Olvida a los niños. Llevemos al cole a nuestro ordenador. - Psicomemorias
¿Quieres publicar tu artículo en Psicomemorias y ayudarnos en nuestra misión de divulgar psicología?
¡Claro que quiero!

Olvida a los niños. Llevemos al cole a nuestro ordenador.

Abby está sentada frente a una pantalla de ordenador que muestra una rápida sucesión de imágenes. Mientras, Chase, Trece, Taub y Foreman observan desde la sala control.

Chase: Abby, ¿puedes pensar en algo concreto?
Abby: ¿Como qué?
Chase: No importa, que sea una sola imagen.

El ordenador empieza a mostrar de forma reconocible una silueta usando un bate de baseball.

Trece: ¿En qué estás pensando?
Abby: En Nick jugando al baseball.
Taub: ¡No me jodas!
Chase: Es increíble.
Foreman: Sí, ahora sólo hay que leerle el subconsciente y confiar en que sea racional y haya estudiado medicina.

Este fragmento de la sexta temporada de la serie House M.D. nos mostraba, allá por el año 2010, que las máquinas podrían ayudarnos a estudiar el cerebro y la mente de formas que antes sólo podríamos esperar en obras de ciencia-ficción. Por ejemplo, en la Saga de la Fundación (1942-1993) de Isaac Asimov, donde una terrible máquina llamada “sonda psíquica” es capaz de doblegar la voluntad de las personas y alcanzar los más escondidos recovecos de sus mentes para extraer información en contra de su voluntad.

Esta imagen aterradora sobre lo que los ordenadores podrían hacer a nuestros cerebros siempre nos ha parecido algo alejada de la realidad. Sin embargo, en los últimos años las ciencias de la computación se han adentrado con fuerza en otras disciplinas como la Biomedicina o la Neurociencia. Su objetivo: poner la potencia de las máquinas a nuestra disposición para así poder avanzar a pasos agigantados en nuestra comprensión del mundo que nos rodea.

Máquinas que aprenden de nosotros

Se dice de un programa de ordenador que aprende a partir de la experiencia E, con respecto a algún tipo de tarea T y una medida de rendimiento P, si su rendimiento en la tarea T, medido mediante P, mejora con la experiencia E.

Con esta farragosa definición Tom Mitchell, científico de la Universidad Carnegie Mellon en Pensilvania (EEUU), definía una idea que ha revolucionado las ciencias de la computación: ¡las máquinas pueden aprender! Hasta hace no mucho tiempo, los ordenadores eran justo lo contrario a nosotros: podían manejar muchísima cantidad de información, pero no eran demasiado “listos” que digamos. Tenías tú que decirles exactamente lo que querías (y ojo con cómo se lo decías) para que funcionaran. No obstante, en las últimas décadas se ha extendido un uso distinto de las máquinas: podemos hacer muchas más cosas si les enseñamos a que aprendan por sí mismas en base a la experiencia.

ordenador_machine.learning

Combinando nuestras capacidades cognitivas con la potencia de las máquinas, podemos abordar problemas que de otra forma serían inalcanzables para nosotros. Fuente: Flickr (bionicteaching)

Cuando pensamos en inteligencia artificial, solemos imaginarnos a esos robots de dudosa moral a los que cogemos cariño pero que en el fondo quieren acabar con la humanidad (menos mal que el bueno de Will Smith siempre estará ahí para defendernos). Sin embargo, este miedo es fruto de la ficción, y no de lo que los científicos realmente hacen. En la actualidad, enseñar a las máquinas a aprender de la experiencia sin necesidad de programarlas específicamente para una función determinada nos está ayudando a seguir avanzando donde antes nos encontrábamos atascados.

Podemos encontrar un ejemplo en la genética. Ahora que las 3.000.000.000 letras del genoma humano han sido secuenciadas, parecía que todo iba a ser coser y cantar a la hora de identificar las causas y posibles tratamiento de la mayoría de enfermedades. No obstante, cada uno de nosotros cuenta con unos 21.000 genes, por lo que cada vez que queremos investigar si tal o cual enfermedad tiene un componente genético (y en tal caso, de qué se trata), resulta extremadamente costoso estudiar uno a uno todos los genes. Y eso en el mejor de los casos, porque lo más habitual es que no sea uno, sino la interacción de varios genes, lo que provoca graves alteraciones en nuestro organismo. En este sentido, y ya que los humanos no podemos trabajar con tanta información a la vez, ¿por qué no dejar que lo haga una máquina?

A pesar de que mucha gente aún desconfía de las intenciones de grandes empresas como Microsoft, Google, Facebook o Amazon, que recaban datos continuamente sobre los pasos que damos en Internet, lo cierto es que obtenemos beneficios de ello. Nos separan el spam de los mensajes importantes en nuestro correo electrónico, nos ofrecen sugerencias de películas que podrían interesarnos, y nos recomiendan productos en base a las búsquedas que hacemos (bueno, esto quizá no sea “beneficioso” per se, pero desde luego es mejor que recibir publicidad sobre la píldora azul o el príncipe nigeriano que necesita dinero para recuperar su fortuna). Es más, la tecnología en la que se basa esta masiva adquisición y procesamiento de datos nos está ayudando a luchar contra enfermedades como el cáncer o el Alzheimer, e incluso a entendernos un poco mejor a nosotros mismos. Esto es debido a que los mismos programas y algoritmos que se utilizan para predecir el comportamiento de los usuarios o consumidores pueden utilizarse para predecir el tiempo, la evolución de una célula tumoral, o cómo se organizan las distintas redes neuronales de nuestro cerebro en base a la experiencia.

