Habrán notado que hoy es difícil dar un paso en la disciplina sin llevarse por delante el término “neurociencias”, y en particular el prefijo neuro siendo utilizado en asociación con las cosas más inverosímiles  –vayan a google, pongan “neuro” seguido de cualquier término que se les ocurra, y pasen un rato maravillándose con los resultados. Es comprensible, después de todo; los avances tecnológicos han posibilitado que esa línea de investigación se haya vuelto más accesible, y se trata del santo grial de la ciencia cognitiva: comprender acabadamente el funcionamiento del cerebro.

Ahora bien, dada la complejidad y dinamismo del cerebro, los métodos para su estudio son indirectos, es decir, inferimos su anatomía y funciones a través de aproximaciones algorítmicas y reconstrucciones que requieren cálculos estadísticos complejos. Sucede que la complejidad del cerebro es tanta que la mayoría de las aproximaciones son por fuerza indirectas y dependientes de métodos computacionales de análisis. Para proporcionar una escala de la complejidad: hay proyectos intentando trazar mapas de las conexiones cerebrales, lo que se denominan conectomas, pero hasta ahora el único conectoma completo que hemos podido trazar es el del nematodo, un gusano de un milímetro de longitud que tiene trescientas neuronas. El ser humano, en comparación, tiene diez mil millones de neuronas, que acumulan cien billones de conexiones sinápticas, por lo cual la posibilidad de trazar un conectoma completo del cerebro humano es remota, y aún en ese caso, el conectoma no sería una “fotografía” sino una inferencia probabilística de las conexiones (ya que éstas varían de individuo en individuo).

El problema es que no hay forma de verificar si estos métodos de investigación son confiables. Cuando vemos un fMRI, por ejemplo, lo que vemos no es una “foto” del estado del cerebro, sino una representación gráfica hecha por una computadora del consumo de oxígeno con ayuda de cálculos estadísticos. Y como hemos comentado aquí mismo, estos cálculos pueden dar lugar a resultados extraños (como sugerir que el cerebro de un salmón muerto se activa al ver imágenes de personas socializando), o a una alta tasa de errores (un investigador que entrevistamos descubrió que los softwares de análisis de fMRI pueden generar hasta un 70% de falsos positivos).

Dada la complejidad y dinamismo del cerebro, los métodos para su estudio son indirectos, es decir, inferimos su anatomía y funciones a través de aproximaciones algorítmicas

Todo esto es un prolegómeno para llegar a la investigación que queríamos compartirles hoy. Dos neurocientíficos notaron estos problemas metodológicos y escribieron un artículo cuyo abstract comienza así:

“Existe una creencia popular en neurociencia de que estamos principalmente limitados por los datos, y que producir conjuntos de datos grandes, multimodales y complejos podrá, con la ayuda de algoritmos avanzados de análisis de datos, llevar a insights fundamentales sobre la forma en que el cerebro procesa información. Estos conjuntos de datos no existen, y si existieran no tendríamos manera de evaluar si los insights algoríticamente generados serían suficientes o incluso correctos.”

En otras palabras: no importa qué cantidad de datos acumulemos, dada la complejidad e inaccesibilidad del cerebro, el problema es que no tenemos manera de comprobar si los métodos son fidedignos. Estos investigadores tuvieron entonces una idea extraordinariamente interesante e inútil: ¿qué pasaría si aplicáramos los métodos usuales de la neurociencia a un sistema del cual ya conocemos su funcionamiento? Estas comprobaciones de métodos son de hecho una práctica bastante habitual en investigación –por ejemplo en física los nuevos métodos y aparatos se suelen testear primero sobre cosas ya conocidas para ver si sus resultados son fiables.

Más concretamente, la investigación se planteó así: ¿si aplicáramos los métodos y técnicas computacionales usuales en neurociencia a un microprocesador, nos darían una representación fiel de su arquitectura y funcionamiento?

