A Drosophila connectome prior enables adaptable embodied control
Este estudio demuestra que el uso del conectoma cerebral de la *Drosophila* adulta como un prior estructural fijo para el control encarnado permite una adaptabilidad y robustez superiores a través de diversas tareas de locomoción, morfologías corporales y complejidades ambientales en comparación con las redes neuronales artificiales estándar.
Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA de un preprint que no ha sido revisado por pares. No es consejo médico. No tome decisiones de salud basándose en este contenido. Leer descargo de responsabilidad completo
La inteligencia no es solo algo que sucede dentro de un cerebro; es una conversación entre un cuerpo y el mundo. Para que un animal se mueva, su sistema nervioso debe traducir constantemente lo que siente y ve en acciones que lo mantengan en equilibrio y avanzando. Este proceso, conocido como control corporalizado, es increíblemente difícil porque el mundo nunca es estático. Una criatura debe ajustar sus pasos cuando el suelo se vuelve irregular, girar bruscamente cuando aparece un depredador o acelerar cuando detecta comida. Aunque los ingenieros han construido robots que pueden caminar sobre terrenos accidentados, estos suelen depender de complejos programas informáticos que han sido entrenados específicamente para una forma de cuerpo o un tipo de entorno determinado. Si se cambian las patas del robot o la textura del suelo, el programa suele fallar. Esto plantea una pregunta fundamental para los científicos: ¿posee la forma específica en que está cableado un sistema nervioso biológico una capacidad especial de adaptación de la que carecen los sistemas artificiales? Para averiguarlo, los investigadores recurrieron a la mosca de la fruta, una criatura cuyo sistema nervioso ha sido mapeado con un detalle exquisito, hasta cada una de las conexiones entre sus células nerviosas.
Los investigadores tomaron el mapa completo de conexiones de un cerebro de mosca de la fruta adulta, conocido como conectoma, y lo utilizaron como el "cerebro" fijo para una simulación informática de una mosca digital. Esta mosca digital tenía un cuerpo con seis patas, sensores para sentir el suelo y músculos para moverse. El equipo no recableó el mapa cerebral; en su lugar, mantuvieron las conexiones exactamente como son en la naturaleza y solo enseñaron a la mosca cómo leer sus sensores y cómo enviar señales a sus músculos. Luego sometieron a esta mosca digital a una serie de pruebas, pidiéndole que caminara sobre terreno llano, escalara bloques de altura creciente, girara en diferentes direcciones y cambiara su velocidad. Compararon esta mosca, que utilizaba el mapa cerebral natural, con una mosca digital controlada por un programa de inteligencia artificial estándar diseñado para aprender desde cero.
Cuando las moscas caminaban sobre terreno llano a una velocidad constante, ambas se desempeñaban igual de bien. Esto demostró que el mapa cerebral natural no era inherentemente superior para tareas simples e invariantes. Sin embargo, en el momento en que la situación cambiaba, la diferencia se hacía evidente. Cuando la mosca digital tuvo que escalar bloques que medían casi medio milímetro de altura, la mosca con el mapa cerebral natural cruzó los obstáculos con éxito con mucha más frecuencia que la artificial. También se movía de forma más fluida, con un movimiento menos errático, y era mejor siguiendo los cambios de velocidad, como cuando se le pedía acelerar o frenar siguiendo un patrón específico. Cuando la mosca tenía que girar, el mapa cerebral natural le permitía reorientar su cuerpo con mayor precisión y con menos movimiento desperdiciado. El programa artificial luchaba por realizar estos ajustes, a menudo sobrepasando su objetivo o perdiendo el equilibrio.
Para entender por qué el mapa natural funcionaba mejor, los investigadores observaron dentro de la simulación cómo fluía la información. Descubrieron que, cuando la mosca encontraba un obstáculo difícil, el mapa cerebral natural activaba espontáneamente vías específicas que conectaban los sensores de las patas con los comandos motores. Estas vías, que incluyen neuronas que transportan señales hacia arriba desde el cuerpo y otras que transportan comandos hacia abajo desde el cerebro, parecían trabajar juntas de una manera coordinada que el programa artificial no podía replicar. El sistema natural parecía poseer una flexibilidad intrínseca, permitiéndole reclutar las partes adecuadas de la red para la tarea en cuestión sin necesidad de que se le ordenara explícitamente. Además, los investigadores descubrieron que el mapa cerebral natural era más robusto ante pequeños errores o cambios en sus ajustes, lo que sugiere que su estructura crea una base estable para el aprendizaje de nuevos comportamientos.
La parte más sorprendente del estudio llegó cuando los investigadores probaron si esta ventaja se mantenía cuando el propio cuerpo cambiaba. Tomaron el mismo mapa cerebral fijo de la mosca y lo conectaron a los cuerpos de animales simulados muy diferentes: una hormiga de cuatro patas, un robot de dos patas, un trípode de tres patas y un hexápodo de seis patas. En cada caso, el mapa cerebral que evolucionó para una mosca ayudó a los nuevos cuerpos a moverse mejor que los programas artificiales. La ventaja fue especialmente clara cuando los animales tenían que navegar por laberintos complejos. A medida que los laberintos se volvían más difíciles, con más giros y callejones sin salida, el controlador con cerebro de mosca era cada vez mejor encontrando el camino en comparación con los controladores artificiales. Aunque el cerebro de la mosca estaba diseñado para un insecto de seis patas, ayudó a un robot de dos patas a mantenerse erguido y a una hormiga de cuatro patas a correr más rápido y de forma más directa. El estudio sugiere que la configuración específica del cerebro de la mosca contiene un principio general de adaptabilidad que puede transferirse a diferentes formas corporales.
Este trabajo no pretende afirmar que podamos simplemente copiar el cerebro de una mosca y ponerlo en cualquier robot. Las simulaciones mostraron que el cableado natural proporciona un punto de partida sólido, o un "prior", que hace que el aprendizaje de nuevos movimientos sea más fácil y fiable. Los programas artificiales aún necesitaban aprender cómo leer los sensores y mover los músculos de sus nuevos cuerpos, pero aprendieron mucho más rápido y se desempeñaron mejor cuando partieron del mapa cerebral de la mosca que cuando partieron de cero. Los resultados sugieren que la evolución ha moldeado los sistemas nerviosos no solo para realizar tareas específicas, sino para proporcionar una estructura flexible que pueda manejar los cambios inesperados del mundo real. Al utilizar el cerebro de la mosca de la fruta como guía, los investigadores han demostrado que la forma en que se conectan las neuronas importa tanto como las neuronas mismas, ofreciendo un nuevo modelo para construir máquinas que puedan adaptarse a un mundo cambiante.
¿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.