¿Qué es exactamente lo que dota al cerebro humano de la capacidad para el lenguaje, la imaginación, las matemáticas y la invención? Durante décadas, la respuesta de la comunidad científica se centró en la escala. El paradigma dominante sostenía que el secreto de nuestra inteligencia radicaba principalmente en la cantidad: los casi 100.000 millones de neuronas que albergamos y la inmensa red de conexiones sinápticas que tejen entre sí.
Sin embargo, una nueva investigación publicada en la revista Proceedings of the National Academy of Sciences (PNAS) propone un cambio de enfoque radical. La respuesta a nuestra singularidad cognitiva podría encontrarse a una escala microscópica: en el asombroso poder computacional de cada célula cerebral individual.
El estudio revela que las neuronas de la corteza humana son unidades de procesamiento de información —verdaderos "microchips" biológicos— significativamente más complejas que las de otros mamíferos. Este descubrimiento sugiere que los bloques fundamentales de nuestra corteza cerebral son excepcionalmente potentes por sí mismos, lo que ofrece una nueva explicación sobre cómo nuestra especie desarrolló habilidades cognitivas tan excepcionales.
MÁS ALLÁ DEL SIMPLE INTERRUPTOR
La investigación fue liderada por los profesores Idan Segev y Mickey London, junto con los investigadores doctorales Ido Aizenbud y Daniela Yoeli, todos ellos pertenecientes al Centro Edmond y Lily Safra para las Ciencias del Cerebro (ELSC) de la Universidad Hebrea de Jerusalén. El trabajo contó además con la colaboración del profesor Chris de Kock, de la Universidad Libre de Ámsterdam.
"La gente suele pensar en una neurona como un simple interruptor que se enciende o se apaga", explicó el profesor Segev. "Lo que nosotros demostramos es que una sola neurona humana es, en sí misma, un dispositivo informático extraordinariamente sofisticado".
Para llegar a esta conclusión, el equipo científico tuvo que desarrollar una metodología inédita que permitiera medir la complejidad computacional de las neuronas de forma aislada.
MIDIENDO LO INMEDIBLE
El enfoque metodológico del equipo combinó modelos informáticos avanzados con inteligencia artificial (IA). Los investigadores se plantearon un desafío fascinante: evaluar qué tan difícil sería para una red neuronal artificial (ANN) de última generación aprender y replicar el comportamiento de entrada y salida (input/output) de una única célula cerebral biológica.
La premisa era clara: cuanto más le costara a la red artificial "gemela" imitar la función de la neurona, mayor sería el poder computacional intrínseco de esa célula biológica.
Los resultados fueron reveladores. Las neuronas corticales humanas demostraron tener una ventaja computacional notable. Gracias a sus árboles dendríticos profusamente ramificados y a sus propiedades eléctricas distintivas, estas células son capaces de realizar cálculos sorprendentemente complejos sobre la información que reciben. Pueden, por ejemplo, procesar inputs visuales de alta complejidad, como distinguir entre imágenes de perros y gatos, a nivel unicelular.
Esto destierra la idea de la neurona como un bloque de construcción pasivo o binario. Según el estudio, una sola neurona cortical humana posee capacidades computacionales equivalentes a las de una red neuronal profunda (deep neural network) entera.
IMPLICANCIAS
Este hallazgo no solo sacude los cimientos teóricos de la neurociencia tradicional —que atribuía el surgimiento de la inteligencia casi exclusivamente a la red de conexiones—, sino que redefine nuestra comprensión de la evolución evolutiva. Sugiere que el refinamiento evolutivo no solo ocurrió a nivel macro (agregando más neuronas), sino a nivel micro, optimizando la sofisticación interna de las células.
