Inteligencia artificial
Los Cerebros de las Abejas Inspiran IA y Robótica Más Inteligentes
Las abejas, los mejores polinizadores del mundo, son una parte esencial de la biodiversidad de la que los humanos dependemos directamente para nuestra supervivencia.
Estos insectos alados son principalmente conocidos por proporcionar alimentos de alta calidad como miel, así como cera de abejas, propóleos, polen y jalea, entre otros productos. Más importante aún, son responsables de polinizar innumerables plantas con flores, incluyendo la gran mayoría de los cultivos alimentarios del mundo, lo que permite a las plantas reproducirse y producir frutas, verduras y semillas.
Para lograr esto, las abejas usan sus cuerpos peludos y transfieren polen de una flor a otra.
Aunque las abejas no están solas en esto, ya que aves, monos e incluso humanos polinizan, las abejas son sin duda los polinizadores más comunes. Se estima que más del 87 % de todas las especies de plantas con flores dependen de animales, siendo las abejas el grupo principal para la polinización, un servicio ecosistémico esencial vital para la biodiversidad y la seguridad alimentaria.
Las abejas son en realidad insectos muy inteligentes, y la gente ha estudiado su comportamiento, sus maneras y sus interacciones sociales para comprender la salud del ecosistema, los cambios ambientales y mejorar la eficiencia de la polinización de cultivos.
Además, las abejas se utilizan como modelo para entender el comportamiento cooperativo y mapear cómo los cerebros diminutos coordinan tareas sociales complejas.
Los científicos también se inspiran en las abejas para avanzar la tecnología. Por ejemplo, sus estrategias de navegación y comunicación se aplican a la tecnología de drones. El comportamiento de las abejas también ha inspirado la robótica, los algoritmos y la IA.
En relación a eso, los investigadores han descubierto que las abejas usan sus movimientos de vuelo para mejorar las señales cerebrales, lo que les permite aprender y reconocer patrones visuales complejos con gran precisión.
Esta percepción basada en el movimiento, según el nuevo estudio, podría revolucionar el desarrollo de la IA y la robótica de próxima generación al acentuar la eficiencia sobre el poder de cómputo masivo.
Inteligencia de las Abejas: Lo que los Cerebros Pequeños nos Enseñan sobre la IA
Las habilidades de aprendizaje visual de las abejas son simplemente notables. Esto se evidencia por el hecho de que pueden aprender a asociar un color con una recompensa, así como identificar características específicas para clasificar patrones visuales. Incluso han demostrado la capacidad de comprender conceptos abstractos y resolver tareas de numeración escaneando secuencialmente los elementos dentro de un estímulo.
Un concepto fundamental en la ciencia cognitiva, la numeración, se refiere al número de ítems en un conjunto y se estudia generalmente en el contexto de la percepción visual, donde alude a la capacidad de captar rápidamente la cantidad de objetos en una escena sin contar.
Como tal, las tareas de numeración analizan la capacidad innata del cerebro para percibir y estimar cantidades.
Así que, las abejas claramente poseen capacidades excepcionales, lo que las convierte en un modelo animal valioso para explorar los principios del aprendizaje visual analizando sus respuestas conductuales.
Pero el asunto es, aún no se conoce realmente cómo las abejas pueden identificar patrones complejos y percibir las complejidades del mundo que las rodea mientras forrajean, dado su supuestamente baja sensibilidad visual y recursos neuronales limitados.
Se presume que las neuronas sensoriales visuales realmente evolucionan para explotar regularidades en escenas naturales. Por ejemplo, estudios han demostrado que las vías sensoriales de los insectos y los comportamientos asociados se adaptan dinámicamente a diferentes condiciones circundantes. Las respuestas se ajustan según datos de entrada como frecuencia espacial, contraste y correlaciones espaciotemporales.
En cuanto a estrategias de muestreo activo, en las que los animales escanean continuamente su entorno para extraer información visual a lo largo del tiempo, tal comportamiento ha sido ampliamente observado en diversas especies.
