¿Cuántas neuronas tiene una IA?

Es común escuchar que un modelo de inteligencia artificial tiene miles de millones, o incluso billones, de «parámetros», y es igual de común que esa cifra se traduzca de forma casi automática como si equivaliera al número de neuronas de un cerebro. La comparación es entendible, porque los modelos de lenguaje se organizan en estructuras llamadas redes neuronales artificiales, un nombre que ya invita a la analogía. Pero la equivalencia entre parámetro y neurona no es exacta, y entender por qué ayuda a tener una idea más realista de qué es, y qué no es, un modelo de inteligencia artificial.

¿Qué es un parámetro?

Un parámetro, en el contexto de una red neuronal artificial, es un número que el modelo ajusta durante el proceso de entrenamiento, algo parecido a la fuerza o el peso de una conexión entre dos nodos dentro de una red matemática. Cuantos más parámetros tiene un modelo, más capacidad tiene, en principio, de representar patrones complejos en los datos con los que fue entrenado. Pero un parámetro es, en esencia, un valor dentro de una operación matemática:

• No está vivo.
• No consume energía por sí mismo mientras no se lo esté usando.
• No cambia por razones distintas a las del proceso de entrenamiento o de ajuste posterior.

Cuántas neuronas tiene el cerebro humano

El cerebro humano tiene, según el conteo realizado por la neurocientífica brasileña Suzana Herculano-Houzel, alrededor de 86 mil millones de neuronas. Antes de su trabajo, la cifra que circulaba habitualmente en libros y divulgación era de 100 mil millones, un número redondo cuyo origen exacto, cuando Herculano-Houzel se puso a rastrearlo, resultó que nadie podía precisar con certeza en la literatura científica. Para llegar a su propio conteo, desarrolló un método llamado fraccionador isotrópico, que consiste en disolver tejido cerebral fijado en una solución hasta obtener una especie de «sopa» homogénea de núcleos celulares, que después se pueden teñir y contar bajo el microscopio de forma mucho más precisa que con los métodos de estimación usados anteriormente.

La diferencia no es solo de cantidad

La diferencia entre una neurona biológica y un parámetro artificial no es solo de cantidad, es también de naturaleza. Una neurona es una célula viva, con su propio metabolismo, que integra señales eléctricas y químicas de una complejidad que la neurociencia todavía no termina de comprender del todo. Su actividad varía según:

• El sueño.
• Las hormonas.
• La edad.
• El estado de salud general.
• El estado de ánimo de la persona.

Un parámetro artificial, en cambio, es un valor fijo una vez terminado el entrenamiento, sin metabolismo, sin química, sin nada parecido a un estado interno propio ni a una experiencia subjetiva.

La diferencia también se nota en cómo se conectan. Cada neurona biológica puede establecer sinapsis con miles de otras, y esas conexiones se refuerzan, se debilitan o se crean de nuevo con la experiencia a lo largo de toda la vida, en un proceso que se conoce como neuroplasticidad. Un parámetro artificial no tiene esa flexibilidad continua: sus conexiones quedan fijas al terminar el entrenamiento, y solo vuelven a moverse si alguien decide reentrenar o ajustar el modelo desde afuera.

Inspiración no es lo mismo que función

Los nodos que forman una red neuronal artificial están inspirados, de forma muy lejana y muy simplificada, en el funcionamiento de la neurona biológica, tal como se entendía a mediados del siglo pasado cuando se diseñaron los primeros modelos matemáticos de este tipo.

Pero esa inspiración inicial no convirtió a los parámetros artificiales en una réplica funcional de la neurona real, del mismo modo en que el dibujo de un avión inspirado en un pájaro no hace que el avión bata las alas para volar. Ambos resuelven un problema parecido con mecanismos completamente distintos.

Por qué comparar parámetros con neuronas no tiene sentido

Por eso comparar directamente la cantidad de parámetros de un modelo con la cantidad de neuronas de un cerebro, para sacar alguna conclusión sobre cuál es «más inteligente» o tiene mayor capacidad, es una comparación que parte de una base equivocada. Sería como contar ladrillos para estimar cuánto se piensa dentro de un edificio: el número puede decir algo sobre la escala de la construcción, pero muy poco sobre lo que efectivamente ocurre adentro.