Cómo la inteligencia artificial supera a los expertos humanos en neurociencia

Columna

Innovación

Tecnología

03 de diciembre de 2024

Cómo la inteligencia artificial supera a los expertos humanos en neurociencia

Los LLM pueden actuar como “socios inteligentes” para los científicos, procesando grandes volúmenes de datos e integrando información

Un estudio reciente publicado en Nature Human Behaviour demostró que modelos de lenguaje avanzados (Large Language Models, LLMs) pueden superar a expertos humanos en predicciones científicas en determinadas situaciones. La investigación, llevada a cabo por Luo et al. (2024), destacó el potencial de la inteligencia artificial (IA) no solo para igualar el rendimiento humano, sino también para ofrecer ventajas significativas en análisis y predicciones en el campo de la neurociencia.

Los investigadores crearon un benchmark innovador llamado BrainBench, diseñado para evaluar si los modelos de lenguaje avanzados pueden predecir resultados experimentales en neurociencia de manera más eficaz que expertos humanos. El BrainBench se basa en una tarea intrigante: los participantes (tanto humanos como modelos de IA) debían analizar dos resúmenes científicos similares, uno con los resultados reales de un estudio y otro con resultados alterados, pero que mantenían coherencia lógica y científica. El desafío consistía en identificar qué resumen contenía los resultados correctos.

Para ello, se utilizaron modelos de lenguaje como BrainGPT, que fue específicamente ajustado con publicaciones científicas del área de neurociencia, además de otros modelos más generales. Este enfoque no solo probó la capacidad de los LLMs para procesar información compleja y ruidosa, sino que también exploró su habilidad para integrar datos e identificar patrones en los métodos y en los resultados descritos en los estudios.

Desenlace

Los números son realmente impresionantes y demuestran el potencial transformador de la inteligencia artificial en la ciencia. Los modelos de lenguaje alcanzaron una precisión media del 81% al identificar los resúmenes con resultados reales, superando significativamente a los expertos humanos, que obtuvieron una media del 63%. Entre los modelos evaluados, BrainGPT, que fue ajustado específicamente con datos de publicaciones científicas de neurociencia, destacó con un rendimiento aún superior.

Un punto particularmente interesante fue la calibración de confianza presentada por los modelos. Cuando los LLMs indicaban alta certeza en sus respuestas, la probabilidad de acierto también era mayor, un indicativo de que estas herramientas pueden proporcionar predicciones confiables y bien fundamentadas. Esta característica es especialmente relevante en un escenario de colaboración entre humanos y máquinas, en el cual entender la confianza en las predicciones es esencial para decisiones científicas.

Socias inteligentes

La ciencia moderna enfrenta un desafío fundamental: el volumen de información disponible crece a un ritmo exponencial, imposibilitando que cualquier ser humano siga todas las publicaciones relevantes en su área. Estudios y descubrimientos importantes pueden pasar desapercibidos en medio de la vasta cantidad de datos generados diariamente. En este contexto, herramientas como los modelos avanzados de lenguaje pueden actuar como “socias inteligentes” de los científicos, procesando grandes volúmenes de datos e integrando información de una forma que los humanos solos no pueden.

Además, el estudio reveló que, mientras los expertos humanos frecuentemente se concentran en aspectos aislados de un problema, los LLMs consiguen integrar información de manera holística, identificando patrones sutiles y correlaciones entre métodos y resultados. Esto acelera el proceso de análisis científico y puede abrir puertas a nuevas hipótesis y descubrimientos al destacar tendencias o relaciones que podrían pasar desapercibidas.

Riesgos

Aunque los avances son impresionantes, el uso de modelos de lenguaje en el contexto científico también plantea preocupaciones importantes. Una de ellas es el riesgo de dependencia excesiva de la IA. Si los científicos comienzan a evitar la exploración de hipótesis que contradicen las predicciones hechas por los modelos, el campo puede perder oportunidades de realizar descubrimientos revolucionarios, especialmente cuando estas predicciones reflejan patrones prevalentes en la literatura, pero no necesariamente verdades.

