UNA INVITACIÓN A NEUROCIENTÍFICOS COMPUTACIONALES
FeynmanGraph: Donde la Neurociencia
Valida la Próxima IA
Proponemos una arquitectura de IA que mapea el paradigma de agente ReAct (Razón-Acción) a un modelo neurocomputacional explícito. Buscamos crear una IA 'caja blanca' que replique los mecanismos de la función ejecutiva. Para un neurocientífico, esto ofrece un banco de pruebas computacional sin precedentes para testear hipótesis sobre circuitos (CPF, GB, CCA) y su disfunción en psiquiatría.
Retos Científicos: Oportunidades de Colaboración
Validación de la Arquitectura Causal
El Reto: ¿Podemos validar este modelo contra datos cerebrales? Buscamos probar la conectividad causal de nuestro grafo (mapeado a CPF/GB/CCA) usando Modelado Causal Dinámico (DCM) sobre datos de fMRI en tareas de control cognitivo.
Formalismo y Simulación Bayesiana
El Reto: Buscamos formalizar la inferencia del grafo usando propagación de creencias (belief propagation). Necesitamos simular cómo el modelo se desempeña en tareas estándar (ej. Stroop, Go/No-Go) y comparar su comportamiento con datos humanos.
Neurobiología de la Plasticidad
El Reto: La plasticidad es clave. Buscamos modelar la neuromodulación (ej. Dopamina como RPE) para que el grafo aprenda y se adapte, reflejando cómo el cerebro ajusta sus 'creencias' y acciones a través de la experiencia.
Potencial en Psiquiatría Computacional
El Reto: Conceptualizar trastornos (TDAH, TOC, depresión) como patologías del grafo (ej. fallos en el 'gating' de los GB, bucles de inferencia aberrantes en CPF). Buscamos definir fenotipos computacionales de enfermedad mental.
Nuestros Hitos: Avances y Rigor Metodológico
Mapeo CPF/GB/CCA del Agente ReAct
Formalización 1:1 entre componentes de IA (Razón, Acción, Observación) y sus sustratos neurobiológicos.
Completo (Fase Alpha)Validación Operativa
100% de éxito operativo usando un modelo eficiente (Gemma-2B), validando el diseño modular.
Completo (Fase Alpha)Optimización Latencia HPC
Fine-tuning con QLoRA sobre GPUs A100 para especialización radical de herramientas.
En curso (Fase 2)Grounding Factual
Protocolo de validación contra librerías de cálculo científico (SymPy/Matlab).
En desarrolloArquitectura Cognitiva Interactiva
Esta simulación interactiva representa nuestra arquitectura cognitiva. Arrastra los nodos para verla en acción. Los Nodos de Variable (círculos, CPF) representan estados mentales ("Razón"), mientras que los Nodos de Factor (cuadrados, GB/CCA) son los procesos computacionales que seleccionan acciones y detectan errores. Es un modelo dinámico del bucle ReAct.
Fundamentos Científicos y Recursos
Publicaciones Clave (Base)
- Yao, S., et al. (2023). ReAct: Synergizing Reasoning and Acting... (El paradigma computacional que estamos mapeando).
- Hazy, T. E., et al. (2007). Towards an executive without a homunculus. (Modelo canónico del bucle CPF-GB-Tálamo (PBWM)).
- Friston, K. J., et al. (2003). Dynamic causal modelling. (La metodología clave que proponemos para la validación).
- FeynmanGraph (2024). White Paper Conceptual. (Disponible al iniciar la colaboración).
Recursos y Datos de Interés
- Esquemas del Grafo de Factores Dinámico: Modelos detallados de los nodos (CPF/GB/CCA) y las ecuaciones de propagación de creencias (disponibles para colaboradores).
- Transdiagnostic Connectome Project (OpenNeuro): Buscamos aplicar DCM a datos de tareas de control (Stroop, 1-2-AX) de este o similares datasets.
- Protocolo ofMRI LNS: Vía Go/NoGo: Documentación interna sobre patrones BOLD en GB/Tálamo que informan nuestro modelo de 'gating'.
Una Invitación Abierta a Neurocientíficos
Buscamos mentes expertas que vean esto no como una "IA" más, sino como un laboratorio computacional para la neurociencia. ¿Tu especialidad es DCM? ¿Trabajas con datos de fMRI en tareas de control cognitivo? Queremos que tus datos y tu *insight* sobre los circuitos cerebrales sean los que validen (o refuten) esta arquitectura.
[Rol Abierto] Colaborador Científico
Especialista en DCM / fMRI
Diseñe y valide los modelos causales que conectan nuestra arquitectura con los circuitos cerebrales.
[Rol Abierto] Investigador Postdoctoral
Psiquiatría Computacional
Modele la disfunción del grafo (TDAH, TOC) y proponga fenotipos computacionales basados en RPE.
Preguntas Frecuentes para Investigadores
¿Por qué es crítica la neurociencia para este proyecto de IA?
Porque nuestro objetivo no es solo el rendimiento, sino la plausibilidad neurobiológica. Buscamos crear una IA cuyos procesos internos emulen la función ejecutiva del cerebro. La experiencia en neurociencia es indispensable para diseñar experimentos, validar nuestros modelos contra datos cerebrales (fMRI, ofMRI) e interpretar los resultados con rigor científico.
¿Qué tipo de datos de neuroimagen buscan exactamente?
Estamos buscando activamente datos de fMRI/ofMRI de tareas de control ejecutivo (ej. Stroop, Go/No-Go, N-Back, AX-CPT). Los datos que nos permitan aplicar Modelado Causal Dinámico (DCM) para comparar la conectividad efectiva de nuestro modelo contra las arquitecturas cerebrales conocidas son de máximo valor.
¿Cómo se diferencia esto de una "caja negra" (ej. GPT)?
A diferencia de un LLM estándar que solo optimiza el rendimiento, FeynmanGraph está restringido por la neurobiología. Cada cómputo está mapeado a un componente (CPF, GB, CCA). Esto significa que podemos 'lesionar' un nodo en el modelo y predecir su efecto en una tarea, generando hipótesis testeables con fMRI o TMS. La traza de 'Pensamiento → Acción' es nuestra versión de un registro auditable.
¿Cuál es la conexión con la Psiquiatría Computacional?
Uno de nuestros objetivos a largo plazo es modelar trastornos mentales como 'patologías del grafo'. Por ejemplo, ¿podría un TDAH ser modelado como un fallo en el 'gating' de los Ganglios Basales (un nodo de factor)? ¿O la rumiación en la depresión como un bucle de inferencia persistente en el CPF? Este es un campo de investigación traslacional clave.
¿Cómo se maneja la propiedad intelectual en las colaboraciones?
Priorizamos un marco de ciencia abierta. Las colaboraciones se rigen por acuerdos flexibles que buscan maximizar el impacto público y académico, asegurando el reconocimiento adecuado de todas las partes y la co-autoría en publicaciones derivadas de los datos compartidos.
¿Listo para aplicar tu experiencia al futuro de la IA?
Únete a la Vanguardia de la IA Cognitiva