Los cerebros de rata con inteligencia artificial de Google DeepMind podrían hacer que los robots se muevan como si fueran reales

Las ratas son criaturas increíblemente ágiles. Pueden trepar cortinas, saltar por cornisas altas y correr por terrenos complejos (por ejemplo, un sótano lleno de cosas de formas extrañas) a una velocidad alucinante.

Los robots, en cambio, son todo menos ágiles. A pesar de los recientes avances en inteligencia artificial para guiar sus movimientos, siguen siendo rígidos y torpes, especialmente cuando se desplazan por entornos nuevos.

Para que los robots sean más ágiles, ¿por qué no controlarlos con algoritmos extraídos de cerebros biológicos? Nuestros movimientos tienen sus raíces en el mundo físico y se basan en la experiencia, dos componentes que nos permiten explorar fácilmente distintos entornos.

Existe un gran obstáculo. A pesar de décadas de investigación, los neurocientíficos aún no han determinado con precisión cómo los circuitos cerebrales controlan y coordinan el movimiento. La mayoría de los estudios han correlacionado la actividad neuronal con respuestas motoras mensurables, como un movimiento de una mano o la velocidad con la que se levanta una pierna. En otras palabras, conocemos patrones de activación cerebral que pueden describir un movimiento, pero ¿qué circuitos neuronales provocan esos movimientos en primer lugar?

Quizás encontremos la respuesta si tratamos de recrearlos en formato digital. Como dijo una vez el famoso físico Richard Feynman : “Lo que no puedo crear, no lo entiendo”.

Este mes, Google DeepMind y la Universidad de Harvard crearon una rata virtual realista para estudiar los circuitos neuronales que controlan los movimientos complejos. El cerebro digital de la rata, compuesto por redes neuronales artificiales, fue entrenado con decenas de horas de grabaciones neuronales de ratas reales que corrían en un espacio abierto.

Al comparar los patrones de activación del cerebro artificial con las señales de animales vivos que respiran, el equipo descubrió que el cerebro digital podía predecir los patrones de activación neuronal de ratas reales y producir el mismo comportamiento, por ejemplo, correr o levantarse sobre las patas traseras.

La colaboración fue “fantástica”, afirmó el autor del estudio, el Dr. Bence Ölveczky de Harvard, en un comunicado de prensa. “DeepMind había desarrollado un sistema para entrenar a agentes biomecánicos para que se desplazaran en entornos complejos. Simplemente no teníamos los recursos para ejecutar simulaciones como esas, para entrenar estas redes”.

El cerebro de la rata virtual recapituló dos regiones especialmente importantes para el movimiento. Al modificar las conexiones en esas áreas, se modificaron las respuestas motoras en una variedad de comportamientos, lo que sugiere que estas señales neuronales están involucradas en caminar, correr, trepar y otros movimientos.

“Los animales virtuales entrenados para comportarse como sus contrapartes reales podrían proporcionar una plataforma para la neurociencia virtual… que de otro modo sería difícil o imposible de deducir experimentalmente”, escribió el equipo en su artículo.

Un conjunto de datos denso

La inteligencia artificial “vive” en el mundo digital. Para impulsar a los robots, necesita comprender el mundo físico .

Una forma de enseñarle sobre el mundo es registrar señales neuronales de roedores y usar las grabaciones para diseñar algoritmos que puedan controlar modelos biomecánicamente realistas que repliquen comportamientos naturales. El objetivo es destilar los cálculos del cerebro en algoritmos que puedan pilotear robots y también brindar a los neurocientíficos una comprensión más profunda del funcionamiento del cerebro.

Hasta ahora, la estrategia se ha utilizado con éxito para descifrar los cálculos del cerebro para la visión, el olfato, la orientación y el reconocimiento de rostros, explicaron los autores en su artículo. Sin embargo, modelar el movimiento ha sido un desafío. Las personas se mueven de manera diferente y el ruido de las grabaciones cerebrales puede alterar fácilmente la precisión de la IA resultante.

Este estudio abordó los desafíos directamente con una cornucopia de datos.

Primero, el equipo colocó varias ratas en un recinto con seis cámaras para capturar sus movimientos: corriendo, encabritados o girando en círculos. Las ratas pueden ser muy perezosas. Para alentarlas a moverse, el equipo colgó Cheerios por todo el recinto.

Mientras las ratas exploraban la arena, el equipo registró 607 horas de vídeo y también actividad neuronal con un conjunto de electrodos de 128 canales implantados en sus cerebros.

