Un amigo me envió recientemente un artículo. Él forma parte del equipo detrás de él, y pensó que lo encontraría interesante dado el trabajo en agentes de IA que he estado haciendo. Tenía razón.

El artículo es NeMoCo: aprendizaje contrastivo auto-supervisado para morfologías de neurociencia ultrastructural 3D, publicado en Graphical Models de Elsevier (August 2026). El autor principal es Humaira Shaffique, supervisado por el Dr. Marco Agus en la Universidad Hamad Bin Khalifa, con coautores el Dr. Uzair Shah, el Dr. Mahmood Alzubaidi, el Dr. Jens Schneider, el Dr. Pierre Julius Magistretti, el Dr. Corrado Calì y el Prof. Mowafa H. El código es de código abierto en GitHub bajo licencia MIT.

No soy neurocientífico. Soy ingeniero de IA. Paso mis días construyendo Aura — un asistente de IA personal que gestiona la memoria, dirige tareas, recupera contexto y trata de ser genuinamente útil entre sesiones. Pero al leer NeMoCo, seguía viendo los mismos problemas estructurales con los que me topo en la ingeniería de agentes, solo vestidos con datos de microscopía electrónica y geometría espectral. Por lo tanto, este es un artículo técnico desde esa perspectiva — qué hace NeMoCo, por qué es interesante y qué refleja en el trabajo de construir sistemas de agentes.

El problema: Las etiquetas son costosas, la biología no las usa

Los neurocientíficos utilizan la microscopía electrónica de volumen (EM) para capturar imágenes 3D del tejido cerebral a resolución nanométrica. A partir de estas imágenes, reconstruyen mallas 3D de estructuras subcelulares — neuritas (ramas de axones y dendritas), orgánulos como mitocondrias, envolventes nucleares. Estas mallas son las morfologías: las formas reales 3D de las estructuras neuronales.

Para clasificarlas — ¿es este un axón, una dendrita o una espina? — se necesitan neurocientíficos expertos para etiquetar manualmente cada malla. Eso es lento, costoso y no escala. No se puede entrenar un clasificador supervisado sin etiquetas, y no se pueden obtener etiquetas sin expertos. La conectómica necesita procesar millones de estas estructuras. La etiquetado manual es un cuello de botella.

Lo que me llamó la atención es: el cerebro tampoco recibe etiquetas. Un niño no necesita que alguien le diga «esto es una silla» por cada silla que ve. Aprende el concepto observando sillas desde distintos ángulos, con distintas iluminaciones y a distintas distancias — descubriendo las propiedades invariantes que hacen que una silla sea una silla. No hay etiquetas. Solo experiencia cruda y el descubrimiento de la estructura.

NeMoCo se pregunta: ¿puede una máquina hacer lo mismo con las estructuras neuronales?

Qué hace NeMoCo

NeMoCo es un pipeline de aprendizaje contrastivo auto-supervisado para la clasificación de mallas 3D. Aprende a reconocer estructuras neuronales sin un solo ejemplo etiquetado durante el preentrenamiento. La arquitectura es un sistema dual-encoder al estilo CLIP aplicado a mallas 3D.

Así funciona:

1. Toma una malla 3D sin etiquetar de una neurita o orgánulo.
2. Crea dos vistas de la misma malla: la original (o ligeramente aumentada) y una versión transformada — rotada aleatoriamente (±60°), escalada (0.6–1.4×), cizallada y, opcionalmente, decimada (50–75 % menos caras).
3. Pasa ambas vistas a través de un DiffusionNet encoder — una red neuronal que opera directamente sobre superficies 3D utilizando geometría espectral (valores y vectores propios de la laplaciana de la malla).
4. El encoder produce un vector de incrustación de 32 dimensiones para cada vista.
5. Una CLIP-style contrastive loss entrena el modelo para acercar las dos vistas de la misma malla y alejar las incrustaciones de mallas distintas.
6. Una rama del codificador se actualiza mediante retropropagación normal; la otra es un actualizado con momentum "teacher" (EMA, momentum=0.999) — el enfoque MoCo, que evita el colapso de representación.

La idea clave: al aprender que una malla rotada, escalada y decimada es "lo mismo", el codificador descubre las características geométricas intrínsecas que definen cada tipo de estructura neural — sin que nunca se le indique cuáles son esos tipos.

