Las neuronas (también llamadas células nerviosas), unidades fundamentales del cerebro y del sistema nervioso, son células eléctricamente sensibles que captan, forman y transmiten datos a través de señales eléctricas. Son las responsables de recibir información sensorial del mundo externo, así como de enviar comandos motores a nuestros músculos y, más que eso, sus interacciones definen quiénes somos como personas.
Una analogía útil es pensar en una neurona como un árbol. Una neurona tiene tres partes principales: las dendritas, el axón y el cuerpo celular o soma, que se pueden representar como las ramas, las raíces y el tronco de un árbol, respectivamente.
Subunidades independientes
Una dendrita es donde la neurona recibe información de otras células. Las dendritas se ramifican a medida que avanzan hacia sus puntas, al igual que las ramas de los árboles, e incluso tienen estructuras en forma de hojas llamadas espinas.
El árbol dendrítico de las neuronas asume un papel importante en el procesamiento de la información en el cerebro. Si bien se cree que las dendritas requieren subunidades independientes para realizar la parte más sustancial de sus cálculos, aún no se ha observado cómo se compartimentan estas subunidades funcionales.
Ahora, científicos de la Escuela Politécnica Federal de Lausana (EPFL, por sus siglas en francés), más específicamente, del Proyecto Blue Brain, una iniciativa suiza de investigación cerebral, han ideado un nuevo marco para descubrir cómo funciona una sola neurona en el cerebro.
Los investigadores, que realizaron el estudio utilizando células de la corteza virtual de roedores del Proyecto Blue Brain, anticipan que diferentes tipos de neuronas, bien sean no corticales o humanas, funcionarían de manera similar.
Conexiones sinápticas
Los resultados de la investigación demuestran que cuando una neurona recibe información, las dendritas prácticamente cooperan de una manera que se ajusta por la complejidad de la información. La fuerza de una sinapsis decide cuán enfáticamente una neurona capta una señal eléctrica que se origina en diferentes neuronas, y el planteamiento de aprendizaje cambia esta fuerza.
Al investigar la matriz de conectividad que decide cómo estas conexiones sinápticas se comunican entre sí, el algoritmo establece cuándo y dónde las sinapsis se agrupan en unidades de aprendizaje autónomas a partir de las propiedades estructurales y eléctricas de las dendritas.
Los investigadores comparan sus resultados con el funcionamiento de la tecnología informática ya implementada hoy. Esta funcionalidad dendrítica recientemente observada, actúa como unidades de computación paralelas, lo que significa que una neurona es capaz de procesar diferentes aspectos de la entrada en paralelo, como las supercomputadoras.
Cada una de las unidades de computación paralela puede aprender de forma independiente a ajustar su salida, al igual que los nodos en las redes de aprendizaje profundo utilizadas en los modelos de inteligencia artificial (AI) actuales. Comparable a la computación en la nube, una neurona se divide dinámicamente en la cantidad de unidades informáticas separadas que exige la carga de trabajo de la entrada.
Los investigadores señalan que estos hallazgos, además de profundizar y ampliar nuestra comprensión de cómo pensamos, pueden inspirar el desarrollo de nuevos algoritmos para la inteligencia artificial.
Referencia: Electrical Compartmentalization in Neurons. Cell Reports, 2019. https://doi.org/10.1016/j.celrep.2019.01.074