Què descobrirem sobre nosaltres mateixos mentre intentem construir màquines capaces de pensar?
En què s’assemblen el cervell humà i la intel·ligència artificial? Descobrim com aprenen, raonen i processen informació humans i màquines.
Intel·ligència humana i intel·ligència artificial: en què ens assemblem i en què som radicalment diferents?
Les xarxes neuronals artificials estan inspirades, molt lliurement, en el funcionament del cervell. Els sistemes d’intel·ligència artificial poden aprendre, reconèixer imatges, generar llenguatge, resoldre problemes i descobrir patrons que nosaltres difícilment detectaríem.
Però significa això que una intel·ligència artificial pensa com una persona?
No.
I precisament aquí comença una de les preguntes més fascinants del nostre temps.
Comparar la intel·ligència humana amb la intel·ligència artificial ens permet entendre millor què poden fer les màquines. Però també ens obliga a mirar-nos a nosaltres mateixos i preguntar-nos què significa realment aprendre, comprendre, recordar, raonar i ser intel·ligent.
Què vol dir ser intel·ligent?
Sembla una pregunta senzilla fins que intentem respondre-la.
Associem la intel·ligència amb la capacitat d’aprendre, resoldre problemes, adaptar-nos a situacions noves, utilitzar el llenguatge, reconèixer patrons, prendre decisions o comprendre el món que ens envolta.
Però la intel·ligència humana no resideix en un únic punt del cervell. La recerca neurocientífica l’associa a la interacció entre diferents regions i xarxes cerebrals, especialment circuits distribuïts que permeten integrar informació, mantenir-la temporalment, relacionar-la amb coneixements previs i utilitzar-la per orientar el comportament.
La intel·ligència, per tant, no és simplement calcular.
És utilitzar informació de manera flexible per actuar en un món complex.
I aquesta distinció resulta especialment important quan apareix la intel·ligència artificial.
Un cervell no és un ordinador
Durant dècades hem utilitzat metàfores tecnològiques per intentar explicar el cervell.
Parlem de processar informació. De memòria. De circuits. De codificació. Fins i tot diem que el cervell és una mena d’ordinador extraordinàriament sofisticat.
Aquestes metàfores poden ser útils.
Però tenen límits.
El cervell humà és un sistema biològic extraordinàriament complex, resultat de milions d’anys d’evolució. Les seves funcions emergeixen de l’activitat coordinada de neurones, sinapsis, neurotransmissors, cèl·lules glials, sistemes neuromoduladors i múltiples estructures cerebrals que interactuen contínuament entre elles i amb la resta de l’organisme.
Un ordinador convencional funciona d’una manera radicalment diferent.
I una xarxa neuronal artificial tampoc no és una reproducció digital del cervell.
És un model matemàtic que n’ha pres algunes idees.
Aquesta diferència és fonamental.
Neurones biològiques i neurones artificials
Una de les expressions més habituals de la intel·ligència artificial contemporània és xarxa neuronal artificial.
El nom no és casual.
Els primers investigadors que van desenvolupar aquests models es van inspirar en una idea extraordinàriament simplificada de la neurona biològica.
Una neurona artificial rep diferents valors d’entrada, els combina matemàticament, aplica una determinada transformació i produeix una sortida. Connectant moltes d’aquestes unitats i modificant la força de les seves connexions, una xarxa pot aprendre a produir determinats resultats.
Hi ha aquí una analogia amb el cervell.
Les neurones biològiques també reben senyals procedents d’altres neurones, integren informació i transmeten activitat a altres cèl·lules.
Però la semblança acaba aviat.
Una neurona real és una cèl·lula viva d’una complexitat enorme. La seva activitat depèn de fenòmens elèctrics, químics i moleculars. Les neurones presenten morfologies diferents, propietats diverses i formes de comunicació que una unitat matemàtica d’una xarxa artificial no intenta reproduir fidelment.
