domingo, 23 de julio de 2017

Reconstruir y simular el sistema nervioso de muertos con superordenadores (Human Brain Project)

Os pongo un mensaje con un enlace a un vídeo que he enviado a un compañero de trabajo sobre el Human Brain Project.

"Reconstruir y simular el sistema nervioso de muertos con superordenadores (Human Brain Project)"

Hola,

Me pareció que te interesaba el tema. Cuando uno escucha hablar a alguien diciendo que vamos a "resucitar muertos" en menos de 50 años, lo normal es pensar que esa persona está bromeando o no está bien de la cabeza. Por eso me gustaría aclarar lo que dije, y os lo digo por escrito.

Como dije, en la carrera me especialicé en Bioingeniería y Telemática. En Bioingeniería se estudia el Sistema Nervioso Humano y cómo hacer máquinas para interactuar con el Sistema Nervioso Humano. Por ejemplo, nos cuentan cómo hacer prótesis que se pueden mover directamente con el campo eléctrico creado por neuronas. También se pueden estimular neuronas a distancia por medio de campos eléctricos.

Las neuronas están recubiertas de una membrana por la que circulan señales eléctricas. Estas señales eléctricas son trenes de pulsos llamados "potenciales de acción". La intensidad de la señal eléctrica que circula por una dendrita o por un axón de una neurona viene dada por la frecuencia de los pulsos, no por su amplitud. Los "potenciales de acción" se propagan extremadamente despacio, a unos 10 m/s. Es un mecanismo de propagación iónico. En los circuitos electrónicos las señales eléctricas se propagan a velocidades del mismo orden de magnitud que la velocidad de la luz (300000 km/s).

Estas señales eléctricas cuando se propagan se ven afectadas básicamente por la forma de la membrana que recubre las neuronas y por la presencia de determinados compuestos químicos, sobre todo en las uniones entre neuronas ("sinapsis").

En Física se sabe desde hace tiempo como simular (macroscópicamente) la propagación de campos Electromagnéticos en materiales con forma arbitraria mediante métodos numéricos. Para ello es necesario saber la forma de esos materiales, y qué materiales son. Sabiendo qué materiales son conocemos todas sus propiedades electromagnéticas: permitividad, permeabilidad y conductividad. Con esa información se puede simular como van cambiando los campos Eléctrico y Magnético en esos materiales a lo largo del tiempo.

El sistema nervioso recibe información del exterior mediante células que trasforman magnitudes físicas en potenciales de acción. Por ejemplo, tenemos células que trasforman la presión y la temperatura en potenciales de acción. Por otro lado, también tenemos células que hacen lo contrario, transforman los potenciales de acción en alguna manifestación física. Por ejemplo, tenemos células que según la frecuencia de los potenciales de acción que reciben, contraen con mayor o menor fuerza una fibra muscular.

Los equipos de Tomografía Axial Computarizada convencionales que se usan en los hospitales tienen una resolución espacial muy baja, del orden de poco menos de un milímetro. Pero los recientes equipos de Tomografía de Coherencia Óptica tienen resoluciones espaciales por debajo del micrómetro, y pueden seguir mejorando. Para extraer la información necesaria sobre la forma de la membrana de las neuronas y la presencia de determinados compuestos químicos, es necesaria una resolución espacial que yo estimo que debe rondar las decenas de nanómetros, porque las vesículas sinápticas tienen un diámetro aproximado de 50 nanómetros. Las vesículas sinápticas son unas bolitas muy pequeñas que tienen dentro neurotransmisores. No hay elementos mucho más pequeños que las vesículas sinápticas que interactúen con los potenciales de acción a nivel macroscópico.

La información que permite reconstruir y simular el sistema nervioso de ratones (la forma de la membrana de las neuronas y la presencia de determinados compuestos químicos) se puede obtener actualmente en gran parte mediante tomografía especializada de alta resolución. Esa información está presente en el animal durante un tiempo después de que el animal haya muerto, lo cual permite cortarlo para ver el interior. Cuando el animal está muerto obviamente no hay actividad eléctrica, pero la forma de la membrana de las neuronas y la presencia de determinados compuestos químicos permanece durante un tiempo. Por eso es irrelevante que el animal esté vivo o muerto para reconstruir y simular su sistema nervioso.

