Una red neuronal descubre por sí sola el método del «palacio de la memoria»: estudio de Nature Machine Intelligence

Un equipo de investigadores liderado por Li (Li et al.) publicó el 20 de julio de 2026 en la revista Nature Machine Intelligence un estudio que demuestra que las redes neuronales recurrentes entrenadas en la tarea de recuerdo libre descubren de forma autónoma varias estrategias de memoria similares a las humanas. Las más precisas emplean un mecanismo de indexación que recuerda a la antigua técnica mnemotécnica del «palacio de la memoria».

Qué mostró el estudio

Las redes neuronales recurrentes (RNN) optimizadas para la tarea de recuerdo libre (free recall) encontraron no una, sino varias estrategias de memorización distintas. Según Nature Machine Intelligence, estas estrategias van más allá de los modelos clásicos de contexto temporal (temporal context models), que durante décadas se consideraron la principal explicación de cómo una persona recuerda listas de palabras en orden arbitrario.

El recuerdo libre es una prueba clásica de memoria: se muestra una lista a una persona y después se le pide que la reproduzca en cualquier orden. Durante mucho tiempo, el comportamiento humano en esta prueba se describió precisamente con modelos de contexto temporal, en los que la probabilidad de recordar una palabra depende de cuán cerca en el tiempo se presentó respecto a las palabras vecinas. El nuevo trabajo muestra que la solución óptima de esta tarea no es única.

• Publicación: 20 de julio de 2026, Nature Machine Intelligence, DOI 10.1038/s42256-026-01274-0
• Autores: Li et al.
• Método: redes neuronales recurrentes (RNN) optimizadas para el recuerdo libre
• Conclusión clave: los modelos de mayor rendimiento usan un mecanismo de indexación, análogo al «palacio de la memoria»
• A quiénes superaron: a los modelos clásicos de contexto temporal (temporal context models)

Qué tiene que ver el «palacio de la memoria»

Los modelos con mejores resultados se basaron en un mecanismo de indexación (index-based): asignaban a los elementos memorizados una especie de direcciones y accedían a ellos mediante esas etiquetas, en lugar de recorrer toda la secuencia completa. El procedimiento recuerda a la técnica del «palacio de la memoria» (método de los loci), que ya utilizaban los oradores de la Antigüedad: los datos se «colocan» mentalmente en las estancias de un edificio imaginario y luego se recuperan recorriendo una ruta conocida de antemano.

Un detalle importante: la red no recibió esta estrategia ya hecha. Llegó a ella por sí sola, simplemente optimizando la precisión del recuerdo. Es decir, el esquema de indexación resultó ser una solución ventajosa para la propia tarea, y no un truco incorporado de antemano.

Por qué importa

El trabajo acerca los mecanismos de memoria artificiales y biológicos. Si una red neuronal llega sin ayuda a una estrategia parecida a una técnica mnemotécnica humana, ello apoya la idea de que esas estrategias son una solución óptima para la tarea de recordar, y no solo una invención cultural. Para la neurociencia, se trata de una hipótesis verificable sobre cómo organiza el cerebro el recuerdo libre.

Para la IA, la cuestión de la memoria a largo plazo sigue abierta: los modelos de lenguaje mantienen el contexto en una ventana limitada y organizan mal los recuerdos antiguos. Una estrategia en la que los elementos se direccionan por índices, en lugar de revisarse uno tras otro, guarda relación con la forma en que los sistemas actuales incorporan bases de datos externas y búsqueda vectorial. La investigación de Li et al. ofrece a este enfoque una justificación biológicamente plausible.

Los modelos de mayor rendimiento usan un mecanismo de indexación que recuerda a la técnica del «palacio de la memoria». — del artículo de

Li et al., Nature Machine Intelligence (DOI 10.1038/s42256-026-01274-0)

Qué significa

Las redes neuronales sirven cada vez más no solo como herramienta aplicada, sino también como modelo del cerebro. Al optimizar una red para una tarea de memoria concreta, los investigadores obtienen hipótesis verificables sobre cómo funciona el recuerdo humano, y pistas para futuros sistemas de IA con una memoria a largo plazo más estructurada.