El impacto de este descubrimiento se ramifica principalmente en dos grandes áreas. En el ámbito de las ciencias cognitivas, el estudio proporciona un nuevo marco sistemático y general para vincular la estructura física de las células cerebrales con sus habilidades de procesamiento. Este avance acerca a los científicos, un paso más, a comprender de qué manera el cerebro físico da origen a fenómenos tan complejos como el pensamiento, el aprendizaje y la cognición.
Por otro lado, en el campo tecnológico, esta investigación tiene el potencial de inspirar a una nueva generación de inteligencia artificial. Los futuros desarrollos podrían construirse a partir de unidades artificiales que sean, por sí mismas, computacionalmente profundas y potentes, asemejándose mucho más al funcionamiento real de las neuronas biológicas. Esto representaría un salto drástico, alejando a la industria de las unidades altamente simplificadas que constituyen la base de los actuales sistemas de machine learning de vanguardia.
Al entender que cada una de nuestras neuronas es una supercomputadora en miniatura, la ciencia da un paso gigante hacia la comprensión de la mente humana. Si el secreto de nuestra inteligencia reside en este nivel de detalle, el futuro de la medicina neurológica, la psiquiatría y la tecnología artificial acaba de abrir una puerta hacia un terreno inexplorado y prometedor.
COMPUTACION NEUROMORFICA
Para materializar la nueva generación de inteligencia artificial inspirada en la asombrosa complejidad de nuestras células, la ciencia ya está dando pasos firmes hacia la creación de hardware que logre replicar la arquitectura física del cerebro. En esta transición hacia tecnologías más biológicas cobra un protagonismo vital la computación neuromórfica, un paradigma que busca abandonar la separación tradicional entre memoria y procesamiento para integrarlos en un mismo sustrato, tendiendo así el puente definitivo para fabricar circuitos electrónicos que emulen el intrincado comportamiento de las redes neuronales y sus sinapsis.
Con este enfoque, un dispositivo electrónico fue desarrollado por una red internacional de investigadores, con la participación de Victor Lopez-Richard, profesor titular del Centro de Ciencias Exactas y Tecnología de la Universidad Federal de São Carlos (CCET-UFSCar), en Brasil. El resultado, publicado en Nature Communications, constituye una importante contribución al desarrollo de la computación neuromórfica.
A diferencia de las computadoras convencionales, en las que el procesamiento y la memoria están separados, la computación neuromórfica busca integrar ambas funciones en un mismo sustrato físico, de forma similar a las sinapsis biológicas.
“El dispositivo se basa en la interfaz entre dos óxidos: óxido de lantano y aluminio y titanato de estroncio. En esa interfaz se forma un gas cuasibidimensional de electrones, que actúa como canal conductor y puede modularse eléctricamente. El resultado es, esencialmente, un transistor, pero que también puede desempeñar las funciones de memristor y memcapacitor”, informa Lopez-Richard.
El transistor es el componente que controla el paso de la corriente eléctrica en un circuito, funcionando como interruptor o amplificador; el resistor es el componente que dificulta el paso de la corriente; y el capacitor es el componente que almacena carga eléctrica y la libera posteriormente. En el dispositivo desarrollado, estas funciones no aparecen de forma aislada, sino combinadas y con un elemento adicional: la memoria. Así, además de transistor, la pieza puede funcionar como memristor -un resistor cuya resistencia depende del historial de señales aplicadas- y como memcapacitor, un capacitor cuya capacitancia también depende de la historia del sistema.
Esta dependencia del pasado es lo que aproxima estos componentes al comportamiento de las sinapsis. Además, el dispositivo posee una arquitectura y un funcionamiento poco convencionales. “En cuanto a la arquitectura, la particularidad es que posee puertas de control en los laterales, en lugar de la configuración tradicional, con la gate sobre el canal, que se encuentra en los MOSFET convencionales”, explica Lopez-Richard.
