Un modelo de aprendizaje automático puede enseñarse a sí mismo a oler en pocos minutos. Al hacerlo, indican investigadores del MIT, puede clasificar los olores.
Mediante el aprendizaje automático, un modelo informático puede enseñarse a sí mismo a oler en pocos minutos. Cuando lo hace, los investigadores han descubierto que construye una red neuronal que imita con exactitud los circuitos olfativos que los cerebros de los animales utilizan para procesar los olores.
Todos los animales, desde la mosca de la fruta hasta el ser humano, utilizan básicamente la misma estrategia para procesar la información olfativa en el cerebro. Pero los neurocientíficos que entrenaron una red neuronal artificial para que se encargara de una sencilla tarea de clasificación de olores se sorprendieron al ver que replicaba la estrategia de la biología con tanta fidelidad.
«El algoritmo que utilizamos no se parece en nada al proceso real de evolución», dice Guangyu Robert Yang, investigador asociado del Instituto McGovern de Investigación Cerebral del MIT, que dirigió el trabajo como postdoctorado en la Universidad de Columbia. Las similitudes entre los sistemas artificial y biológico sugieren que la red olfativa del cerebro está óptimamente adaptada a su tarea.
Yang y sus colaboradores, que publicaron sus resultados en la revista Neuron, afirman que su red artificial ayudará a los investigadores a conocer mejor los circuitos olfativos del cerebro. El trabajo también contribuye a demostrar la importancia de las redes neuronales artificiales para la neurociencia. «Al demostrar que podemos igualar la arquitectura [del sistema biológico] con mucha precisión, creo que eso da más confianza en que estas redes neuronales pueden seguir siendo herramientas útiles para modelar el cerebro», dice Yang, que también es profesor adjunto en los departamentos de Ciencias Cerebrales y Cognitivas y de Ingeniería Eléctrica e Informática del MIT y miembro del Centro de Cerebros, Mentes y Máquinas.
Mapeo de los circuitos olfativos naturales
En el caso de la mosca de la fruta, el organismo en el que mejor se ha cartografiado el circuito olfativo del cerebro, el olfato comienza en las antenas. Allí, las neuronas sensoriales, cada una de ellas dotada de receptores de olor especializados en la detección de olores específicos, transforman la unión de las moléculas de olor en actividad eléctrica. Cuando se detecta un olor, estas neuronas, que constituyen la primera capa de la red olfativa, envían una señal a la segunda capa: un conjunto de neuronas que residen en una parte del cerebro llamada lóbulo antenal. En el lóbulo antenal, las neuronas sensoriales que comparten el mismo receptor convergen en la misma neurona de segunda capa. «Son muy selectivas», dice Yang. «No reciben ninguna entrada de las neuronas que expresan otros receptores». Como tiene menos neuronas que la primera capa, esta parte de la red se considera una capa de compresión. Estas neuronas de la segunda capa, a su vez, envían señales a un conjunto mayor de neuronas de la tercera capa. Curiosamente, esas conexiones parecen ser aleatorias.
Para Yang, neurocientífico computacional, y Peter Yiliu Wang, estudiante de posgrado de la Universidad de Columbia, este conocimiento del sistema olfativo de la mosca representaba una oportunidad única. Pocas partes del cerebro se han cartografiado de forma tan exhaustiva, y eso ha dificultado la evaluación de lo bien que ciertos modelos computacionales representan la verdadera arquitectura de los circuitos neuronales, dicen.
Construir una red olfativa artificial
Las redes neuronales, en las que las neuronas artificiales se reconectan para realizar tareas específicas, son herramientas informáticas inspiradas en el cerebro. Se pueden entrenar para detectar patrones en conjuntos de datos complejos, lo que las hace valiosas para el reconocimiento de voz e imágenes y otras formas de inteligencia artificial. Hay indicios de que las redes neuronales que mejor lo hacen reproducen la actividad del sistema nervioso. Pero, según Wang, que ahora es postdoctoral en la Universidad de Stanford, otras redes de estructura diferente podrían generar resultados similares, y los neurocientíficos aún necesitan saber si las redes neuronales artificiales reflejan la estructura real de los circuitos biológicos. Con datos anatómicos completos sobre los circuitos olfativos de la mosca de la fruta, dice, «podemos plantear esta pregunta: ¿Pueden utilizarse realmente las redes neuronales artificiales para estudiar el cerebro?».
En estrecha colaboración con los neurocientíficos de la Columbia Richard Axel y Larry Abbott, Yang y Wang construyeron una red de neuronas artificiales compuesta por una capa de entrada, una capa de compresión y una capa de expansión, igual que el sistema olfativo de la mosca de la fruta. Le dieron el mismo número de neuronas que el sistema de la mosca de la fruta, pero sin una estructura inherente: las conexiones entre las neuronas se recablearían a medida que el modelo aprendiera a clasificar los olores.
Los científicos pidieron a la red que asignara los datos que representaban diferentes olores a categorías, y que clasificara correctamente no sólo los olores individuales, sino también las mezclas de olores. Esto es algo que el sistema olfativo del cerebro sabe hacer muy bien, dice Yang. Si se combinan los olores de dos manzanas diferentes, explica, el cerebro sigue oliendo a manzana. En cambio, si se mezclan dos fotografías de gatos píxel a píxel, el cerebro deja de ver un gato. Esta capacidad es sólo una de las características de los circuitos de procesamiento de olores del cerebro, pero capta la esencia del sistema, afirma Yang.
La red artificial tardó sólo unos minutos en organizarse. La estructura que surgió era asombrosamente similar a la encontrada en el cerebro de la mosca de la fruta. Cada neurona de la capa de compresión recibía entradas de un tipo concreto de neurona de entrada y se conectaba, aparentemente al azar, a múltiples neuronas de la capa de expansión. Es más, cada neurona de la capa de expansión recibe conexiones, por término medio, de seis neuronas de la capa de compresión, exactamente como ocurre en el cerebro de la mosca de la fruta.
