La larva del pez cebra es casi transparente y su cerebro puede observarse bajo el microscopio. Pero incluso en una criatura tan diminuta, las conexiones neuronales están tan enredadas que resulta casi imposible descifrarlas a mano. Los científicos hicieron una jugada astuta: crearon una copia informática exacta de esa larva, donde cada conexión es conocida. El resultado fue un campo de pruebas virtual para evaluar métodos.

En ese campo soltaron un algoritmo que busca patrones por sí solo. Prueba opciones como un ajedrecista que anticipa jugadas y construye un modelo que predice el comportamiento de las neuronas. El resultado sorprendió: los modelos encontrados predecían la actividad cerebral con más precisión que los enfoques clásicos probados por el tiempo. Pero cuando al algoritmo solo se le daban señales externas —luz, movimiento del agua—, encontraba caminos engañosos: atajos estadísticos que solo funcionan con datos conocidos.

Este enfoque no solo sirve para peces. Los registros reales de actividad cerebral —de ratones a humanos— padecen lo mismo: hay muchos datos y poca comprensión. El campo de pruebas virtual muestra qué pistas se necesitan para que la inteligencia artificial no solo ajuste números, sino que descubra cómo funciona realmente el cerebro.