La técnica se denomina «computación de reservorios físicos», donde el robot funciona utilizando células nerviosas similares al cerebro que se han cultivado en un laboratorio y combinándolas con una pequeña computadora. Estas células nerviosas, o neuronas, son cultivadas a partir de células vivas y actúan como depósito físico para que la computadora construyera señales coherentes.
Los autores del artículo dicen que, la rica dinámica de un sistema neuronal vivo puede considerarse como un recurso computacional para la computación de reserva física (PRC). Aunque la RPC que genera una señal de salida coherente a partir de un sistema neuronal espontáneamente activo todavía es un desafío. Para superar este reto, construyeron «un sistema experimental de bucle cerrado para el PRC de un cultivo neuronal vivo, en el que las actividades neuronales se registraron con una matriz de microelectrodos y se estimularon ópticamente utilizando compuestos enjaulados».
Para «enseñar» al robot, los científicos realizaron un experimento en el que el robot tenía que encontrar su camino a través de un laberinto para alcanzar un premio. Siempre que el robot se desviaba o miraba en la dirección incorrecta, las neuronas del cultivo celular se veían perturbadas por un impulso eléctrico. De este modo consiguieron ayudarlo a aprender más sobre su entorno para finalmente completar con éxito la tarea del laberinto.
«Yo mismo me inspiré en nuestros experimentos para plantear la hipótesis de que la inteligencia en un sistema vivo surge de un mecanismo que extrae una salida coherente de un estado desorganizado o caótico», dijo el coautor Hirokazu Takahashi, profesor asociado de mecano- informática.
De acuerdo con una nota de presa del Instituto Estadounidense de Física (AIP), mediante este principio, los investigadores muestran que se pueden producir habilidades inteligentes de resolución de tareas utilizando computadoras de depósito físico para extraer señales neuronales caóticas y entregar señales homeostáticas o de perturbación. Al hacerlo, la computadora crea un depósito que comprende cómo resolver la tarea.
«El cerebro de un niño de escuela primaria es incapaz de resolver problemas matemáticos en un examen de admisión a la universidad, posiblemente porque la dinámica del cerebro o su ‘computadora de reserva física’ no es lo suficientemente rica», dijo Takahashi. «La capacidad de resolución de tareas está determinada por la riqueza del repertorio de patrones espacio-temporales que puede generar la red».
«Es la primera vez que se le ‘enseña’ inteligencia a un robot», dice Independent. El equipo cree que el uso de la computación de depósito físico en este contexto contribuirá a una mejor comprensión de los mecanismos del cerebro. En otras palabras, se espera que estos avancen contribuyan al desarrollo de una supercomputadora que imite al cerebro humano.
Los detalles del estudio aparecen en Applied Physics Letters.