Fins i tot els mecanismes d’aprenentatge són diferents. Algoritmes fonamentals en l’entrenament de moltes xarxes artificials modernes, com la retropropagació de l’error —backpropagation—, no disposen d’un equivalent biològic directe establert al cervell.
Per això una xarxa neuronal artificial està inspirada en el cervell, però no és un cervell artificial.
Aprendre: una capacitat compartida, dos mecanismes molt diferents
Aquí apareix una de les semblances més interessants.
Tant els humans com els sistemes actuals d’intel·ligència artificial poden modificar el seu comportament a partir de l’experiència o de les dades.
En tots dos casos podem parlar, en un sentit ampli, d’aprenentatge.
Però aprenem de maneres molt diferents.
Un infant interactua amb el món des del primer moment. Mira, toca, escolta, cau, imita, pregunta, experimenta i relaciona cada nova experiència amb moltes altres.
El seu aprenentatge és social, corporal, emocional i contextual.
Els models d’intel·ligència artificial actuals acostumen a aprendre mitjançant procediments d’optimització sobre grans quantitats de dades, ajustant enormes conjunts de paràmetres per millorar el rendiment respecte d’un objectiu.
Aquesta diferència és profunda.
La intel·ligència biològica mostra una extraordinària capacitat per integrar coneixement previ amb informació sensorial i adaptar el comportament a situacions noves. Comprendre com el cervell aconsegueix aquesta flexibilitat amb una gran eficiència continua sent un dels grans reptes de la neurociència.
Percebre no és simplement detectar
Imaginem que una persona i un sistema d’intel·ligència artificial observen la mateixa fotografia.
Tots dos poden identificar-hi un gos.
Aparentment han fet el mateix.
Però això no significa necessàriament que hagin recorregut el mateix camí.
La percepció humana està profundament influïda per l’experiència anterior, l’atenció, les expectatives, el context i els objectius de cada moment.
No rebem passivament una fotografia exacta de la realitat.
El cervell interpreta contínuament la informació sensorial.
La investigació contemporània suggereix, a més, que processos com la categorització no apareixen simplement al final de la percepció, sinó que poden intervenir durant tot el processament de la informació.
Les xarxes artificials també poden construir representacions jeràrquiques extraordinàriament sofisticades. Precisament per això els investigadors poden comparar les representacions internes d’aquests models amb patrons d’activitat cerebral.
Les semblances són científicament interessants.
Però semblança funcional no significa identitat de mecanismes.
Memòria humana i memòria artificial
La paraula memòria també pot provocar confusions.
Un ordinador emmagatzema informació.
Nosaltres recordem.
No és exactament el mateix.
La memòria humana no funciona com un arxiu que recuperem intacte quan el necessitem. Recordar implica reconstruir experiències a partir de diferents sistemes cerebrals.
Tenim, a més, múltiples formes de memòria: memòria de treball, memòria episòdica, memòria semàntica, aprenentatges procedimentals…
I els nostres records estan relacionats amb emocions, contextos i experiències.
En els sistemes artificials, en canvi, allò que anomenem memòria pot referir-se a mecanismes molt diferents: informació incorporada als paràmetres d’un model durant l’entrenament, context temporal proporcionat durant una interacció, bases de dades externes o sistemes específics de recuperació d’informació.
Utilitzem la mateixa paraula.
Però estem descrivint fenòmens diferents.
Llenguatge: parlar significa comprendre?
L’aparició dels grans models de llenguatge ha convertit aquesta pregunta en una qüestió central.
Un sistema actual pot mantenir una conversa, resumir un document, escriure un programa informàtic, traduir entre idiomes, analitzar arguments o explicar física quàntica.
El resultat pot semblar sorprenentment humà.
Però hem de distingir una cosa essencial:
produir llenguatge competent i comprendre el món com ho fa una persona no són necessàriament el mateix fenomen.
