Uno de los experimentos científicos más famosos de la historia, o al menos uno de los más interesantes, fue el que analizó el hipocampo de los taxistas de Londres. Estos profesionales, que deben aprenderse de memoria las diferentes calles y mapas de la capital británica para obtener su licencia, tenían un hipocampo mayor de lo habitual, según demostró el estudio.
Esta estructura cerebral es una parte fundamental del sistema responsable de la memoria espacial y la navegación y actúa como compás inercial para decirnos cómo llegar a determinado lugar o nos permite recordar una ubicación.
Aprovechándose de esto, un equipo de científicos del Instituto de Biofísica del Consejo Nacional de Investigación (IBF-CNR) en Palermo, Italia, han imitado la arquitectura neuronal y las conexiones del hipocampo d para desarrollar una plataforma robótica capaz de aprender como lo hacen los humanos mientras el robot navega alrededor de un espacio.
Un cerebro que se reconfigura solo
Lo interesante de esto es que el hipocampo simulado puede alterar sus propias conexiones sinápticas mientras mueve un robot virtual similar a un automóvil. Esto significa que solo tiene que navegar hacia un destino específico una vez antes de poder recordar la ruta. Esta es una mejora notable con respecto a los métodos de navegación autónomos actuales que se basan en el aprendizaje profundo y que, en su lugar, tienen que calcular miles de rutas posibles.
«Hay otros sistemas de navegación que simulan la función del hipocampo, el cual actúa como una memoria de trabajo para el cerebro – explica la líder del estudio Michele Migliore en un comunicado –. Sin embargo, esta es la primera vez que podemos imitar no solo la función, sino también la arquitectura del hipocampo, hasta las neuronas individuales y sus conexiones”. De acuerdo con el estudio, publicado en Neural Networks , para llegar a un destino específico, un sistema de aprendizaje profundo calcula posibles caminos en un mapa y les asigna costes, eligiendo eventualmente el camino menos costoso a seguir. Se basa efectivamente en prueba y error y requiere un cálculo extenso: se han dedicado décadas de estudios para reducir la cantidad de trabajo para el sistema.
“Nuestro sistema, por el contrario, basa su cálculo en lo que puede ver activamente a través de su cámara – añade Migliore –. Al navegar por un corredor en forma de T, verifica la posición relativa de los puntos de referencia clave (en este caso, cubos de colores). Al principio se mueve al azar, pero una vez que puede llegar a su destino, reconstruye un mapa reorganizando las neuronas. en su hipocampo simulado y asignándolos a los puntos de referencia. Solo necesita pasar por el entrenamiento una vez para poder recordar cómo llegar al destino”.
Navegar siguiendo olores o sonidos
Este procesamiento es más similar a cómo nos movemos los humanos y los animales: cuando visitamos un museo, primero recorremos libremente el lugar, sin saber el camino, pero si luego necesitamos volver a una exhibición específica, inmediatamente recordamos todos los pasos necesarios. La implementación de esta tecnología no solo nos ayudaría a navegar mejor con móviles o los GPS que utilizamos en diferentes vehículos, también tendría un impacto enorme en la industria y en personas con diferentes capacidades.
«Lo construimos utilizando las neuronas que codifican objetos, conexiones específicas y plasticidad sináptica – concluye MIgliore –. El reconocimiento de objetos se basó en la cámara del robot, pero en teoría podría calibrarse también con sonidos, olor o movimiento: la parte importante es el conjunto de reglas de navegación inspiradas en la biología, que se pueden adaptar fácilmente a múltiples entornos. Un robot que trabaja en un almacén podría calibrarse y recordar la posición de los estantes en solo unas pocas horas. Otra posibilidad es ayudar a los discapacitados visuales, memorizar un entorno doméstico y actuar como un perro guía robótico”.
Fuente: adslzone
