Ciclos cerrados de neurociencia y tecnología

El avance en el estudio del sistema nervioso en el último siglo ha sido espectacular, con resultados fundamentales en neurociencia experimental y teórica. Este avance ha contribuido a la comprensión de aspectos clave del funcionamiento del cerebro, lo que proporciona también nuevos elementos de inspiración para la tecnología y la inteligencia artificial. Por otro lado, el desarrollo constante de nuevas técnicas de procesamiento automático de datos e imágenes provenientes de los experimentos de neurociencia y genética, la tecnología de control aplicada a los experimentos de neurofisiología, y el uso de modelos de neurociencia computacional para representar e integrar información, realimenta el conocimiento sobre el cerebro y proporciona nuevas oportunidades para la interacción entre el sistema nervioso y los paradigmas de inteligencia computacional, la robótica, los interfaces cerebro-máquina y todo tipo de dispositivos prostéticos y de realidad aumentada.

En el entramado de disciplinas y enfoques interesados en entender cómo funciona el cerebro, existe una aproximación multidisciplinar a la Neurociencia que permite estudiar el sistema nervioso desde el punto de vista de su funcionalidad: el procesamiento de información. Para ello, se utilizan modelos teóricos y experimentos que se aprovechan de tecnología de ciclo-cerrado para revelar aspectos de la dinámica neuronal que no aparecen bajo los protocolos tradicionales de experimentación, circuitos híbridos compuestos por neuronas vivas y neuronas artificiales en interacción bidireccional, experimentos de comportamiento con estimulación dependiente de actividad, y nuevos protocolos para la personalización de interfaces cerebro-máquina.

Los paradigmas teóricos y los modelos computacionales que se derivan de este enfoque describen el procesamiento de información en términos de secuencias robustas de activación de neuronas, redes y sistemas: desde actividad motora básica hasta modelos de actividad cognitiva, atención y toma de decisiones. Estos paradigmas se pueden implementar con modelos de alto realismo biofísico o modelos abstractos, lo que permite combinar visiones bottom-up y top-down para estudiar el origen de la robustez dinámica del procesamiento de información en el sistema nervioso.

Los modelos pueden servir de representaciones internas para construir protocolos de interacción en ciclo-cerrado con el sistema nervioso en preparaciones in vitro, in vivo, o en experimentos de resonancia magnética nuclear. Estos modelos experimentales incluyen animales con sistemas nerviosos sencillos donde se pueden estudiar todas las etapas de la transformación sensorio-motora, y experimentos donde podemos comprobar la eficacia de nuevos interfaces cerebro-máquina o paradigmas de extracción de información para el diagnóstico precoz de enfermedades en humanos. Los paradigmas teóricos sirven también para elaborar protocolos de control locomotor y toma de decisiones en robótica bio-inspirada.

Los esfuerzos para promover la transferencia bidireccional entre neurociencia y tecnología plantean nuevos retos en la investigación moderna que requieren fomentar aún más el carácter interdisciplinar de esta interacción. Las expectativas sobre el desarrollo de la inteligencia artificial para acercarse a las capacidades de un cerebro humano pasan por una hibridación mayor entre el sistema nervioso y los algoritmos y dispositivos de forma que realicen un procesamiento de información compartido que resulte en una mejor percepción y una mayor capacidad de entendimiento y actuación.

Fuente: bbvaopenmind.com