Dos investigaciones diferentes han puesto de manifiesto que el orden y el caos conviven en un difícil equilibrio, tanto en las redes neuronales biológicas como artificiales, para optimizar el procesamiento de información.

Todavía resulta un misterio comprender cómo una maraña de neuronas procesa miríadas de datos para que los seres vivos puedan gestionar la cotidianidad.

Sabemos que el cerebro bascula entre dos extremos, el orden y el caos, por la sencilla razón de que demasiado orden impide gestionar la complejidad de la vida, mientras que demasiado caos impide el procesamiento de la información que procede de los sentidos.

Por eso se dice que el cerebro navega en la frontera del caos e incluso que es capaz de encontrar el orden dentro del caos.

Una investigación desarrollada en el Instituto Neurociencia Computacional y de Sistemas (INM-6 / IAS-6) de Alemania, añade nuevos elementos al misterio que rodea a la actividad cerebral, tal como se explica en un comunicado.

Una de las cosas que ha podido determinar es que, dentro de la dinámica neuronal, el orden y el caos no son mutuamente excluyentes, sino que más bien se potencian entre sí.

Reconociendo caras

Reconociendo caras Eso significa que las redes neuronales caóticas son más eficientes porque se valen de la información ordenada, además de la difusa, para ofrecernos una visión adecuada del entorno.

Esta investigación incluso ha ido más lejos: ha calculado el momento óptimo para leer la información que procesan las neuronas, una actividad caracterizada por la producción de entropía (desorden, incertidumbre), típica de los sistemas caóticos.

Cuando observamos una cara, por ejemplo, se desencadena en el cerebro un proceso caótico: las trayectorias de las señales neuronales que estaban «ordenadas» en un estado de proximidad, se dispersan rápidamente buscando patrones de reconocimiento de la cara que hemos visto.

Esa dispersión obedece a un principio natural: cuanto más se alejan entre sí las señales neuronales, es más sencillo reagruparse y organizarse ante el nuevo patrón facial observado. Es así como reconocemos rápidamente a nuestro primo en medio de varios viandantes.

Caótico y predecible

Caótico y predecible Lo que aporta esta investigación es que ha calculado el momento preciso en el que el cerebro lee la información proporcionada por las señales en ese proceso caótico: si espera demasiado a que se terminen de reorganizar, la dispersión de señales que ha propiciado la observación de la cara de nuestro primo, se diluye y no llegamos a identificarlo.

También destaca algo no menos significativo: en términos de la computación cerebral, caótico no significa que sea impredecible, añaden los investigadores, ya que el estado de la red neuronal biológica se desarrolla en gran medida de manera determinista.

Las aplicaciones de estos descubrimientos, aparentemente irrelevantes, son significativas porque pretendemos replicar en laboratorio el funcionamiento del cerebro, a través de redes neuronales artificiales.

Los autores de esta investigación señalan que la dinámica caótica observada en neuronas biológicas se puede tomar como modelo para el aprendizaje automático y la computación neuromórfica.

Las conexiones entre la neurociencia y la inteligencia artificial pueden ser muy útiles, concluyen: solo hay que encontrar una formulación matemática general para verlas.

Tema relacionado: La criticidad cerebral potencia la cogniciónTema relacionado: La criticidad cerebral potencia la cognición

Aplicación contrastada

Aplicación contrastada Científicos de Australia y Japón han comprobado en un estudio paralelo lo que plantea la investigación alemana: mantener una red de nanocables al borde de volverse caótica es el mejor estado para que produzca resultados útiles.

Han determinado que una red artificial de nanocables se puede sintonizar para responder de una manera similar a la del cerebro cuando se estimula eléctricamente.

Se sabe desde hace mucho tiempo que las neuronas biológicas se comunican con impulsos eléctricos cortos. Las neuronas artificiales, que se utilizan, por ejemplo, para el aprendizaje automático, envían sin embargo señales continuas.

«Descubrimos que las señales eléctricas enviadas a través de esta red encuentran automáticamente la mejor ruta para transmitir información. Y que esta arquitectura permite que la red ‘recuerde’ rutas anteriores a través del sistema», explica Joel Hochstetter, autor principal de este estudio, en un comunicado de la Universidad de Sydney.

Caos y cerebro

Caos y cerebro La investigación australiana aporta otros datos no menos interesantes: la estimulación eléctrica desencadena en la red neuronal artificial tanto comportamientos simples como complejos, pero la habilidad tecnológica consiste en aprovechar el mejor momento para capturar la información, que se da cuando el orden y el caos se rozan. Tal como habían calculado los científicos del INM-6/IAS-6.

Ambas investigaciones ponen de manifiesto que, tanto las redes neuronales biológicas como las artificiales, se valen de uno de los mecanismos por los cuales la complejidad surge en naturaleza, conocido como criticalidad: las dos se desenvuelven mejor cuando llegan al límite entre dos modos de operación, el caos y el orden.

También sugieren algo que viene rondando a la mente de los científicos desde hace tiempo: que de alguna forma la teoría del caos se puede aplicar a la dinámica del cerebro humano, con un atractor que la lleva a la frontera del desorden para procesar más eficientemente la información sensorial. Aparentemente se puede aplicar asimismo a la dinámica de las neuronas artificiales.

Referencias

Referencias Transient Chaotic Dimensionality Expansion by Recurrent Networks. Christian Keup et al. Phys. Rev. X 11, 021064, 25 June 2021. DOI:https://doi.org/10.1103/PhysRevX.11.021064

Avalanches and edge-of-chaos learning in neuromorphic nanowire networks. Joel Hochstetter et al. Nature Communications volume 12, Article number: 4008 (2021). DOI:https://doi.org/10.1038/s41467-021-24260-z

Foto superior: Imagen conceptual de interruptores conectados aleatoriamente en una red neurnal artificial. Crédito: Alon Loeffler.