Los ingenieros construyen un automóvil. Unos ensamblan una réplica exacta del motor, con cada pistón y cada bujía, pero el coche no avanza: le faltan el volante y las ruedas. Otros crean un kart rápido y autónomo, pero su motor de plastilina no se parece al real. Algo parecido ocurre en la ciencia del cerebro. Una corriente —el «modelado del cerebro completo»— recrea las redes neuronales con un detalle asombroso, hasta el nivel de células individuales. La otra —el «neuroconexionismo»— enseña a las redes neuronales artificiales a jugar al go y a traducir textos, pero su funcionamiento interno solo se parece vagamente a un cerebro vivo.
Los autores del nuevo trabajo, entre ellos Ashish Vaswani, proponen cruzar ambos enfoques. Llaman al resultado «modelo funcional de cerebro completo». Es como si a un detallado mapa 3D de todas las calles de una ciudad (la estructura) se le añadieran los flujos reales de coches, los atascos y los semáforos (la dinámica) y, sobre todo, la posibilidad de que los habitantes lleguen al trabajo y a casa (la función). El modelo debe cumplir cuatro condiciones: basarse en mapas reales de conexiones entre las zonas cerebrales, funcionar en tiempo continuo, como las neuronas reales, resolver tareas prácticas —desde el reconocimiento de rostros hasta la memoria— y generar señales comparables con los datos del tomógrafo.
Los autores trazan una hoja de ruta para los próximos años. El objetivo más cercano es construir un prototipo simple que funcione. A largo plazo, estos modelos permitirán vislumbrar la esencia misma del pensamiento y, quizás, aprender a reparar sus fallos. Si se tiene una simulación exacta de la ciudad, no solo se puede predecir un atasco, sino también entender cómo resolverlo.
tal como lo escribieron los autores, en inglés arXiv:2605.18118
Contemporary computational neuroscience features two prominent modeling traditions. Bottom-up whole-brain modeling (WBM) builds biophysically detailed simulations of brain structure and dynamics, whereas top-down neuroconnectionism optimizes deep neural networks for functional performance. Each has achieved remarkable success yet remains incomplete with WBMs lacking functional competence and neuroconnectionist models showing limited biological grounding. Here we propose functional whole-brain models (fWBMs) as a unified modeling paradigm that integrates structural and dynamical realism with task-performing capacity. fWBMs are defined by four minimal criteria: structural grounding in empirical connectomes and regional biology, continuous-time dynamical realism, functional competence across cognitive domains, and mappable observables to neuroimaging, electrophysiologcal and behavioral data. To formalize this integration, we establish a three-pillar roadmap across short-, mid-, and long-term horizons, and outline the scientific and clinical opportunities this paradigm enables. We argue that the disciplined pursuit of this integrative vision will generate the tools, common language, and cross-scale hypotheses needed to advance our understanding of the brain.
El cerebro humano contiene alrededor de 86 mil millones de neuronas, aproximadamente 12 veces más que el número de personas en la Tierra. Cada neurona puede conectarse con miles de otras, creando una red más compleja que todas las redes informáticas del mundo juntas.
En la novela «La era del diamante», Neal Stephenson describe un libro interactivo que se adapta a la mente de un niño para educarlo de manera perfecta. Los modelos funcionales del cerebro son un paso hacia la comprensión de cómo crear a ese «educador» en la realidad.