El cervell anticipa el que passarà: no només quin esdeveniment arriba, sinó quan i amb quina probabilitat. Reproduir-ho en una xarxa neuronal artificial és una de les peces que falten perquè la IA s'adapti a entorns que canvien.
Zenas C. Chao i Yohei Yamada, del Centre Internacional de Recerca en Neurointel·ligència de la Universitat de Tòquio, han construït una xarxa recurrent d'impulsos (*spiking*) amb 1.000 neurones. En lloc de l'entrenament habitual, la retropropagació, la xarxa aprèn amb regles locals i la van entrenar amb una prova que combina diversos esdeveniments. Segons el treball, publicat a la revista revisada per parells *Communications Biology* (DOI 10.1038/s42003-026-10836-2), la xarxa va aprendre alhora quin fet es produiria, quan i amb quina probabilitat: si la probabilitat canviava, la intensitat de l'activitat s'ajustava, i si canviava el moment, també ho feia la predicció. La major part de l'aprenentatge es va fer en les primeres 50 proves, i la xarxa es recuperava més de pressa que altres enfocaments quan les condicions es capgiraven.
Per als autors, el resultat ofereix una base per a una IA inspirada en el cervell i capaç d'adaptar-se. També proposa idees que es podrien comprovar en experiments.
És una demostració computacional, no un experiment amb cervells reals. Els mateixos autors recorden que el treball «no mostra directament com el cervell implementa la predicció», sinó que ofereix un marc fonamentat i idees verificables. Les dades provenen d'un model petit i d'una tasca de laboratori, i caldrà veure si es mantenen en problemes més grans.