Els grans models de llenguatge aprenen regularitats extraordinàriament complexes a partir de grans quantitats de dades i desenvolupen representacions internes que els permeten generalitzar i resoldre moltes tasques.
La qüestió de fins a quin punt aquestes capacitats constitueixen comprensió depèn, entre altres coses, de què entenguem exactament per comprendre.
I aquesta pregunta no és només tecnològica.
És filosòfica, psicològica i neurocientífica.
Què significa comprendre alguna cosa?
Com sabem que una altra persona comprèn?
Quina relació existeix entre llenguatge, experiència i significat?
La intel·ligència artificial no ha resolt aquestes preguntes.
Les ha fet encara més urgents.
Raonar: humans i màquines pensem igual?
Els sistemes d’intel·ligència artificial poden superar les persones en determinats problemes de càlcul, cerca, classificació, predicció o reconeixement de patrons.
També poden mostrar capacitats sorprenents en tasques que requereixen diverses etapes de raonament.
Però això tampoc implica que raonin de la mateixa manera que nosaltres.
El raonament humà combina coneixement, memòria, percepció, intuïció, experiència, llenguatge i context.
I també comet errors.
Utilitzem heurístiques. Tenim biaixos. Ens equivoquem. Podem mantenir creences contradictòries.
La intel·ligència humana no és una màquina de raonament perfecte.
La intel·ligència artificial tampoc.
Els sistemes generatius poden proporcionar respostes aparentment convincents que contenen errors, inventar informació o fracassar davant variacions d’un problema que una persona consideraria trivials.
La comparació, per tant, no és entre una intel·ligència humana imperfecta i una intel·ligència artificial perfecta.
És entre dues formes de processament d’informació amb fortaleses, limitacions i mecanismes profundament diferents.
El cos també pensa
Una de les diferències més profundes pot ser tan evident que sovint l’oblidem.
Nosaltres tenim cos.
La nostra intel·ligència s’ha desenvolupat dins d’un organisme que necessita mantenir-se viu i actuar en un entorn físic.
Tenim gana.
Sentim dolor.
Ens cansem.
Ens movem.
Manipulem objectes.
Interpretem expressions facials.
Sentim la posició del nostre propi cos.
Aprenem les conseqüències físiques de les nostres accions.
Tot això participa en la manera com construïm una representació del món.
D’aquí sorgeix una de les grans qüestions de la recerca contemporània: fins a quin punt pot existir una intel·ligència comparable a la humana sense una interacció física continuada amb el món?
La robòtica i la denominada intel·ligència artificial incorporada —embodied AI— converteixen aquesta pregunta en un problema experimental.
Potser per construir sistemes realment capaços d’entendre determinats aspectes del nostre món no serà suficient que processin informació.
Potser hauran d’actuar-hi.
Les emocions no són simplement soroll
Durant molt de temps ha estat temptador imaginar intel·ligència i emoció com dos sistemes oposats.
La raó seria racional.
L’emoció interferiria.
La neurociència ens ofereix una imatge molt més complexa.
Les emocions participen en l’atenció, l’aprenentatge, la memòria, la motivació i la presa de decisions.
Un ésser humà no pren decisions malgrat tenir emocions.
En bona part, pot prendre decisions perquè disposa de mecanismes biològics que assignen rellevància i valor a allò que passa.
Els sistemes actuals d’intel·ligència artificial poden reconèixer expressions emocionals, analitzar textos associats a determinats estats afectius o generar respostes que nosaltres interpretem com a empàtiques.
Però simular lingüísticament una emoció no equival a experimentar-la.
Aquesta distinció és essencial.
I arribem a la consciència
Aquí entrem en un territori on la prudència científica és imprescindible.
Sabem que nosaltres tenim experiències subjectives.
Sentim dolor.
Veiem colors.
Experimentem por.
Tenim la sensació de ser nosaltres mateixos.
A aquest conjunt extraordinàriament difícil de definir de fenòmens l’anomenem consciència.