En el proyecto Human Brain, de mil millones de euros, financiado en gran parte por la Unión Europea, en el que participan muchas universidades importantes, parece que están consiguiendo reconstruir y simular trozos de cerebro de ratones. Eso es lo que ellos dicen y yo les creo. Son científicos de mucha reputación de las mejores universidades, principalmente físicos, biólogos e ingenieros (neurocientíficos, no psiquiatras). Si tenéis 10 minutos os recomiendo que veáis el siguiente vídeo.

https://www.youtube.com/watch?v=a1XcY-xAvos

Se avecinan grandes avances científicos y tecnológicos, avances revolucionarios, como en su día lo fueron el uso de la Electricidad y la Aviación. Yo creo que es casi seguro que en menos de 100 años se podrá simular el sistema nervioso de algunas personas fallecidas, y probablemente se consiga antes de 50 años. Tendremos que preguntárselo a Michio Kaku o a Ray Kurzweil si Henry Markram todavía no lo sabe.

Saludos,

Eduardo Reyes Guzmán

jueves, 29 de junio de 2017

miércoles, 11 de enero de 2017

UN MODELO MATEMÁTICO VÁLIDO PARA TODAS LAS NEURONAS

El sistema nervioso humano está formado por unos 100 mil millones de neuronas.

Aunque hay diferentes tipos de neuronas, el funcionamiento de cada neurona se puede simular mediante un modelo matemático válido para todas las neuronas. Este modelo matemático es extremadamente complejo y todavía no se ha desarrollado completamente.

Algún simulador del funcionamiento de una única neurona necesita una capacidad de computación del mismo orden de magnitud que la capacidad de computación de un ordenador portátil.

Cada neurona tiene 3 partes principales: dendritas, núcleo y axón. Las dendritas reciben la información del exterior de la neurona. El núcleo procesa dicha información. El axón transmite la información que resulta del procesado al exterior de la neurona.

Cada neurona se conecta a otras neuronas mediante uniones llamadas sinapsis.

La información que recibe y transmite cada neurona está codificada en la frecuencia de trenes de pulsos eléctricos llamados potenciales de acción. Estos trenes de pulsos eléctricos viajan mediante la membrana de las neuronas a una velocidad aproximada de 10 m/s.

El sistema nervioso recibe información del exterior mediante las dendritas de neuronas conectadas a células que trasforman alguna magnitud física en potenciales de acción. Un ejemplo de información entrante al sistema nervioso podría ser la variación de la presión del aire en el oído.

El sistema nervioso transmite información al exterior mediante los axones de neuronas conectados a células que trasforman los potenciales de acción en alguna magnitud física. Un ejemplo de información saliente del sistema nervioso podría ser la variación de la tensión de un músculo.

Cuando se conozca completamente un modelo matemático para simular el funcionamiento de cualquier neurona, se podrá simular el funcionamiento de cualquier número de neuronas conectadas siempre que haya capacidad de computación suficiente.

sábado, 17 de diciembre de 2016

Un mundo virtual para entrenar inteligencias artificiales

Universe está compuesto por unos mil 'entornos' formados por avanzados videojuegos, como Minecraft o Grand Theft Auto V, que se utilizan para simular la vida real

ALVARO IBÁÑEZ ‘ALVY’ | MICROSIERVOS

10 DIC 2016 - 18:04 CET

OpenAI es una organización sin ánimo de lucro dedicada a impulsar el desarrollo de la inteligencia artificial. Su última aportación tecnológica es Universe, una especie de mundo virtual en el que los desarrolladores de software pueden entrenar ideas y algoritmos (reglas precisas para resolver problemas) y medir los resultados principalmente a partir de juegos y sencillas simulaciones.

La tarea no es fácil ni barata. OpenAI está patrocinada por Microsoft, Amazon, InfoSys e YCombinator. Además, uno de sus impulsores es Elon Musk, fundador también de Tesla, la compañía más conocida por sus coches eléctricos con conducción autónoma. La idea de esta "plataforma de entrenamiento de inteligencias artificiales" es que en el futuro –y ya sea en vehículos, robots o el software que gestiona los aparatos que nos rodean– esas inteligencias artificiales sean seguras y que estén repartidas de la forma más amplia e igualitaria posible.

El camino hacia la inteligencia artificial

El terreno en el que se ha movido hasta ahora OpenAI incluye ideas aplicadas a la robótica y conceptos tales como lo que los técnicos denominan aprendizaje por refuerzo, aprendizaje automático y aprendizaje profundo. Todo esto incluye técnicas más tangibles como son la exploración segura, la robustez y la escalabilidad. ¿Se puede programar un robot para caminar por el borde de un precipicio sin que se caiga al tantear el terreno? ¿Podría lograrse que un algoritmo de reconocimiento de rostros explique que el jarrón que está viendo no solo "no es una cara", sino por qué? ¿Se puede evitar que un robot barrendero logre el objetivo de mantener limpia una calle sin dejarse llevar por artimañas como evitar mirar en los sitios donde hay suciedad, engañándose a sí mismo al hacerlo?

