Internet y tu cerebro son más parecidos de lo que crees

Internet y tu cerebro son más parecidos de lo que crees

Un científico de Salk encuentra una regla similar que rige el flujo de tráfico en sistemas biológicos y de ingeniería

LA JOLLA: aunque hoy en día pasamos mucho tiempo en línea (transmitiendo música y videos, revisando el correo electrónico y las redes sociales, o leyendo obsesivamente las noticias), pocos de nosotros conocemos los algoritmos matemáticos que administran cómo se entrega nuestro contenido. Pero decidir cómo enrutar la información de manera justa y eficiente a través de un sistema distribuido sin una autoridad central era una prioridad para los fundadores de Internet. Ahora, un descubrimiento del Instituto Salk muestra que un algoritmo utilizado para Internet también está funcionando en el cerebro humano, una idea que mejora nuestra comprensión de las redes neuronales y de ingeniería y, potencialmente, incluso de las discapacidades de aprendizaje.

“Los fundadores de Internet pasaron mucho tiempo considerando cómo hacer que la información fluya de manera eficiente”, dice el profesor asistente de Salk. Saket Navlajá, coautor del nuevo estudio que aparece en línea en Computación neuronal el 9 de febrero de 2017. “Descubrir que un sistema diseñado y uno biológico evolucionado surgen en una solución similar a un problema es realmente interesante”.

En el sistema de ingeniería, la solución consiste en controlar el flujo de información de modo que las rutas no estén obstruidas ni subutilizadas mediante la verificación de cuán congestionado está Internet. Para lograr esto, Internet emplea un algoritmo llamado "aumento aditivo, disminución multiplicativa" (AIMD) en el que su computadora envía un paquete de datos y luego escucha el reconocimiento del receptor: si el paquete se reconoce de inmediato, la red no está sobrecargado y sus datos pueden transmitirse a través de la red a una velocidad mayor. Con cada paquete exitoso sucesivo, su computadora sabe que es seguro aumentar su velocidad en una unidad, que es la parte del aumento aditivo. Pero si un reconocimiento se retrasa o se pierde, su computadora sabe que hay congestión y se ralentiza en gran medida, como a la mitad, que es la parte de disminución multiplicativa. De esta forma, los usuarios van encontrando poco a poco su “punto dulce” y se evitan atascos porque los usuarios quitan el pie del acelerador, por así decirlo, en cuanto notan una ralentización. A medida que las computadoras en toda la red utilizan esta estrategia, todo el sistema puede ajustarse continuamente a las condiciones cambiantes, maximizando la eficiencia general.

Navlakha, que desarrolla algoritmos para comprender redes biológicas complejas, se preguntó si el cerebro, con sus miles de millones de neuronas distribuidas, gestionaba la información de manera similar. Entonces, él y el coautor Jonathan Suen, un becario postdoctoral en la Universidad de Duke, se dispusieron a modelar matemáticamente la actividad neuronal.

Debido a que AIMD es uno de varios algoritmos de control de flujo, el dúo decidió modelar otros seis también. Además, analizaron qué modelo se ajustaba mejor a los datos fisiológicos sobre la actividad neuronal de 20 estudios experimentales. En sus modelos, AIMD resultó ser el más eficiente para mantener el flujo de información en movimiento sin problemas, ajustando las tasas de tráfico cada vez que las rutas se congestionaban demasiado. Más interesante aún, AIMD también resultó ser la mejor explicación de lo que estaba sucediendo con las neuronas experimentalmente.

Resulta que el equivalente neuronal del aumento aditivo se llama potenciación a largo plazo. Ocurre cuando una neurona se dispara muy cerca de otra, lo que fortalece su conexión sináptica y hace que sea un poco más probable que la primera active la segunda en el futuro. El equivalente neuronal de la disminución multiplicativa se produce cuando se invierte el disparo de dos neuronas (la segunda antes que la primera), lo que debilita su conexión, lo que hace que sea mucho menos probable que la primera desencadene la segunda en el futuro. Esto se llama depresión a largo plazo. A medida que las sinapsis en toda la red se debilitan o fortalecen de acuerdo con esta regla, todo el sistema se adapta y aprende.

“Mientras que el cerebro e Internet claramente operan usando mecanismos muy diferentes, ambos usan reglas locales simples que dan lugar a la estabilidad global”, dice Suen. “Al principio me sorprendió que las redes neuronales biológicas utilizaran los mismos algoritmos que sus contrapartes diseñadas, pero, como aprendimos, los requisitos de eficiencia, robustez y simplicidad son comunes tanto para los organismos vivos como para las redes que hemos construido”.

Comprender cómo funciona el sistema en condiciones normales podría ayudar a los neurocientíficos a comprender mejor qué sucede cuando estos resultados se interrumpen, por ejemplo, en problemas de aprendizaje. “Las variaciones del algoritmo AIMD se utilizan básicamente en todas las redes de comunicación distribuidas a gran escala”, dice Navlakha. "Descubrir que el cerebro usa un algoritmo similar puede no ser solo una coincidencia".

El trabajo fue financiado por la Departamento de Defensa, Oficina de Investigación del Ejército.