La estupidez de la IA: cargando el cerebro

Por Jonathan Tennenbaum

Parte 5

MSIa Informa, 25 de septiembre de 2020.-En la parte 4 de esta serie de artículos presenté argumentos y pruebas para refutar la noción de que el cerebro humano funciona como un computador digital. Está claro, entre otras cosas, que las neuronas no tienen nada que ver con los elementos de computación de un chip de computadora.

Ante esa situación, algunas personas pueden responder: “Es claro que tiene razón. Las neuronas son sistemas analógicos-digitales muy complicados. Pero, con una capacidad suficiente de procesamiento de datos, no hay ningún problema en imitarlos. Es sólo una cuestión de tiempo para que podamos cargar (upload, en el original –n.e.) un cerebro entero”.

En este escenario, las investigaciones actuales del cerebro se encuentran en una situación paradójica.

Un ejemplo: científicos del Laboratorio de Computación Neuronal del University College de Londres hicieron estudios experimentales sofisticados sobre las funciones de las dendritas en el sistema nervioso. Las dendritas son estructuras elaboradas en forma de árbol, que se extienden del cuerpo de una neurona, donde está localizada la mayoría de las sinapsis, por medio de las que la neurona recibe impulsos de otras neuronas –en general de millares de ellas.

Las investigaciones modernas revelan que las dendritas, antes consideradas como colectores de señales pasivos, son estructuras muy dinámicas que transforman activamente los impulsos de entrada y que también pueden cambiar su propia estructura en minutos. Su comportamiento es un ejemplo de la extraordinaria plasticidad característica de todos los procesos vivos.

Por un lado, el trabajo experimental del Laboratorio de Computación Neuronal y de otros centros muestra, con claridad cada vez mayor, el absurdo de comparar el cerebro o una sola neurona con los sistemas de procesamiento de datos construidos por el hombre. Al mismo tiempo, sin embargo, los científicos siguen encuadrando sus resultados en el lenguaje y en los conceptos de la ciencia de la computación.

Considérese la introducción de un fascinante artículo sobre la “Computación dendrítica”, cuyo autor principal fue el investigador del Laboratorio de Computación Neuronal, Prof. Michael Häusser: “Los cerebros computan. Esto significa que procesan información, crean representaciones abstractas de entidades físicas y efectúan operaciones sobre esa información, para ejecutar tareas. Uno de los principales objetivos de la neurociencia computacional es describir esas transformaciones como una secuencia de etapas elementales simples organizadas de forma algorítmica (https://neurophysics.ucsd.edu/courses/physics_171/annurev.neuro.28.061604.135703 .pdf].”

Expresiones como esta me hacen cuestionar. ¿Es realmente apropiado aplicar el término “computación” a lo que el cerebro y sus células están haciendo? El término, normalmente, se refiere a un cálculo matemático con números y símbolos algebraicos. Esto es lo que hacen los ordenadores digitales. Los humanos, como ingenieros, físicos o niños en edad escolar que aprenden aritmética, también pueden hacer cálculos, si fuesen entrenados para ello. Pero su actividad mental el resto del tiempo no tiene nada que ver con la computación.

¿Es apropiado, como hacen los autores, decir que el cerebro “efectúa operaciones sobre informaciones”, y esperar que sea posible reducir esto a una sucesión de “etapas elementales simples”?

Puede dar la impresión de que la neurociencia computacional, conforme la caracterizan los autores, está más preocupada en la implantación de un esquema conceptual pre existente que lleve a la formación computacional del cerebro. Tal vez esto sea injusto, pero creo que la duda lo justifica.

Lo cierto es que los modelos de computador, en especial cuando se aplican a partes muy pequeñas del tejido nervioso, pueden ser extremadamente útiles para fines científicos. Un buen ejemplo es el trabajo de Eva Marder y sus colaboradores en el ganglio estomatogástrico de 30 neuronas de la langosta. Pero la imagen que emerge de su trabajo es muy diferente al de un computador que ejecuta una sucesión de operaciones algorítmicas.

