Dr. Terry Sejnowski: Cómo mejorar el aprendizaje con neurociencia e IA
El aprendizaje suele considerarse una cuestión de absorber más información. En su conversación con Andrew Huberman, el neurocientífico computacional Dr. Terry Sejnowski propone un modelo más útil: el conocimiento duradero se desarrolla mediante la predicción, la acción, la retroalimentación y la consolidación biológica. Leer y escuchar importan, pero solo son parte del proceso.
Sejnowski establece conexiones entre la neurociencia, la inteligencia artificial, la educación, el sueño, el ejercicio y la motivación. Su mensaje central es alentador: el cerebro sigue siendo adaptable durante toda la edad adulta, y el aprendizaje puede mejorar cuando trabajamos con sus sistemas en lugar de depender únicamente de la exposición pasiva o de la fuerza de voluntad.
Comprender el cerebro a nivel algorítmico
Sejnowski dirige el Laboratorio de Neurobiología Computacional del Instituto Salk, donde su trabajo combina matemáticas, neurociencia, informática e inteligencia artificial. Esta perspectiva determina cómo aborda una de las preguntas más difíciles de la ciencia: ¿cómo se convierte la actividad de las células y los circuitos en percepción, pensamiento y comportamiento?
Un inventario detallado de neuronas, moléculas y conexiones no explica por sí solo cómo funciona el cerebro. A la inversa, observar el comportamiento desde fuera no puede revelar por completo cómo la maquinaria subyacente lo produce. Sejnowski describe un nivel intermedio, algorítmico, entre estas dos perspectivas.
Un algoritmo es comparable a una receta: especifica las operaciones que realiza un sistema para alcanzar un resultado. En neurociencia, identificar esas operaciones puede explicar cómo los circuitos transforman la experiencia en mejores decisiones o comportamientos más hábiles. Este nivel también es donde la neurociencia y la IA se superponen cada vez más. Ambos campos preguntan cómo un sistema puede aprender de la retroalimentación, generalizar más allá de ejemplos previos y seleccionar acciones que lo acerquen a un objetivo.
Los ganglios basales, la dopamina y el aprendizaje a partir de los resultados
Un sistema importante de aprendizaje involucra a los ganglios basales, un conjunto de estructuras cerebrales que ayuda a perfeccionar secuencias de acciones. La práctica permite que estos circuitos hagan que los movimientos sean más fluidos y automáticos, ya sea al mejorar un golpe de tenis, un swing de golf u otra habilidad compleja.
Sejnowski sostiene que la misma maquinaria general también contribuye a la pericia cognitiva. Adquirir fluidez en medicina, finanzas, física o neurociencia requiere aprender secuencias productivas de pensamiento, no solo almacenar datos aislados.
Los ganglios basales ayudan a organizar tanto las señales de «hacer» como las de «no hacer». Un desempeño eficaz depende de iniciar la acción correcta mientras se suprimen las acciones competidoras. Un cirujano, por ejemplo, debe ejecutar un procedimiento preciso y, al mismo tiempo, excluir pensamientos irrelevantes. Huberman y Sejnowski extienden esta distinción a la adolescencia, cuando los sistemas implicados en la contención y la inhibición aún están desarrollándose.
La dopamina desempeña un papel central en la actualización de estos circuitos. El cerebro predice qué recompensa debería seguir a una acción, compara esa previsión con lo que realmente sucede y ajusta sus conexiones cuando el resultado difiere de lo esperado. A través de experiencias repetidas, este proceso construye lo que los investigadores computacionales llaman una función de valor: una estimación acumulada de qué elecciones probablemente producirán resultados beneficiosos o perjudiciales.
Este principio no se limita al laboratorio. Influye en los hábitos, el criterio profesional, el comportamiento social y las preferencias personales. Los pequeños resultados positivos pueden reforzar gradualmente un patrón útil, mientras que un acontecimiento fuertemente negativo puede generar un aprendizaje rápido tras una sola exposición.
Métodos relacionados de aprendizaje por refuerzo ayudaron a hacer posibles sistemas como AlphaGo. La comparación no significa que los cerebros y la IA sean idénticos. Más bien, muestra cómo una regla de aprendizaje relativamente compacta puede producir un comportamiento sofisticado cuando opera repetidamente en muchas situaciones.
