"Este es el problema con la inteligencia artificial [IA] actual", asevera David Cox. Sí, se ha vuelto asombrosamente buena en tareas como el reconocimiento facial casi perfecto, la conducción autónoma y jugar al Go. Y es cierto que algunas aplicaciones de IA ya no necesitan programarse a mano porque se basan en arquitecturas que les permiten aprender de la experiencia.

Sin embargo aún es torpe y bruta, afirma este neurocientífico de la Universidad de Harvard (EEUU). Cox explica: "Para construir un detector de perros, tienes que mostrar al programa miles de cosas que son perros y miles que no lo son. A mi hija le bastó con ver un perro". Y el conocimiento que la inteligencia artificial actual extrae de todos esos datos puede ser extrañamente frágil. Basta añadir algo de estática ingeniosa a una imagen, un ruido que un humano ni siquiera notaría, y el ordenador podría confundir un perro con un contenedor de basura. Eso es algo malo si la gente usa el reconocimiento facial para, por ejemplo, la seguridad en los teléfonos inteligentes (ver El hallazgo de hace 30 años en el que se basa toda la inteligencia artificial actual).

Foto: Un técnico observa el cerebro de una rata viva durante una prueba. 

Foto: Después de la prueba, el cerebro del animal es extirpado. 

Para superar estas limitaciones, Cox y docenas de otros neurocientíficos y expertos en aprendizaje automático unieron sus fuerzas el año pasado para la iniciativa MICrONS (acrónimo en inglés de inteligencia mecánica a partir de redes corticales): un esfuerzo de 85 millones de euros para hacer ingeniería inversa del cerebro. Será el equivalente neurocientífico de intentar disparar a la Luna, dice Jacob Vogelstein, quien concibió y lanzó MICrONS cuando era responsable de programas de Inteligencia en DARPA, en EEUU. (Ahora trabaja en la firma de capital de riesgo Camden Partners). Los investigadores de MICrONS están intentando trazar la estructura y función de cada detalle de un pequeño trozo del córtex cerebral de un roedor.

La complejidad del cerebro queda patente dado el hecho de que haga falta tanto esfuerzo para mapear incluso este pequeño trozo de córtex, un cubo de un milímetro de lado, el tamaño de un grano grueso de arena. Pero este cubo es miles de veces más grande que cualquier otro trozo de cerebro analizado hasta la fecha. Contendrá aproximadamente 100.000 neuronas y algo así como 1.000 millones de sinapsis, las uniones que permiten que los impulsos nerviosos salten de una neurona a la siguiente.

Foto: Un cerebro de rata en una placa de laboratorio. 

La ambición del proyecto es tan grande que el resto de neurocientíficos están impresionados. Eve Marder, que ha pasado toda su carrera estudiando circuitos neuronales mucho más pequeños en la Universidad de Brandeis (EEUU), afirma: "Creo que lo que están haciendo es heroico". Y Konrad Kording, que hace modelado computacional del cerebro en la Universidad de Pensilvania (EEUU), confirma: "Está entre las cosas más emocionantes que están pasando en neurociencia".

Foto: El cerebro se pega a una placa antes de ser escaneado. 

El beneficio último serán los secretos neuronales que se extraigan de los datos del proyecto; principios que deberían conformar lo que Vogelstein llama "los ladrillos computacionales para construir la próxima generación de la inteligencia artificial". Al fin y al cabo, dice, las redes neuronales actuales se basan en una arquitectura de décadas de antigüedad y una noción bastante simplista de cómo funciona el cerebro. Esencialmente, estos sistemas difunden conocimientos a través de miles de "nodos" densamente interconectados, análogos a las neuronas del cerebro. Los sistemas mejoran su rendimiento ajustando la fuerza de las conexiones. Pero, en la mayoría de las redes neuronales de ordenador, las señales se dirigen únicamente hacia adelante, de un conjunto de nodos al siguiente. El cerebro real está lleno de retroalimentación: por cada haz de fibras nerviosas que transmiten señales de una región a la siguiente, hay un número igual o mayor de fibras que viaja en sentido contrario. ¿Pero por qué? ¿Son esas fibras de retroalimentación el secreto del aprendizaje de primeras y tantos otros aspectos del inmenso poder del cerebro? ¿Hay algo más?

