En este tercer post sobre el cerebro y las neurociencias entramos en temas que nos acercan a la cuestión básica de si todo en nuestro mundo es biológico y material o existen otros componentes de la realidad. La posibilidad de existencia de otras dimensiones todavía no descubiertas y de otras explicaciones todavía no formuladas, están siendo dejadas de lado por los neurocientíficos, que son en su mayoría fuertemente naturalistas. Recordamos lo dicho en el post anterior.
Una fórmula que se está abriendo camino, en ese sentido de buscar nuevas dimensiones de la realidad, no obstante, es la combinación de áreas de conocimientos como la naturaleza, el hombre y la máquina. Rafael Yuste entra en esta cuestión al hacer referencia a los avances recientes en el terreno de la Inteligencia Artificial y al comparar el aprendizaje humano con el aprendizaje de las máquinas.
Génesis de la memoria en el cerebro humano
En cuanto a la aparición de la memoria en el cerebro humano las explicaciones de Rafael Yuste son muy interesantes, subyugantes a veces. Comienza citando al alumno de Ramón y Cajal, Rafael Lorente de Nó (1902-1990), ya mencionado en posts anteriores, al que asigna la paternidad de la idea de que las neuronas se pueden conectar entre sí de forma recurrente.
Creía este investigador, que tuvo que exiliarse en la guerra civil española y que vivió y trabajó el resto de su vida en los Estados Unidos, que las neuronas dentro de una red tenían conexiones de ida y vuelta y se podía generar una situación de excitación permanente. Un fenómeno al final muy complejo y casi inabordable en términos de investigación neurocientífica, según Yuste, ya que lo que se produzca en el interior de una neurona puede transmitirse a muchas.
Donde sí se han atrevido a entrar en este terreno ha sido en la investigación sobre Inteligencia Artificial, y Yuste, en relación con estos procesos, hace una primera incursión en dicho campo de actividad. Menciona para ello al físico-matemático norteamericano John Hopfield (nacido en 1933) quien no se asustó ante la mencionada complejidad.
Hopfield, galardonado junto a Geoffrey Hinton (nacido en 1947), con el premio Nobel de Física de 2024 por sus trabajos sobre redes neuronales artificiales, es un físico teórico que se hizo famoso en los años 1980 por aplicar conceptos de la física y la computación a la biología y al estudio del cerebro. Su mayor aporte fue el desarrollo de la “red de Hopfield” (1982), un modelo matemático inspirado en la forma en que las neuronas se conectan y almacenan información en el cerebro.
Recogiendo directamente el texto de Yuste sobre la labor de Hopfield se puede entender mejor lo aportado por este notable físico: “si se tiene un circuito de neuronas conectadas entre sí con conexiones excitatorias, de una manera recurrente, y el circuito está completamente conectado, con cada neurona conectada con todas y cada una de las demás, entonces el circuito generará estados de actividad endógena, intrínseca”
Atractores neuronales
Son los “atractores neuronales”, según denominación acuñada por el propio Hopfield, los cuales atraen la actividad de las neuronas del circuito.
Unido a ello está la idea de “compleción” (completar, completo) que también utilizó Hopfield como propiedad importante de los atractores. Significa, sencillamente, que en un atractor cuando se activan un número de neuronas y comienzan a dispararse unas a otras terminan activándose todas. Lo que da lugar, y así lo demostró Hopfield, a la memoria.
Además de mencionar y utilizar la obra de Hopfield y Tinton situada en los años 80, recuerda la de Warren McCulloch (1898-1969) y Walter Pitts (1923-1969) quienes ya en un artículo publicado en1943, «Cálculo lógico de Ideas inherentes en la actividad nerviosa«, propusieron el primer modelo matemático de una red neuronal artificial.
Menciona también el perceptrón de Frank Rosenblatt (1928-1971) construido en 1960 en su versión de Mark I, el primer ordenador que podría aprender habilidades nuevas a prueba y error, utilizando un tipo de red neuronal artificial que simulaba el proceso de pensamiento humano.
En esas épocas ya existía actividad extensa en la programación de ordenadores con lenguajes lógicos (Fortran, por ejemplo, es de 1957 y COBOL de 1959) y la actividad de Inteligencia Artificial propiamente dicha surge en 1956. Hasta los años 80, como decimos, la programación fue simbólica y se basaba en la reproducción de la lógica humana y en la utilización del lenguaje en forma tal (transformación en cadenas de ceros y unos) que lo pudieran entender las máquinas.
El programador utilizando algoritmos e instrucciones le decía a las maquinas lo que tenían que hacer.
No se pasó a la programación basada en redes neuronales artificiales hasta los años 80 del siglo pasado y se debió en gran manera a la labor de Google y de Geoffrey Hinton, junto con varias otras empresas e investigadores. En este segundo tipo de programación las máuinas deciden, hasta cierto punto, lo que hacen, sobre todo en téminos de aprendizaje.
