Participa con tu nota. Contacto: [email protected]

Editorial

La inteligencia artificial también imita al moho de muchas cabezas

Algunos sistemas inteligentes son conocidos como sistemas bioinspirados. Esto es porque la naturaleza ha resuelto a lo largo de millones de años muchos problemas complejos. Por eso los humanos sacamos provecho de cuanta estrategia podamos conocer imitando las astutas estrategias de esta gran sabia. En esta nota editorial recorreremos el camino de una artista, que no solo descubrió las sorprendentes habilidades de un moho formado por células sencillas, también describe cómo los científicos y técnicos hacen sistemas inteligentes inspirándose en su inteligencia.

Physarum polycephalum es una célula simple que se une a otras para formar un moho gelatinoso apodado «de múltiples cabezas». Su objetivo: maximizar sus recursos uniendo miles (y hasta millones) de núcleos celulares aliados para cooperar sinérgicamente dentro de los límites de una única pared celular.

En estado natural se alimentan de la vegetación de bosques, que están en proceso de descomposición. Pero hoy se los encuentra en laboratorios, aulas y estudios de arte.

Así, Heather Barnett, una artista acostumbrada a tomar inspiración en los procesos científicos, un día recibe de un colega un disco de Petri con este hongo y se lo presta para que juegue. La única instrucción era generarle la condición favorable: oscuridad y humedad. Fue observando el comportamiento del hongo alimentándolo con comida favorita: copos de avena. Pronto descubrió que la tarea era un poco lenta ya que crecía a un centímetro por hora, así que registró los cambios con imágenes fotográficas.

A cambio de su paciencia pudo observar cómo se tejían redes que unían los copos, que era capaz de marcar para memorizar dónde había estado su comida originalmente, e incluso cómo decidió mudarse a un lugar mejor cuando tuvo la oportunidad de salir. Pero no acaba allí la inteligencia natural de este diminuto ser: también presentó un comportamiento expansivo, explorando regiones alrededor de la comida de manera sistemática, ramificándose como en patrones similares a un fractal. Al avanzar, si encuentra otra ramificación de sí mismo es capaz de reconocerse y entonces en vez de retroceder comienza a explorar otras direcciones en eje perpendicular al original mientras expande las ramificaciones existentes en direcciones opuestas.

Heather pudo encontrar una intención en este comportamiento, el reconocimiento de su territorio. Afortunadamente hay incontables trabajos científicos y de divulgación que estudian el comportamiento de este organismo.

Un estudio japonés interesante colocó al moho en un laberinto, en todos los caminos, y en dos posiciones extremas colocó el alimento. Al tiempo había desaparecido de todos los espacios salvo un rastro uniforme y compacto que unía ambos extremos donde estaba el camino: había resuelto el laberinto de manera exitosa conectando ambos extremos y, por difícil que resulte creerlo, con el tiempo resultó ser el camino más corto entre ambos.

En otro experimento se le exponía por intervalos a viento caliente sobre el disco de Petri que lo contenía, lo que es desagradable para él tanto el calor como la sequedad que produce el viento. En respuesta dejaba de crecer. Lo que encontraron los científicos es que cuando dejaban de ventilar o retrasaban el proceso, el moho se anticipaba y retardaba su crecimiento, lo que muestra dos cosas: capacidad de aprender y un conocimiento de temporalidad del estímulo.

En un tercer experimento se lo coloca en una superficie con copos dispersos para invitarle a explorar. A las pocas horas comienza ramificándose y algunas de esas conexiones alcanzan a los copos. Al cabo de 26 horas había una red definida con uniones limpias entre los copos. Los científicos lo encontraron útil para resolver el problema de conexiones óptimas entre ciudades satélites de Tokio y dicha ciudad según las disposiciones de las estaciones ferroviarias de transporte. Increíblemente el moho encontró en 26 horas una disposición casi exactamente igual a la red de transportes actual de Tokio desarrollada por toda una serie de expertos especializados en diversas áreas a lo largo de casi 100 años. Este problema es conocido en la IA como el «Problema del viajante de comercio»y constituye uno de los clásicos desafíos que se suelen resolver para probar la potencia de un sistema inteligente artificial.

¿Cómo funciona esta inteligencia? Al microscopio muestra una estructura similar a las venas que atraviesan la célula, con flujo pulsado rítmico de material celular, nutrientes e información química. Lo interesante es que el desplazamiento no es lineal sino que comienza en una dirección, retrocede e intenta otra. El pulsado es sincrónico y se comporta con una oscilación continua. De esta manera logra una exploración y adaptación en toda su extensión sin necesidad de un centro de control a gran escala.

No tiene cerebro pero desarrolla conductas similares a la de un cerebro inteligente: aprende, recuerda, predice, resuelve problemas, toma decisiones, por lo que posible hacer un sistema bioinspirado como los algoritmos genéticos, las redes neuronales, computación evolutiva, etc.

Este comportamiento se puede actualmente simular con un sistema de aproximación inteligente multi-agente, útil para desarrollos complejos en electrónica, programación y robótica. Para ello debieron descifrar sus principios de funcionamiento, limitaciones, y reglas de funcionamiento.

Actualmente existe una comunidad de personas que incluye a científicos, artistas y personas de otros ámbitos que estudian el comportamiento del moho y aplicaciones del mismo. Por caso, Sara Roberts (ver figura) hizo una pintura con elementos fluorescentes, pero otros especialistas lo usaron para impresiones 3D, estudios sociológicos, lúdicos, en electrónica, computación, psicología, fotografía, animaciones, etc. La esencia de su poder radica en el comportamiento colectivo y sinérgico, pulsado y sincrónico pero no centralizado.

Charla TED original: «Lo que los humanos podemos aprender del moho seminteligente», 2014

Papers:

Path finding by tube morphogenesis in an amoeboid organism. Nakagaki, Yaada, Tóth.

Amoebae Anticipate Periodic Events. Nakagaki et al.

Rules for biollogically-inspred adaptive network design. Nakagaki et al.

Daniela López De Luise

Academia Nacional de Ciencias de Buenos Aires

Coordinadora Académica CETI