MICrONS debería proporcionar algunas de las respuestas, opina el neurólogo de la Universidad de Princeton (EEUU) Sebastian Seung, que desempeña un papel clave en el esfuerzo de mapeo. De hecho, dice: "No creo que podamos responder a estas preguntas sin un proyecto como este".

Foto: El pequeño cubo en la parte superior izquierda es la parte del cerebro que será mapeada. 

Foto: El pedazo de cerebro se incluye en acrilamida en preparación para ser cortado muy fino. 

Ver de cerca

Los equipos de MICrONS (uno dirigido por Cox, otro con sede en la Universidad Rice y la Escuela de Medicina de Baylor, y un tercero en la Carnegie Mellon, todos ellos en EEUU) persiguen cada uno algo que es extraordinariamente exhaustivo: reconstruir todas las células presentes en un milímetro cúbico del cerebro de una rata, además de un diagrama de su cableado, un "conectoma" que muestre cómo cada célula se conecta a cada otra célula; y los datos que muestren exactamente qué situaciones hacen que las neuronas se activen e influyan en otras neuronas.

El primer paso es examinar los cerebros de las ratas y averiguar qué están haciendo las neuronas en ese milímetro cúbico. Cuando el animal recibe un estímulo visual específico, como una línea orientada de cierta manera, ¿qué neuronas comienzan repentinamente a disparar impulsos, y qué vecinas responden?

Hace tan sólo una década capturar ese tipo de datos era entre difícil e imposible: "Las herramientas simplemente no existían ", dice Vogelstein. Es cierto que los investigadores podían introducir cables ultrafinos en el cerebro y obtener hermosas grabaciones de la actividad eléctrica de neuronas individuales. Pero, al estar las células tan apretadas unas junto a otras, no podían registrar más de unas pocas docenas a la vez. Los investigadores también podían mapear la geografía general de la actividad neuronal al poner a los humanos y otros animales en máquinas de resonancia magnética. Pero no podían monitorizar neuronas individuales de esa manera: la resolución espacial era de un milímetro en el mejor de los casos.

Foto: Los cortes de cerebro se pegan a una cinta de plástico.

Foto: La cinta, con las muestras de cerebro pegadas, se recorta y se coloca en una placa deslizante que se introducirá en un enorme aparato para escanearla. 

Lo que rompió ese bloqueo fue el desarrollo de técnicas para hacer que las neuronas se iluminen cuando se activan en un cerebro vivo. Para ello, los científicos suelen introducir proteínas fluorescentes en las neuronas que brillan en presencia de iones de calcio, cuya abundancia aumenta cada vez que una célula se excita. Estas proteínas pueden insertarse en el cerebro de un roedor químicamente, mediante un virus benigno, o incluso ser codificadas en el genoma de las neuronas. Después, la fluorescencia puede activarse de varias maneras. Quizás la más útil sea a través de un par de láseres que bombardean luz infrarroja a la rata a través de una ventana hecha en su cráneo. Las frecuencias infrarrojas permiten que los fotones penetren el comparativamente opaco tejido nervioso sin dañar nada, antes de ser absorbidos por las proteínas fluorescentes. Las proteínas, a su vez, combinan la energía de dos de los fotones infrarrojos y la liberan como un solo fotón de luz visible que se puede observar con un microscopio ordinario cuando el animal mira algo o realiza cualquier otra clase de acciones.

El director del equipo en Baylor ,Andreas Tolias, explica que se trata de un proceso "revolucionario" porque "se pueden obtener registros desde todas las neuronas, incluso de las que están una justo al lado de la otra".

Una vez que el equipo del laboratorio de Cox ha mapeado la actividad neuronal de una rata, el animal es sacrificado y su cerebro se infunde con un metal pesado, el osmio. Entonces un equipo encabezado por el biólogo de Harvard Jeff Lichtman corta el cerebro en rebanadas y averigua exactamente cómo están organizadas y conectadas las neuronas.