Häusser y su coautor argumentan convincentemente sobre la necesidad de tomar más en cuenta la biofísica real de la función de las neuronas, dejando de lado la comparación simplista de las neuronas con los componentes de un computador digital. Ellos dicen:

«Es costumbre que las propiedades computacionales relativamente simples hayan sido atribuidas a la neurona individual, con los cálculos complejos que son la marca registrada de los cerebros y que son realizados por la red de esos elementos simples… [Nosotros] argumentamos que este modelo es demasiado simplificado, teniendo en vista las propiedades de las neuronas reales y los cálculos realizados por ellas… En lugar de eso, los mecanismos lineales y no lineales extras, en el árbol dendrítico, probablemente, servirán de bloques de construcción computacional, que combinados desempeñan un papel fundamental en la computación general realizada por la neurona… Los modelos neuronales patrón no incorporan muchos cálculos no lineales que se hacen en el procesamiento paralelo y localmente en cada dendrita y sus ramas… Esta nueva variedad de cálculos dendríticos nos lleva a modelar una neurona de forma semejante a una red de alimentación directa

• No hay elementos.

de dos capas con unidades ocultas nos lineales. (…)».

La última frase está formulada en lenguaje técnico de las redes neuronales artificiales. ¿Por qué?

Los autores proponen, en efecto, que cada neurona del cerebro deba usarse como una minúscula red neuronal por derecho propio. Ahora, no sólo el cerebro en su conjunto, sino las neuronas individuales y partes de ellas ¡deberían estar haciendo cálculos!

De cualquier forma, descender al nivel sub celular para incluir “mecanismos de computación” en el árbol dendrítico añade complejidad a los modelos del cerebro. En los últimos 15 años, la “computación dendrítica” floreció en un amplio y rico campo de investigaciones.

Mientras pasaba eso, los modelos de neuronas individuales se volvían todavía más complicados. Por ejemplo, recientemente apareció un artículo titulado “Neuronas corticales únicas como redes neuronales artificiales profundas”, el cual afirma:

«Presentamos un nuevo enfoque para estudiar neuronas como unidades sofisticadas de procesamiento de información de E/S (entrada/salida), utilizando avances recientes en el campo del aprendizaje de máquina. Entrenamos redes neuronales profundas (DNNs) para imitar el comportamiento de E/S de un modelo no lineal detallado de una célula piramidal cortical de una capa 5, que recibía ricos patrones espaciotemporales de activaciones de sinapsis de entrada».(https://www.biorxiv.org/content/10.1101/613141v2).

Todo esto es muy interesante. Pero ¿estaremos llegando más cerca de entender los principios reales de funcionamiento del cerebro? Yo sugeriría que es estúpido (véase la Parte 1) seguir pensando en el cerebro y en sus neuronas en términos de computación y de procesamiento de información, cuando la realidad pide algo muy diferente.

Entran los súper computadores

En comparación con los actuales súper computadores que están entrado en operación, se puede tener la impresión inicial de que nuestros cerebros no pasan de ser una tecnología tan anticuada como los carros de caballo.

Los últimos años han sido testigos de una violenta carrera entre Estados Unidos y China para construir los mayores y más rápidos súper ordenadores. El Sunway Taihu Light chino, descrito en 2018 por el Departamento de Energía de Estados Unidos como el computador más rápido del mundo, tiene un desempeño de computación pico de 124 petaflps (un petaflop = mil millones de operaciones de operaciones de punto fluctuante por segundo) y más de 1.310.000 GB de memoria primaria.

Desde entonces, Estados Unidos volvieron a asumir el liderato, con dos nuevos súper computadores, el SUMMIT del Laboratorio Nacional de Oak Ridge, y el un poco más lento Squoia, una máquina IBM, Blue Gene de tercera generación del Laboratorio Lawrence Livermore. El SUMMIT tiene una velocidad máxima de procesamiento de 200 petaflops y 250.000.000 GB de capacidad de almacenamiento.

Estas máquinas requieren grandes cantidades de energía eléctrica, lo que hace de la energía eléctrica una parte importante de sus costos de operación. El SUMMIT tiene un consumo de 13 megawatios, lo suficiente para abastecer cerca 10 mil residencias. En cambio, el consumo de energía del cerebro humano es de apenas cerca de 25 watts –medio millón de veces menos. Tan sólo esto debería sugerir que el cerebro opera según un principio completamente diferente.

