Lo que la fisiología me enseñó sobre las redes neuronales

Cuando estudiaba ingeniería biomédica, una de las ideas que más se me quedó fue que gran parte del cuerpo humano funciona a través de ciclos de retroalimentación. La fisiología no es solo química o anatomía por separado. Es detección, señalización, corrección y adaptación ocurriendo entre el sistema nervioso, endocrino, cardiovascular, inmune y musculoesquelético.

Los ciclos homeostáticos clásicos suelen ser de retroalimentación negativa. Detectan una desviación respecto a un objetivo y empujan al cuerpo de vuelta hacia el rango adecuado. La presión arterial, la temperatura, la glucosa y la respiración se regulan así. Pero también existen ciclos de retroalimentación positiva. Amplifican una señal cuando el cuerpo necesita compromiso en vez de estabilidad.

La presión arterial es un sistema de control por capas

Un ejemplo simple es levantarse muy rápido. Parte de la sangre se acumula en las piernas, baja la presión arterial y los receptores de estiramiento en el seno carotídeo y el arco aórtico lo detectan. Sus señales aferentes viajan por los nervios glosofaríngeo y vago hacia el núcleo del tracto solitario en el tronco encefálico. A partir de ahí, el sistema nervioso autónomo cambia casi de inmediato. Disminuye el tono parasimpático, aumenta el tono simpático, sube la frecuencia cardiaca y se produce vasoconstricción.

Ese es el circuito rápido. Si el problema persiste, los riñones se suman. La menor perfusión renal y la estimulación simpática pueden aumentar la liberación de renina. La renina ayuda a generar angiotensina II, que contrae los vasos sanguíneos y estimula la liberación de aldosterona. La aldosterona favorece la retención de sodio, y el agua la sigue. Así, un mismo problema puede reclutar un reflejo neural en segundos y un sistema hormonal de conservación de volumen en una ventana más larga.

Eso es una de las cosas más bellas de la fisiología. El cuerpo no resuelve la regulación con una sola vía. Superpone ciclos de control con sensores, escalas de tiempo y efectores distintos.

La regulación de la glucosa es una conversación, no una sola hormona

La glucosa es otro gran ejemplo. Después de una comida, el aumento de glucosa en sangre estimula a las células beta pancreáticas para liberar insulina. La insulina promueve la captación de glucosa en tejidos como músculo y grasa y orienta al hígado hacia el almacenamiento como glucógeno. Cuando la glucosa vuelve hacia su rango, la secreción de insulina disminuye.

Pero el lado opuesto importa igual. Durante el ayuno, las células alfa pancreáticas liberan glucagón, que le indica al hígado que aumente la glucogenólisis y la gluconeogénesis. Y en la vida real no se trata solo de insulina contra glucagón. El sistema nervioso autónomo y las hormonas del estrés también influyen. La epinefrina puede elevar rápidamente la disponibilidad de glucosa, y el cortisol cambia el metabolismo en una escala más larga.

Incluso una sola variable como la glucosa está controlada por una red distribuida, no por un solo cable.

El control de la temperatura combina sensores, cerebro, vasos y piel

La termorregulación es igual de elegante. Los termorreceptores periféricos y centrales envían información al hipotálamo, especialmente al área preóptica. Si la temperatura sube, el cuerpo puede aumentar la sudoración, dilatar los vasos de la piel y modificar la conducta haciéndonos buscar sombra, tomar agua o reducir la actividad.

Si la temperatura baja, el cuerpo puede contraer los vasos periféricos, reclutar escalofríos y usar señales endocrinas para apoyar la producción de calor. De nuevo, un solo error detectado se convierte en salidas vasculares, neurales, musculares y conductuales al mismo tiempo.

El dolor muestra qué tan rápido se pueden activar varios sistemas a la vez

El ejemplo que más me sigue conectando la fisiología con el aprendizaje es tocar algo caliente. El calor activa termorreceptores y nociceptores en la piel. Esas señales entran a la médula espinal y, antes de que el cerebro haya interpretado completamente lo ocurrido, circuitos espinales locales pueden activar un reflejo de retirada. Al mismo tiempo, vías ascendentes llevan la señal al cerebro, donde se vuelve percepción consciente.

Pero ahí no termina. El dolor también puede subir la frecuencia cardiaca, dilatar las pupilas, activar la salida simpática, desencadenar liberación de epinefrina y norepinefrina, e iniciar señalización inflamatoria local. En un solo momento, procesos sensoriales, motores, autónomos, endocrinos e inmunes empiezan a coordinarse alrededor del mismo evento.