Ese proceso comienza en un laboratorio en el sótano, con una máquina de sobremesa que funciona como una cortadora de fiambre de cualquier charcutería. Una pequeña placa metálica sube y baja, raspando metódicamente la punta de lo que parece ser un lápiz de color ámbar y adhiriendo las rodajas a una cinta transportadora hecha de cinta adhesiva plástica. La diferencia es que el "fiambre" es en realidad un tubo de resina dura que encierra y sostiene el frágil tejido cerebral, la placa en movimiento contiene una cuchilla de diamante increíblemente afilada, y las rodajas tienen aproximadamente 30 nanómetros de espesor.

Foto: Un algoritmo une las imágenes escaneadas de las rebanadas de cerebro. 

Foto: Arriba, un "campo de visión multihaz" hecho a partir de 61 imágenes tomadas por el microscopio electrónico; abajo, 14 campos de vista multihaz combinados.

 

Foto: Los escaneos se apilan en un cubo y se colorean. 

Luego, en otro laboratorio, pasillo adelante, trozos de cinta que contienen varias rebanadas de cerebro cada una se montan en obleas de silicio y se colocan dentro de lo que parece una nevera industrial grande. El aparato es un microscopio electrónico: utiliza 61 haces de electrones para escanear 61 partes del tejido cerebral simultáneamente, a una resolución de cuatro nanómetros.

Se tarda cerca de 26 horas en escanear cada oblea. Monitores junto al microscopio muestran las imágenes resultantes a medida que se acumulan, con un nivel de detalle impresionante: membranas celulares, mitocondrias, vesículas llenas de neurotransmisores que se aglomeran en las sinapsis. Es como ver de cerca un fractal: cuanto más cerca mires, más complejidad verás.

El corte no es ni de lejos el final de la historia. A medida que los escaneos salen del microscopio, se envían a un equipo liderado por el informático de Harvard Hanspeter Pfister. El responsable explica: "Nuestro papel es tomar las imágenes y extraer tanta información como podamos".

Eso significa reconstruir tridimensionalmente todas esas neuronas, con todos sus orgánulos, sinapsis y otras estructuras, a partir de una pila de rebanadas bidimensionales. Los humanos podían hacerlo con papel y lápiz, pero sería irremediablemente lento, dice Pfister. Así que su equipo y él han entrenado unas redes neuronales para que rastreen las neuronas reales. "Realizan un trabajo mucho mejor que todos los otros métodos que hemos empleado", dice.

De cada neurona, sin importar su tamaño, nace un bosque de zarcillos conocidos como dendritas, y cada una tiene otra fibra larga y delgada llamada axón para transmitir los impulsos nerviosos a largas distancias, completamente a través del cerebro, en casos extremos, o incluso a todo lo largo de la médula espinal. Pero al mapear un milímetro cúbico, como lo está haciendo MICrONS, los investigadores pueden seguir la mayoría de estas fibras desde el principio hasta el final y así ver un circuito neuronal al completo. Pfister afirma: "Creo que vamos a descubrir cosas. Probablemente estructuras que nunca nos habríamos imaginado y conocimientos completamente nuevos sobre el cableado".

El poder de la anticipación

Entre las preguntas que los equipos de MICrONS esperan contestar están estas: ¿Cuáles son los algoritmos del cerebro? ¿Cómo funcionan todos esos circuitos neuronales? Y en particular, ¿qué hace toda esa retroalimentación?

Muchas de las actuales aplicaciones de la inteligencia artificial no utilizan retroalimentación. Las señales electrónicas de la mayoría de las redes neuronales artificiales se conectan en cascada de una capa de nodos hasta la siguiente, pero generalmente no hacia atrás (no se deje engañar por el término "retropropagación", que es una manera de entrenar redes neuronales). Esta no es una norma marcada a fuego: las redes neuronales "recurrentes" sí tienen conexiones que van hacia atrás, lo que las ayuda a manejar estímulos que cambian con el tiempo. Pero ninguna de ellas utiliza la retroalimentación a una escala siquiera parecida a la del cerebro. En una parte bien estudiada de la corteza visual, dice el investigador de la Carnegie Mellon Tai Sing Lee, "sólo entre el 5% y el 10% de las sinapsis están pendientes de los estímulos de los ojos". El resto está atento a la retroalimentación procedente de niveles más altos en el cerebro.

Foto: Los cubos coloreados son útiles para hacer ilustraciones tridimensionales de varias estructuras y procesos neuronales, lo que da a los científicos el mapa más detallado de lo que realmente sucede en el cerebro. 