El aprendizaje de las máquinas
En los primeros tiempos del aprendizaje de las máquinas hubo tres personajes muy destacados responsables de la labor pionera en este terreno: Geoffrey Hinton, ya mencionado, Yann LeCun (nacido en 1960) y Yoshua Bengio (nacido en 1964). Los tres recibieron conjuntamente en 2018 el premio Turing (considerado el Nobel de la Informática).
Hay otros investigadores importantes en este campo, y todos juntos han sido responsables del Machine Learning (ML), Deep Learning (DL) y Reinforcement Learníng (RL). Las máquinas a través de esas formas de programar basadas en redes neuronales artificiales no solo aprenden sino que aprenden a aprender o aprenden solas.
El aprendizaje de las máquinas ha sido un paso impresionante que muchos no creíamos que se iba a producir tan pronto. Ha dado pie, por otra parte, a la Inteligencia Artificial Generativa, la cual nos impresiona a diario. Se está utilizando masivamente y los desarrollos que se anuncian nos dejan terriblemente impresionados.
Yuste dice que las redes neuronales humanas saben aprender y opina que del aprendizaje se pasa fácilmente a la consciencia y de esta, a ser conscientes de uno mismo y llegar al yo personal, solo hay un paso. Esto último depende todo de la corteza asociativa, de las redes neuronales, de los atractores y su compleción y de la intensificación de interconexiones en determinadas zonas de las redes neuronales.
Todo lo anterior según los autores mencionados, que son naturalistas y no creen que exista en nuestro mundo algo más que lo físico, lo biológico y, en definitiva, lo material. Algunos tenemos dudas al respecto y sobre ello indicaremos algo en el siguiente post.
Teoría de la Información Integrada
A esto último de los intercambios entre neuronas se refiere también la Integrated Information Theory de Giulio Tononi ya anunciada en estos posts.
Propone esta teoría que dentro de una red neuronal determinada hay zonas (o grupos de neuronas) que intensifican su relación y que la consciencia surge no del procesamiento de señales sino de la mayor integración de señales. Giulio Tononi (nacido en 1960), autor que hemos leído mucho, y citado en nuestros blogs, al igual que a su compañero y colaborador en algunos proyectos Christof Koch (nacido en 1956), son dos de los máximos investigadores actuales en este terreno. El primero es director del The Center for Sleep and Consciousness de la Universidad de Wisconsin-Madison, y el segundo, director científico del Instituto Allen para la Ciencia del Cerebro, ubicado en Seattle.
Estudiaron y comenzaron sus carreras como investigadores, con dos destacadas figuras de la medicina y la neurología. El primero con Gerald M. Edelman (1929-2014), premio Nobel de medicina de 1972, y el segundo con Francis Crick (1916-2004), premio Nobel de Medicina de 1962.
Edelman, después de dedicarse al estudio de las cadenas ligeras de los anticuerpos, se interesó por la conciencia y junto con su alumno Giulio Tononi publicó el libro, El universo de la conciencia: Cómo la materia se convierte en imaginación (Drakontos).
Crick, tras investigar sobre el ADN y descubrir la estructura helicoidal del mismo se pasó al estudio del cerebro y de la conciencia. Uno de sus libros lleva por título: La búsqueda científica del alma (Debate),
Los dos autores y sus colaboradores coinciden en considerar que la investigación en redes neuronales es fundamental en la neurociencia y en la psicología porque ayuda a comprender cómo la mente se apoya en mecanismos biológicos para generar procesos mentales, como la conciencia, la percepción y el pensamiento.
Correlatos neuronales
Ambos equipos han trabajado mucho en los “correlatos neuronales” que son los patrones de activación y conectividad neuronal que se asocian a un estado mental, proceso cognitivo, o conducta específica. Es un área de investigación muy activa porque en ella se pueden utilizar instrumentos tecnológicos como, la neuroimagen, la estimulación cerebral y otras.
Técnicas como la resonancia magnética funcional (fMRI), que mide la actividad cerebral basándose en el consumo de oxígeno, permiten observar estos procesos en tiempo real.
La estimulación magnética transcraneal (TMS) puede usarse para determinar el papel causal de un área cerebral en una tarea cognitiva.
Esto último según puede verse en Internet y es bien conocido desde hace años.
Lo neuronal y las neurociencias, en resumen, están avanzando a gran velocidad en los últimos años, relacionándose con tecnologías diversas y uniéndose intensamente a la Inteligencia Artificial. En el próximo y último post de esta serie trataremos de concluir lo que supone este proceso en términos de aspectos decisivos como la conciencia.
0 comentarios