Retorno a Pong

Una placa Petri es un plato redondo y bajo que tiene una tapa. Es uno de los recipientes más utilizados para cultivar células que, si se mantienen en un medio de composición definida, a la temperatura adecuada, 37 ºC para las de mamíferos, se las proporciona oxígeno y alimentos, se eliminan los desechos y se evitan las contaminaciones con hongos o bacterias, pueden sobrevivir durante semanas y mostrar algunas de las características básicas de su funcionamiento normal.

Pong es uno de los videojuegos más antiguos y el primero que tuvo éxito comercial. Simula el tenis de mesa y el jugador controla una paleta que puede desplazar verticalmente arriba y abajo y con la que devuelve la pelota hacia el lado opuesto de la pantalla. El jugador puede competir contra otro que controla una segunda paleta en el lado contrario. El objetivo es que cada jugador devuelva la pelota siempre que pueda y gana el jugador más habilidoso, que provoca los fallos del contrincante y alcanza el primero once puntos.

Cortical Labs, una empresa de biotecnología, entrenó un cultivo de neuronas en una placa Petri para jugar a una versión simplificada de Pong. DishBrain, que así se llama el sistema, es un chip semi-biológico que combina células cerebrales humanas y de ratón cultivadas en el laboratorio con circuitos electrónicos.  La idea es integrar neuronas, que son esencialmente adaptativas, en un ecosistema digital, un combinado que puede funcionar de una manera diferente a un sistema puramente informático.

El principio de la energía libre es un marco teórico que sugiere que el cerebro reduce la sorpresa o la incertidumbre haciendo predicciones basadas en modelos internos y actualizándolos mediante la comparación con la información sensorial; es decir, con la información disponible sobre el mundo exterior. El objetivo del cerebro parece ser ajustar su modelo interno a la información del mundo externo para mejorar la precisión de las predicciones. Este principio integra la inferencia bayesiana con la inferencia activa, en la que las acciones se guían por predicciones y la retroalimentación sensorial las refina. Tiene amplias implicaciones para la comprensión de la función cerebral, la percepción y la acción.

La base de DishBrain es una matriz de microelectrodos de alta densidad capaz de registrar la actividad en las células cerebrales y de estimularlas con señales eléctricas. Las células del cultivo no responden a las señales visuales de una pantalla, sino a las señales eléctricas de los electrodos colocados en la placa Petri. Estos electrodos estimulan las células y registran los cambios en la actividad neuronal. A continuación, los investigadores convirtieron las señales de estimulación y las respuestas celulares en una representación visual del juego. Los electrodos de la izquierda o la derecha de una matriz se disparaban para indicar a Dishbrain en qué lado estaba la pelota, mientras que la distancia entre la paleta y la bola se codificaba mediante la frecuencia de las señales. La retroalimentación de los electrodos ayudaba a devolver la pelota y hacía que las células actuaran como si ellas mismas fueran la pala. De esta forma, los científicos han conseguido una interacción bidireccional entre las células cerebrales y los estímulos eléctricos formando un circuito retroalimentado. Esto ha permitido que las células cerebrales reciban información adaptada de los cambios en el mundo exterior, en este caso los movimientos de Pong, y respondan a ella, algo inédito hasta ahora en el uso de células cerebrales cultivadas en el laboratorio.

Este invento demuestra que unos cientos de miles de neuronas -y no hace falta todo el cerebro- son capaces de adaptarse y aprender y, en una afirmación polémica del grupo investigador, también de sentir. El uso de la palabra «sintiencia» fue una decisión controvertida, pero Brett Kagan, el Director Científico de la start-up Cortical Labs, dedicada a construir una nueva generación de chips informáticos-biológicos, dice que esperaba que su artículo fuera polémico. Aun así, considera que DishBrain, que entrena a las neuronas para aprender a jugar al Pong, las estimula con pequeñas descargas que favorecen o impiden la conectividad en función de si aciertan o fallan la bola, es una prueba de que las neuronas biológicas pueden aprovecharse para comprender mejor la inteligencia y recrearla virtualmente.

Para enseñar a las neuronas a golpear la pelota, Kagan y su equipo aprovecharon la teoría de que las neuronas tienden a repetir la actividad que produce un entorno predecible. Cuando las neuronas respondían de un modo que se correspondía con el golpeo de la pelota, se las estimulaba en un lugar y con una frecuencia iguales cada vez. Si fallaban, los electrodos estimulaban la red en lugares aleatorios y con frecuencias diferentes. Con el tiempo, las neuronas aprendieron a golpear la pelota para recibir la respuesta pautada en lugar de la aleatoria. Así, cuando se alcanza un objetivo (como golpear la pelota en una partida de Pong), las células reciben un estímulo predecible, pero si no logran el objetivo las células reciben un estímulo impredecible, lo que las impulsa a adaptarse y aprender a predecir el resultado deseado y evitar el estímulo indeseado.