Saber algo no es lo mismo que ser capaz de hacerlo
Un tema central de la conversación es la diferencia entre el aprendizaje cognitivo y el procedimental. El aprendizaje cognitivo proporciona conocimiento explícito: conceptos, explicaciones, reglas y datos. El aprendizaje procedimental transforma ese conocimiento en una capacidad que puede utilizarse de forma eficiente.
Una persona no puede aprender tenis solo leyendo sobre la técnica. Tampoco un piloto puede llegar a ser competente mediante libros de texto sin entrenamiento práctico. Incluso las asignaturas académicas requieren desarrollo procedimental. Memorizar una ecuación es diferente de reconocer cuándo usarla, aplicarla a un problema desconocido y comprobar si la respuesta tiene sentido.
Por lo tanto, los dos sistemas deben apoyarse mutuamente. Comprender por qué funciona un método puede orientar la práctica, mientras que la práctica revela lagunas que permanecen ocultas durante el estudio pasivo. Sejnowski critica los enfoques educativos que reducen al mínimo los deberes, la resolución de problemas u otras formas de práctica activa. Sin aplicación repetida, los estudiantes pueden reconocer el material sin llegar a dominarlo.
Un ciclo de aprendizaje productivo tiene este aspecto:
Estudiar la idea subyacente.
Intentar resolver un problema sin consultar inmediatamente la respuesta.
Identificar la discrepancia entre la predicción y el resultado.
Corregir el método y volver a intentarlo en un contexto nuevo.
Retomar el material después de que haya pasado un tiempo.
Las pruebas son valiosas dentro de este ciclo porque recuperar información es en sí mismo un evento de aprendizaje. Revela errores, fortalece el acceso al conocimiento y entrena al estudiante para producir una respuesta en lugar de limitarse a reconocerla.
El aprendizaje activo desarrolla la generalización
Sejnowski enfatiza que el cerebro no almacena información como un ordenador que copia archivos. Aprender requiere interacción: intentar, predecir, cometer errores y revisar el comportamiento.
Este proceso activo es lo que favorece la generalización: la capacidad de utilizar aprendizajes previos en una situación que no es exactamente igual al ejemplo de entrenamiento. También es un objetivo definitorio de la IA moderna. Un modelo de lenguaje que solo reprodujera sus datos de entrenamiento sería mucho menos útil que uno capaz de responder coherentemente a una pregunta novedosa.
En ocasiones, los seres humanos pueden generalizar a partir de muy pocos ejemplos, aunque esa capacidad depende de la experiencia previa y de la estructura mental existente. La implicación práctica es que los estudiantes deberían variar su práctica. Resolver repetidamente el mismo tipo de problema puede mejorar la familiaridad, pero mezclar contextos y enfrentarse a casos desconocidos ofrece una mejor prueba de comprensión transferible.
Sejnowski y la educadora Barbara Oakley desarrollaron el curso gratuito en línea Learning How to Learn en torno a muchos de estos principios. Aunque inicialmente fue concebido pensando en estudiantes, atrajo a una amplia audiencia internacional, incluidos adultos que trabajaban y necesitaban adquirir nuevas habilidades. Su popularidad refleja una realidad moderna: la educación formal termina, pero la necesidad de aprender no.
La memoria está distribuida por todo el cerebro
Los relatos más antiguos sobre el funcionamiento cerebral solían asignar cada tarea a una región estrechamente definida: la información visual pertenecía a la corteza visual, la información auditiva a la corteza auditiva y el movimiento a las áreas motoras. Estas distinciones siguen siendo útiles, pero los métodos de registro más recientes muestran una coordinación mucho más extendida.
Sejnowski analiza investigaciones en las que la actividad relacionada con una tarea aparece en múltiples regiones, a veces con aportes sustanciales de áreas que tradicionalmente no se considerarían primarias para esa tarea. La cognición compleja parece surgir de las interacciones entre sistemas distribuidos, más que de una única ubicación de almacenamiento.
Los registros de personas con epilepsia han ofrecido una ventana especialmente valiosa a estas dinámicas. Algunos pacientes reciben electrodos implantados como parte de su atención clínica, lo que crea oportunidades poco frecuentes para que los investigadores observen directamente la actividad neuronal humana. Con la colaboración adecuada para la investigación, los científicos pueden estudiar cómo cambia la actividad mientras los participantes aprenden y mientras duermen.
Estos hallazgos hacen que la memoria se parezca menos a un objeto colocado en un compartimento y más a un patrón integrado en una red existente.
