INICIO FOROS ÍNDICES DIVISAS MATERIAS PRIMAS CALENDARIO ECONÓMICO

Autor Tema: Más allá de la inteligencia artificial: inteligencia biológica sintética  (Leído 427 veces)

Scientia

  • Administrador
  • Excelente participación
  • ***
  • Mensajes: 37.947
  • Karma: +0/-1
  • Sexo: Femenino
https://www.muyinteresante.es/historia/61495.html?fbclid=IwAR38CDtZ-eLnt87VGFzUHt5dHU1dsVhmqXTUJVkOzVNLv_n39R1DVcifKcU


Más allá de la inteligencia artificial: inteligencia biológica sintética
¿Qué pasaría si pudiéramos combinar redes neuronales vivas con sistemas informáticos? Un equipo de investigadores australianos ha desarrollado una forma de inteligencia biológica sintética que podría superar las limitaciones de la inteligencia artificial convencional.

La inteligencia artificial (IA) está de moda. Especialmente, aquellas formas de IA que pueden ser empleadas por usuarios de aparatos informáticos domésticos y sin la necesidad de una formación previa. Mientras sus defensores afirman que será un gran avance de cara al futuro y apuestan por su aplicación en más y más campos, sus detractores, también numerosos, plantean críticas muy bien justificadas, relacionadas con los derechos de autor de las fuentes con las que se alimentan estas IA, sobre la validez o la veracidad de sus resultados o sobre el riesgo de que se retroalimenten masivamente, magnificando sus propios sesgos —que los tienen—. Y todo ello, sin contar con el impacto ambiental de su uso, que no es baladí.

Las limitaciones de la inteligencia artificial
Más allá del debate legítimo sobre los ‘pros’ y ‘contras’ que rodea a la inteligencia artificial, ha de destacarse que esta tecnología, basada en sistemas neuronales de carácter exclusivamente informático, no es la única que presenta un gran potencial de computerización. Desde el desarrollo de los primeros sistemas informáticos que intentaban imitar el comportamiento humano, se ha probado el desarrollo de diversas formas de aproximación, cada vez más complejas. Y si bien el poder de computación aumenta de forma significativa con cada nuevo avance, lo cierto es que las llamadas ‘inteligencias artificiales’ están muy lejos de responder como auténticas inteligencias.

Ante una pregunta a ChatGPT o una solicitud a MidJourney, la aplicación se limita a seguir ciertos algoritmos que, a partir de unos datos de entrada y un sistema de reconocimiento de patrones, arrojan una respuesta acorde. Sí, en ocasiones, extraordinariamente complejo. Ninguna inteligencia artificial –al menos de momento– comprende lo que se le está indicando en los prompt, ni tampoco comprende la respuesta que arroja. Aunque algunas IAs han demostrado mayor capacidad de respuesta que los seres humanos ante ciertas tomas de decisión, éstas son siempre previsibles, y no son capaces de actuar de forma creativa. No imaginan nuevas respuestas posibles, se limitan a copiar respuestas preexistentes, si acaso, expresándolas de otro modo o combinando varias en una sola de forma más o menos coherente.

Tales limitaciones se deben a que, por mucho que una red neuronal artificial se parezca a un cerebro en su funcionamiento, dista mucho de serlo. Pero, ¿sería posible desarrollar un sistema que integre neuronas reales en sistemas digitales? Hablamos de una red de neuronas de mamífero —de humano, o tal vez de un roedor— desarrollada in vitro, y conectada e integrada, mediante una serie de electrodos, en una matriz de computación. Si fuese viable, teóricamente, este sistema podría lograr un rendimiento que no sería posible solo con silicio. Al fin y al cabo la evolución lleva miles de millones de años desarrollando una verdadera inteligencia en multitud de seres vivos.

Integrar sistemas de computación con redes neuronales vivas ya es posible
Este es el planteamiento que un grupo de investigadores del Laboratorio Cortical de la Universidad de Melbourne (Australia) ha tratado de desarrollar, bajo el liderazgo del profesor Brett J. Kagan. Su objetivo: establecer redes neuronales in vitro a partir de células madre embrionarias y células totipotentes, tanto de ratón como humanas, en matrices de electrodos de alta densidad para desarrollar con ellas una auténtica inteligencia biológica sintética.

DishBrain, que es el nombre que ha recibido el proyecto —traducido literalmente como ‘cerebro emplatado’—, busca entender si las células cerebrales pueden comportarse de manera inteligente y coordinada en un entorno simulado. Para ello, el sistema usa una especie de lenguaje eléctrico para comunicarse con las células cerebrales y enseñarlas a aprender de su entorno y tomar decisiones inteligentes, empleando el juego Pong, uno de los primeros videojuegos desarrollados por Atari, en 1927, que emula al tenis de mesa.

'DishBrain', una red neuronal biológica sintética
Los resultados de este experimento, publicados en la prestigiosa revista Neuron, muestran que las neuronas del DishBrain pueden responder adaptativamente a estímulos externos, lo que resulta fundamental para el aprendizaje animal. En el estudio, los investigadores destacan la importancia de la retroalimentación y la capacidad de adaptación en la plasticidad neuronal.

Además, tras las pruebas realizadas, el estudio señala que las neuronas humanas parecen tener una capacidad de procesamiento de información superior a las de los ratones. El sistema DishBrain representa un avance importante en la creación de entornos de bucle cerrado para redes neuronales biológicas sintéticas y ofrece oportunidades para investigar la computación neuronal.

Aunque los investigadores reconocen que se requiere trabajo futuro, este sistema abre nuevas puertas a la investigación, con vistas a explorar las posibilidades computacionales empleando neuronas vivas, que puedan aprender de manera adaptativa en interacción con su entorno, avanzando hacia una inteligencia biológica sintética, más allá de la inteligencia artificial al uso.

Referencias:
Dobrev, D. 2012. A Definition of Artificial Intelligence. ArXiv, abs/1210.1568.
Kagan, B. J. et al. 2022. In vitro neurons learn and exhibit sentience when embodied in a simulated game-world. Neuron, 110(23), 3952-3969.e8. DOI: 10.1016/j.neuron.2022.09.001