Un cerebro de mosca digital aprende a separar correos y a mover un personaje en Doom

Clasificar correos electrónicos con un mapa del sistema nervioso de una mosca de la fruta dejó un resultado concreto: la simulación alcanzó alrededor del 80 por ciento de la precisión de una pequeña red neuronal artificial diseñada para esa misma tarea. El número expresa un rendimiento relativo, es decir, cuánto se acerca al de un modelo entrenado específicamente para separar mensajes, y no una tasa de aciertos sobre el total de correos.

El modelo utilizado se llama MaleCNS v1.0 y fue construido por equipos de Google Research, el HHMI Janelia Research Campus, Harvard y Princeton. Contiene más de 166.000 neuronas, unos 125 millones de conexiones y cerca de 11.700 tipos celulares. A diferencia de reconstrucciones anteriores, incluye además del cerebro el cordón nervioso de una mosca adulta macho, lo que permite observar cómo viaja un estímulo desde la detección hasta la respuesta motora.

Del laboratorio a la pantalla

El ingeniero Alex Wormuth tomó esa reconstrucción y la conectó con Doom, el clásico videojuego de disparos en primera persona. Cada cuadro de la partida se transforma en señales que alimentan a las neuronas sensoriales simuladas, con datos de brillo y color. El recorrido por la red termina en acciones de control, como girar o disparar. Cuando el personaje recibe daño sin morir, se activan determinadas células dopaminérgicas que funcionan como señal de refuerzo, un equivalente digital del castigo.

Recompensas y castigos en una cartera virtual

La misma lógica de premio y castigo se trasladó a Stonkfly, un proyecto que analiza gráficos financieros para decidir operaciones con criptomonedas dentro de una cartera simulada. Las ganancias disparan una señal asociada a 15 células y las pérdidas activan otras dos vinculadas con respuestas aversivas. La prueba es experimental y no aporta datos suficientes para evaluar su utilidad como herramienta de inversión.

• Clasificación de correos electrónicos, con cerca del 80 por ciento de la precisión de una red neuronal artificial convencional.
• Control del personaje en Doom, a partir de estímulos visuales traducidos en acciones.
• Decisiones de compra y venta de criptomonedas en Stonkfly, con señales de refuerzo positivas y negativas.
• Resolución de salas de escape, creación de tipografías, jugadas en Super Mario 64 y movimientos en Beat Saber, mediante una simulación agregada al conectoma.

Para estos usos fue necesario sumar una simulación al conectoma, el mapa que describe cómo se conectan las neuronas entre sí. La reconstrucción original se obtuvo a partir de millones de imágenes de cortes ultrafinos del sistema nervioso, tomadas con microscopía electrónica, un proceso que permitió identificar cada neurona y sus vínculos.

Lo que todavía no se sabe es si versiones más grandes o mejor optimizadas podrán achicar la brecha de velocidad y precisión frente a las redes artificiales diseñadas para una sola tarea. Por ahora, MaleCNS v1.0 sirve sobre todo como banco de pruebas para investigar cómo procesa información un sistema nervioso completo, desde la recepción de un estímulo hasta una respuesta concreta.