChatGPT en 2022, el estudio identificó un fenómeno que Juzek llama «filtración léxica». La investigación encontró un aumento repentino en palabras específicas comúnmente generadas por la IA, mientras que sus sinónimos no mostraron un aumento similar. Estas palabras incluyen:
- «Ahondar» (investigar profundamente)
- «Meticuloso» (mostrando cuidadosa atención a los detalles)
- «Granero» (reunir o coleccionar)
- «Alarde» (refiriéndose a poseer una característica)
«La IA literalmente puede estar poniendo palabras en nuestra boca, ya que la exposición repetida lleva a las personas a internalizar y reutilizar palabras de moda que tal vez no hayan elegido de forma natural».
A diferencia de la jerga que se difunde socialmente, este cambio proviene de resultados algorítmicos que se encuentran en textos y artículos. El análisis plantea interrogantes sobre la potencial estandarización del habla humana y el aplanamiento de los dialectos regionales bajo la influencia de una terminología uniforme de IA.
NOBLE: Simulando neuronas 4.200 veces más rápido
Al Conferencia NeurIPSlos científicos de Caltech y Cedars-Sinai presentaron NOBLE (Operador neuronal con incrustaciones latentes biológicamente informadas). Este nuevo marco de aprendizaje profundo puede generar modelos virtuales de neuronas cerebrales 4200 veces más rápido que los métodos tradicionales. Mientras que los solucionadores tradicionales utilizan ecuaciones diferenciales complejas que exigen una gran potencia informática, NOBLE utiliza operadores neuronales para replicar el comportamiento de las neuronas biológicas reales, incluidas sus tasas de activación y respuestas a los estímulos. Esta velocidad permite a los investigadores escalar simulaciones a circuitos cerebrales más grandes que involucran millones de células interconectadas. El marco tiene como objetivo acelerar la investigación sobre trastornos cerebrales como la epilepsia y el Alzheimer al permitir a los científicos probar hipótesis rápidamente sin depender únicamente de experimentos limitados con animales o humanos.
