Qu hace bien el cerebro humano y qu podra hacer mejor?

Guillermo Alvarez de Toledo

Departamento de Fisiologa Mdica y Biofsica

Facultad de Medicina

Universidad de Sevilla

Entender cmo funciona el cerebro humano ha sido uno de los objetivos de la filosofa y de la

investigacin cientfica durante siglos. Sin embargo, a pesar de los grandes esfuerzos del

pensamiento humano, no se ha avanzado desde mi punto de vista, en una revolucin

conceptual que nos ayude a entender cmo funciona el cerebro. Los esfuerzos por entender el

funcionamiento del cerebro se han multiplicado en las dos ltimas dcadas, hay que recordar

que la dcada de los 90 en los Estado Unidos, se design como la dcada del cerebro, donde se

hicieron grandes esfuerzos materiales y de potencial humano para desenmaraar los misterios

que encierra. En las pginas que siguen expondremos algunos aspectos de cmo funciona el

cerebro humano y cules son sus deficiencias.

Desde que Stanley Kubrick estren su pelcula 2001: una Odisea del espacio, muchas

personas han imaginado, o temido, que en un futuro no muy lejano las mquinas podran

imitar y comportarse como el cerebro humano. Las escenas de esta pelcula donde se muestra

como un pequeo hecho realizado por un homnido, como es el uso de una piedra de bordes

afilados, conduce al descubrimiento de las herramientas para descuartizar a sus presas de

caza, o la extensin en el uso de las mismas para infligir dao a los enemigos; o el momento en

que el computador Hall 9000 decide acabar con la vida de los tripulantes de la nave espacial ya

que les haba descubierto en un complot para desconectarlo. Estas son escenas que implican

que un pequeo cambio de un sistema cerebral, como el de los homnidos, o un pequeo

cambio electrnico en una mquina pueden conducir a respuestas conductuales drsticas y

complejas.

Es comparable el poder de computacin de un ordenador, al poder de computacin del

cerebro humano? Esta cuestin es difcil de resolver, pero intentemos a travs de la

comparacin entre los elementos que determinan el funcionamiento del cerebro, las

neuronas, y la base de funcionamiento de los ordenadores, los transistores, llegar por lo

menos en trminos numricos a establecer una relacin. El cerebro humano consta

aproximadamente de entre 100,000 y un milln de millones de neuronas (1012

). Asumiendo

que el comportamiento neuronal es como el de un transistor (que no lo es) podramos

hacernos la pregunta de en qu momento un ordenador tendra en su CPU el mismo nmero

de transistores que neuronas hay en el cerebro humano. La tecnologa del estado slido ha

avanzado mucho, y desde 1970, cada dos aos (Ley de Moore de los microprocesadores) se ha

ido duplicando el nmero de transistores que hay en el microprocesador de un ordenador.

Actualmente, un procesador de ltima generacin (Intel Core Extreme MP E7440) tiene 1900

millones de transistores. Si la Ley de Moore se sigue cumpliendo, y esto ha sido as desde 1970,

para el ao 2028 un procesador tendra el mismo nmero de transistores que neuronas hay en

el cerebro humano. Slo hasta entonces deberamos preocuparnos.

Realmente funcionan de la misma forma los transistores que las neuronas? Probablemente

no. Cada neurona conecta a su vez por trmino medio con otras mil neuronas y cada contacto

con una neurona vecina, a travs de la sinapsis, dispone de un arsenal de respuesta graduada,

ya que disponen de unas 100-200 vesculas sinpticas y adems estn sujetas a fenmenos de

modulacin (plasticidad sinptica a travs de la potenciacin o la depresin). Quizs las

neuronas del cerebro humano trabajan en sistema gradual (quizs superior al decimal),

mientras los ordenadores se basan en un sistema binario donde slo coexisten dos estados

(ON-OFF). As pues, aunque para el ao 2028 el nmero de transistores de una CPU de

ordenador disponga del mismo nmero que neuronas hay en el cerebro, su poder de clculo

probablemente sea inferior al de un cerebro. Eso s, habra que hacerse la pregunta de si la

gran velocidad de computacin de un microprocesador (gigahercios) podra compensar la

velocidad a la que funciona una neurona (milisegundos, 1 kHz).

El tendn de Aquiles del cerebro humano. El clculo numrico y la lgica

Pero el cerebro es ms cualitativo que cuantitativo. No est diseado para realizar el clculo

numrico ni aplicar la lgica de manera sistemtica. Son infinidad la cantidad de eventos

cotidianos donde un razonamiento con aparente sencillez y lgica puede verse desviado de su

conclusin lgica por hechos que aparentemente son insignificantes y colaterales a la

situacin. Un ejemplo que ilustra la falta de preparacin en este sentido es si preguntamos a

alguien la siguiente cuestin sencilla. Por ejemplo, si en un estanque conviven patos y

tortugas, y en total de 56 ojos y 80 patas (de las de andar) Cuntos patos y tortugas hay en el

estanque? Este sencillo problema es difcil de resolver de memoria, sin embargo la aplicacin

de un algoritmo que resuelva un sistema de ecuaciones lo resuelve instantneamente un

ordenador. Lgicamente la respuesta sera mucha ms sencilla para nosotros si reducimos el

clculo, a por ejemplo, 2 ojos y 4 patas. Pero, slo cuando se dan estas circunstancias de un

clculo sencillo es cuando el cerebro humano se siente a gusto para llegar a una conclusin.

Aplicar razonamientos lgicos tampoco es una actividad que a veces le resulta fcil resolver al

cerebro humano. Por ejemplo, en el siguiente problema, quizs no es obvia la conclusin.

