¿Qué puede hacer un trozo de cerebro cultivado en una placa si se le plantea un reto típico de la ingeniería? En la Universidad de California en Santa Cruz un equipo ha conectado un «minicerebro» artificial a un experimento clásico y ha visto cómo el tejido mejoraba su rendimiento con la práctica.
Estos organoides cerebrales lograron controlar un péndulo invertido virtual, un problema clásico en robótica y aprendizaje por refuerzo. El trabajo, publicado en la revista Cell Reports y dirigido por Ash Robbins junto a Mircea Teodorescu y David Haussler, sugiere que incluso una red neuronal sencilla puede aprender a optimizar una tarea en movimiento.
Un problema de ingeniería que parece un truco de feria
El desafío se conoce como cart pole o problema del péndulo invertido. Imagina equilibrar una escoba en vertical sobre la palma de la mano mientras te desplazas a un lado y a otro, pendiente del ángulo para que no caiga.
En su versión digital un poste articulado se apoya en un carro que se mueve y el sistema debe mantenerlo erguido corrigiendo desviaciones en cada instante. Como solo importa que el poste no caiga este modelo se usa como estándar para poner a prueba sistemas de control en robótica y en inteligencia artificial.
Qué son los organoides cerebrales del experimento
Los organoides cerebrales son pequeños fragmentos de tejido nervioso generados a partir de células madre. En este estudio el grupo utilizó organoides de corteza de ratón con millones de neuronas que emiten impulsos eléctricos y reorganizan sus conexiones en función de los estímulos que reciben, sin llegar a formar una mente ni sensaciones conscientes.
Estos minicerebros son modelos simplificados del cerebro real y sirven para estudiar reglas de plasticidad neuronal, como explica la propia universidad en su nota de prensa. En este experimento los investigadores conectaron el organoide a una matriz de electrodos que le indicaba la inclinación del poste y convertía su actividad en órdenes de movimiento para el carro.
Cómo aprende el minicerebro a mantener el equilibrio
El truco no estaba solo en conectar el tejido sino en cómo se le entrenaba. El equipo usó impulsos eléctricos que se iban ajustando según el rendimiento, reforzando las respuestas útiles y cambiando las que tiraban el poste. Con ese esquema de retroalimentación adaptativa casi el 46 por ciento de los ciclos superaron el umbral fijado, frente a porcentajes mínimos cuando las señales eran aleatorias o no aportaban información.
Podemos moldear la red para resolver el problema si elegimos los estímulos de entrenamiento dijo Robbins. El equipo vio que ese aprendizaje duraba poco, porque después de 45 minutos sin actividad el rendimiento volvía a los valores iniciales. Aun así el experimento abre una vía para estudiar cómo se alteran estos procesos en trastornos como el alzhéimer el párkinson o la esquizofrenia. No todo depende de la inteligencia artificial.
El estudio principal se ha publicado en Cell Reports.