Utilizaron estos datos para entrenar una red neuronal artificial (el “cerebro” de una rata virtual) para que controle el movimiento del cuerpo. Para ello, primero rastrearon cómo se movían 23 articulaciones en los videos y los transfirieron a una simulación de los movimientos esqueléticos de las ratas. Nuestras articulaciones solo se doblan de ciertas maneras, y este paso filtra lo que es físicamente imposible (por ejemplo, doblar las piernas en la dirección opuesta).

El núcleo del cerebro de la rata virtual es un tipo de algoritmo de IA llamado modelo de dinámica inversa. Básicamente, sabe dónde se encuentran las posiciones del “cuerpo” en el espacio en un momento dado y, a partir de ahí, predice los próximos movimientos que conducen a un objetivo (por ejemplo, agarrar esa taza de café sin dejarla caer).

A través de ensayo y error, la IA finalmente logró imitar los movimientos de sus contrapartes biológicas. Sorprendentemente, la rata virtual también pudo generalizar fácilmente sus habilidades motoras a lugares y escenarios desconocidos, en parte aprendiendo las fuerzas necesarias para moverse en los nuevos entornos.

Las similitudes permitieron al equipo comparar ratas reales con sus dobles digitales, cuando realizaban el mismo comportamiento.

En una prueba, el equipo analizó la actividad en dos regiones cerebrales que se sabe que guían las habilidades motoras. En comparación con un modelo computacional más antiguo utilizado para decodificar las redes cerebrales, la IA pudo simular mejor las señales neuronales en la rata virtual a lo largo de múltiples tareas físicas.

Gracias a esto, la rata virtual ofrece una forma de estudiar el movimiento digitalmente.

Una pregunta que se plantea desde hace mucho tiempo, por ejemplo, es cómo el cerebro y los nervios controlan el movimiento muscular en función de la tarea. Para tomar una taza de café por la mañana, por ejemplo, se necesita una mano firme sin sacudidas, pero con la fuerza suficiente para mantenerla firme.

El equipo modificó las “conexiones neuronales” en el roedor virtual para ver cómo los cambios en las redes cerebrales alteran el comportamiento final: tomar una taza de café. Encontraron una medida de red que podía identificar un comportamiento en un momento dado y guiarlo a través de él.

En comparación con los estudios de laboratorio, a estos conocimientos “sólo se puede acceder directamente a través de la simulación”, escribió el equipo.

La rata virtual es un puente entre la inteligencia artificial y la neurociencia. Los modelos de inteligencia artificial que se muestran aquí recrean la fisicalidad y las señales neuronales de las criaturas vivientes, lo que los hace invaluables para investigar las funciones cerebrales. En este estudio, un aspecto de las habilidades motoras de la rata virtual se basó en dos regiones cerebrales, señalándolas como posibles regiones clave para guiar un movimiento complejo y adaptable.

Una estrategia similar podría proporcionar más información sobre los cálculos que subyacen a la visión, la sensación o incluso a funciones cognitivas superiores, como el razonamiento. Pero el cerebro de rata virtual no es una réplica completa de uno real. Solo captura instantáneas de una parte del cerebro. Pero sí permite a los neurocientíficos “acercar” su región cerebral favorita y probar hipótesis de manera rápida y sencilla, en comparación con los experimentos de laboratorio tradicionales, que a menudo llevan semanas o meses.

Desde el punto de vista de la robótica , el método añade una fisicalidad a la IA.

“Hemos aprendido muchísimo del desafío de construir agentes corpóreos: sistemas de IA que no solo tienen que pensar de manera inteligente, sino que también tienen que traducir ese pensamiento en acción física en un entorno complejo”, dijo el autor del estudio, el Dr. Matthew Botvinick de DeepMind, en un comunicado de prensa. “Parecía plausible que adoptar este mismo enfoque en un contexto de neurociencia podría ser útil para proporcionar información tanto sobre el comportamiento como sobre la función cerebral”.

A continuación, el equipo planea probar la rata virtual con tareas más complejas, junto con sus contrapartes biológicas, para profundizar en el funcionamiento interno del cerebro digital.

“A partir de nuestros experimentos, hemos obtenido muchas ideas sobre cómo se resuelven estas tareas”, dijo Ölveczky a The Harvard Gazette . “Queremos empezar a utilizar ratas virtuales para poner a prueba estas ideas y ayudar a avanzar en nuestra comprensión de cómo los cerebros reales generan un comportamiento complejo”.

Crédito de la imagen: Google DeepMind