Si utilizando métodos análogos a los que se utilizan en investigación cerebral (trazado de conexiones, lesiones, estimulación de ciertas áreas, etc.) obtenemos un modelo similar al de la arquitectura del microprocesador, entonces podemos esperar que nuestros métodos quizá también sirvan aplicados al cerebro humano. Pero si nuestros métodos nos dan una imagen errónea con un microprocesador, quizá también nos den una imagen errónea del cerebro.

Artículo recomendado:  Los pacientes en estado vegetativo, ¿pueden reconocer a sus seres queridos?

Es una pregunta de investigación ampliamente discutible y criticable pero que en cualquier caso proporciona una experiencia interesante y bastante material para pensar.

La investigación

La investigación fue publicada en Plos Computational Biology (en este link está el artículo completo, es de acceso libre), y se titula ¿Puede un neurocientífico entender un microprocesador?

Para esto los investigadores tomaron un microprocesador bastante simple y de arquitectura bien conocida: el MOS 6502, un procesador diseñado en 1975 que se utilizó para las primeras computadoras Atari, Commodore, y Apple.

Al haber sido utilizado en aparatos tan populares se trata de un chip muy conocido en los circuitos especializados, al punto que un grupo de entusiastas llamado Visual6502, en un enternecedor ejercicio de curiosidad y nerdismo extremo, desarmaron el chip, capa por capa, escanearon las capas con un microscopio, reconstruyeron sus componentes y conexiones y con esas conexiones crearon una simulación digital del procesador y su funcionamiento (está online, pueden verlo en este link), una simulación tan bien hecha que de hecho se pueden ejecutar algunos videojuegos (como el Donkey Kong) usando ese microprocesador virtual.

 

El MOS 6502 está compuesto de 3510 transistores, que vendrían a ser los análogos de las neuronas del cerebro. Y dado que el funcionamiento de esos videojuegos es el resultado del funcionamiento del procesador, los investigadores los utilizaron como el análogo de la conducta de un organismo –digamos, así como las neurociencias estudian los efectos conductuales y cognitivos de las lesiones cerebrales, los investigadores pueden estudiar el efecto que genera sobre el funcionamiento de un videojuego el daño en alguno de los transistores que compone el microprocesador. Usaron 3 videojuegos (Donkey Kong, Space Invaders y Pitfall), como si cada uno fuera una “conducta” que el procesador ejecuta.

Resumimos: los científicos utilizaron, entre otros juegos, el Donkey Kong para evaluar métodos de neurociencia sobre una simulación virtual del microprocesador que se utilizó en las consolas Atari del 80 (si hacen silencio en este momento podrán escuchar a las legiones de nerds que están teniendo en este momento orgasmos en simultáneo por la lectura de esta oración).

Vendría a ser algo así como decirle a un par de neurocientíficos: “aquí está este procesador, estúdienlo con los métodos que utilizan cotidianamente en neurociencia y veremos si lo que encuentran coincide con lo que sabemos del microprocesador. Si coincide, consideraremos que sus métodos son útiles y fiables, si no coincide, ejerceremos cierta desconfianza.”

Veamos entonces cuáles fueron los resultados de aplicar estos métodos a un chip. Tengan en claro una cosa, por favor: vamos a estar simplificando las cosas, y mucho, en un intento de que el artículo sea más o menos fácil de leer. Si tienen dudas específicas, les sugerimos que vayan directamente al artículo, que es de acceso libre.

Los resultados

Los investigadores utilizaron varios métodos de investigación típicos en neurociencias, y en general los resultados no fueron alentadores.

Uno de los métodos para estudiar el microprocesador fue ingresar parte del cableado del microprocesador a un algoritmo de análisis que se emplea actualmente en neurociencias para identificar conexiones y tipos de neuronas. Los resultados fueron equívocos: si bien el método identificó correctamente algunas de las estructuras presentes, falló en encontrar otras, y resultó inútil para identificar la estructura jerárquica y el funcionamiento del chip.