Grande, pero estúpido

A pesar de su velocidad y del gran número de elementos de computación, las súper computadoras actuales son sistemas extremadamente simples, en comparación con el cerebro humano o del minúsculo cerebro de un insecto. La verdad es que una sola neurona ya es mucho más complicada, en términos de los procesos físicos envueltos en su actividad, que el mayor de los súper ordenadores.

La razón por la que los computadores son relativamente tan simples es elemental. Para hacer que un sistema físico se comporte de manera estrictamente respetable y previsible, es necesario reducir radicalmente sus grados de libertad efectivos. Es necesario “esclavizar” la naturaleza, por así decirlo. Claro, en los niveles atómico y subatómico, los transistores contenidos en un microchip son también sistemas físicos vastamente complejos que poseen innumerables tipos de fluctuaciones y variaciones, además de nuestro control. En consecuencia, proyectamos y producimos esos sistemas de forma que la mayor parte de la variabilidad sea “irrelevante”, desde el punto de vista del comportamiento mecanicista que necesitamos.

En la medida en que el estudio del sistema nervioso humano progrese, los científicos descubrirán que las funciones cognitivas humanas dependen de formas cada vez más complejas de variabilidad y plasticidad –del cerebro en su conjunto hasta las células individuales y hasta las mismas moléculas. Como ya es costumbre en la biología, cuanto más se mira, más se encuentra.

Los organismos vivos representan una especie de complejidad irreducible que desafía las tácticas de simplificación groseras y la eliminación de todo, además de un pequeño número de “variables relevantes”, sin las cuales los modernos sistemas de computadoras no podrían emular ni siquiera una simple molécula de agua.

Aunque los modelos simplificados pueden ser útiles e indispensables, nunca se deben confundir con la realidad.

La neurobióloga experimental Eve Marder pasó toda su carrera científica de 40 años estudiando la red de 30 neuronas que constituyen el ganglio estomatogástrico del sistema nervioso de una langosta [https://www.youtube.com/watch?v=dGRQmndrUzA ]. Este sistema, supuestamente simple, muestra un comportamiento oscilatorio extraordinariamente complejo. El grupo de Marder, en la Brandeis University, y grupos colaboradores de todo el mundo utilizan las técnicas de micro electrodos para medir directamente la actividad eléctrica de las neuronas individuales e investigan el papel de decenas de péptidos neuromoduladores que son secretados por las neuronas y que actúan sobre las características eléctricas de las membranas celulares. El trabajo de Marder generó muchos conocimientos útiles, en parte porque utilizaba modelos computarizados para probar hipótesis sobre los procesos biológicos involucrados. Esos modelos, al mismo tiempo, están muy lejos de ser capaces de prever con precisión la actividad real de las 30 neuronas de un ganglio vivo. Dígase de paso que este no era el propósito de la investigación.

Cargando el cerebro

Con este telón de fondo, se puede evaluar el grado de exageración de las sugerencias de que será posible en un futuro previsible simular todo el cerebro humano con el uso de un súper computador.

Una figura prominente en este campo es el investigador cerebral israelí Henry Markham. En 2005 inició Blue Brain Project2 con el objetivo de construir simulaciones numéricas “de abajo hacia arriba” a gran escala de un grupo de cerca de 100 mil neuronas de la columna neocortical de un ratón.

Un proyecto interesante, aunque se pueda, ciertamente, dudar de cuán precisa podría ser dicha simulación, dada la dificultad de simular hasta 30 neuronas.

