MADRID, 13 Feb. (EUROPA PRESS) -
Un nuevo artículo de perspectiva en la revista 'Neuron' sostiene que los modelos de lenguaje de gran tamaño (LLM) pueden revelar avances que los humanos por sí solos no pueden. Así, como muchos profesionales, los neurocientíficos pueden beneficiarse de asociarse con la inteligencia artificial o correr el riesgo de quedarse atrás.
Investigadores de la Universidad de Mcgill (Canadá) ya demostraron previamente que se cumplen importantes condiciones previas para desarrollar LLM que puedan interpretar y analizar datos neurocientíficos como ChatGPT interpreta el lenguaje. Estos modelos de IA se pueden crear para muchos tipos diferentes de datos, incluidos neuroimágenes, genética, genómica unicelular e incluso informes clínicos escritos a mano.
Dando un paso más, en este trabajo sostienen que algún día los LLM especializados en diversas áreas de la neurociencia podrían usarse para comunicarse entre sí para unir áreas aisladas de la investigación en neurociencia, descubriendo verdades que serían imposibles de encontrar por los humanos solos.
En el caso del desarrollo de fármacos, por ejemplo, se podría utilizar un LLM especializado en genética junto con un LLM en neuroimagen para descubrir moléculas candidatas prometedoras para detener la neurodegeneración. El neurocientífico dirigiría estos LLM y verificaría sus resultados.
Para aprovechar todo el potencial de los LLM en neurociencia, los investigadores reflexionan que los científicos necesitarían más infraestructura para el procesamiento y almacenamiento de datos de la que está disponible hoy en muchas organizaciones de investigación.
Más importante aún, se necesitaría un cambio cultural hacia un enfoque científico mucho más basado en datos, donde los estudios que dependen en gran medida de la inteligencia artificial y los LLM sean publicados en revistas líderes y financiados por agencias públicas. Si bien el modelo tradicional de investigación fuertemente basada en hipótesis sigue siendo clave y no va a desaparecer, este trabajo afirma que capitalizar las tecnologías emergentes de LLM podría ser importante para estimular la próxima generación de tratamientos neurológicos en los casos en los que el antiguo modelo ha sido menos fructífero.