Un solo estímulo no viaja por una sola línea. Se ramifica por una red de ciclos con prioridades distintas. Algunos protegen de inmediato. Otros hacen que el evento sea memorable. Otros ayudan a restaurar el equilibrio cuando el peligro ya pasó.

La retroalimentación positiva es real y sí importa

Los ciclos de retroalimentación positiva son menos comunes, pero son algunos de los ejemplos más claros de amplificación fisiológica. En el trabajo de parto, el estiramiento cervical favorece la liberación de oxitocina. La oxitocina fortalece las contracciones uterinas, lo que aumenta todavía más el estiramiento cervical y promueve más oxitocina, hasta que el parto interrumpe el ciclo.

La coagulación también tiene este carácter. La lesión vascular desencadena activación plaquetaria y una cascada en la que factores activados ayudan a activar más factores aguas abajo. El objetivo es construir una respuesta rápida y reforzada hasta controlar el sangrado.

La lactancia también combina varias capas de regulación. La succión activa nervios sensoriales que envían señales al hipotálamo. La oxitocina favorece la eyección de la leche, la prolactina apoya su producción y la propia extracción de leche ayuda a sostener la producción futura.

Por qué esto todavía me recuerda a las redes neuronales

Por eso las redes neuronales todavía me resultan intuitivas. El cuerpo es una enorme red de sensores que convierte calor, presión, estiramiento, química y luz en señales electroquímicas. Esas señales atraviesan capas de procesamiento, umbrales, inhibición, amplificación y memoria. Las capas ocultas de una red neuronal artificial no son órganos, hormonas ni sinapsis, pero la analogía sigue ayudándome a pensar.

Un niño toca el fuego una vez y aprende rápido porque la señal es fuerte, costosa y está reforzada por varios sistemas al mismo tiempo. Otras lecciones llegan con señales más débiles y necesitan repetición. Eso también se siente familiar en aprendizaje automático. Algunos patrones se aprenden rápido porque la señal de error es grande y poco ambigua. Otros necesitan muchas pasadas antes de formar una representación estable.

La analogía no es perfecta. El aprendizaje humano está encarnado, es emocional, hormonal, social y profundamente dependiente del contexto. Sistemas como ChatGPT no sienten dolor ni regulan la presión arterial. Pero sigo pensando que la comparación es útil porque tanto los sistemas biológicos como los artificiales mejoran cuando reciben señales, ajustan parámetros internos y cambian sus respuestas futuras.

Lo que vuelve al cuerpo más fascinante para mí es que hace todo esto con una eficiencia extraordinaria. Es más lento que un procesador digital para muchos cálculos explícitos, pero es masivamente paralelo, adaptativo, tolerante a fallas y sorprendentemente austero en consumo energético. No solo está computando. Está detectando, decidiendo, reparando, prediciendo y sobreviviendo al mismo tiempo.

Esa idea se me quedó desde aquellas primeras clases de fisiología. La inteligencia no se trata solo de velocidad. A veces se trata de lo que un sistema puede hacer con muy poca energía, muchas señales superpuestas y toda una vida de retroalimentación.

Si el aprendizaje automático quiere acercarse a lo que pueden hacer los sistemas vivos, creo que tiene que mejorar en varios frentes importantes.

Necesita aprender de manera continua sin olvidar fácilmente lo que ya sabe. El cuerpo no suele reentrenarse desde cero. Sigue adaptándose mientras conserva conocimientos útiles.
La IA necesita una forma más rica de estar encarnada, o al menos mejor conectada con el mundo real. Los seres vivos aprenden mediante acción, sensación, consecuencia y contexto. No solo procesan símbolos. Sienten temperatura, fuerza, hambre, fatiga, riesgo y recompensa a través de un cuerpo que siempre forma parte del circuito.
Nuestros modelos tienen que volverse mucho más eficientes en energía. El cerebro y el cuerpo humano logran una coordinación extraordinaria en tiempo real con un presupuesto energético mínimo comparado con los sistemas modernos de entrenamiento e inferencia a gran escala.
La IA debe mejorar en la integración de muchos ciclos de control al mismo tiempo. En biología, la percepción, la memoria, el movimiento, la señalización endocrina, la regulación autónoma y los procesos de reparación pueden influirse entre sí de manera continua. Nuestros modelos son poderosos, pero siguen siendo mucho más modulares y mucho menos autosostenibles que un organismo vivo.
La inteligencia en la naturaleza no es solo reconocimiento de patrones. También es autopreservación, adaptación bajo incertidumbre, degradación elegante ante fallas y aprendizaje a partir de señales escasas pero significativas. La IA ha avanzado muchísimo, pero los sistemas vivos siguen siendo el punto de referencia más profundo. No solo computan. Persisten.