En un artículo de 2006 titulado “The Blue BrainProjecct” Markham escribió:

«Alan Turing ((1912-1954) comenzó queriendo “construir el cerebro” y terminó con una computadora. En los sesenta años siguientes, la velocidad de computación fue de 1 operación de campo fluctuante por segundo (FLOPS) a más de 250 billones –por mucho el mayor ritmo de crecimiento de cualquier tipo creado por el hombre en 10 mil años de civilización. (…)

«A medida que las velocidades de cálculo se aproximan y van más allá de la franja de los petaflops, se vuelve inviable hacer la siguiente serie de salto quánticos para simular redes de neuronas, regiones del cerebro y, posteriormente, todo el cerebro. Al final de cuentas, Turing pudo haber brindado los medios con los cuales construir el cerebro. (…)

«Un modelo de todo el cerebro a escala celular, probablemente, tomará la década siguiente para ser construido. Un modelo a escala molecular de una NCC (columna neocortical del cerebro) es, probablemente, inviable en cinco años, y la conexión de vías bioquímicas a modelos del genoma, probablemente, se alcanzará en 10 años. No hay ningún obstáculo fundamental para modelar el cerebro y, por lo tanto, es probable que tengamos modelos detallados de cerebros de mamíferos, entre ellos del hombre, en un futuro cercano. (…)

Markham reafirmó su optimismo en una conferencia TED Global en Oxford, en 2009:

«Tenemos matemática para dar vida las neuronas. (…) Hay literalmente tan sólo un puñado de ecuaciones que necesitamos para simular la actividad del neocórtex. Pero lo que necesitamos es un computador mucho más grande. «(…) Ahora ya tenemos ese súper computador Blue Gene. Podemos cargar todas las neuronas, cada una en su procesador, conectarlos y ver lo que pasa. (…) Espero que ustedes estén por lo menos parcialmente convencido de que no es imposible construir un cerebro. Podemos hacerlo en 10años». [https://www.ted.com/talks/henry_markram_a_brain_in_a_supercomputer?language=en ]

Markham consiguió posteriormente una beca de mil millones de dólares de la Comisión Europea para su grandioso Proyecto del Cerebro Humano (HBP, por sus siglas en inglés). El HBP se presentó en octubre de 2013 como uno de los proyectos “emblemáticos” del programa Tecnologías Futuras y Emergentes de la Comisión Europea.

Sin embargo, casi de inmediato se vio en problemas.

En septiembre de 2014, la revista Nature publicó un comentario de dos neurocientíficos destacados, Yves Frégnac y Gilles Laurent titulado “Neurociencias: ¿Dónde está el cerebro del Proyecto del Cerebro Humano?”

Los autores, ambos involucrados inicialmente en el proyecto, lo describen como un “desastre cerebral”. Señalan una carta abierta enviada a la Comisión Europea, el 7 de julio de 14, en la que neurocientíficos de toda Europa e Israel declaran que boicotearan los llamados a los “proyectos de sociedad”, que deberían llevarse la mitad del financiamiento total del HBP. La carta reunió 750 firmas. Los autores observan: “Al contrario de las suposiciones públicas de que el HBP generaría conocimiento sobre cómo funciona el cerebro humano, el proyecto se está transformando en un dispendioso proyecto de gerencia de bancos de datos, con una caza de nuevas formas de arquitecturas de computación. En los últimos meses, el consejo ejecutivo del HBP reveló planes para reducir radicalmente su brazo de neurociencia experimental y cognitiva, lo que provocó la ira de la comunidad neurocientífica europea [https://www.nature.com/news/neuroscience-where-is-the-brain-in-the-human-brain-project-1.15803 ].

En 2015, el HBP fue sometido a una revisión. El comité ejecutivo, encabezado por Markham, fue disuelto y sustituido por un órgano más representativo. Markham se retiró del proyecto. El proyecto prosigue con una orientación más amplia y menos sensacionalista [https://www.humanbrainproject.eu/en/ ].

Visto desde afuera, no puedo dejar de sospechar que el cabildo de las empresas de informática y TI, de alguna forma, desempeñó un papel en el citado “desastre cerebral”. No hace falta decir que las simulaciones de procesos vivos significan un mercado gigantesco para súper computadoras y productos de TI relacionados en los campos de investigación científica, la industria farmacéutica, psicología y medicina clínica. El financiamiento a gran escala de gobiernos y del sector privado continuará, ciertamente. Pero falta saber cuánto de ese dinero se gastará con propósitos realmente útiles, y cuánto para promover la estupidez. (Continua)