Otro punto crítico es la posibilidad de sesgo en las decisiones. Los modelos de lenguaje entrenados con grandes volúmenes de datos pueden heredar sesgos presentes en la literatura científica, como tendencias de publicación o lagunas de conocimiento, lo que puede comprometer la calidad de las predicciones. Además, confiar ciegamente en las sugerencias de la IA, sin un análisis crítico, puede llevar a errores significativos, especialmente en áreas donde los matices o las interpretaciones humanas son cruciales.

Por último, existe un debate ético y científico sobre el equilibrio entre el uso de la IA como herramienta auxiliar y el riesgo de que sustituya habilidades analíticas humanas, esenciales para interpretar y contextualizar descubrimientos. Para mitigar estos riesgos, es fundamental que las predicciones generadas por los modelos vayan acompañadas de indicadores claros de confianza y limitaciones, promoviendo una colaboración equilibrada entre humanos y máquinas.

El futuro

La inteligencia artificial está moldeando el futuro de la ciencia, con los LLM liderando esta revolución. Estas herramientas tienen el potencial de transformar la práctica científica, haciéndola más ágil, eficiente y orientada a datos. A medida que los LLM continúen evolucionando, podrán ser actualizados constantemente con nuevos datos científicos, manteniéndose alineados a los últimos descubrimientos y avances en las más diversas áreas del conocimiento.

En el caso de modelos como BrainGPT, es posible imaginar sistemas que no solo ayuden en el análisis de estudios existentes, sino que también ayuden a los científicos a planificar experimentos más estratégicos, proporcionando opiniones sobre los métodos y resultados probables o indicando lagunas en la literatura que merecen investigación. Este tipo de aplicación ya se está empezando a ver en áreas como biomedicina y neurociencia, donde la integración de IA acelera la identificación de nuevos tratamientos e intervenciones.

Además, herramientas de este tipo pueden integrarse en pipelines de investigación, sugiriendo interpretaciones iniciales para resultados o ayudando en la priorización de proyectos con mayor probabilidad de éxito. Esto podría reducir el tiempo y los recursos necesarios para llevar a cabo investigaciones, acelerando la tasa de innovación y aportando beneficios directos a la sociedad.

Sin embargo, el futuro también dependerá de la colaboración entre humanos y máquinas, aprovechando lo mejor de las capacidades computacionales y analíticas de los LLMs y la creatividad y el sentido crítico de los científicos. La IA, así, sería más una socia que una sustituta, potenciando la capacidad humana de hacer descubrimientos y expandir el conocimiento científico. Con esta asociación, el horizonte de la ciencia parece más amplio que nunca, listo para ser explorado.

Para tener acceso a las referencias de este texto haga clic aquí

Quién publicó esta columna

José Erasmo Silva

José Erasmo Silva é professor, formado em Matemática e Administração, com mais de 25 anos de experiência em gestão empresarial e de pessoas. É mestre e doutor em Administração, com foco em Finanças, e especialista em Data Science e Analytics e em Finanças e Controladoria. Realizou pós-doutorado na Universidade Federal da Bahia (UFBA). Atualmente, atua como professor orientador no MBA em Data Science, Inteligência Artificial e Analytics da USP/Esalq e leciona na EEP/FUMEP e na rede estadual de ensino de São Paulo.

También te puede interesar

Economía, Inversiones Y Banca

23 de octubre de 2026

Educación Financiera, Comportamientos y Sesgos en la Toma de Decisiones Financieras

La gestión financiera personal representa un desafío creciente, influenciada por sesgos cognitivos que afectan la toma de decisiones, incluso en individuos con alto conocimiento. El presente estudio analizó la relación entre el nivel de educación financiera y la ocurrencia de sesgos conductuales en la toma de decisiones financieras de adultos residentes en Brasil. Se realizó un levantamiento de campo de naturaleza aplicada, cuantitativa y descriptivo-correlacional, mediante la aplicación de un cuestionario estructurado a 163 encuestados. El instrumento contempló variables sociodemográficas, conocimiento y hábitos financieros, y situaciones hipotéticas para identificar sesgos cognitivos. Los resultados indicaron que niveles más elevados de educación financiera se asociaron con mejores prácticas de control financiero, ahorro e inversión, con correlaciones significativas con ingresos y escolaridad. Sin embargo, la presencia de sesgos conductuales (anclaje, aversión a la pérdida, escasez, optimismo/pesimismo, sesgo del presente, status quo, exceso de confianza y contabilidad mental) persistió incluso entre individuos con mayor escolaridad e ingresos, sin asociación estadísticamente significativa con las variables sociodemográficas analizadas. Se concluyó que la educación financiera, aunque esencial para la organización y el control financiero, no fue suficiente para neutralizar la influencia de sesgos cognitivos. Se sugiere la incorporación de enfoques conductuales a los programas de educación financiera.

