211service.com
Coprocesadores cerebrales
Ed Boyden , profesor asistente de ingeniería biológica y ciencias cognitivas y cerebrales en el MIT Media Lab, hará una presentación sobre el uso de la luz para estudiar y tratar trastornos cerebrales a las 3.30 p.m. del miércoles. en EmTech 2010 . Vea una transmisión en vivo de la sesión aquí.
En las últimas décadas se ha producido un aumento de la invención de tecnologías que permiten la observación o perturbación de información en el cerebro. La resonancia magnética funcional, que mide los cambios en el flujo sanguíneo asociados con la actividad cerebral, se está explorando con fines tan diversos como la detección de mentiras, la predicción de la toma de decisiones humanas y la evaluación de la recuperación del lenguaje después de un accidente cerebrovascular. Los estimuladores eléctricos implantados, que permiten el control de la actividad del circuito neural, son utilizados por cientos de miles de personas para tratar afecciones como la sordera, la enfermedad de Parkinson y el trastorno obsesivo compulsivo. Y los investigadores están utilizando ampliamente nuevos métodos, como el uso de la luz para activar o silenciar neuronas específicas en el cerebro, para revelar conocimientos sobre cómo controlar los circuitos neuronales para lograr cambios terapéuticamente útiles en la dinámica cerebral. Estamos entrando en un renacimiento de la neurotecnología, en el que la caja de herramientas para comprender el cerebro y diseñar sus funciones se está expandiendo tanto en alcance como en poder a un ritmo sin precedentes.
Esta caja de herramientas ha crecido hasta el punto en que la utilización estratégica de múltiples neurotecnologías en conjunto entre sí, como un sistema, puede producir nuevas capacidades fundamentales, tanto científicas como clínicas, más allá de lo que pueden ofrecer por sí solas. Por ejemplo, considere un sistema que lee la actividad de un circuito cerebral, calcula una estrategia para controlar el circuito para que entre en un estado deseado o realiza un cálculo específico y luego entrega información al cerebro para lograr esta estrategia de control. Tal sistema permitiría que los cálculos cerebrales se guíen por objetivos predefinidos establecidos por el paciente o el médico, o que se dirijan de forma adaptativa en respuesta a las circunstancias del entorno del paciente o al estado instantáneo del cerebro del paciente.
Algunos ejemplos de este tipo de tecnología de coprocesadores cerebrales se encuentran en desarrollo activo, como los sistemas que perturban el cerebro epiléptico cuando se observa eléctricamente una convulsión y las prótesis para amputados que registran los nervios para controlar las extremidades artificiales y estimular los nervios para proporcionar retroalimentación sensorial. Mirando hacia el futuro, tales arquitecturas de sistemas podrían ser capaces de funciones muy avanzadas: proporcionar información justo a tiempo al cerebro de un paciente con demencia para aumentar la cognición, o esculpir el perfil de riesgo de un paciente adicto en presencia de estímulos que provocan antojos.
Dado el número cada vez mayor de tecnologías de control y lectura del cerebro disponibles, se podría habilitar una arquitectura de coprocesador cerebral generalizada mediante la definición de interfaces comunes que gobiernen cómo las tecnologías de componentes se comunican entre sí, así como un sistema operativo que defina cómo funciona el sistema en general como un todo unificado: análogo a la forma en que las computadoras personales gobiernan la interacción de los discos duros, las memorias, los procesadores y las pantallas que los componen. Una plataforma de coprocesador cerebral de este tipo podría facilitar la innovación al permitir que los neuroingenieros se centren en las prótesis neuronales a un nivel algorítmico, de la misma manera que un programador de computadoras puede trabajar en una computadora a un nivel conceptual sin tener que planificar el destino de cada bit individual. Además, si aparecen nuevas tecnologías, por ejemplo, un nuevo tipo de tecnología de grabación neuronal, podrían incorporarse a un sistema y, en principio, acoplarse rápidamente a los métodos de cálculo y perturbación existentes, sin requerir la readaptación pesada de esos otros componentes.
