Un grupo de investigadores del Instituto de Automatización de la Academia de Ciencias de China (CASIA) asegura haber desarrollado una inteligencia artificial inspirada en el cerebro humano. El modelo, llamado SpikingBrain 1.0, busca transformar la forma en que funcionan los sistemas de IA, con un enfoque más eficiente que los actuales modelos de lenguaje basados en Transformers, como ChatGPT (OpenAI), Gemini (Google) o Claude (Anthropic).
¿Cómo funciona SpikingBrain 1.0?
La diferencia clave entre SpikingBrain 1.0 y las arquitecturas tradicionales está en cómo procesan la información. Los modelos de IA actuales utilizan mecanismos de atención masiva, y analizan todas las palabras de una frase de forma simultánea, incluso cuando no todas son relevantes.
En cambio, SpikingBrain 1.0 se apoya en neuronas en picos (spiking neurons), que solo se activan cuando es necesario, tal como sucede en el cerebro humano. Este enfoque permite que el sistema se concentre en las conexiones realmente importantes, eliminando redundancias del aprendizaje profundo clásico.
Según se informa, este modelo puede ser 25 a 100 veces más rápido en tareas largas y complejas y, además, consumir menos energía que los sistemas estadounidenses actuales.
Un cerebro virtual sin depender de NVIDIA
Otro aspecto llamativo es que SpikingBrain 1.0 no depende de GPU de NVIDIA, esenciales hoy para entrenar IA avanzadas pero limitadas por su alto costo y las restricciones de exportación de Estados Unidos hacia China.
En su lugar, los investigadores han desarrollado chips propios llamados MetaX, que permiten entrenar modelos a gran escala sin depender de hardware extranjero. SpikingBrain 1.0 habría alcanzado un entrenamiento estable con 76.000 millones de parámetros, usando menos del 2% de los datos necesarios para modelos tradicionales.
De confirmarse, esto marcaría un salto en eficiencia en un contexto donde las mejoras en IA suelen requerir cantidades masivas de recursos y energía.
¿Un hito en la historia de la IA?
Los autores destacan que su sistema logra un rendimiento comparable al de modelos Transformer de código abierto con 150.000 millones de tokens de entrenamiento, pero con un consumo mucho menor. Incluso la versión SpikingBrain-7B habría demostrado una aceleración 100 veces superior en el tiempo hasta el primer token (TTFT) al manejar secuencias de 4 millones de tokens.
Sin embargo, el proyecto aún no ha pasado por revisión por pares, por lo que no existe validación independiente que respalde estas afirmaciones. Expertos señalan que, si bien la inspiración biológica puede mejorar la eficiencia, falta demostrar que este tipo de modelos alcancen la misma precisión y versatilidad de los sistemas actuales.
Si se confirma, SpikingBrain 1.0 abriría el camino hacia una nueva generación de IA más “cerebrales”, con menor consumo energético, costos reducidos y mayor accesibilidad para empresas pequeñas. A la vez, refuerza la ambición de China de liderar la inteligencia artificial mundial con desarrollos propios, sin depender de Occidente.
