[cerrar]

Comparta esta nota con un amigo

E-Mail de su amigo
Su nombre
Su E-Mail

–Mire, hoy tendría que hacer una página alusiva al 25 de Mayo, pero no se me ocurre nada y, además, la gente debe estar un poco saturada, así que publico esta charla con usted. Usted es el director del Instituto de Ingeniería Biomédica de la Facultad de Ingeniería de la UBA. Cuénteme qué es lo que hace allí..

–Este instituto surgió por iniciativa de Bernardo Houssay, con la idea de estudiar biología desde la ingeniería. Tenemos varios grupos. Hay uno que hace procesamiento de voz, otro que hace bioprótesis, otro hace procesamiento de señales biológicas... Mi subgrupo lo que hace es neuroingeniería.

–¿Y eso qué es?

–Nosotros hacemos modelos matemáticos para explicar conductas desde bases neurofisiológicas y eso se aplica a máquinas inteligentes. Para nosotros, entender conductas implica entender circuitos neuronales, así como en una computadora uno habla de circuitos de transistores... Antes de seguir con la oración, quisiera hacer una salvedad: el cerebro no tiene nada que ver con una computadora.

–Sin embargo, hay una tendencia que es modelar el cerebro según la computadora...

–Yo creo que esa tendencia está errada. Hay muchas diferencias. Yo puedo simular una teoría en la computadora, pero eso no tiene nada que ver con pensar que nuestro cerebro funciona como una computadora. Eso claramente no ocurre. Básicamente una computadora funciona de manera secuencial, mientras que el cerebro no. Si yo le digo a usted que reconozca la imagen de un ser querido, usted la reconoce en un tiempo cortísimo, en milisegundos. La razón es que nuestro cerebro procesa en paralelo: nosotros hacemos muy pocos pasos antes de reconocer una imagen. Nuestra memoria funciona de modo muy diferente; por ejemplo, la estimación de tiempo en una computadora se hace contando pulsos de un reloj (pulsos muy rápidos, del orden de los gigahertz). Nuestro cerebro no estima así...

–¿Cómo estima nuestro cerebro?

–Nadie lo sabe bien. Nosotros tenemos un grupo que estudia esto. Se parecería, en principio, a una integración en el tiempo.

–¿Y su grupo qué hace?

–Nosotros arrancamos por hacer un modelo matemático para explicar el condicionamiento operante. Esta es una conducta muy básica de los humanos: diría que gran parte de nuestro comportamiento diario está basado en encadenamientos de este tipo. El condicionamiento clásico es típico, como el ensayo de Pavlov con el perro: se le daba carne después de hacer sonar una campana durante varias veces y luego se verificaba que alcanzaba con hacer sonar la campana sin darle la carne para que el perro comenzara a salivar. El condicionamiento operante consiste en lo siguiente: si suena la campana, y yo respondo a eso entonces recibo el estímulo. El individuo debe operar sobre el entorno para recibir el refuerzo. A pesar de que esto es muy simple, sirve, por ejemplo, para hacer propagandas, o para que un chico que no controla esfínteres los empiece a controlar, o para cosas menos políticamente correctas, como saber cuándo pagarle a un obrero para que rinda más.

–Déme un ejemplo de conducta operante?

–Un ejemplo es, como le decía, el de los chicos que no controlan esfínteres de noche. Se les pone un aparatito tremendamente sencillo: es una chicharra, normalmente agarrada al piyama, con cables que van a la ropa interior del chiquito. Esto funciona como sensor: cuando el chico se hace pis, suena una chicharra que lo despierta. El chico, de día, no se hace pis: registra que la vejiga está llena y decide ir al baño. De noche no registra bien el estímulo. Lo que el chico debe hacer, entonces, es aprender a registrar el estímulo. Lo que debería ocurrir es que el chico, a la larga, aprenda cuál es el estímulo necesario para no relajar esfínteres y evitar el sonido de la chicharra. Lo que hicimos hace años fue un modelo para explicar condicionamiento operante válido para estímulos tanto apetitivos como aversivos. Queda claro en esto que los estímulos incondicionados no sólo son los primarios (como ser comida, sexo); para nosotros puede ser apetecible, por ejemplo, sacar una buena nota. En primera instancia hicimos esto y lo aplicamos a máquinas inteligentes, concretamente en lo que se llama “altruismo recíproco”. Esta es una conducta donde un individuo A hace algo que beneficia a un individuo B sin recibir ningún beneficio a cambio. A la larga el individuo B realiza algo que beneficia al individuo A sin recibir, tampoco, ningún beneficio. Un buen ejemplo es el de los vampiros: ellos consumen sangre y son individuos con un metabolismo muy alto. ¿Cómo funciona la cosa? Ellos necesitan comer todas las noches, pero no todas las noches que salen consiguen sangre. Los que cazan, cuando vuelven, comparten con los otros individuos. Ellos memorizan quién compartió con ellos y quién no, por lo tanto los individuos que aprenden a cooperar tienen más chances de sobrevivir que los que no. Esto lo usamos en algo muy sencillo: dos brazos robóticos debían aprender a cooperar para hacer una determinada tarea. Nosotros usamos modelos matemáticos que salen de la neurobiología y de la neurofisiología, y tratamos de reproducir en tiempo real conductas que los animales hacen a diario. O sea: comparamos segundo a segundo nuestro modelo con lo que hace un animal de laboratorio.