La neurociència intenta comprendre quins mecanismes cerebrals fan possible l’experiència conscient, però encara no disposem d’una teoria universalment acceptada que expliqui completament com emergeix la consciència de l’activitat cerebral.
Per això hem de ser especialment prudents quan parlem d’intel·ligència artificial.
Un sistema pot afirmar:
«Tinc por.»
Aquesta frase no demostra que experimenti por.
Pot generar una descripció extraordinàriament convincent d’una experiència subjectiva sense que això sigui evidència que existeixi aquesta experiència.
Atribuir consciència a una màquina només perquè conversa de manera humana seria confondre comportament observable amb experiència subjectiva.
La qüestió de si algun sistema artificial podria arribar a ser conscient continua oberta.
Però no hauríem de confondre aquesta possibilitat teòrica amb el que podem afirmar científicament sobre els sistemes actuals.
En què la intel·ligència artificial ja ens supera?
Reconèixer les diferències no significa menysprear les capacitats de la IA.
Al contrari.
En determinats dominis, els sistemes artificials tenen avantatges extraordinaris.
Poden processar quantitats d’informació impossibles per a una persona, buscar patrons en enormes conjunts de dades, repetir determinades operacions sense cansament i treballar a velocitats molt superiors a les nostres.
En problemes ben definits, poden arribar a nivells de rendiment excepcionals.
I aquesta capacitat ja està transformant la ciència.
La intel·ligència artificial permet analitzar grans volums de dades experimentals, modelitzar sistemes complexos i descobrir estructures difícils de detectar mitjançant altres aproximacions.
També està començant a transformar la mateixa neurociència.
En què el cervell humà continua sent extraordinari?
La pregunta inversa és igualment interessant.
El cervell és extraordinàriament adaptable.
Aprèn contínuament.
Integra percepció, memòria, emoció, motivació i acció.
Pot transferir coneixements entre contextos molt diferents.
Pot actuar davant situacions noves i amb informació incompleta.
I ho fa mitjançant una arquitectura biològica radicalment diferent de la dels sistemes informàtics convencionals.
Les xarxes artificials han assolit resultats espectaculars, però la literatura científica continua assenyalant diferències substancials entre aquestes xarxes i l’anatomia, fisiologia, plasticitat i mecanismes d’aprenentatge del cervell.
Això no demostra que una forma d’intel·ligència sigui superior a l’altra en termes absoluts.
Probablement aquesta sigui, de fet, una mala pregunta.
Són sistemes diferents.
I és precisament aquesta diferència la que els fa tan interessants.
Quan cervells i màquines comencen a explicar-se mútuament
Durant bona part de la història de la intel·ligència artificial, la direcció de la inspiració semblava clara:
cervell → màquina.
Els investigadors observaven alguna característica de la intel·ligència biològica i intentaven convertir-la en un principi computacional.
Les xarxes neuronals en són l’exemple més conegut.
Però ara està passant alguna cosa extraordinàriament interessant.
La direcció també comença a invertir-se:
màquina → cervell.
Els neurocientífics utilitzen xarxes artificials i altres tècniques d’aprenentatge automàtic per analitzar dades neuronals, estudiar el comportament i construir models que permetin formular hipòtesis sobre com el cervell representa i processa informació.
Els models artificials poden actuar, en determinats contextos, com a sistemes experimentals amb els quals comparar les representacions observades al cervell. La utilització del deep learning ja ha obert noves maneres d’estudiar percepció, cognició, acció i codificació neuronal.
D’aquesta convergència està emergint un camp amb identitat pròpia:
NeuroAI.
La NeuroAI explora precisament aquesta frontera entre neurociència i intel·ligència artificial: utilitzar coneixement sobre el cervell per construir sistemes artificials millors i utilitzar la IA per comprendre millor el cervell.
