A Drosophila Whole-Connectome Network Can Learn Human-Designed Cognitive Tasks
Este estudio demuestra que el cableado anatómico fijo de un conectoma de *Drosophila* macho sirve como un sustrato computacional eficaz para el aprendizaje de tareas cognitivas diseñadas por humanos, tales como la adición acotada y el lenguaje relacional fundamentado, superando significativamente a las redes con reconfiguraciones aleatorias.
Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
El cerebro humano es descrito a menudo como el objeto más complejo del universo conocido, una red enmarañada de miles de millones de células que nos permite pensar, movernos y hablar. Durante décadas, los científicos han intentado mapear este cableado, creando diagramas detallados llamados conectomas que muestran exactamente qué neuronas están conectadas con cuáles. Estos mapas se estudian habitualmente para comprender cómo el cerebro controla el cuerpo, como por ejemplo cómo una mosca ve una flor o cómo un humano levanta una taza. Pero una nueva línea de investigación plantea una pregunta más audaz: si tomas el diagrama de cableado físico de un cerebro y lo utilizas como el esqueleto para un programa informático, ¿puede ese programa aprender cosas que el animal nunca evolucionó para hacer? Es una prueba de si la forma específica de las conexiones biológicas posee un poder secreto que las conexiones aleatorias no tienen.
Investigadores del Instituto de Ciencia y Tecnología de Corea Avanzada decidieron probar esta idea utilizando el sistema nervioso completo de una sola mosca de la fruta macho. Tomaron el mapa disponible públicamente de este cerebro de mosca, que contiene más de 166.000 neuronas y casi 26 millones de conexiones, y lo utilizaron como la estructura fija para una red artificial. No intentaron simular los pensamientos o movimientos reales de la mosca. En su lugar, entrenaron este esqueleto biológico para resolver dos tareas que no tienen nada que ver con las moscas de la fruta: sumar números y comprender un lenguaje sencillo sobre eventos sensoriales. En la primera tarea, la red tenía que aprender a sumar dos números, donde la suma nunca excedía el cien. En la segunda, tenía que escuchar una descripción de dos sensaciones físicas, como una presión fuerte en una pata seguida de un movimiento débil, y luego emparejar correctamente esa descripción con el evento, incluso cuando el orden de los eventos se invertía.
Para ver si el cableado específico de la mosca importaba, los científicos crearon un grupo de control. Tomaron el mismo número de neuronas y conexiones, pero reorganizaron los enlaces de forma aleatoria, manteniendo únicamente el número de conexiones que cada neurona tenía. Esto creó un cerebro "recableado" que era estadísticamente similar, pero carecía de las vías específicas evolucionadas de la mosca real. Cuando entrenaron la red de la mosca real en la tarea de suma, tuvo éxito con una alta precisión, obteniendo la respuesta correcta casi el 93 por ciento de las veces en problemas nuevos que nunca había visto antes. Las redes aleatorias y recableadas tuvieron dificultades significativas, logrando solo un 68 por ciento de precisión. La diferencia fue sustancial, sugiriendo que la disposición específica del cerebro de la mosca proporcionaba una ventaja oculta para el aprendizaje de las matemáticas, a pesar de que la propia mosca no hace matemáticas.
Los resultados fueron aún más sorprendentes con la tarea del lenguaje. Aquí, la red tenía que conectar entradas sensoriales con palabras, aprendiendo que un patrón específico de señales significaba "presión fuerte" y que esto ocurría "antes" de un "movimiento débil". Los investigadores probaron la red de cuatro maneras diferentes, cambiando dónde entraba la información sensorial al cerebro y dónde salían las palabras, para asegurar que los resultados no fueran solo un golpe de suerte de una configuración específica. En todas estas pruebas, la red construida sobre el cerebro real de la mosca superó consistentemente a las versiones recableadas. En la prueba más difícil, que requería que la red emparejara correctamente una escena con su descripción y también la escena invertida con su descripción invertida, el cerebro real logró una puntuación de aproximadamente el 62 por ciento, mientras que las versiones aleatorias promediaron solo un 44 por ciento. En una comparación más amplia que involucró veinte recableados aleatorios diferentes, el cerebro de la mosca real ocupó el primer lugar, venciendo a cada uno de ellos.
Crucialmente, el estudio demostró que esta ventaja no se debía solo a tener el número correcto de conexiones. Los investigadores descubrieron que el éxito del cerebro real dependía en gran medida de la alineación entre las entradas sensoriales y las partes específicas del cerebro a las que estaban conectadas. Cuando desordenaron las señales sensoriales de modo que la entrada ya no coincidía con el cableado natural, el rendimiento del cerebro real colapsó, cayendo de aproximadamente un 61 por ciento a solo un 19 por ciento. Esto demostró que la estructura del cerebro no era solo un contenedor genérico para el aprendizaje; era una máquina especializada donde la ubicación física de las entradas importaba profundamente. Las redes aleatorias, al carecer de esta alineación específica, no pudieron recuperarse de la confusión.
Los hallazgos sugieren que la forma en que un cerebro está cableado contiene un plano reutilizable para el aprendizaje, un sesgo inductivo que ayuda a resolver problemas de manera eficiente. Esto no significa que el cerebro de la mosca sea una computadora universal que pueda hacer cualquier cosa. La red todavía necesitaba ser entrenada desde cero, y no podía aprender sin las entradas sensoriales correctas. Sin embargo, el estudio demuestra que la disposición biológica de los bordes en un conectoma es más que un registro del pasado de un animal; es una arquitectura funcional que puede ser reutilizada para tareas cognitivas diseñadas por humanos. Las vías específicas que evolucionaron para que una mosca navegue por su mundo también proporcionan una ventaja inicial para una computadora que intenta aprender aritmética y lenguaje, un descubrimiento que desafía la idea de que el cableado biológico es útil únicamente para los comportamientos para los que evolucionó originalmente.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.