Mientras los primates usan movimientos oculares para mejorar su resolución espacial fina y mejorar la codificación de estímulos naturales, los insectos emplean estrategias que implican movimientos de cabeza y cuerpo o trayectorias de aproximación específicas.
En el caso de las abejas, probablemente dependan de visión activa y muestreo secuencial para construir una representación neuronal fuerte y resiliente de su entorno.
Estas estrategias juegan un papel clave en el procesamiento visual temprano, reduciendo la redundancia y haciendo la codificación de estímulos visuales más eficiente. Pero, de nuevo, nuestra comprensión de cómo estos mecanismos permiten a las abejas detectar regularidades visuales, superar limitaciones representacionales y resolver tareas complejas sigue poco.
Según el estudio más reciente, comprender estas estrategias es crucial para desentrañar los principios fundamentales de la visión insecta y sus implicaciones más amplias para el procesamiento visual en sistemas biológicos y artificiales.
Así que, basándose en su estudio previo, que evaluó las trayectorias de vuelo de las abejas durante una tarea visual simple1, los investigadores ahora están investigando los principales elementos de circuito que contribuyen a la visión activa en el reconocimiento de patrones acromáticos.
El objetivo principal del estudio es determinar cómo el comportamiento de escaneo de las abejas contribuye a la organización y conectividad de las neuronas en sus lóbulos visuales.
Investigadores de la Universidad de Sheffield hipotetizaron que los comportamientos de escaneo se han adaptado para muestrear características visuales complejas de manera que se codifiquen más eficientemente en las neuronas de la lobula. Esto, a su vez, facilita representaciones únicas que respaldan el aprendizaje en el diminuto cerebro de las abejas. Para probar esta hipótesis, desarrollaron un modelo neuromórfico de los lóbulos ópticos de la abeja.
Los investigadores incluyeron principios de codificación mediante un modelo novedoso de plasticidad no asociativa. Esto permitió al modelo auto‑organizar su conectividad dentro del lóbulo visual, creando así representaciones eficientes del entorno y conduciendo a la aparición de células selectivas de orientación, esenciales para codificar escenas visuales complejas.
El marco de procesamiento visual se mejoró empleando otro módulo de toma de decisiones, que tomó inspiración de los mecanismos de aprendizaje asociativo de los insectos.
Las simulaciones de los investigadores revelan que un pequeño subconjunto de neuronas de la lobula, sensibles a orientaciones y velocidades específicas, puede comprimir entornos visuales complejos en representaciones expresadas como tasas de disparo. Estas representaciones poco frecuentes distinguen eficazmente entre los patrones de suma y multiplicación, lo que destaca la aplicabilidad más amplia del modelo.
Los conocimientos obtenidos en el estudio pueden ayudar a avanzar nuestra comprensión de la visión biológica y la cognición y a inspirar el desarrollo de nuevos modelos computacionales para tareas de reconocimiento visual, según el estudio.
Cómo la Visión Inspirada en las Abejas está Modelando la Robótica y la IA
El estudio más reciente, un esfuerzo colaborativo con Queen Mary University of London y publicado en la revista eLife, detalló un modelo digital del diminuto cerebro de una abeja2.
Aprovecha la sorprendente forma en que estos insectos combinan sus cerebros y cuerpos para ayudar a avanzar la tecnología y hacer que los futuros robots sean más inteligentes y eficientes. Al igual que las abejas usan sus movimientos de vuelo para crear señales cerebrales claras y simplificar tareas visuales complejas, la tecnología de próxima generación también puede recopilar información relevante mediante el movimiento en lugar de depender de un enorme poder de cómputo.
El estudio, después de todo, ha demostrado que incluso los cerebros diminutos de los insectos pueden resolver tareas visuales complejas.
El hecho de que unas pocas células cerebrales puedan hacer tanto significa que la inteligencia no es solo cuestión del cerebro, sino el resultado del cerebro, el cuerpo y el entorno trabajando en cohesión.