Desarrollar tales arquitecturas de coprocesadores cerebrales requeriría algo de trabajo; en particular, requeriría tecnologías lo suficientemente estandarizadas, o quizás lo suficientemente abiertas, para ser interoperables en una variedad de combinaciones. No obstante, se podría aprender mucho del desarrollo de prototipos de sistemas relativamente simples. Por ejemplo, las tecnologías de registro por sí mismas pueden informar la actividad cerebral, pero no pueden dar fe de la contribución causal que la actividad cerebral observada hace a un resultado clínico o conductual específico; Las tecnologías de control pueden ingresar información en objetivos neuronales, pero sus resultados por sí mismos pueden ser difíciles de interpretar debido a la información neuronal endógena y al procesamiento neuronal no observado. Estos problemas científicos pueden eliminarse de la ambigüedad mediante coprocesadores cerebrales rudimentarios, construidos con componentes listos para usar, que utilizan tecnologías de grabación para evaluar cómo una perturbación determinada del circuito neuronal altera la dinámica del cerebro. Tales exploraciones pueden comenzar a revelar principios que gobiernan la mejor manera de controlar un circuito, revelando los objetivos neuronales y las estrategias de control que conducen de manera más eficaz a un estado cerebral objetivo o efecto conductual, y señalando así el camino hacia nuevas estrategias terapéuticas. Los coprocesadores cerebrales implantables en miniatura podrían respaldar nuevos tipos de medicina personalizada, por ejemplo, adaptando continuamente una estrategia de control neuronal a los objetivos, el estado, el entorno y la historia de un paciente individual: poderes importantes, dada la naturaleza dinámica de muchos trastornos cerebrales .
En el futuro, el módulo computacional de un coprocesador cerebral puede ser lo suficientemente poderoso como para ayudar en la cognición humana de alto nivel o en la toma de decisiones complejas. Por supuesto, el aumento de la inteligencia humana ha sido uno de los objetivos clave de los ingenieros informáticos durante más de medio siglo. De hecho, si relajamos un poco la definición de coprocesador cerebral, para no requerir acceso físico directo al cerebro, muchas tecnologías de consumo que se están desarrollando en la actualidad convergen en arquitecturas de tipo coprocesador cerebral. Un gran número de nuevas tecnologías están intentando descubrir información útil para un usuario y entregar esta información al usuario en tiempo real. Además, estos procesos de descubrimiento y entrega están cada vez más moldeados por el entorno (por ejemplo, la ubicación) y el historial (por ejemplo, interacciones sociales, búsquedas) del usuario. Por lo tanto, estamos viendo una desviación de la visión clásica (como inicialmente anticiparon los primeros pensadores sobre la simbiosis humano-máquina como J. C. R. Licklider) en la que las computadoras reciben objetivos de los humanos, realizan cálculos definidos y luego brindan los resultados a los humanos.
Por supuesto, otorgar a las máquinas la autoridad para actuar como coprocesadores humanos proactivos y permitirles captar nuestra atención con sus prioridades calculadas, debe considerarse cuidadosamente, como cualquier persona que haya perdido horas debido a la interrupción de una gran cantidad de actualizaciones de redes sociales o las alertas de los motores de búsqueda pueden dar fe. ¿Cómo podemos dar acceso al cerebro humano a tecnologías de coprocesamiento cada vez más proactivas sin perder de vista nuestros objetivos generales? Una idea es desarrollar y desplegar métricas que nos permitan evaluar el coeficiente intelectual de un ser humano más un coprocesador, trabajando juntos, evaluando el desempeño de las inteligencias colaborativas naturales y artificiales en una amplia batería de contextos de resolución de problemas. Después de todo, los humanos con coprocesadores cerebrales basados en Internet (por ejemplo, computadoras portátiles que ejecutan navegadores web) pueden distraer más si los objetivos incluyen tareas de escritura largas y enfocadas, pero pueden ser mejores para sintetizar datos en general de fuentes dispares; una determinada configuración de coprocesador cerebral puede ser buena para algunos problemas pero mala para otros. Pensar en las tecnologías computacionales emergentes como coprocesadores cerebrales nos obliga a pensar en ellas en términos de los impactos positivos y negativos que tienen en el cerebro, y lo que es más importante, proporciona un marco para diseñar cuidadosamente sus efectos directos y emergentes.
Ed Boyden es profesor adjunto de Ingeniería Biológica y Ciencias Cognitivas y Cerebrales en el Media Lab, cuyo grupo de Neurobiología Sintética trabaja en neurotecnologías para el análisis sistemático y el control de circuitos neuronales.
Doug Fritz es un estudiante de doctorado de Media Lab en el grupo Fluid Interfaces, que trabaja en la ampliación de la capacidad humana a través del procesamiento justo a tiempo que aumenta nuestra interfaz con el mundo.
Brian Allen es un estudiante de doctorado de Media Lab en el grupo de Neurobiología Sintética, que trabaja para desarrollar nuevos enfoques para comprender cómo el cerebro da lugar a las emociones.