Hay dos teorías generales sobre para qué sirve la retroalimentación, dice Cox, y "una es la noción de que el cerebro está constantemente tratando de predecir sus propios estímulos". Mientras que la corteza sensorial está procesando este fotograma de la película, por así decirlo, los niveles más altos del cerebro están tratando de anticipar el siguiente fotograma y pasan hacia abajo sus mejores conjeturas a través de las fibras de retroalimentación.

Esta es la única manera con la que el cerebro puede lidiar con un entorno en rápido movimiento. Cox detalla: "Las neuronas son muy lentas. Pueden pasar hasta de 170 a 200 milisegundos desde que la luz llega a la retina para llegar, a través de todas las etapas de procesamiento, hasta el nivel de percepción consciente. En ese tiempo, el saque de la tenista Serena Williams viaja unos nueve metros". Así que cualquier persona que consiga devolver ese saque debe estar dándole a la raqueta por órdenes de una predicción.

Y si se está constantemente tratando de predecir el futuro, dice Cox, "entonces, cuando llegue el futuro de verdad, puedes adaptarte para hacer que tu siguiente predicción sea mejor". Esto encaja bien con la segunda teoría principal que está explorándose: que las conexiones de retroalimentación del cerebro están ahí para guiar el aprendizaje. De hecho, las simulaciones por ordenador muestran que el esfuerzo por mejorar obliga a cualquier sistema a construir modelos cada vez más precisos del mundo. Por ejemplo, "se tiene que averiguar qué forma tendrá una cara cuando se gira", explica Coz. Y afirma que eso podría ser una pieza clave del rompecabezas del aprendizaje humano.

El responsable detalla: "Cuando mi hija vio por primera vez un perro, no tuvo que aprender cómo funcionan las sombras, o cómo rebota la luz en las superficies". Ella ya tenía suficiente experiencia acumulada al respecto solo por vivir en el mundo. "Así que cuando concluyó: 'Eso es un perro', pudo añadir esa información a un enorme bagaje de conocimientos", añade.

Si estas ideas sobre la retroalimentación del cerebro son correctas, podrían aparecer en el mapa detallado de MICrONS de la forma y función de un cerebro. El mapa podría demostrar qué trucos usa el cableado neuronal para permitir la predicción y el aprendizaje. Y si ese fuera el caso, las nuevas aplicaciones de inteligencia artificial podrían imitar ese proceso.

Pero incluso entonces estaremos lejos de responder a todas las preguntas sobre el cerebro. Conocer los circuitos neuronales no responderá todas las preguntas. Hay formas de comunicación entre células que no pasan por las sinapsis, incluyendo algunas realizadas por hormonas y neurotransmisores que flotan en el espacio entre las neuronas. También está la cuestión de la escala. Por grande que pueda ser el salto que dé MICrONS, se trata tan solo de buscar en un pequeño pedazo de corteza pistas que puedan ser relevantes para la informática. Y el córtex es sólo la delgada capa externa del cerebro. Las funciones críticas de control y mando se realizan en estructuras cerebrales profundas como el tálamo y los ganglios basales.

La buena noticia es que MICrONS ya está allanando el camino para futuros proyectos que mapeen secciones más grandes del cerebro.

Gran parte de los 85 millones de euros recibidos se están gastando en tecnologías de recolección de datos que no tendrán que inventarse de nuevo, señala Vogelstein. Al mismo tiempo, los equipos de MICrONS están desarrollando técnicas de escaneo más rápidas, incluyendo una que elimina la necesidad de rebanar el tejido. El grupo de Carnegie Mellon, junto con equipos de Harvard, MIT y la Institución Oceanográfica de Woods Hole (EEUU), ha ideado una forma de etiquetar de manera única cada neurona con un sistema de "códigos de barras" y luego ver las células en gran detalle saturándolas con un gel especial que muy suavemente las infla hasta docenas o cientos de veces su tamaño normal.

"Así que el primer milímetro cúbico será difícil de recolecta, pero el siguiente será mucho más fácil", concluye Vogelstein, .

M. Mitchell Waldrop es un escritor independiente de Washington, DC (EEUU), autor de 'Complexity and The Dream Machine' y antes fue redactor en 'Nature' .