El cerebro humano se suele describir como una computadora paralela masiva. Y la pregunta que surge es: ¿cómo de paralela es realmente?

Ahora tenemos una respuesta gracias al trabajo de Harris Georgiou en la Universidad Nacional Kapodistrian de Atenas (Grecia), que ha contado el número de "núcleos CPU" en funcionamiento en el cerebro mientras lleva a cabo tareas sencillas en una máquina de resonancia magnética (fMRI por sus siglas en inglés). La respuesta podría dar lugar a ordenadores capaces de parecerse más al rendimiento del cerebro humano.

El cerebro consiste en unos 100.000 millones de neuronas, cada una de las cuales establece unas 10.000 conexiones con sus vecinas. Todo esto viene empaquetado en una estructura del tamaño de una tarta que opera a una potencia máxima de apenas 20 vatios, un rendimiento que los investigadores informáticos observan con envidia indisimulada.

Las máquinas de fMRI revelan esta actividad al medir variaciones en los niveles de oxígeno en la sangre que circula por el cerebro. Se cree que las áreas más activas usan más oxígeno, así que la disminución de de oxígeno es señal de que ha habido actividad cerebral.

Normalmente las máquinas fMRI dividen el cerebro en píxeles tridimensionales llamados vóxeles, cada uno de unos cinco milímetros cúbicos de tamaño. La actividad completa del cerebro en cualquier momento dado se puede registrar usando una cuadrícula tridimensional de 60 x 60 x 30 vóxeles. Estas mediciones se repiten aproximadamente cada segundo para tareas que duran dos o tres minutos. El resultado es una serie con unos 30 millones de puntos de datos.

El trabajo de Georgiou es distinguir la cantidad de procesos independientes en funcionamiento dentro de esta inmensa serie de datos. "No se diferencia demasiado de intentar recuperar la cantidad (mínima) de 'núcleos CPU' necesarios para 'ejecutar' todas las tareas cognitivas activas que se registran en todo el volumen 3D del cerebro", afirma.

Pero es una tarea difícil dado el tamaño de la serie de datos. Para comprobar su técnica de procesado de señales, Georgiou empezó creando una serie de datos de fMRI sintética compuesta por ocho señales distintas con características estadísticas parecidas a las que están en funcionamiento en el cerebro. Después usó una técnica de procesado de señales estándar llamada análisis de componentes independientes, para averiguar cuántas señales distintas había presentes, hallando que había efectivamente ocho, como esperaba.

A continuación aplicó la misma técnica de análisis de componentes independientes a datos reales de fMRI recogidos de sujetos humanos mientras llevaban a cabo dos tareas sencillas. La primera era una tarea visomotriz en la que el sujeto observa una pantalla y tiene que llevar a cabo una tarea sencilla dependiendo de lo que aparezca.

En este caso, la pantalla muestra bien una caja roja o una verde en el lado izquierdo o derecho. Si la caja es roja, el sujeto debe indicarlo con su dedo índice derecho, y si la caja es verde, el sujeto lo indica con su dedo índice izquierdo. Es más fácil cuando la caja roja aparece a la derecha y la verde a la izquierda y más difícil cuando se intercambian las posiociones. Los datos consistían en casi 100 pruebas llevadas a cabo con nueve adultos sanos.

La segunda tarea era más fácil. A los sujetos se les mostró una serie de imágenes que entraban dentro de distintas categorías como caras, casas, sillas, etcétera. La tarea era detectar cuándo aparece dos veces el mismo objeto, aunque sea desde un ángulo distinto o con una iluminación distinta. Es una tarea de reconocimiento visual clásica.

Los resultados son interesantes. Aunque el análisis es complejo, los resultados son sencillos de resumir. Georgiou afirma que el análisis de componentes independientes revela unos 50 procesos independientes funcionando en el cerebro humano para llevar a cabo la tarea visomotriz compleja de indicar la presencia de cajas rojas y verdes. Pero el cerebro usa menos procesos para llevar a cabo tareas sencillas, como el reconocimiento visual.

Es un resultado fascinante que tiene importantes implicaciones en cómo deberían diseñar los informáticos los chips que se usarán para imitar el rendimiento humano. Implica que el paralelismo en el cerebro no sucede al nivel de las neuronas individuales, sino a un nivel muy estructural y funcional superior y que hay unos 50 de estos.

Georgiou señala que un vóxel típico corresponde a aproximadamente tres millones de neuronas, cada una con varios miles de conexiones con sus vecinos. Sin embargo, los chips neuromórficos más avanzados actualmente contienen un millón de neuronas artificiales cada uno con apenas 256 conexiones. Lo que queda claro en este trabajo es que el paralelismo medido por Georgiou sucede a una escala mucho mayor que esta.

"Esto significa que, en teoría, un equivalente artificial de una estructura cognitiva similar al cerebro quizá no requiera una arquitectura masivamente paralela al nivel de las neuronas individuales, sino más bien una serie bien diseñada de procesos limitados que se ejecutan en paralelo a una escala mucho menor", concluye.

Esto podría ser un consejo importante para cualquiera que esté pensando en diseñar chips parecidos al cerebro.

Ref: arxiv.org/abs/1410.7100 : Calculando la Dimensión Intrínseca en el Espacio fRMI Via Análisis Fractal de Series de Datos