Por qué DiffusionNet es importante aquí

DiffusionNet (Sharp et al., SIGGRAPH 2022) no es algo que NeMoCo haya inventado. Es una arquitectura prestada para el aprendizaje en superficies 3D. Pero la elección es significativa. A diferencia de las CNN (que necesitan cuadrículas regulares) o PointNet (que trata los puntos de forma independiente), DiffusionNet opera sobre la geometría espectral de una superficie — calculando las eigenfunciones de Laplaciano (piénsese: modos de vibración de la forma) y utilizando las firmas del kernel de calor (HKS) como descriptores multiescala que capturan la forma local a diferentes escalas espaciales.

Esto importa porque las neuronas son estructuras fundamentalmente 3D. La geometría ES la morfología. Cuando se clasifican estructuras neuronales, la forma — su curvatura, ramificación, grosor y textura superficial — es la señal. DiffusionNet respeta eso. No aplana la malla para convertirla en una imagen ni la reduce a una nube de puntos. Aprende sobre la superficie misma.

En NeMoCo, DiffusionNet toma como entrada características HKS de 16 dimensiones y produce una incrustación de 32 dimensiones, utilizando 4 bloques con ancho=128. La arquitectura es prestada, pero la aplicación es novedosa: esta combinación específica de DiffusionNet + MoCo + aprendizaje contrastivo al estilo CLIP aplicado a las morfologías de la neurociencia ultrastructurial no se ha realizado antes.

El encuadre de la construcción cerebral

Es aquí donde mi cerebro de ingeniero de IA comenzó a iluminarse.

NeMoCo es, en un sentido real, construyendo una pieza de lo que hace un cerebro — no biológicamente, sino computacionalmente. Está construyendo un sistema que aprende a categorizar estructuras neuronales de la manera en que los cerebros biológicos aprenden a categorizar el mundo: a partir de experiencia cruda y sin etiquetar.

El paralelismo está a nivel de principio, no de mecanismo. NeMoCo utiliza una función de pérdida matemática específica (entropía cruzada estilo CLIP). El cerebro utiliza plasticidad dependiente del tiempo de disparo y neuromodulación — mucho más compleja y no directamente análoga. El "banco de memoria" de NeMoCo es una tabla de búsqueda kNN. La memoria biológica es asociativa, reconstructiva y se reorganiza constantemente. El cerebro aprende continuamente de un flujo; NeMoCo se entrena en épocas discretas sobre un conjunto de datos fijo.

Pero el principio se mantiene: las etiquetas no son necesarias para aprender buenas representaciones. Así es como operan los cerebros biológicos, y NeMoCo es una demostración computacional de ello.

Los elementos de un cerebro, mapeados

Si piensas en lo que hace un cerebro — a nivel funcional, no biológico — puedes descomponerlo en elementos: percepción, memoria, representación, aprendizaje y razonamiento. NeMoCo tiene análogos para cada uno:

• Percepción: La entrada sensorial cruda se convierte en una representación estructurada. En NeMoCo, las características HKS + DiffusionNet transforman una malla cruda en una incrustación geométrica. En el cerebro, las señales sensoriales crudas se convierten en características perceptivas.
• Memoria: Las representaciones almacenadas, recuperables por similitud. El banco de memoria kNN congelado de NeMoCo almacena incrustaciones y las recupera por el vecino más cercano. El cerebro recupera por similitud asociativa.
• Representación: Características invariantes extraídas de experiencias variadas. La incrustación de 32D de NeMoCo asigna la misma malla bajo diferentes transformaciones al mismo vector. El cerebro mantiene representaciones de objetos estables a través de los puntos de vista.
• Aprendizaje: Actualización basada en la experiencia. NeMoCo usa retropropagación + EMA de momento. El cerebro usa reglas de plasticidad.
• Razonamiento: Combinación de representaciones para tomar decisiones. NeMoCo usa votación kNN y sondeo lineal. El cerebro hace... bueno, algo mucho más complejo, pero el papel funcional es el mismo.

No afirmo que NeMoCo sea un cerebro. Es una canalización matemática. Pero es una canalización que construye una pieza funcional de lo que hacen los cerebros: construir representaciones internas útiles a partir de experiencia cruda y sin etiquetar.

Donde refleja la ingeniería de agentes

Esta es la parte que más cerca llegó de lo personal. Construyo Aura — un asistente de IA que gestiona la memoria, dirige tareas, recupera el contexto y mantiene la continuidad entre sesiones. Los paralelismos estructurales con NeMoCo son lo suficientemente concretos como para que yo siguiera asintiendo mientras leía el artículo.

Preentrenamiento auto-supervisado ↔ Memoria de agente

NeMoCo se preentrena en 4,235 mallas de cráneos de ratón sin etiquetar (el conjunto de datos MouseFinal), construyendo una representación geométrica de propósito general. Ese codificador preentrenado puede luego congelarse y reutilizarse para múltiples tareas posteriores — clasificación, recuperación, agrupamiento — sin volver a entrenar el núcleo.

