Mecanismos neuronales y computacionales subyacentes al aprendizaje perceptivo de una sola vez en humanos

Ver la imagen oculta

Mucha gente ha experimentado ese repentino momento de “¡ajá!” cuando una imagen confusa en blanco y negro y con manchas de pronto se transforma en la imagen nítida de un perro o un rostro—y una vez que la ves, ya no puedes dejar de verla. Este estudio pregunta cómo un vistazo breve y único a una imagen clara puede cambiar de forma permanente lo que percibimos en una versión confusa, y qué revela eso sobre cómo nuestros cerebros—y los futuros sistemas de inteligencia artificial—aprenden a partir de un solo ejemplo.

De manchas borrosas al reconocimiento instantáneo

Los investigadores usaron los clásicos “imágenes de Mooney”: fotografías en blanco y negro altamente simplificadas que son difíciles de reconocer hasta que ves la foto en escala de grises de la que proceden. Los voluntarios intentaron primero nombrar lo que veían en estas imágenes difíciles. Más tarde, examinaron brevemente las fotos claras correspondientes y volvieron a intentar con las imágenes difíciles. Tras esa única exposición, la gente pudo reconocer de repente las imágenes antes misteriosas, y esta mejora perduró. Al alterar cuidadosamente las fotos claras—espejarlas horizontalmente, rotarlas, cambiar su tamaño o desplazar su posición en la pantalla—el equipo cartografió qué tipo de información visual almacena realmente el cerebro durante este aprendizaje de una sola vez.

Dónde almacena el cerebro la nueva percepción

Diferentes modificaciones de las imágenes afectaron el aprendizaje de maneras distintas. Hacer la imagen clara el doble de grande o la mitad de su tamaño no dañó el aprendizaje, lo que sugiere que la “plantilla” almacenada por el cerebro es flexible respecto al tamaño. Pero voltear, rotar o mover la imagen en la pantalla debilitó el aprendizaje, aunque no lo hizo imposible. Sustituir la foto clara por otro ejemplo distinto de la misma categoría—por ejemplo, otro perro—abolió completamente el aprendizaje. Esto demuestra que el cerebro no se limita a guardar la idea “esto es un perro”; en cambio, conserva una memoria detallada y tipo imagen de la forma y disposición específicas de esa imagen concreta. Al combinar estos resultados conductuales con lo que se sabe sobre el sistema visual, se apuntó a áreas visuales de alto nivel, más que a las regiones visuales tempranas o a estructuras de memoria como el hipocampo, como el probable lugar de almacenamiento de este nuevo conocimiento.

Observando el aprendizaje dentro del cerebro

Para confirmar esto, el equipo empleó escáneres de resonancia magnética de campo ultralto de 7 teslas y registros directos con electrodos colocados en los cerebros de pacientes con epilepsia. Los experimentos de resonancia mostraron que las neuronas en una región llamada corteza visual de alto nivel respondían a diferentes versiones del mismo objeto (cambiadas en tamaño, posición u orientación) justo en la forma prevista por las pruebas conductuales. En los registros con electrodos, el cambio crucial apareció primero en esta corteza visual de alto nivel: tras el aprendizaje, los patrones de actividad evocados por la imagen difícil se volvieron más similares a los evocados por su contraparte clara, y esto ocurrió antes aquí que en las áreas visuales primarias. Ese momento sugiere que esta región es donde se almacena y reactiva el nuevo “prior”, y que luego envía señales de retroalimentación hacia abajo a las áreas visuales anteriores para ayudar a interpretar la entrada ambigua.

Construyendo una máquina que aprende de una sola vez

Los investigadores también construyeron un modelo de red neuronal profunda diseñado para imitar esta capacidad. Su sistema usó un transformador visual moderno como motor visual “ascendente”, combinado con un módulo especial que almacena información previa y envía retroalimentación “descendente” cuando luego ve una imagen relacionada. Entrenado en tareas parecidas a las de Mooney, el modelo mostró un aprendizaje genuino de una sola vez: su precisión se disparó tras una sola exposición a la imagen clara y superó con creces lo que podría explicarse por la mera repetición. Incluso compartió muchos de los mismos aciertos y errores que los observadores humanos en imágenes concretas, y las características internas que aprendió de las imágenes claras pudieron predecir qué imágenes la gente aprendería o no a reconocer. Cuando el equipo comparó la información previa almacenada del modelo con las exploraciones cerebrales humanas, encontró la correspondencia más cercana en las mismas regiones visuales de alto nivel resaltadas por los experimentos.

Por qué esto importa para cerebros y máquinas

En conjunto, estos hallazgos sugieren que nuestros repentinos momentos de “¡ya lo veo!” surgen cuando las áreas visuales de alto nivel ajustan rápidamente sus conexiones tras una sola experiencia, almacenando un prior detallado tipo imagen que puede más tarde remodelar cómo interpretamos entradas ruidosas. Esta forma de aprendizaje rápida pero estable, arraigada en la corteza visual de alto nivel y apoyada por la retroalimentación descendente, ofrece un plano para construir sistemas de IA que puedan aprender a partir de muy pocos ejemplos. También proporciona un punto de partida para entender qué puede fallar cuando la percepción se apoya en exceso en expectativas previas, como ocurre en ciertos trastornos psiquiátricos que involucran alucinaciones.

Cita: Hachisuka, A., Shor, J.D., Liu, X.C. et al. Neural and computational mechanisms underlying one-shot perceptual learning in humans. Nat Commun 17, 1204 (2026). https://doi.org/10.1038/s41467-026-68711-x

Palabras clave: aprendizaje de una sola vez, percepción visual, corteza visual de alto nivel, aprendizaje perceptivo, redes neuronales profundas