Actualidad informática

Unas especies animales aparecen y tienen éxito y continúan su evolución, mientras que otras terminan extinguiéndose. Con las tecnologías humanas pasa otro tanto. En el primer caso se debe a la presión del medio y sus variaciones y en el segundo a la presión económica de la competencia y las variaciones del mercado. ¿Llegará la similitud entre seres vivos y tecnología al extremo de encontrar las mismas soluciones a determinados problemas adaptativos? Un estudio publicado en PloS Computational Biology apunta a que sí.

El equipo de investigadores, que incluía neurocientíficos y especialistas en computación de EE.UU., Alemania y Reino Unido, encabezado por Edward Bullmore (Universidad de Cambridge, Reino Unido) ha encontrado las mismas soluciones de diseño para el procesamiento de la información en el cerebro humano, el sistema nervioso de un nemátodo (Caenorhabditis elegans, un gusano redondo) y el microprocesador. El equipo ha estudiado la estructura de las redes de conexiones y ha constatado la existencia de coincidencias sorprendentes.

El equipo de Bullmore usó para el estudio datos que en su mayoría estaban en el dominio público, incluyendo datos de imágenes por resonancia magnética de cerebros humanos, mapas del sistema nervioso del nemátodo y los planos de diseño de un microprocesador estándar. El análisis de estos datos reveló que cerebro, gusano y microchip compartían dos características estructurales básicas.

Por una parte los tres tienen una arquitectura de muñeca rusa, con los mismos patrones repitiéndose una y otra vez a diferentes escalas. Por otra, las tres estructuras siguen la regla de Rent; esta regla, que tiene su origen en el estudio de los circuitos integrados, se usa para describir la relación entre el número de elementos en un área dada y el número de conexiones entre ellos.

Estas similitudes podrían explicarse diciendo que representan la forma más eficiente de cablear (entendiendo por cable indistintamente neuronas o hilos metálicos) una red compleja en un espacio físico limitado, ya sea un cerebro humano tridimensional o un chip de ordenador bidimensional.

Esta relativamente alta complejidad conlleva, paradójicamente, un coste extra en el cableado físico. ¿Cómo podemos hablar entonces de estructuras eficientes? Pues porque hablamos de eficiencia económica (eficiente en costes) en términos de conexiones, lo que no implica necesariamente minimizar los costes de cableado. Los sistemas de procesado de la información tanto biológicos como artificiales pueden evolucionar para optimizar el compromiso entre coste físico y complejidad topológica, lo que resultaría en la aparición de principios similares de diseño modular y económico en diferentes clases de redes neuronales y computacionales.

Dos conclusiones pueden sacarse a raíz de este estudio. La primera es que se pueden aprender cosas interesantes sobre nuestra propia evolución estudiando la forma en que la tecnología se ha desarrollado, además de analizando organismos tan simples como un gusano. La segunda, y una vez más en la historia de la ciencia, el hombre recibe una dosis de humildad al apreciar que ni él ni su cerebro son tan excepcionales como habitualmente cree.

Referencia:

Bassett, D., Greenfield, D., Meyer-Lindenberg, A., Weinberger, D., Moore, S., & Bullmore, E. (2010). Efficient Physical Embedding of Topologically Complex Information Processing Networks in Brains and Computer Circuits PLoS Computational Biology, 6 (4) DOI: 10.1371/journal.pcbi.1000748

Fuente:  Experientia docet