Palabras clave: Comportamiento financiero; Economía conductual; Finanzas personales; Heurísticas cognitivas; Sesgos cognitivos.

22 de octubre de 2026

Viaje del Consumidor en la Decisión de Compra de Infoproductos en el Entorno Digital

La expansión del comercio electrónico y la transformación tecnológica impulsaron la necesidad de comprender el comportamiento del consumidor de infoproductos, cuya experiencia percibida se ha vuelto crucial para el desarrollo profesional. El estudio tuvo como objetivo analizar los factores que influyeron en la decisión de compra de infoproductos en el entorno digital, considerando las etapas del viaje del consumidor. Se realizó una investigación aplicada, cuantitativa y descriptiva, a través de un estudio de campo con 100 consumidores de la Serra Gaúcha. La recopilación de datos se realizó mediante un cuestionario estructurado, utilizando muestreo no probabilístico. Los resultados revelaron un público cualificado y con un fuerte comportamiento “mobile-first”. Se constató que la disponibilidad de información detallada y la aprobación social fueron los principales desencadenantes de atracción en la fase de precompra. En las etapas transaccionales y posteriores, la minimización de fricciones operativas, la agilidad del acceso inmediato y la seguridad sistémica demostraron ser cruciales para la conversión y la satisfacción, aunque se identificaron lagunas en la eficiencia del soporte humano. La retención se fundamentó en la confianza generada por experiencias anteriores positivas, superando el factor precio. Se concluyó que el viaje del consumidor de infoproductos opera como un sistema integrado, exigiendo alineación entre infraestructura tecnológica, curaduría de contenido y humanización del soporte para asegurar el compromiso.

Palabras clave: Comercio electrónico; Comportamiento del consumidor; Experiencia del consumidor; Fidelización; Negocios virtuales.

22 de octubre de 2026

Observatorio Digital de la Amazonía: Ciencia de Datos Aplicada al Análisis de Indicadores Sociales, Económicos, Ambientales y de Salud

El estado de Amazonas ha enfrentado desafíos históricos en la consolidación del Sistema Único de Salud (SUS), derivados de barreras geográficas, desigualdades socioeconómicas y limitaciones estructurales. En este estudio se describió el desarrollo e implementación de un geoportal de información en salud, concebido para apoyar el monitoreo, la evaluación y la planificación en el contexto amazónico. Se adoptó un enfoque de estudio de caso descriptivo, basado en análisis documental y datos secundarios, abarcando el mapeo de funcionalidades, la infraestructura técnica y las etapas de validación de la herramienta. El Portal fue desarrollado con tecnologías abiertas e integró múltiples bases de datos nacionales, ofreciendo dashboards interactivos, mapas temáticos y repositorio digital de documentos. Entre los resultados, destacaron la visualización georreferenciada de indicadores clave, la posibilidad de análisis comparativos temporales y la utilización de la plataforma en la revisión de planes de salud y en el redireccionamiento de acciones estratégicas. El portal puede representar un avance en la gobernanza digital y en la gestión basada en evidencia, con potencial de replicabilidad para otros territorios de alta complejidad, siempre que vaya acompañado de inversiones en infraestructura tecnológica, capacitación profesional y articulación interinstitucional.

Palabras clave: Amazonía; Evaluación en Salud; Salud Digital; Sistemas de Información en Salud.