El MOSFET (metal-oxide-semiconductor field-effect transistor, por sus siglas en inglés) es un tipo de transistor utilizado para controlar, amplificar o conmutar señales eléctricas. Con tres terminales principales —gate (puerta), que controla el dispositivo; source (fuente), por donde ingresan los electrones; y drain (drenaje), por donde salen los electrones—, funciona como una especie de “grifo eléctrico”. La tensión aplicada a la puerta determina si la corriente puede o no fluir entre la fuente y el drenaje.
El dispositivo objeto del estudio posee una configuración diferente.
En cuanto a su funcionamiento, se trata de un dispositivo analógico en un mundo dominado por lo digital. “El funcionamiento analógico permite operar en múltiples estados intermedios, en lugar de limitarse a dos estados —encendido o apagado—, como ocurre con los transistores digitales convencionales”, explica el investigador.
Un punto central del trabajo es la identificación del mecanismo físico responsable de la memoria. Aunque el gas bidimensional de electrones es esencial para la conducción, no es el principal portador de la memoria. “Ese gas interfiere en la memoria, pero la variable de estado que define el efecto de memoria son las cargas almacenadas en las puertas laterales. Son ellas las que controlan el canal de conducción”, afirma Lopez-Richard. Esta acumulación ocurre de forma gradual y controlada, modulando el canal conductor mediante efectos electrostáticos. Se trata de un mecanismo diferente del que suele atribuirse a los dispositivos con memoria, basado en la migración de vacancias de oxígeno.
La principal novedad del trabajo es el llamado polimorfismo electrónico, es decir, la capacidad de un único dispositivo para asumir diferentes funciones. El cambio de función depende únicamente de la forma en que se realiza la conexión eléctrica. “Basta con conectar o desconectar alguna puerta para que la función cambie”, resume el investigador. Según los autores, la integración de funciones puede reducir significativamente el número de interconexiones y el consumo de energía, dos de los principales cuellos de botella de la computación actual.
El estudio demostró la eficacia del dispositivo en distintas funcionalidades inspiradas en el cerebro: reservoir computing, es decir, la capacidad de reconocer patrones simples, como dígitos del 0 al 9 en imágenes de baja resolución, aprovechando la no linealidad y la memoria de corto plazo; plasticidad sináptica, que es la capacidad de reforzar temporal o permanentemente una respuesta tras estímulos repetidos, como ocurre durante el aprendizaje; y lógica reconfigurable, que consiste en realizar y almacenar operaciones lógicas, como “and”, “or” y “not”, directamente en el propio dispositivo, sin necesidad de memoria externa. Además, los análisis indican un consumo energético por operación del orden de unos pocos nanojules, inferior al de arquitecturas convencionales equivalentes.
EN ETAPA INICIAL
A pesar del avance, los autores destacan que el trabajo aún se encuentra en una etapa inicial. “Lo que estamos presentando ahora son pruebas de concepto, dentro del ámbito de la investigación básica. Para llegar a un producto comercial, tendremos que superar varios desafíos, como la escalabilidad, la integración con las tecnologías existentes y el control de la variabilidad entre dispositivos”, reconoce Lopez-Richard.
El trabajo es el resultado de una colaboración científica internacional consolidada a lo largo de más de una década. “Nuestra colaboración con la Universidad de Würzburg, en Alemania, comenzó con un proyecto financiado por la FAPESP entre 2013 y 2015. El proyecto concluyó, pero la colaboración continúa”, cuenta Lopez-Richard.
En un estudio complementario, publicado en Applied Physics Letters y seleccionado como “artículo destacado” (featured article) por los editores, el grupo profundizó la comprensión de las propiedades de memoria capacitiva de estos sistemas. “En ese trabajo, combinamos resultados experimentales y modelado teórico para demostrar que la memcapacitancia analógica está gobernada por mecanismos de localización de carga en puertas flotantes laterales, lo que posibilita un control preciso y reversible de las características capacitivas. Estos hallazgos son fundamentales para el desarrollo de dispositivos de memoria de bajo consumo y alta eficiencia”, comenta Lopez-Richard.