Investigadores de la Universidad de Zhejiang han introducido un novedoso método de entrenamiento de IA que aprovecha las señales del cerebro humano para mejorar la categorización de modelos, según se detalla en un artículo publicado en Nature Communications. El estudio revela que, aunque aumentar los parámetros del modelo mejora el reconocimiento de objetos específicos, no mejora, e incluso puede obstaculizar, la comprensión de conceptos abstractos. Al integrar datos de actividad neural, el equipo busca alinear los modelos de IA más estrechamente con las estructuras cognitivas humanas, mejorando su capacidad para generalizar y categorizar conceptos. El método propuesto demostró mejoras significativas en el rendimiento de la IA, particularmente en tareas que requieren el reconocimiento de conceptos abstractos. Los experimentos mostraron una mejora del 20,5 % en la distinción de conceptos abstractos con ejemplos mínimos, superando a modelos más grandes. Este enfoque desafía la tendencia predominante de expandir el tamaño de los modelos, sugiriendo que una alineación cognitiva estructurada puede ser más efectiva que la mera escala para desarrollar IA con capacidades de pensamiento similares a las humanas.