Otro método que utilizaron fue uno muy típico en neurociencias: estudiar los efectos de lesiones cerebrales. Simplificado completamente, este método postula que si la lesión en un área genera un determinado efecto, se infiere que tal área está vinculada con ese efecto –por ejemplo, cuando se observó que las lesiones en la amígdala deterioran la capacidad de experimentar miedo, se postuló que la amígdala era el centro del miedo en el cerebro (algo que sabemos que no es así).

Artículo recomendado:  TDAH: Viviendo sin frenos

Un pequeño segmento de la actividad del procesador analizado mediante reducción de dimensionalidad (NMF) para Donkey Kong. 6 dimensiones reducidas. De “Puede un neurocientífico entender un microprocesador”

Los investigadores entonces “lesionaron” el chip, por medio de desactivar selectivamente determinados transistores y analizar sus efectos. El método dio como resultado la identificación de conjuntos de transistores que parecieron ser los responsables de cada juego, lo cual se podría interpretar clásicamente como “estos transistores son para el Donkey Kong, estos son para el Pitfall, etc.” El problema es que esto es falso, por supuesto. Sabemos que el chip no tiene transistores dedicados a cada juego, sino que cada conjunto de transistores ejecuta operaciones simples, y los juegos surgen del funcionamiento global del chip.

Esto es preocupante porque se trata de a) un chip bastante sencillo y b) un chip que se abordó con alguna noción verdadera de su estructura. El cerebro, en cambio, es aterradoramente complejo y desconocido.

Los investigadores utilizaron varios otros métodos computacionales que se utilizan actualmente, pero todos con el mismo resultado. Como afirmaron en una entrevista: “Lo que pudimos extraer fue increíblemente superficial. Pudimos ver que el procesador tiene un reloj y que algunas veces lee y escribe en la memoria. Estupendo, pero en el mundo real, este sería un conjunto de datos de millones de dólares”

Cerrando

A la pregunta que planteamos al principio (¿si aplicáramos los métodos y técnicas computacionales usuales en neurociencia a un microprocesador, nos darían una representación fiel de su arquitectura y funcionamiento?), la respuesta es un “no“. Los resultados señalaron algunas generalidades del procesador, pero no una comprensión significativa de su funcionamiento.

Esto es preocupante porque se trata de a) un chip bastante sencillo y b) un chip que se abordó con alguna noción verdadera de su estructura. El cerebro, en cambio, es aterradoramente complejo y desconocido.

En general, la investigación nos lleva a formular serias preguntas sobre la capacidad de estos métodos para producir un conocimiento significativo sobre el cerebro. La investigación sobre el procesador generó resultados muy similares a los que tenemos sobre el cerebro, pero esos resultados no permitieron entender el funcionamiento del chip, más allá de algunas generalidades.

Por supuesto, se puede objetar que no es posible generalizar los resultados de un chip a un cerebro. Citando a los autores: “Obviamente el cerebro no es un procesador, y una enorme cantidad de tiempo y esfuerzo han sido dedicados en el siglo pasado para caracterizar esas diferencias. Los sistemas neurales son análogos y biofísicamente complejos (…) Sin embargo, no podemos descartar la falla de los métodos que utilizamos en el procesador simplemente porque los procesadores son diferentes de los sistemas neurales” A eso podemos añadir, como escribe Elena Blanco-Suarez “este estudio ofrece evidencia adicional de que los cerebros no son computadoras. Definitivamente necesitamos una metáfora mejor”

Lo que esta investigación señala es la necesidad de ejercer cierta cautela y una saludable dosis de escepticismo con respecto a los métodos e interpretaciones de resultados en neurociencias. Eso, o que el Donkey Kong es el futuro de las neurociencias.

¡Nos leemos la próxima!

Recomendado: Entrevista a Eric Jonas, coautor del estudio ¿Puede un neurocientífico entender un microprocesador?

Dejar respuesta

Please enter your comment!
Please enter your name here

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.