Decodificando la actividad del cerebro

Volviendo al episodio de House M.D., ¿es posible hacer un escáner cerebral a una persona y obtener una imagen de lo que está pensando? Pues me temo que no. Por ahora.

La mayoría de los experimentos que se han hecho en las últimas décadas con técnicas de imagen cerebral como la tomografía por emisión de positrones (PET) o la resonancia magnética funcional (fMRI) han tratado de averiguar qué ocurre en el cerebro cuando planteamos un problema o situación determinados a los sujetos experimentales. Sin embargo, también cabe preguntarse lo contrario: si nos encontramos con un determinado patrón de actividad cerebral, ¿qué significa? ¿Qué está haciendo la persona para que su cerebro actúe de esa forma?

En 2008, un grupo de investigadores liderados por Jack Gallant, profesor de Psicología y Neurociencia de la Universidad de California en Berkeley (EEUU), desarrollaron un modelo computacional que usa imágenes de resonancia magnética funcional para decodificar la información que se está procesando en la corteza visual, la región de nuestro cerebro que se encarga de procesar la información que nos llega a través de la vista. De esta forma, este grupo de científicos fue capaz de reconstruir la actividad del cerebro de los sujetos experimentales para conocer qué imagen estaba viendo la persona. El resultado nos hace pensar que, quizá, en la popular serie del médico más cínico e irreverente estaban muy al día de las últimas investigaciones…

La técnica que usaron se basa en los mismos principios que, como comentábamos al principio, utilizan las grandes empresas tecnológicas para adquirir y procesar toda la información de sus usuarios. Es lo que se ha venido a conocer como “aprendizaje automático” (o machine learning en inglés). Fundamentalmente, este concepto implica enseñar a las máquinas a que aprendan por sí solas en base a la experiencia, en lugar de programarlas específicamente para una función determinada. ¿Y cómo se enseña a una máquina? Pues de forma parecida a como lo hacemos nosotros mismos, observando ejemplos y más ejemplos, hasta que somos capaces de aprender qué es lo común entre todos ellos.

Como el propio Gallant explica en este vídeo, “Si el mundo exterior es como una película, queremos construir un diccionario que sea capaz de predecir de forma precisa cuál sería la actividad cerebral evocada por cada película”.

De esta forma, estos investigadores están intentando desarrollar mejores algoritmos que sean capaces de leer la actividad cerebral y reconstruir en base a ella una imagen o película del mundo exterior. Más recientemente, en el año 2013, un grupo de investigación japonés encabezado por el neurocientífico Yukiyasu Kamitani publicaba un estudio similar pero durante el sueño. Pusieron a los sujetos experimentales a dormir dentro del escáner de resonancia magnética para medir la actividad de sus cerebros mientras dormían. Tras un tiempo, despertaban a los participantes y les preguntaban sobre qué estaban soñando justo antes de despertar. De esta forma, fueron agrupando patrones específicos de actividad cerebral con categorías concretas de sueño (como cuerpo, edificio, comida o mueble).

 

A día de hoy, los humanos somos mucho mejores que las máquinas en bastante cosas. Nuestras capacidades cognitivas son la clave. No obstante, si combinamos nuestras capacidades con la potencia de las máquinas, el resultado puede ayudarnos a alcanzar objetivos que de otra forma sería imposible alcanzar (o, al menos, tardaríamos décadas). Por ejemplo, aquellos problemas que implican un gran número de variables, o aquellos sistemas que cambian constantemente. Éste es el caso del cerebro, que no sólo está compuesto por miles de millones de neuronas agrupadas en distintas regiones diferenciadas, sino que además las distintas regiones están estrechamente conectadas entre sí. Además, estas redes neuronales cambian como consecuencia de nuestra experiencia, por lo que resulta aún más difícil de estudiar. Quién sabe, quizás en el futuro habrá que compartir un premio Nobel entre un humano y una máquina.

Sobre Daniel Alcalá López

Psicólogo, Máster Oficial en Fisiología y Neurociencia y estudiante de doctorado por la Universidad Técnica de Aquisgrán (RWTH Aachen, Alemania). Anteriormente en París (Francia), colaborando con el grupo PARIETAL en el NeuroSpin, un centro de investigación en neuroimagen centrado en el modelado de la estructura, función y conectividad cerebral. Su investigación se centra en el uso de herramientas de aprendizaje automático (machine learning) para explorar la conectividad cerebral asociada al procesamiento de la información social y afectiva.

1 Interacción

  1. 20/02/2016

    […] Llevemos al cole a nuestro ordenador […]

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Este sitio usa Akismet para reducir el spam. Conoce cómo se procesan los datos de tus comentarios.

Si continuas utilizando este sitio aceptas el uso de cookies. Saber más

Los ajustes de cookies de esta web están configurados para "permitir cookies" y así ofrecerte la mejor experiencia de navegación posible. Si sigues utilizando esta web sin cambiar tus ajustes de cookies o haces clic en "Aceptar" estarás dando tu consentimiento a esto.

Cerrar