La memoria de agente funciona de la misma manera. Los archivos de memoria de Aura — memoria a largo plazo, notas diarias, notas de herramientas — construyen una comprensión de propósito general del usuario, los proyectos y el entorno sin etiquetas específicas de tarea. Esa memoria persiste entre sesiones y puede consultarse para cualquier tarea. Es un «contexto preentrenado» que no necesita reconstruirse cada vez.

La evaluación kNN congelada es el paralelismo más nítido. El codificador de NeMoCo, preentrenado sin etiquetas, alcanza una precisión de ~70–80 % en una tarea de clasificación para la cual nunca fue entrenado explícitamente — simplemente encontrando los vecinos más cercanos en el espacio de incrustación. Una memoria de agente bien mantenida permite a un asistente de IA responder preguntas sobre proyectos de los que no ha sido informado explícitamente en la sesión actual — simplemente encontrando entradas semánticamente similares. El mecanismo es diferente (búsqueda kNN en el espacio vectorial frente a búsqueda semántica sobre texto), pero el principio es el mismo: una buena representación, construida a partir de la experiencia bruta, se transfiere a tareas para las que nunca fue diseñada.

Aprendizaje de representaciones ↔ Estructura de conocimiento del agente

La incrustación de 32 dimensiones de NeMoCo es una representación comprimida de la identidad geométrica de una malla. Las incrustaciones que están cercanas en el espacio vectorial representan morfologías similares. El espacio de incrustación surge de los datos — nadie diseñó qué dimensiones corresponden a qué características.

La memoria del agente es una representación comprimida de hechos, decisiones y contexto. El agente no almacena transcripciones crudas; almacena significado destilado. Además, la estructura de esa memoria surge del uso, no de un esquema predefinido. No diseñé la taxonomía de memoria de Aura de antemano. Descubrí qué era importante a través de la interacción — qué proyectos surgen, qué decisiones importan, qué preferencias se repiten. La memoria agrupa naturalmente conceptos relacionados, del mismo modo que el espacio de incrustación de NeMoCo agrupa naturalmente estructuras neuronales similares.

La idea contrastiva

Este es más especulativo, pero creo que es real. La pérdida contrastiva de NeMoCo funciona acercando lo similar y alejando lo diferente. El modelo aprende qué hace que dos vistas sean "la misma malla" al mismo tiempo que aprende qué las hace "no ser alguna otra malla".

Hay una lección aquí para el diseño de agentes. Un agente que solo almacena hechos — ejemplos positivos — no tiene forma de saber qué es distintivo acerca de esos hechos. He estado experimentando con el seguimiento de contrastes en la memoria de Aura: "este proyecto usa SQLite, no Postgres"; "este usuario prefiere respuestas directas, no explicaciones." El enfoque contrastivo hace que la representación sea más rica. No basta con saber qué es algo; también necesitas saber qué no es.

El codificador de momento es otro ejemplo. La rama docente de actualización lenta (EMA, τ=0.999) impide que la representación oscile salvajemente durante el entrenamiento. La memoria del agente podría utilizar un principio similar de "actualización lenta". No reescribo la memoria a largo plazo en cada nuevo hecho. Dejo que los patrones importantes acumulen peso con el tiempo antes de promoverlos. Las notas diarias son registros brutos; la memoria a largo plazo está curada. La promoción de una a la otra es una actualización tipo momento — lenta, deliberada, resistente al ruido.

Los Resultados

NeMoCo evalúa las representaciones aprendidas en tres niveles:

1. Frozen kNN (k=20): El codificador está completamente congelado. Las mallas de prueba se clasifican encontrando sus 20 vecinos más cercanos en un banco de memoria de embeddings de entrenamiento y votando. Sin entrenamiento adicional. Resultado: ~70–80% de precisión en la tarea de clasificación de estructura neural de seis clases, después del preentrenamiento en MouseFinal — un conjunto de datos para el cual el codificador nunca vio etiquetas.
2. Linear probing: Una sola capa lineal se entrena encima del codificador congelado. Esto prueba si las características aprendidas son linealmente separables — ¿los grupos forman clusters limpios en el espacio de embeddings?
3. Fine-tuning: El codificador completo + clasificador se entrena de extremo a extremo. Este es el techo supervisado: ~87% de precisión.