Muchos de los primeros trabajos de OpenAI trataron sobre inteligencia artificial aplicada al reconocimiento de rostros o las tareas clásicas de aprendizaje por refuerzo. Hace un tiempo presentaron OpenAI Gym, un conjunto de herramientas diseñadas precisamente para este tipo de algoritmos: allí pequeños programas podían jugar a Pong, al Aterrizaje Lunar o incluso a versiones simplificadas del Go y otros juegos de mesa. Eran ejemplos muy sencillos en los que había pocos controles –básicamente los de un joystick– y donde el objetivo está muy claramente definido: obtener una mayor puntuación, vencer a un contrincante o alargar una partida todo el tiempo posible.

Nuevos universos en los que "jugar"

Ahora, con Universe, las posibilidades se han multiplicado gracias a la incorporación de otros juegos mucho más avanzados y complejos. En total calculan que son unos mil entornos, que es el nombre técnico que reciben. Entre ellos están videojuegos tan complejos y conocidos como Portal, Minecraft o Grand Theft Auto V.

Estos juegos se hacen funcionar en unos servidores de la nube en lo que se denominan máquinas virtuales, algo en cierto modo equivalente a un PC convencional. Con esas máquinas interactúa el algoritmo, recibiendo siempre unos 60 fotogramas por segundo de imágenes y disponiendo de controles y datos más amplios: movimientos del ratón, puntuaciones, y otros (como la velocidad de un coche en una carrera).

Más allá de los juegos

Naturalmente, programar agentes de inteligencia artificial para todos estos mundos es mucho más complicado que jugar al Pong. Pero, en cierto modo, también supone adelantar trabajo: un buen algoritmo que analice las realistas imágenes de GTA V y sea capaz de mantener al coche en su carril solo con "mirar la pantalla" probablemente se comportará de forma similar controlando un coche auténtico equipado con una cámara frontal.

Un detalle sumamente interesante es que además de los videojuegos convencionales de un montón de productoras (como Valve, EA, Microsoft y otras, con quienes OpenAI mantiene acuerdos) también se ha creado una especie de adaptador para juegos en tecnología Flash de Adobe y otro para tareas de navegación web.

Esto quiere decir que, por un lado, se puede enlazar con unas ocho líneas de código con cualquier aplicación en Internet que funcione en Flash. Y por otro –y esto es tal vez más interesante– que se puede lanzar a un agente a pedir páginas web e interactuar con ellas. Es algo que abre la posibilidad de crear agentes capaces de entender y rellenar formularios de datos, interactuar con software científico (como ejemplo destacado: Mathematica), comportarse como bots con usuarios reales y un sinfín de otras posibilidades.

Todo esto no solo ayudará al desarrollo de mejores algoritmos y nuevas inteligencias artificiales, sino también a mejorar la seguridad de su comportamiento. En un mundo en el que muchas aplicaciones solo pueden permitirse un fallo cada mil intentos o cada millón (siendo el objetivo "ninguno", aunque ni siquiera los humanos podamos alcanzar tanta perfección) entornos como los de Universe y OpenAI pueden resultar sumamente útiles.

Entre los próximos títulos que se han anunciado como entornos de Universe están juegos más avanzados como Civilization (estrategia), Kerbal Space Program (para construir naves espaciales y colonizar planetas) o FoldIt (plegar proteínas para curar enfermedades. Todo esto da una idea de que su utilidad puede ir mucho más allá de lo que parece hoy en día.


http://tecnologia.elpais.com/tecnologia/2016/12/09/actualidad/1481274381_916477.html

sábado, 29 de octubre de 2016

Por qué la hidra es ‘inmortal’

El mito se vuelve real y los científicos estudian la morfología de estos pólipos

ÒSCAR CUSÓ

28 OCT 2016 - 17:32 CEST

En la mitología griega, la Hidra de Lerna era un monstruo del inframundo con forma de serpiente de múltiples cabezas. En el segundo de sus doce trabajos, Heracles tuvo que matarla. No fue una misión fácil, cada vez que cortaba una cabeza, dos más surgían de nuevo. Para evitar que se regeneraran, su sobrino Yolao quemó los muñones de los cuellos. Luego Heracles tomó su única cabeza inmortal y la enterró bajo una gran roca. Al fin, acabaron con la bestia policéfala. Desde entonces, la Hidra de Lerna ha inspirado a los científicos tanto por su aspecto como por sus poderes.

