Un cerebro digital de mosca clasifica correos, juega al Doom y opera con criptomonedas virtuales

Clasificar correos electrónicos no es la tarea más obvia para un cerebro de mosca, pero fue una de las pruebas que dejó resultados más concretos. En ese ensayo, la simulación alcanzó alrededor del 80 % de la precisión de una pequeña red neuronal artificial diseñada para el mismo fin. El número expresa un rendimiento relativo: es una manera de dimensionar cuánto se acerca al de un modelo clásico, y no una tasa de aciertos sobre el total de mensajes procesados.

El protagonista del experimento se llama MaleCNS v1.0, una reconstrucción digital del sistema nervioso de una mosca de la fruta adulta. Contiene más de 166.000 neuronas, unos 125 millones de conexiones y cerca de 11.700 tipos celulares. En su elaboración participaron equipos de Google Research, el HHMI Janelia Research Campus, Harvard y Princeton. A diferencia de otros mapas publicados en los últimos años, este incluye no solo el cerebro sino también el cordón nervioso ventral, lo que permite observar de punta a punta cómo se conectan los estímulos que llegan del exterior con las respuestas motoras que ejecuta el animal.

Cómo funciona el mapa y por qué es distinto

Para hacerse una idea doméstica: si una red neuronal artificial es como un tablero eléctrico diseñado a medida para una sola tarea, el conectoma completo de la mosca es más parecido a la instalación eléctrica entera de una casa, con sus llaves, sus circuitos y sus consumos ya conectados entre sí. Esa madeja completa es la que pusieron a trabajar en distintos experimentos.

La reconstrucción se obtuvo a partir de millones de imágenes de secciones extremadamente delgadas del sistema nervioso, fotografiadas con microscopía electrónica y luego ensambladas con de cómputo especializado. En criollo: cortar el nervio en rodajas finísimas, fotografiar cada rodaja con un microscopio potentísimo y armar el rompecabezas tridimensional hasta reconstruir el cableado completo.

El experimento con Doom: de la imagen a la acción

El ingeniero Alex Wormuth fue uno de los que llevó el modelo a un terreno insólito: conectarlo al videojuego Doom. El mecanismo se entiende así: cada cuadro del juego se transforma en estímulos que reciben las neuronas sensoriales simuladas. Los píxeles, con su brillo y su color, viajan por la red como si fueran señales que llegan desde los ojos del insecto. Esa información circula por el cableado reconstruido y sale traducida en acciones: moverse, disparar o esquivar.

El sistema además incorporó un rudimento de aprendizaje por ensayo y error: cuando el personaje recibía daño sin morir, se activaban señales de refuerzo en ciertas células dopaminérgicas, las mismas que en cerebros reales asocian experiencias negativas. Es el equivalente a un pequeño castigo interno que la red usa para ajustar su comportamiento.

Stonkfly: la cartera de criptomonedas regida por moscas

La misma lógica de premios y castigos se trasladó a Stonkfly, un proyecto donde gráficos financieros sirven de entrada para decidir operaciones con criptomonedas dentro de una cartera virtual. Las ganancias activan una señal asociada a 15 células; las pérdidas estimulan otras dos vinculadas con respuestas aversivas. El experimento describe un uso creativo del modelo, pero no aporta resultados que permitan evaluarlo como herramienta de inversión real: es, en essence, una prueba de concepto.

• Clasificación de correos electrónicos: la simulación alcanzó cerca del 80 % del rendimiento de una red artificial pequeña.
• Videojuego Doom: la red convierte los píxeles en estímulos sensoriales y produce acciones de control, con refuerzo negativo ante el daño.
• Stonkfly: la red toma gráficos financieros y decide comprar o vender criptomonedas virtuales según señales de recompensa y castigo.
• Super Mario 64, Beat Saber, salas de escape y creación de tipografías: otros desarrolladores ensayaron aplicaciones creativas que requieren sumar simulaciones adicionales al conectoma.

Qué falta para que algo así llegue a todos

Por ahora, el MaleCNS v1.0 funciona más como laboratorio que como producto. Las simulaciones corren más lento que las redes artificiales ajustadas para una sola tarea, y todavía están lejos de igualarlas en precisión. Cada aplicación nueva exige escribir una simulación extra que se enchufe al conectoma, algo así como tener que fabricar un adaptador distinto para cada aparato que uno quiera conectar a la instalación eléctrica original.

El valor del trabajo no está en ganarles a los modelos de inteligencia artificial ya conocidos, sino en contar con un banco de pruebas realista para investigar cómo el cableado completo de un animal pequeño procesa información, aprende de y toma decisiones. Convertir ese banco de pruebas en una herramienta cotidiana todavía requiere optimizaciones de velocidad, simulaciones auxiliares más eficientes y, sobre todo, nuevos experimentos que muestren dónde este enfoque puede aportar algo distinto.