Construir una versión digital del cerebro de una abeja ayudó a los investigadores a descubrir que la forma en que las abejas mueven sus cuerpos durante el vuelo ayuda a dar forma a la entrada visual. Estos movimientos también generan señales eléctricas únicas en sus cerebros, lo que les permite identificar características predecibles a su alrededor de manera fácil y eficiente.
Esto muestra la notable precisión de las abejas al aprender e identificar patrones visuales complejos durante el vuelo.
“En este estudio, hemos demostrado con éxito que incluso los cerebros más diminutos pueden aprovechar el movimiento para percibir y comprender el mundo que los rodea. Esto nos muestra que un sistema pequeño y eficiente —aunque sea el resultado de millones de años de evolución— puede realizar cálculos mucho más complejos de lo que antes se pensó posible.”
– El autor principal del estudio, Profesor James Marshall, Director del Centre of Machine Intelligence en la Universidad de Sheffield
Al aprovechar los mejores diseños de la naturaleza para la inteligencia, Marshall señaló, esto allana el camino para “la próxima generación de IA, impulsando avances en robótica, vehículos autónomos y aprendizaje en el mundo real.”
Como se señaló antes, este estudio se basa en su investigación previa sobre cómo las abejas usan visión activa, donde sus movimientos ayudan a recopilar y procesar información visual. El trabajo más reciente profundiza en los mecanismos cerebrales subyacentes que impulsan su comportamiento de volar e inspeccionar patrones específicos.
“En nuestro trabajo anterior, nos fascinó descubrir que las abejas emplean un atajo de escaneo ingenioso para resolver rompecabezas visuales. Pero eso solo nos dijo lo que hacen; para este estudio, queríamos entender cómo.”
– Autor principal, Dr. HaDi MaBouDi de la Universidad de Sheffield
Las avanzadas habilidades de aprendizaje de patrones visuales de las abejas han realmente sido largo tiempo entendidas. Esto incluye su capacidad para diferenciar entre rostros humanos, pero no en cuanto a cómo navegan el mundo con tal eficiencia.
“Nuestro modelo del cerebro de una abeja demuestra que sus circuitos neuronales están optimizados para procesar información visual no de forma aislada, sino a través de la interacción activa con sus movimientos de vuelo en el entorno natural.”
– MaBouDi
Y esto, señaló, respalda la teoría de que la inteligencia surge de la interacción del cerebro, el cuerpo y el entorno trabajando juntos.
“Hemos aprendido que las abejas, a pesar de tener cerebros no más grandes que una semilla de sésamo, no solo ven el mundo —lo moldean activamente mediante sus movimientos. Es un ejemplo hermoso de cómo la acción y la percepción están profundamente entrelazadas para resolver problemas complejos con recursos mínimos. Esto tiene importantes implicaciones tanto para la biología como para la IA.”
– MaBouDi
El modelo, construido mediante esfuerzos colaborativos, muestra que las neuronas de una abeja se afinan altamente a movimientos y direcciones específicas a medida que su cerebro se adapta lentamente mediante la exposición repetida a diferentes estímulos. Eso mejora sus respuestas sin depender de asociaciones o refuerzo.
Lo que esto significa es que el cerebro de una abeja se adapta a su entorno simplemente mediante la observación mientras vuela, sin necesitar recompensas inmediatas.
Todo esto se logra usando solo unas pocas neuronas, lo que conserva tanto energía como potencia de procesamiento, haciendo su cerebro increíblemente eficiente. Ahora, para probar el modelo, el equipo lo sometió a los mismos desafíos visuales que enfrentan las abejas reales. En este caso, el modelo computacional tuvo que diferenciar entre un signo de ‘más’ y un signo de ‘multiplicación’.
Al imitar la estrategia de las abejas reales, escaneando solo la mitad inferior de los patrones, el modelo mostró un rendimiento considerablemente mejorado.
