Tecnología

El descubrimiento que cambió la forma en que los científicos piensan la memoria: el trabajo premiado con el Kavli 2026

Hacker Newshace 15 h
Una ilustración científica abstracta de una neurona y una sinapsis.
Una ilustración científica abstracta de una neurona y una sinapsis.Photo: Google DeepMind / Pexels

Cómo funciona la memoria es una de las preguntas más antiguas de la neurociencia. Durante décadas se supo que el recuerdo a corto plazo de un evento se apoya en señales eléctricas mientras que la memoria a largo plazo depende de cambios estructurales en las sinapsis. El Premio Kavli de Neurociencia 2026 reconoce los trabajos que tendieron el puente entre ambos: el etiquetado sináptico. Según el resumen de IBM Think, el hallazgo tiene implicaciones para la biología básica y para el diseño de la IA.

Los tres galardonados son Karim Nader (Universidad de Nueva York), Richard Morris (Universidad de Edimburgo) y Ryohei Yasuda (Max Planck Florida Institute). Durante más de una década, sus experimentos mostraron cómo se seleccionan los estímulos en el hipocampo y cuáles se transfieren a la memoria a largo plazo.

La propuesta central es que, cuando ocurre un evento, las sinapsis del hipocampo sufren un marcaje molecular breve. Esa etiqueta no es duradera por sí sola más allá de unos minutos; pero si una segunda señal — un recordatorio, un vínculo emocional — llega poco después, la sinapsis etiquetada activa la síntesis de proteínas y se refuerza estructuralmente. Las sinapsis sin etiqueta se desvanecen.

El mecanismo explica por qué olvidamos la mayor parte de la vida cotidiana y conservamos algunos momentos con detalle. Un comentario casual de un profesor se pierde; un momento cargado de emoción con ese mismo profesor permanece vivo décadas después. Según el etiquetado sináptico, fue ese segundo evento, con peso emocional, el que consolidó la segunda sinapsis.

La aplicación clínica más directa es el trastorno por estrés postraumático (TEPT). El célebre artículo de Karim Nader publicado en 2000 en Nature mostró que los recuerdos se « reconsolidan » al recuperarlos. Eso significa que, en condiciones específicas, un recuerdo puede modificarse — una línea activa de investigación en TEPT. En ensayos clínicos, fármacos como el propranolol (un betabloqueante), administrados durante la recuperación de un recuerdo traumático, pueden atenuar su carga emocional.

Una segunda aplicación es la enfermedad de Alzheimer. En etapas tempranas, la memoria a corto plazo se preserva pero el traslado a la memoria a largo plazo está alterado. En el modelo de Nader, las vías de síntesis proteica que permiten ese traslado están dañadas. Esto ofrece un mecanismo molecular que explica por qué los pacientes con Alzheimer no recuerdan lo aprendido minutos antes.

El ángulo de IA es el que destaca IBM Think. Los grandes modelos de lenguaje y las redes neuronales actuales no tienen un equivalente del etiquetado sináptico. Todos los ejemplos de entrenamiento se ponderan por igual; en la IA falta la distinción « importante / trivial ». Los investigadores de IBM sostienen que este enfoque podría inspirar arquitecturas de red de próxima generación: activación selectiva de memoria, tasas de aprendizaje dinámicas, un circuito separado para la consolidación a largo plazo.

Esto abordaría una debilidad real de la IA actual: el « olvido catastrófico ». Una red entrenada para una nueva tarea puede perder lo que sabía. El cerebro humano no se comporta así; vamos acumulando nuevas cosas y preservando las antiguas. El etiquetado sináptico aporta un mecanismo que podría, en el futuro, inspirar una solución.

Grandes laboratorios de IA como Google DeepMind y OpenAI exploran este terreno. Módulos de « memoria episódica », diseños de buffer de repetición y arquitecturas híbridas de memoria recogen conceptualmente principios del etiquetado sináptico. Los avances teóricos básicos aún no se han traducido en grandes mejoras de rendimiento, pero la dirección es coherente.

El Premio Kavli acompaña con una dotación de un millón de dólares. En sus discursos, Nader, Morris y Yasuda subrayaron que los hallazgos van mucho más allá de la neurociencia — alcanzan a la teoría educativa, la terapia y la tecnología cognitiva. En educación, por ejemplo, explican por qué la repetición espaciada supera a un único bloque largo de estudio: cada repaso reactiva la etiqueta sináptica y dispara la síntesis de proteínas. Eso da una base biológica al éxito de las tecnologías de aprendizaje basadas en « spaced repetition ».

Mensaje general: la pregunta sobre cómo funciona la memoria sigue lejos de estar resuelta del todo, pero el etiquetado sináptico es uno de los avances teóricos más relevantes de los últimos treinta años. Como apunta IBM Think, hasta dónde llegará ese avance — atención clínica al TEPT y al Alzheimer, IA, tecnologías educativas — se irá viendo en la próxima década.

Este artículo es un resumen editorial asistido por IA basado en Hacker News. La imagen es una foto de archivo de Google DeepMind en Pexels.

Para seguir leyendo

Visualización de datos abstracta con columnas y un brillo azul
Tecnología

¿Por qué es tan rápido DuckDB? Almacenamiento columnar, ejecución vectorizada y diseño de un motor analítico moderno

La base de datos analítica de código abierto DuckDB se ha convertido en los últimos tres años en un componente estándar de las pilas de herramientas de ciencia de datos. Un nuevo artículo técnico destacado en Hacker News repasa paso a paso las tres decisiones de diseño que están detrás de la velocidad del motor: almacenamiento columnar, ejecución vectorizada e integración sin copia.

Hacker Newshace 1 d