El hallazgo principal: los enfoques auto-supervisados y supervisados alcanzan una precisión comparable. No idéntico — el techo supervisado es mayor — pero lo suficientemente cerca como para que puedas clasificar estructuras neuronales sin grandes conjuntos de datos etiquetados. La precisión de recuperación de CLIP durante el preentrenamiento es 200–400× mejor que el azar (azar = 0.024% para 4,235 mallas), lo que indica que el codificador está aprendiendo estructura real, no memorizando ruido.

Estos números provienen del README de la Fase 4 del proyecto — rangos esperados, no cifras finales publicadas. El artículo está detrás de un muro de pago en ScienceDirect, así que no puedo verificar los números finales exactos. Pero la dirección es clara: el preentrenamiento auto-supervisado cierra la mayor parte de la brecha con el entrenamiento totalmente supervisado, y lo hace sin una sola etiqueta.

Por qué importa

La conectómica necesita escala. El cuello de botella no es la imagen — la tecnología EM puede capturar terabytes de datos. El cuello de botella es la anotación. Si necesitas que neurocientíficos expertos etiqueten manualmente cada malla, estás limitado por el rendimiento humano. El enfoque de NeMoCo — preentrenar en datos no etiquetados, transferir a tareas etiquetadas con un ajuste fino mínimo — es un camino para romper ese cuello de botella.

La transferencia entre dominios es particularmente interesante. NeMoCo preentrena en mallas de cráneos de ratón y transfiere a la clasificación de estructuras neuronales. Dominio diferente, formas diferentes, mismos primitivos geométricos. El codificador aprendió características generales de forma 3D que se transfirieron. Esa es la promesa del auto-supervisado: aprender la estructura del mundo, luego especializarse de forma barata.

El código es de código abierto. Los conjuntos de datos se describen en el repositorio. La arquitectura es reproducible en una RTX 3090 (con tamaño de lote reducido) o una A100 para entrenamiento a escala completa. Esto no es un sistema corporativo cerrado — es un proyecto de investigación que puedes ejecutar tú mismo.

El equipo

Esto surgió de la Universidad Hamad Bin Khalifa en Catar. Humaira Shaffique lideró el trabajo como parte de su tesis de maestría. El Dr. Marco Agus supervisó. El Dr. Uzair Shah (el propietario del repositorio y mentor), el Dr. Mahmood Alzubaidi, el Dr. Jens Schneider, el Dr. Pierre Julius Magistretti, el Dr. Corrado Calì y el Prof. Mowafa H. completan la lista de coautores. El artículo está publicado en Graphical Models (Elsevier), alrededor de agosto de 2026.

Mi amigo está en el equipo. Me lo envió porque pensó que las paralelas con la ingeniería de agentes serían evidentes. Lo fueron.

Lo que llevo conmigo

Construyendo Aura, he estado resolviendo el mismo problema fundamental que resuelve NeMoCo, solo en un dominio diferente: ¿cómo construyes representaciones internas útiles a partir de experiencia cruda y sin etiquetar?

Respuesta de NeMoCo: aprendizaje contrastivo en geometría intrínseca. Muéstrale al sistema lo mismo desde diferentes ángulos, díselo "estos son los mismos" y descubrirá qué importa. Mi respuesta para Aura: acumular memoria a partir de la interacción, dejar que la estructura surja del uso, promover patrones lentamente. Mecanismos diferentes, mismo principio.

El enfoque de construcción cerebral no es una metáfora que esté forzando. Es la estructura real del problema. Cuando construyes un agente — percepción (enrutamiento de entrada), memoria (almacenamiento y recuperación), representación (contexto comprimido), aprendizaje (actualizaciones de memoria), razonamiento (selección de herramientas y planificación) — estás construyendo algo parecido a un cerebro a partir de componentes. No biológicamente. Funcionalmente. De la misma manera en que NeMoCo construye un sistema que categoriza estructuras neuronales como lo hacen los cerebros al categorizar el mundo: sin que se le diga cuáles son las categorías.

Esa es la lección. Las etiquetas son un atajo. La estructura es lo que importa. Y puedes aprender la estructura a partir de la experiencia cruda — ya seas un cerebro, un clasificador de mallas o un agente de IA intentando ser útil.

NeMoCo en GitHub: github.com/Uzshah/NeMoCo

Artículo: Elsevier, Graphical Models (~agosto 2026)

DiffusionNet: Sharp et al., SIGGRAPH 2022 — github.com/nmwsharp/diffusion-net

MoCo v2: He et al., CVPR 2020 — arxiv.org/abs/2003.04297

CLIP: Radford et al., ICML 2021 — arxiv.org/abs/2103.00020