Además, el modelo demostró con éxito cómo las abejas pueden reconocer rostros humanos, usando solo una pequeña red de neuronas artificiales, destacando la versatilidad y la fuerza de su procesamiento visual.
“Los científicos han estado fascinados por la cuestión de si el tamaño del cerebro predice la inteligencia en los animales. Pero tales especulaciones no tienen sentido a menos que se conozcan los cálculos neuronales que sustentan una tarea dada”, dijo el Profesor Lars Chittka, Profesor de Ecología Sensorial y Conductual en Queen Mary University of London. “Aquí determinamos el número mínimo de neuronas requerido para tareas de discriminación visual difíciles y encontramos que los números son asombrosamente bajos, incluso para tareas complejas como el reconocimiento de rostros humanos. Por lo tanto, los microcerebros de insectos son capaces de cálculos avanzados.”
Así que, de esta manera, el estudio añade evidencia de que los animales no solo reciben información pasivamente. De hecho, la trabajan activamente.
Las abejas, en particular, poseen procesamiento visual de orden superior, y el modelo revela cómo el escaneo impulsado por el comportamiento puede crear códigos neuronales comprimidos y aprendibles.
“En conjunto, estos hallazgos respaldan un marco unificado donde la percepción, la acción y la dinámica cerebral co‑evolucionan para resolver tareas visuales complejas con recursos mínimos, ofreciendo poderosas ideas tanto para la biología como para la IA.”
– Profesor Mikko Juusola, Profesor de Neurociencia de Sistemas en la School of Biosciences e Instituto de Neurociencia de la Universidad de Sheffield
Desliza para desplazarte →
| Enfoque | Principio Clave | Fortalezas | Limitaciones |
|---|---|---|---|
| IA Convencional | Conjuntos masivos de datos y gran potencia de cómputo | Alta precisión en tareas complejas | Intensiva en energía, costosa de escalar |
| IA Inspirada en Abejas | Visión activa y codificación neuronal eficiente | Ligera, energéticamente eficiente, aprendizaje rápido | Aún en fase de investigación temprana |
Inversión en Tecnología de IA
En el mundo de la IA y la robótica, Qualcomm (QCOM ) es un nombre conocido que ha explorado tecnologías neuromórficas y edge‑AI.
Hace más de una década, Qualcomm lanzó los procesadores Qualcomm Zeroth para imitar la percepción y el aprendizaje similares a los humanos, tal como lo hacen los cerebros biológicos. Además del aprendizaje inspirado biológicamente, el objetivo era replicar la eficiencia con la que nuestro cerebro comunica información y estandarizar la nueva arquitectura de procesamiento llamada Unidad de Procesamiento Neural (NPU).
Su plataforma de robótica impulsada por IA, RB6, por su parte, potencia la robótica de próxima generación y máquinas inteligentes, incluidos robots de entrega, robots móviles autónomos (AMR), aeronaves UAM, robots de fabricación, soluciones de defensa autónoma y mucho más. La plataforma está ofreciendo computación edge‑AI de bajo consumo y avanzada, así como procesamiento de video con conectividad 5G para robots
Principalmente, Qualcomm está involucrado en el desarrollo de tecnologías fundamentales para la industria inalámbrica, incluyendo 3G, 4G, 5G, conectividad inalámbrica, y computación de alto rendimiento y bajo consumo.
Haga clic aquí para aprender todo sobre la inversión en inteligencia artificial (IA).
Qualcomm (QCOM )
Observando el desempeño del mercado de Qualcomm, la empresa con capitalización de 171,67 mil millones de dólares tiene sus acciones cotizando actualmente a 159,54 $, con un aumento del 3,6 % este año hasta ahora.
Aunque el desempeño de este año ha sido discreto, sigue al repunte de QCOM por encima de 215 $ en junio del año pasado. Su EPS (TTM) se sitúa en 10,36, P/E (TTM) en 15,36 y ROE (TTM) en 44,62 %, mientras los accionistas se benefician de un rendimiento de dividendos del 2,24 %.
