Usa el modelo de red neuronal en la naturaleza debido a su robustez computacional al daño
Un doctorando de la Universidad de Salamanca ha descifrado el origen evolutivo del modelo computacional del sistema nervioso en los sistemas multicelulares: usa el modelo de red neuronal de la naturaleza debido a su robustez computacional al daño, una ventaja evolutiva clave para procesar información y desarrollar comportamientos activos.
El sistema nervioso en los sistemas multicelulares usa el modelo de red neuronal en la naturaleza -frente a otros posibles- debido a su robustez computacional al daño, según un estudio de la Universidad de Salamanca que publica la revista Natural Computing. Es el primer estudio en la historia en el que se descifra científicamente el origen evolutivo del modelo computacional del sistema nervioso.
Un doctorando de la Universidad de Salamanca ha descifrado el origen evolutivo del modelo computacional del sistema nervioso en los sistemas multicelulares: usa el modelo de red neuronal de la naturaleza debido a su robustez computacional al daño, una ventaja evolutiva clave para procesar información y desarrollar comportamientos activos.
El sistema nervioso en los sistemas multicelulares usa el modelo de red neuronal en la naturaleza -frente a otros posibles- debido a su robustez computacional al daño, según un estudio de la Universidad de Salamanca que publica la revista Natural Computing. Es el primer estudio en la historia en el que se descifra científicamente el origen evolutivo del modelo computacional del sistema nervioso.
Dentro de la teoría de la computación existen muchos modelos para procesar información. En cambio, los organismos multicelulares que necesitan procesar información para generar su comportamiento “únicamente usan el modelo de red neuronal”, explica el investigador en un comunicado de la citada universidad.
En este sentido, tomando como punto de partida que la variación se considera una de las características de la reproducción de los organismos, y dada la existencia de varios modelos computacionales distintos de la red neuronal, “debería haber organismos multicelulares que usaran modelos computacionales diferentes del de red neuronal. Sin embargo, no los hay”, incide.
La investigación demuestra que el modelo computacional de red neuronal tiene una característica que es, al mismo tiempo, una ventaja evolutiva y la causa de que sea seleccionado naturalmente frente a los modelos computacionales que no la tienen: la robustez computacional al daño.
Seis hipótesis
Hasta el momento, la neurociencia simplemente había asumido que el modelo de red neuronal era el adecuado para generar comportamiento en organismos multicelulares. No se había investigado el motivo de esa “no variabilidad” en los modelos computacionales usados en los sistemas nerviosos de estos organismos para ese fin.
Para llegar a los resultados, Miguel Tomé analizó primeramente las hipótesis actuales sobre el origen del sistema nervioso y constató, efectivamente, que sólo explicaban la necesidad de una capacidad de procesamiento de información para generar un comportamiento, sin profundizar en la cuestión de por qué, de entre los posibles modelos computacionales, se elige el modelo de red neuronal.
Al respecto, propuso seis hipótesis que argumentaran la selección por la naturaleza de este modelo sobre otros posibles. Para ver si una de ellas es realmente una ventaja evolutiva se “hacía necesario constatarla con otros modelos computacionales que mostrasen si es en verdad -o no- una ventaja evolutiva real”, señala.
Para ello, en la investigación definió tres modelos computacionales alternativos biológicamente plausibles. Tras analizar cada hipótesis frente a los cuatro modelos computacionales, solo una de las hipótesis se muestra como una clara ventaja evolutiva y es, además, algo de lo que carecen los tres modelos alternativos, pero que sí está presente en el modelo de red neuronal, “la robustez computacional al daño”.
Aporte significativo a la neurociencia
Considerando el resultado, “he formulado cuatro principios sobre la robustez computacional y su relación con la evolución del sistema nervioso”, explica el autor. Además de fijar la robustez computacional como una “ventaja evolutiva clave”, los principios determinan los “límites de robustez entre los que ésta puede variar en la evolución en base a la selección natural”. Estos resultados ayudan a tener una “visión más completa de la evolución del sistema nervioso en la naturaleza”, concluye Sergio Miguel Tomé.
En palabras del reconocido científico Rodolfo Llinás, neurofisiólogo internacional ocho veces honoris causa, la propuesta que presenta Sergio Miguel Tomé es “significativa porque trata una incógnita hasta ahora no planteada en las investigaciones sobre la evolución el sistema nervioso”, destaca.
Asimismo, Llinás recuerda que los estudios realizados en el pasado se relacionan con “los mecanismos de procesamiento informacional y su traducción en actividad intelectual y movimiento” y que, sin embargo, “poca importancia se le ha dado a la metodología por la cual tal información es computable por un sistema de redes neuronales”, aduce el neurofisiólogo.
En su opinión, el trabajo que presenta Sergio Miguel con referencia a la robustez computacional “define una variable importante en la evolución del sistema nervioso y, por ende, es un aporte significativo a la neurociencia”.
Además, destaca que su propuesta genera “un nuevo paso en la historia del estudio de las propiedades computacionales del sistema nervioso, originalmente iniciado por McCulloch y Pitts en el MIT en 1943. Y recuerda que el resultado de tal original propuesta en los años 40 fue “el desarrollo del ‘sistema conexionista’ que hoy ocupa un puesto importante en las teorías sobre función cerebral”. El aporte de Sergio Miguel Tomé, por lo tanto, añade un “nuevo e importante aspecto a tal proceso”, concluye el laureado científico en el ámbito de la Neurociencia.
Fuente TENDENCIAS 21