No existe una computadora ni remotamente tan poderosa y compleja como el cerebro humano. Los bultos de tejido alojados en nuestros cráneos pueden procesar información en cantidades y velocidades que la tecnología informática apenas puede alcanzar.
La clave para el éxito del cerebro es la eficiencia de la neurona a la hora de servir como procesador y dispositivo de memoria, en contraste con las unidades físicamente separadas en la mayoría de los dispositivos informáticos modernos. Ha habido muchos intentos de hacer que la informática se parezca más al cerebro, pero un nuevo esfuerzo va un paso más allá: integrando tejido cerebral humano real con la electrónica.
Se llama Brainoware y funciona. Un equipo dirigido por el ingeniero Feng Guo de la Universidad de Indiana en Bloomington lo alimentó con tareas como el reconocimiento de voz y la predicción de ecuaciones no lineales.
Era ligeramente menos preciso que una computadora de hardware puro que funcionaba con inteligencia artificial, pero la investigación demuestra un primer paso importante en un nuevo tipo de arquitectura informática. Sin embargo, aunque Guo y sus colegas siguieron las pautas éticas en el desarrollo de Brainoware, varios investigadores de la Universidad Johns Hopkins señalan en un comentario relacionado de Nature Electronics la importancia de tener en cuenta las consideraciones éticas al expandir aún más esta tecnología.
Lena Smirnova, Brian Caffo y Erik C. Johnson, que no participaron en el estudio, advierten: “A medida que aumenta la sofisticación de estos sistemas organoides, es fundamental que la comunidad examine la gran cantidad de cuestiones neuroéticas que rodean a los sistemas bioinformáticos incorporando tejido neural humano”.
El cerebro humano es algo increíblemente asombroso. Contiene aproximadamente 86 mil millones de neuronas, en promedio, y hasta mil billones de sinapsis. Cada neurona está conectada a hasta 10.000 otras neuronas, activándose y comunicándose constantemente entre sí. Hasta la fecha, nuestro mejor esfuerzo por simular la actividad del cerebro en un sistema artificial apenas ha arañado la superficie.
En 2013, la computadora K de Riken, entonces una de las supercomputadoras más poderosas del mundo, intentó imitar el cerebro. Con 82.944 procesadores y un petabyte de memoria principal, se necesitaron 40 minutos para simular un segundo de la actividad de 1.730 millones de neuronas conectadas por 10,4 billones de sinapsis, aproximadamente sólo entre el 1 y el 2% del cerebro.
En los últimos años, científicos e ingenieros han intentado acercarse a las capacidades del cerebro mediante el diseño de hardware y algoritmos que imitan su estructura y su forma de funcionar. Conocida como computación neuromórfica, está mejorando, pero consume mucha energía y el entrenamiento de redes neuronales artificiales lleva mucho tiempo.
Guo y sus colegas buscaron un enfoque diferente utilizando tejido cerebral humano real cultivado en un laboratorio. Se convenció a las células madre pluripotentes humanas para que se desarrollaran en diferentes tipos de células cerebrales que se organizaban en minicerebros tridimensionales llamados organoides, completos con conexiones y estructuras.
Estos no son verdaderos cerebros, sino simplemente disposiciones de tejido sin nada que se parezca a pensamiento, emoción o conciencia. Son útiles para estudiar cómo se desarrolla y funciona el cerebro, sin necesidad de hurgar en un ser humano real.
Brainoware consiste en organoides cerebrales conectados a una serie de microelectrodos de alta densidad, utilizando un tipo de red neuronal artificial conocida como computación de reservorio. La estimulación eléctrica transporta información al organoide, el reservorio donde se procesa esa información antes de que Brainoware escupe sus cálculos en forma de actividad neuronal.
Se utiliza hardware informático normal para las capas de entrada y salida. Estas capas tuvieron que ser entrenadas para funcionar con el organoide, con la capa de salida leyendo los datos neuronales y haciendo clasificaciones o predicciones basadas en la entrada. Para demostrar el sistema, los investigadores dieron a Brainoware 240 clips de audio de ocho hablantes masculinos que emitían sonidos de vocales japonesas y le pidieron que identificara la voz de un individuo específico.
Comenzaron con un organoide ingenuo. Después de entrenar durante sólo dos días, Brainoware pudo identificar al hablante con un 78% de precisión.
También le pidieron a Brainoware que predijera un mapa de Hénon, un sistema dinámico que muestra un comportamiento caótico. Lo dejaron sin supervisión para que aprendiera durante cuatro días (cada día representaba una época de entrenamiento) y descubrieron que era capaz de predecir el mapa con mayor precisión que una red neuronal artificial sin una unidad de memoria a corto plazo.
Brainoware era ligeramente menos preciso que las redes neuronales artificiales con una unidad de memoria a corto plazo, pero cada una de esas redes había pasado por 50 épocas de entrenamiento. Brainoware logró casi los mismos resultados en menos del 10% del tiempo de entrenamiento.
“Debido a la alta plasticidad y adaptabilidad de los organoides, Brainoware tiene la flexibilidad de cambiar y reorganizarse en respuesta a la estimulación eléctrica, destacando su capacidad para la computación adaptativa de reservorios”, escriben los investigadores.
Todavía existen limitaciones importantes, incluida la cuestión de mantener vivos y saludables los organoides y los niveles de consumo de energía de los equipos periféricos. Pero, teniendo en cuenta consideraciones éticas, Brainoware tiene implicaciones no sólo para la informática, sino también para la comprensión de los misterios del cerebro humano.
“Pueden pasar décadas antes de que se puedan crear sistemas bioinformáticos generales, pero es probable que esta investigación genere conocimientos fundamentales sobre los mecanismos del aprendizaje, el desarrollo neuronal y las implicaciones cognitivas de las enfermedades neurodegenerativas”, escriben Smirnova, Caffo y Johnson.
“También podría ayudar a desarrollar modelos preclínicos de deterioro cognitivo para probar nuevas terapias”.
La investigación ha sido publicada en Nature Electronics.
Fuente: Science Alert.