El sueño consolida lo que inicia la práctica
El aprendizaje no se detiene cuando termina una sesión de estudio. Durante el sueño no REM, el cerebro produce breves ráfagas de actividad coordinada conocidas como husos del sueño. Sejnowski describe estos eventos como parte del proceso mediante el cual la experiencia reciente se incorpora al conocimiento cortical a más largo plazo.
El hipocampo desempeña una función temporal de organización, reproduciendo elementos de la experiencia reciente durante el sueño. Esta reproducción ayuda a integrar información nueva sin simplemente sobrescribir lo que ya se había aprendido. Por lo tanto, dormir lo suficiente no es solo recuperarse después de estudiar; es una etapa activa de la formación de la memoria.
La conversación también examina investigaciones con zolpidem, comúnmente conocido como Ambien. En un experimento analizado por Sejnowski, el fármaco aumentó los husos del sueño y mejoró la retención de material aprendido previamente. Sin embargo, el zolpidem también puede perjudicar la memoria de los acontecimientos que ocurren después de tomarlo.
Esa compensación ilustra una advertencia más amplia: manipular un mecanismo biológico puede generar beneficios y costes en otras partes. Sejnowski aplica la misma cautela a los nootrópicos y a las intervenciones basadas en hormonas. La mejora farmacológica no debe confundirse con una mejora gratuita de un sistema aislado, porque el cerebro y el cuerpo mantienen formas interconectadas de equilibrio.
El ejercicio favorece el aprendizaje y el pensamiento creativo
Sejnowski utiliza la actividad física como una herramienta cognitiva. El ejercicio puede preparar el cerebro para aprender, influir en la fisiología del sueño y crear condiciones en las que las ideas se combinan con mayor libertad.
La conversación señala una asociación entre el ejercicio diurno y los husos del sueño más tarde esa noche. El ejercicio también desafía los sistemas motores, mientras que el sueño ayuda a perfeccionar y consolidar sus adaptaciones. Esta relación refuerza la idea de que el rendimiento cognitivo no puede separarse claramente del comportamiento físico.
Para quienes aprenden, la lección es sencilla: el movimiento no es necesariamente tiempo restado al trabajo intelectual. El ejercicio regular puede favorecer los procesos que hacen productivo el estudio, especialmente cuando se combina con suficiente sueño.
Conectividad, psicodélicos y cautela científica
Sejnowski también aborda la investigación sobre la psilocibina, incluidos estudios clínicos que informan mejoras en algunas personas con depresión mayor. Las imágenes cerebrales sugieren que la psilocibina puede aumentar temporalmente la comunicación entre regiones que normalmente están más segregadas, produciendo un patrón con ciertas similitudes con la conectividad amplia observada durante el sueño REM.
Esto plantea preguntas intrigantes. El desarrollo implica tanto formar conexiones como podarlas, en parte porque mantener las conexiones neuronales es metabólicamente costoso. Aprender una nueva habilidad puede requerir una nueva coordinación entre sistemas previamente separados, pero una mayor conectividad no es automáticamente mejor.
La conversación presenta esta área como un problema científico en evolución, no como un protocolo de aprendizaje para hacerlo por cuenta propia. Cualquier posible beneficio terapéutico debe considerarse junto con la supervisión clínica, el riesgo individual, las restricciones legales y los límites de la evidencia actual.
Una rutina práctica de aprendizaje basada en la neurociencia
Las ideas más útiles de la conversación pueden combinarse sin convertir el aprendizaje en un proyecto de optimización elaborado. Comienza con una instrucción concentrada, pero pasa rápidamente al uso activo. Intenta recuperar la información antes de repasarla, resuelve problemas que varíen en su forma y trata los errores como información para actualizar el siguiente intento.
Mantén las recompensas lo bastante pequeñas e inmediatas como para reforzar el progreso. Practica con regularidad para que los pasos que requieren esfuerzo puedan volverse procedimentales. Utiliza el ejercicio para apoyar la cognición y protege suficiente sueño para la consolidación. Por encima de todo, evalúa el aprendizaje según lo que puedas generar, explicar o realizar en un contexto nuevo, no según lo familiar que te resulte el material de origen.
La explicación de Sejnowski reemplaza el mensaje simplista de «estudia más duro» por un ciclo biológico: predecir, actuar, recibir retroalimentación, actualizar, descansar y regresar. El aprendizaje se vuelve más eficaz cuando el conocimiento, el comportamiento y la recuperación se tratan como partes del mismo sistema.