En el año 1736, Abraham Trembley se encontraba en Sorgvliet, cerca de la Haya, haciendo de tutor de los hijos del Conde de Bentinck. En una de sus clases, encontró un extraño organismo en una muestra de agua proveniente de un estanque. Un diminuto monstruo verde con múltiples extremidades. Al contarlas, se sorprendió. Cada individuo tenía un número diferente. Esta irregularidad hizo dudar a Trembley; ¿se trataba de un animal o de una planta? Para solventar la cuestión, cortó uno de ellos por el centro. El naturalista quedó estupefacto al ver que cada mitad regeneró en un nuevo individuo. Un propiedad, más bien, propia de las plantas. Estos resultados no lograron convencerlo: “De acuerdo con el razonamiento detrás de este experimento, habría tenido que concluir que se trata de una planta. Sin embargo, estaba muy lejos de arriesgarme a tomar tal decisión", ya que los movimientos espontáneos y erráticos del minúsculo espécimen balanceaban su juicio. Pero con paciencia y perseverancia, Trembley encontró la prueba que necesitaba: ¡observó cómo el monstruito comía!

René Antoine Ferchault de Réaumur, un polímata francés, puso punto final al quebradero de cabeza de Trembley. Gracias a una fluida y detallada correspondencia con el suizo, Réaumur pudo probar y reafirmar que el organismo en cuestión se trataba de un animal (concretamente un pólipo, una de las formas de los cnidarios, la otra es la medusa). En una de sus cartas, Trembley apodó a uno de sus ejemplares como Hydre, en referencia al mito griego, y siete años más tarde, Carl Linnaeus clasificó a estos pólipos propios de aguas dulces bajo el género Hydra. Antes de los experimentos y la taxonomía, Hydra ya había sido descubierta por otro gran científico; Antonie van Leeuwenhoek, así como por un inglés anónimo. Pero en ciencia, más allá del qué y el quién, es el cómo. El reconocimiento de Trembley dentro la comunidad científica reside en su proceder. Con una investigación reiterada y minuciosa, una observación aguda y crítica y cierta cautela con las metas y las conclusiones, sentó las bases de la metodología experimental. Abraham Trembley cambió la biología para siempre.

La experimentación sigue siendo uno de los pilares fundamentales de la ciencia, e Hydra no deja de asombrarnos. A finales del siglo XX, el profesor Daniel Martínez, reportó que Hydra vulgaris no envejecía. Después de estudiar esta especie durante cuatro años, vio que lucían tan bien como el primer día. Sus células no se deterioraron. La Hydra es eternamente joven y potencialmente inmortal. Su codiciado poder se encuentra en sus células madre. Gracias a ellas, se regenera y se reproduce sin sexo. Puede recuperar partes dañadas, como observó Trembley, y crear pequeños clones de sí misma. Recientemente, el profesor Thomas C. G. Bosch y su equipo han descubierto una proteína en las células madre que parece ser clave en el antienvejecimiento. "Si se elimina el gen FoxO, la Hydra envejece", apunta Bosch, aunque aún no está claro cómo funciona. En realidad, más allá de Hydra, FoxO podría ser la fuente universal de la eterna juventud. Los humanos tenemos versiones de este gen, y algunas son más comunes en gente que vive más de 100 años. Quizás algún día el tiempo no nos pase factura.

La Hydra ha superado a su predecesor ficticio. No hay ningún Heracles que luche contra su poder, sino más bien científicos que trabajan duro para desvelarlo. La regeneración y la inmortalidad de la Hidra de Lerna han quedado en segundo plano ante el pólipo de aguas dulces. Su estudio ha abierto nuevos caminos en la biología, y sus secretos, en un futuro hipotético, podrían hacernos inmunes al paso del tiempo. Puede que sea un sueño, pero lo que una vez empezó como una fantasía ha acabado en ciencia. El mito de la Hidra se ha vuelto real.

--
Oscar Cusó (@oscarcuso) es biólogo, director y guionista de documentales de naturaleza, ciencia e historia. Ha trabajado en diferentes series y largometrajes para cadenas como la BBC, National Geographic o TVE.

--
Historias Naturales es una sección dedicada a las curiosidades científicas de los seres vivos. Una serie de reportajes donde se narran las historias que rodean a la flora y la fauna, desde sus leyendas y lunáticas concepciones hasta los descubrimientos más recientes. Un viaje del mito a la ciencia para descubrir las maravillas del mundo salvaje. El título de la sección juega con el plural para convertir la Historia Natural - concepción clásica de Biología - en cuentos, en relatos, en narraciones… en Historias Naturales.


http://elpais.com/elpais/2016/10/06/ciencia/1475752826_096528.html