Los investigadores encontraron que a los cinco minutos de juego DishBrain mostraba un aprendizaje aparente que no se detectaba en condiciones control. Los cultivos mostraban la habilidad para autoorganizar una actividad de una manera dirigida a un objetivo en respuesta a una información sensorial escasa que las retroalimentaba sobre las consecuencias de sus actos. Los autores lo llamaron inteligencia biológica sintética.

Al aprender a jugar Pong, el cultivo de neuronas se ha unido a cerdos a los que se enseñó a manipular joysticks con el hocico y a monos a los que se conectó para controlar el juego directamente con la mente. Los algoritmos de inteligencia artificial (IA) DeepMind de Google dominaron Pong hace años y han pasado a juegos de ordenador más sofisticados como StarCraft II.

Esta investigación es una prueba de concepto de que las neuronas de un cultivo pueden aprender y mostrar signos básicos de inteligencia, afirma Kagan. «En los libros de texto actuales, se piensa en las neuronas sobre todo en términos de sus implicaciones para la biología humana o animal», afirma. «No se piensa en ellas como un procesador de información, pero una neurona es este sistema asombroso que puede procesar información en tiempo real con un consumo de energía muy bajo». «Hemos demostrado que podemos interactuar con neuronas biológicas vivas de tal manera que las obligamos a modificar su actividad, lo que conduce a algo parecido a la inteligencia», afirma Kagan.

DishBrain es el pionero de una nueva generación de máquinas capaces de aprender nuevas habilidades, adaptarse al cambio y aplicar mecanismos antiguos a situaciones nuevas. Este chip semi-biológico podría ser la clave para el desarrollo de una nueva forma de inteligencia, que posibilitara la creación de sistemas adaptativos que mejoren constantemente sus prestaciones en términos de potencia de cálculo, memoria y energía. La definición de inteligencia también es objeto de acalorados debates; Kagan la define como la capacidad de recopilar información y aplicarla en un comportamiento adaptativo en un entorno determinado. El proyecto «DishBrain» está replanteando las fronteras de la inteligencia artificial y la neurobiología. Esta unión entre biología y tecnología nos brinda una visión de lo que podría ser el futuro de la inteligencia en máquinas: una sinergia perfecta de biología y electrónica.

Muchos modelos cibernéticos se basan en la idea que tienen los informáticos de cómo funciona el cerebro, en particular los basados en redes neuronales. Pero en realidad no sabemos cómo funciona el cerebro. No entendemos cómo los transmisores y receptores, las conexiones y los circuitos se transforman en pensamientos, sentimientos o acciones. Al construir un modelo neuronal vivo a partir de estructuras básicas, el grupo de Cortical Labs está intentando usar la función cerebral real en lugar de modelos más limitados e imperfectos como un ordenador. Las posibilidades futuras son infinitas. Kagan y su equipo, por ejemplo, han indicado que probarán a continuación  qué efecto tiene el alcohol cuando se introduce en el DishBrain, algo realmente fácil de hacer y de interés inmediato, pero que no tiene sentido en un modelo informático. De momento, el equipo investigador ha recibido una subvención de 600.000 dólares, desgraciadamente si pensamos en por dónde vienen los tiros, procedente de Defensa y la Oficina de Inteligencia Nacional australiana. La esperanza es que este nuevo tipo de inteligencia mejore el aprendizaje automático de tecnologías como los coches autoconducidos, los drones autónomos y los robots de reparto.

Para leer más:

• Kagan BJ, Kitchen AC, Tran NT, Habibollahi F, Khajehnejad M, Parker BJ, Bhat A, Rollo B, Razi A, Friston KJ (2022) In vitro neurons learn and exhibit sentience when embodied in a simulated game-world. Neuron 110(23): 3952-3969.
• Ledford H (2022) Neurons in a dish learn to play Pong — what’s next? Nature 610(7932): 433.
• Polo JD (2023) Dishbrain, el chip semi-biológico que fusiona inteligencia artificial y células cerebrales. Wwwhatsnew 28 de julio. https://wwwhatsnew.com/2023/07/28/dishbrain-el-chip-semi-biologico-que-fusiona-inteligencia-artificial-y-celulas-cerebrales/
• https://www.scienceinpublic.com.au/media-releases/dishbrain