22 de octubre de 2026

Aprendizaje Continuo como Factor de Crecimiento Organizacional en la Percepción de los Colaboradores

El impacto del aprendizaje continuo y la gestión del conocimiento en el crecimiento de las organizaciones fue estudiado en un escenario de globalización y constantes cambios. El objetivo del estudio fue analizar la percepción de los colaboradores sobre la cultura de aprendizaje y su importancia para el desarrollo personal y profesional. Los datos se obtuvieron a través de una encuesta anónima, de enfoque cuantitativo, utilizando un formulario con preguntas tipo “survey” aplicado a 87 profesionales de los sectores de tecnología, salud, educación, comercio y servicios. Los resultados indicaron que los colaboradores tenían una percepción positiva sobre la contribución del aprendizaje continuo al crecimiento personal y organizacional, reconociendo sus beneficios para el desarrollo de nuevas habilidades, la innovación y la competitividad. Sin embargo, se observó que el incentivo al intercambio de conocimiento interno y la oferta de capacitaciones prácticas aún presentaban medias moderadas de acuerdo. Se concluyó que el aprendizaje continuo contribuye significativamente al desarrollo individual y organizacional, sugiriendo que las empresas deben desarrollar políticas estratégicas de aprendizaje dirigido a nuevas habilidades, buscando una mayor ventaja competitiva y la innovación.

Palabras clave: Aprendizaje continuo; Autodesarrollo; Crecimiento organizacional; Gestión del Conocimiento; Innovación.

22 de octubre de 2026

Previsión de la Morosidad de Pago Agregada en el Sistema Financiero Brasileño por Modelo Sarimax con Variables Macroeconómicas

La morosidad agregada en el sistema financiero brasileño es un indicador crucial de riesgo crediticio, cuya previsión está regulada por las Resoluciones CMN n.° 4.557/2017 y 4.966/2021 para la medición prospectiva de pérdidas esperadas. Se modeló y predijo la morosidad agregada mediante el modelo SARIMAX, proyectando su trayectoria hasta diciembre de 2026 bajo escenarios optimista, base y pesimista. Se utilizaron 164 observaciones mensuales (julio/2012 a febrero/2026) y variables macroeconómicas como desempleo, Selic, IPCA, IBC-Br y endeudamiento de las familias. La especificación con variables contemporáneas fue seleccionada con base en criterios de información y estabilidad de los coeficientes, y el diagnóstico de los residuos confirmó adecuación estadística, con MAPE de 3,12%. La morosidad histórica varió entre 4,33% y 7,64%. La estimación identificó el desempleo (β = 0,2534; p < 0,001) y la Selic (β = 0,2128; p < 0,001) como principales determinantes positivos, con fuerte persistencia temporal (AR(1) = 0,8965). La Selic exhibió correlación creciente con la morosidad (r = 0,62 en el rezago 12), mientras que el desempleo demostró efecto contemporáneo (r = 0,33). Las proyecciones indicaron morosidad entre 6,30% y 7,98% en diciembre de 2026, con una amplitud de 1,68 punto porcentual, evidenciando implicaciones directas para el dimensionamiento de provisiones en las instituciones financieras.

Palabras clave: Desempleo; Modelado predictivo; Política monetaria; Provisión de pérdidas; Series temporales.

22 de octubre de 2026

Factores de Compromiso de las Partes Interesadas en la Transferencia Internacional de Tecnología a un Hospital Público

Este estudio describió los factores críticos percibidos para la participación de las partes interesadas en la transferencia internacional de tecnología en un hospital público, con foco en la planificación. El objetivo fue describir estos factores condicionantes, según la percepción de los profesionales. Se realizó un estudio de caso único, aplicando un cuestionario a 25 profesionales y utilizando análisis de contenido, complementado por tabulaciones descriptivas. Los principales obstáculos identificados fueron resistencia al cambio (72%), financiación (64%), falta de comunicación (60%) y burocracia (40%). Solo el 28% de los encuestados reconoció la existencia de herramientas adecuadas para la gestión de stakeholders, mientras que el 48% negó y el 24% no supo informar. Cruzamientos exploratorios indicaron variaciones en la evaluación de influencia según el tiempo de actuación, pero no establecieron relaciones causales. La falta de participación se asoció con retrasos, baja adhesión, desperdicio de recursos, fallas de comunicación, compromiso de la absorción de conocimiento y riesgos para la seguridad del paciente. Las conclusiones se restringieron a las percepciones del grupo investigado y fundamentaron recomendaciones preliminares para la comunicación y coordinación intersectorial.

Palabras clave: Estudio de caso; Gestión de proyectos; Innovación en salud; Partes interesadas; Sector público.