–¿Y eso cómo lo hacen?

–Tenemos las curvas de comportamiento de los animales y las comparamos con las de nuestros modelos. Estos modelos los hacemos con redes neuronales.

–Pero hay que controlar la red neuronal del animal segundo a segundo.

–En realidad, lo que yo mido es la salida. En este caso, tengo entradas que son estímulos condicionados (luces, sonidos) o estímulos incondicionados (aversivos o apetecibles) y tengo salidas: la conducta puede ser comer, saltar, rascarse, pararse en dos patas. Hecho de esta manera yo puedo reproducir exactamente lo que ocurre. Por ejemplo: yo en tiempo cero pongo un sonido. Espero a ver si en los siguientes diez segundos el animal responde de alguna manera, por ejemplo, saltando. Si salta, le doy comida. Yo puedo trazar, entonces, las curvas de aprendizaje para mi animal y para mi modelo.

–¿Y qué animales usan?

–Nosotros estamos asociados al IByME, y trabajamos con ratas. Ahora estamos estudiando conductas más complejas...

–¿Como por ejemplo?

–Una conducta más compleja es aprender categorizaciones. Por ejemplo, si yo digo que me compré un auto, usted me entiende, de la misma manera que usted me entiende si le digo “me compré un...” y saco una foto de un auto, o si digo que me compré un car. Es raro que uno entienda lo mismo de las tres maneras, pero eso ocurre para nosotros porque esos tres elementos forman una categoría. Nosotros definimos categoría como la aprendimos en el colegio: los elementos de una categoría son entre sí reflexivos, simétricos y transitivos. Lo que hicimos fue un modelo que aprende estas categorías desde bases neurofisiológicas.

–¿Cómo las aprende?

–Si bien nos interesa explicar el lenguaje, los experimentos que hacemos con ratas son más sencillos, sobre todo porque no tienen un lenguaje tan desarrollado como el nuestro. Lo que hacemos es lo siguiente: uno puede enseñarles categorías a los animales. Los humanos lo hacen, los monos pareciera ser que también y en las ratas hay controversias de los especialistas. Es muy simple. El protocolo tiene tres teclas: una central y dos al costado. Cada tecla se puede prender de color rojo o de color verde. Supongamos que en algún momento las tres teclas están prendidas. El animal lo que debe aprender es a tocar la tecla del costado que tiene el mismo color que la tecla del centro. Queda claro que el rojo a veces puede aparecer a la derecha y a veces a la izquierda. Este protocolo, que parece bastante simple, implica un cambio importantísimo en el aprendizaje. Aprender matching to semble implica aprender una función como la ex or. Es algo mucho más complejo, que un perceptrón no podría aprender...

–¿Un perceptrón? ¿Qué es un perceptrón?

–Una red neuronal muy simple, que se hizo a fines de los años ’50 y principios del ’60. Después se vio que si se ponen capas, aumenta muchísimo la capacidad de aprendizaje.

–Ahora, un animal pareciera tener categorías de entrada. Sabe lo que es comida y lo que no es comida. Sabe lo que es predador y lo que no es predador.

–Es que algunas cosas el animal las aprende y otras le vienen genéticamente, son instintivas. Los sapos, por ejemplo, escapan ante determinados tipos de sombra y ante otras no. El punto es que por estos condicionamientos el animal aprende qué es aversivo y qué no, y nosotros logramos explicar lo que es imitación, que es otro mecanismo de aprendizaje muy importante. Una gacela, por ejemplo, podría aprender que el león no es su mejor amigo porque se está comiendo a su hermanita. Lo que sale de estos modelos es realmente interesante. Los animales siempre tienden a una conducta egoísta, cosa que es esperable si el mecanismo más importante de aprendizaje es el condicionamiento operante: a mí lo que me conviene como individuo es tener siempre una conducta egoísta (porque es cuando recibo refuerzo). Supongamos esto: alguien nos pone presos a los dos; a mí me conviene decir que usted es el culpable y a usted, que yo soy el culpable.

–Pero la teoría de juegos demuestra que lo que conviene es cooperar.

–Claro, pero los animales no tienden a cooperar naturalmente. Los animales no tienden a cooperar, salvo en un caso específico. Se ponen dos pájaros. Cada uno opta por ser egoísta. Supongamos, por el contrario, que yo aumento la cantidad de comida que le voy a dar. No la puede comer, pero él ve que va a comer más. Cuando se hace esto, hay más chances de que los animales aprendan a cooperar. Esto tiene implicancias sociológicas importantes. Los individuos normalmente tendemos a actitudes egoístas. ¿Qué sucede si nosotros los educamos, si hacemos que desde chiquititos aprendan la ventaja de cooperar? Habrá más posibilidades de que, de adultos, tiendan a conductas cooperativas, que son las que le convienen a toda la sociedad.

Informe: Nicolás Olszevicki

leonardomoledo.blogspot.com