Cuando hablamos de entender cómo funciona la mente humana, dos grandes enfoques llevan décadas compitiendo por recursos, atención científica y —seamos honestos— por tener la razón: la inteligencia artificial y la simulación cerebral. Aunque nacieron de la misma pregunta, han tomado caminos muy distintos. ¿Cuál nos dice más sobre quiénes somos?
Cómo llegamos hasta aquí
La historia de la IA arranca en 1943, cuando McCulloch y Pitts publicaron el primer modelo matemático de una neurona. Turing añadió su famoso test en 1950, y McCarthy acuñó el nombre «inteligencia artificial» en 1955. Lo que vino después fue una montaña rusa de promesas y decepciones: los sistemas expertos de los años 80, el renacimiento de las redes neuronales en los 90, y finalmente el estallido del aprendizaje profundo con AlexNet en 2012.
Hoy vivimos en la era de los Transformers. GPT-3 llegó en 2020 con 175,000 millones de parámetros, ChatGPT democratizó el acceso en 2022, y ahora gigantes como Google, Anthropic y Meta compiten en un tablero global. La IA es práctica, escalable y resuelve problemas concretos. Pero tiene un talón de Aquiles enorme: no entiende nada de verdad. Procesa patrones, no significados.
El sueño de copiar el cerebro
La simulación cerebral apuesta por algo más ambicioso y más lento. El Human Brain Project (2013) recibió 1,000 millones de euros para mapear el cerebro humano. El Blue Brain Project ha reconstruido regiones del cerebro de una rata. Y el proyecto EyeWire ha mapeado de forma colaborativa el conectoma de la retina.
El problema es la escala: el cerebro humano tiene 100,000 millones de neuronas. Simularlas todas requiere una cantidad de energía y poder computacional que hoy simplemente no tenemos.
La tercera vía: la mosca de la fruta
Aquí es donde la historia se pone interesante. Drosophila melanogaster, la humilde mosca de la fruta, tiene solo 100,000 neuronas. En 2023 se completó su conectoma completo: 139,255 neuronas y 54.8 millones de sinapsis. Es suficientemente compleja para estudiar comportamiento real, y suficientemente pequeña para ser manejable. Un término medio brillante entre la ambición desmedida y la simplificación excesiva.
¿Con cuál nos quedamos?
La respuesta honesta es: con las dos. Si el objetivo es construir sistemas útiles ahora mismo, la IA gana sin discusión. Si el objetivo es entender de verdad cómo surge el pensamiento, la simulación biológica —especialmente con modelos como Drosophila— ofrece perspectivas que ningún algoritmo puede replicar. El futuro más prometedor no está en elegir un bando, sino en integrar lo que cada enfoque sabe mejor.