(QCOM )
En el plano financiero, el fabricante de chips inalámbricos reportó un aumento del 10 % en ingresos, alcanzando 10,4 mil millones de dólares para su tercer trimestre fiscal que terminó el 29 de junio de 2025.
Impulsado por la fortaleza en teléfonos móviles, IoT y automoción, los ingresos de QCT subieron un 11 % interanual a 9 mil millones de dólares, y los ingresos de EBT aumentaron un 22 % a 2,7 mil millones de dólares. Los ingresos combinados de QCT Automotriz e IoT, por su parte, crecieron un 23 % interanual hasta 2,7 mil millones de dólares.
El EPS no‑GAAP de la compañía subió un 19 % interanual a 2,77 $.
Según el CEO Cristiano Amon:
“Otro trimestre de fuerte crecimiento en los ingresos de QCT Automotriz e IoT valida aún más nuestra estrategia de diversificación y la confianza en alcanzar nuestras metas de ingresos a largo plazo. Nuestro liderazgo en procesamiento de IA, computación de alto rendimiento y bajo consumo, y conectividad avanzada nos posiciona para convertirnos en la plataforma industrial preferida a medida que la IA gana escala en el edge.”
Durante el trimestre, Qualcomm devolvió 3,8 mil millones de dólares a los accionistas, lo que incluyó 967 millones de dólares, o 0,89 $ por acción, en dividendos en efectivo y 2,8 mil millones de dólares en recompras de acciones.
Recientemente, Qualcomm lanzó el Dragonwing Q‑6690 para sus clientes empresariales, menos de seis meses después de presentar la suite de productos Dragonwing. La compañía afirma que el chipset es el primer procesador móvil del mundo con capacidades RFID de ultra alta frecuencia integradas.
Con sus soluciones industriales y de IoT embebido, redes y infraestructura celular, la empresa busca utilizarlas para simplificar la complejidad, optimizar la eficiencia operativa y potenciar la toma de decisiones más inteligente.
En medio de esto, la empresa de IA de Arabia Saudita, Humain, ha comenzado a construir sus primeros centros de datos en Riad y Dammam, para los cuales se ha asociado con Qualcomm y AMD, Cisco y Groq. La compañía planea construir 1,9 GW de capacidad de centros de datos para finales de esta década.
Últimas Noticias y Desarrollos de Acciones de Qualcomm (QCOM)
Conclusión
Los animales han inspirado la tecnología durante mucho tiempo, y ahora las abejas nos demuestran que la inteligencia no depende del tamaño del cerebro sino de la eficiencia, la adaptabilidad y la integración perfecta del cuerpo, el cerebro y el entorno. Estas lecciones podrían ayudar a transformar el diseño de la IA.
La IA es uno de los campos más avanzados y de rápido movimiento de hoy, atrayendo una atención, capital y desarrollo significativos. Sin embargo, escalar modelos masivos es costoso, intensivo en energía e insostenible. Aquí, la investigación inspirada en las abejas ofrece una alternativa: redes neuronales pequeñas y eficientes que pueden lograr más con menos.
Al estudiar la visión activa y las estrategias neuronales compactas de las abejas, podemos construir IA y robótica futuristas que sean más rápidas y capaces.
Referencias:
1. MaBouDi, H., Richter, J., Guiraud, M.-G., Roper, M., Marshall, J.A.R., & Chittka, L. Visión activa de las abejas en una tarea simple de discriminación de patrones. eLife, 14, e106332, publicado el 20 de febrero de 2025. https://doi.org/10.7554/eLife.106332
2. MaBouDi, H., Roper, M., Guiraud, M.-G., Juusola, M., Chittka, L., & Marshall, J.A.R. Un modelo neuromórfico de visión activa muestra cómo la codificación espaciotemporal en neuronas de la lobula puede ayudar al reconocimiento de patrones en abejas. eLife, 14, e89929, publicado el 1 de julio de 2025. https://doi.org/10.7554/eLife.89929
