La inteligencia artificial es un gran reto. Hemos podido hacer algunas simulaciones de lo que llamamos algo inteligente. Hemos podido, por ejemplo, hacer que un programa de ajedrez juegue al nivel de los grandes maestros. Hemos hecho un programa de damas inglesas que no se le puede ganar. Tenemos sistemas que reconocen rostros y bueno, algunos avances notables ya tenemos. Sin embargo, estamos lejos de entender cómo funcionan los cerebros de los diferentes animales y desde luego el del ser humano, que a la fecha parece ser el más complejo de todos. ¿Cómo analiza, discierne y piensa? Misterio. No obstante esto, la ciencia busca descubrir estos elusivos elementos que nos hacen comportarnos de cierta manera y al final del día, de pensar.

Hay un gusano con unas 302 neuronas nada maás, el  Caenorhabditis elegans (C. elegans). Éste ha sido ya totalmente mapeado en el proyecto OpenWorm. Uno de los fundadores de deicho proyecto, Timothy Busbice, tomó este desarrollo, llamado connectome, y lo implementó en un programa orientado al modelo de las neuronas.

El modelo es preciso y sus conexiones hacen uso de paquetes UDP para disparar a las neuronas. Si dos neuronas tienen tres conexiones sinápticas entonces, cuando la primera neurona dispara un paquete UDP, éste se manda a la segunda neurona con un valor de «3». Las neuronas se localizan por IP y número de puerto. El sistema usa un algoritmo de disparo integrado. Cada neurona suma los pesos y hace el disparo si se excede un umbral. El acumulador se pone en cero si no hay mensaje en unos 200 milisegundos o si la neurona hace un disparo. Esto es parecido a lo que pasa en una red neuronal, pero no de manera exacta.

El software trabaja con sensores de un robot Lego. Los sensores son muestreados cada 100 ms. Por ejemplo, el sensor sonar del robot se ha «cableado» como si fuese la nariz del robot. Si cualquier cosa se acerca dentro de los 20 cms de la nariz, entonces los paquetes UUDP son mandados a las neuronas sensoriales en la red.

La misma idea se aplica a los 95 neuronas motoras pero que se mapena como filas de músculos del gusano. Las señales del motor se acumulan y se aplican para controlar la velocidad de cada motor. Las neuronas del motor pueden ser excitatorias o inhibitorias y se usan para esto pesos positivos y negativos.

Los resultados de esta idea parecen ser ciertamente interesantes, pero no está muy claro si la intepretación está sesgada por la pretensión de que el modelo es funcional. El robot parece sí, comportarse de forma parecida a como lo hace el gusano. Pero vea el video y fórmese su propia opinión:

La clave de todo esto, sin embargo, es que no hay programación o aprendizaje involucrado en la creación de los comportamientos. Se observa simplemente el comportamiento emergente de poner esta red neuronal en un robot que emula lo que hace un gusano de 302 neuronas.

Ahora se está pasando el modelo connectome a una Raspberry Pi y además, se está construyendo un robot alrededor de esto. Podría haber quizás aplicaciones prácticas para por ejemplo, explorar el entorno y reportar resultados. Sin embargo, debido a los limitados comportamientos que el gusano puede tener, es probable que simplemente sea algo para hacer investigación o como curiosidad científica, a menos que se le den más «neuronas»  al sistema.

Esto, desde luego, hace surgir algunas preguntas: ¿Es este robot algo vivo? ¿el fantasma en la máquina (the ghost in the machine), es la máquina por sí misma? Estas reflexiones caen evidentemente en cuestiones filosóficas, pero no por eso dejan de ser importantes.

Referencias:

The Robotic Worm (Biocoder pdf – hay que registrarse de forma gratuita antes)