Potser ens trobem davant d’un cercle extraordinàriament fèrtil:
comprendre el cervell → construir noves formes d’intel·ligència → utilitzar aquestes intel·ligències per comprendre millor el cervell.
La pregunta més interessant no és si les màquines pensaran com nosaltres
Durant dècades hem imaginat la intel·ligència artificial mitjançant una pregunta:
Podrem construir una màquina que pensi com un ésser humà?
És una pregunta fascinant.
Però potser no és la més important.
No necessitem que una màquina reprodueixi exactament el cervell perquè sigui intel·ligent.
Un avió no necessita batre les ales per volar.
De la mateixa manera, potser existeixen múltiples maneres de construir sistemes capaços d’aprendre, raonar, percebre i actuar.
La intel·ligència artificial podria acabar desenvolupant capacitats extraordinàries mitjançant mecanismes molt diferents dels nostres.
I això converteix la comparació entre intel·ligència humana i artificial en alguna cosa molt més profunda que una competició entre persones i màquines.
És un experiment sobre la naturalesa mateixa de la intel·ligència.
Per primera vegada a la història disposem de sistemes no biològics capaços de realitzar algunes tasques cognitives que fins fa molt poc consideràvem exclusivament humanes.
Això ens obliga a revisar conceptes que donàvem per evidents.
Què significa aprendre?
Què significa comprendre?
Què significa raonar?
Quina relació existeix entre llenguatge i pensament?
És necessari tenir un cos per comprendre el món?
Quina relació existeix entre intel·ligència i consciència?
I pot existir intel·ligència sense experiència subjectiva?
No tenim respostes definitives per a totes aquestes preguntes.
Precisament per això són tan importants.
Comprendre les màquines per comprendre’ns a nosaltres mateixos
La intel·ligència artificial és una tecnologia.
Però també s’està convertint en alguna cosa més.
És una nova eina amb què investigar una de les preguntes més antigues de la humanitat:
què és la intel·ligència?
Durant segles només disposàvem d’una manifestació de la intel·ligència complexa amb la qual podíem conversar: la nostra.
Ara estem començant a construir-ne d’altres.
Són diferents.
No tenen el nostre cervell.
No tenen la nostra història evolutiva.
No experimenten el món com nosaltres.
I, precisament per això, comparar-les amb nosaltres pot resultar extraordinàriament revelador.
Potser la pregunta més interessant sobre la intel·ligència artificial no és si les màquines arribaran algun dia a pensar com nosaltres.
Potser és una altra:
Què descobrirem sobre nosaltres mateixos mentre intentem construir màquines capaces de pensar?
Altres articles recomanats
Aquest article enllaçarà progressivament amb:
- Què és la neurociència?
- Què és la intel·ligència?
- Què és una neurona?
- Com aprèn el cervell?
- Què són les xarxes neuronals artificials?
- Què és la NeuroAI?
- Què és la consciència?
- Pot una intel·ligència artificial ser conscient?
- Què és la cognició incorporada?
- Frank Rosenblatt i el perceptró
- Geoffrey Hinton i l’aprenentatge profund
Fonts i lectures recomanades
Sadeh, S. & Clopath, C. (2025). The emergence of NeuroAI: bridging neuroscience and artificial intelligence. Nature Reviews Neuroscience.
Pulvermüller, F. et al. (2021). Biological constraints on neural network models of cognitive function. Nature Reviews Neuroscience.
Saxe, A., Nelli, S. & Summerfield, C. (2021). If deep learning is the answer, what is the question? Nature Reviews Neuroscience.
Xu, N. (2024). How the brain’s primary processing units compute to give rise to intelligence. Nature Reviews Neuroscience.
Mathis, M. W. & Mathis, A. (2026). Joint modelling of brain and behaviour dynamics with artificial intelligence. Nature Reviews Neuroscience.
Barrett, L. F. & Miller, E. K. (2026). Categorization is ‘baked’ into the brain. Nature Reviews Neuroscience.