La nica posibilidad de que se cumpla la afirmacin de la figura, es si el tesoro se encuentra en

el bal 3. Por exclusin, la nica afirmacin correcta es la del bal 2 y las otras dos son falsas.

Si el tesoro estuviera en el bal 1, habra tres afirmaciones correctas. Si el tesoro estuviera en

el bal 2, las afirmaciones de los bales seran todas falsas.

Dada la dificultad de aplicar razonamientos lgicos, existen reglas que facilitan a labor para

obtener una conclusin. Por ejemplo, en el siguiente silogismo.

Algunos apicultores son artistas

Ningn qumico es apicultor

Por tanto, algunos artistas no son qumicos

Sin embargo no es completamente obvia la conclusin. Es difcil imaginar el vnculo entre

apicultores, artistas y qumicos. Si el cerebro no detecta un patrn que pueda reconocer y del

que pueda obtener una informacin til, la conclusin obtenida de un silogismo bien

planteado carece de sentido. Para aplicar la lgica el cerebro necesita un contexto

interpretativo a partir del cual pueda obtener una conclusin. Por ejemplo, observe el

siguiente silogismo:

Algunos mamferos pueden volar

Ningn pjaro es mamfero

Por tanto, algunos animales que vuelan no son pjaros

En esta ocasin, resulta ms evidente la conclusin. Pensamos en mamferos que vuelan,

murcilagos por ejemplo, y posteriormente extraemos la conclusin del silogismo, la cual tiene

ahora ms sentido. El cerebro trata de obtener conclusiones a partir de informacin

previamente existente. Sn embargo el clculo exacto numrico o la aplicacin de

razonamientos sin un contexto previo, son tareas de difcil ejecucin en el cerebro humano.

Supresin y complementacin de informacin

El cerebro humano utiliza la informacin que es relevante y le sirve para comparar con un

patrn previamente reconocido, y elimina la informacin repetitiva y que no aporta

informacin adicional. Un ejemplo, se muestra en la siguiente frase.

FINISHED FILES ARE THE RESULT OF YEARS OF

SCIENTIFIC STUDY COMBINED WITH THE EXPERIENCE OF YEARS

Si en una audiencia se presenta esta frase durante unos segundos y se pregunta cuntas letras

F hay. Un porcentaje elevado (60%) respondern que 3, y el resto dirn que hay 4, 5 6. El

motivo de que la mayor parte de la poblacin cuenta tres letras F se debe a que son las

letras F de palabras que contienen informacin til (Finished, Files y ScientiFic). Las letras

F de la preposicin OF son eliminadas en la interpretacin, ya que no aportan un dato til de

informacin al cerebro humano. Este ejemplo es muy significativo pues revela que el cerebro

procura obtener informacin til sin prestar demasiada atencin al nmero o palabras que no

aportan ms informacin.

Guiarse de un patrn previo para obtener informacin es crtico. Muy espectacular sobre este

comportamiento es el siguiente ejemplo:

Seugn lsa ivnestgicianoes, no ipomrta caul es el odren de las lteras

de una palarba, mniertas que la prierma y la utlima etesn en el luagr coerrcto.

Etso se dbee a que la metne hunama no lee cdaa lerta por si msima,

snio la palbara cmoo un tdoo

La informacin contenida en esta frase radica en la primera y ltima letra de cada palabra. El

resto de las letras estn en distinta posicin, sin embargo somos capaces de leer con una gran

rapidez el sentido de la frase. Este es un buen ejemplo de cmo sintetiza informacin el

cerebro y de cmo obtiene informacin muy til a pesar del ruido introducido en el sistema

por el orden alterado de las letras. Otro ejemplo donde se puede observar cmo el cerebro

completa informacin es en la siguiente imagen.

Somos capaces de leer o intuir las letras que estn escritas detrs de esta imagen. Sin

embargo, nuestro cerebro selecciona aqulla que tiene ms sentido o que concuerda con un

patrn previamente establecido. Por ejemplo, un espaol, leera o interpretara la palabra

RED, como artilugio de pesca, mientras que si uno se encuentra en un entorno donde se

utilizan palabras en ingls, tendera a pensar que lo que est escrito es la palabra RED (rojo) en

ingls.

Los ejemplos que se han ilustrado muestran que el cerebro genera un patrn con la

experiencia y que en todo momento contrasta la informacin que le llega con los patrones que

ha experimentado con anterioridad. Las redes complejas que genera el cerebro almacenan

esta informacin y por mecanismos que an estn por descubrir, compara y genera una seal

que determina la identificacin de objetos, la generacin de recuerdos o la aplicacin de

razonamientos distintos a los realizados por la lgica.

La organizacin neuronal y el cdigo de frecuencia de potenciales de

accin

La unidad de transferencia de informacin en el sistema nervioso radica en la propagacin del

impulso nervioso (potencial de accin) entre las neuronas. En las pginas anteriores se mostr

en trminos cuantitativos algunos clculos numricos que sirven para comparar de manera

grosera el poder de clculo de un ordenador con el del cerebro. En realidad, el cerebro posee

un arsenal de mecanismos de transferencia de informacin ms amplio y diverso que las

seales TTL de un ordenador. Cada estructura del cerebro est especializada en enviar

informacin codificada en la frecuencia de potenciales de accin, que son especficas de cada

estructura cerebral. Por ejemplo, en el tlamo, lugar donde parece que sirve de marcapasos

de actividad cerebral, sus neuronas tienen un patrn de disparo en forma de brotes de

potenciales de accin. Las neuronas talmicas, adems pueden cambiar su patrn de disparo a

una forma ms tnica si el nivel de activacin es distinto. Los patrones rtmicos de las neuronas

talmicas, por ejemplo, parecen ser las responsables del ritmo alfa caracterstico del estado de

vigilia.

Otras neuronas, por ejemplo, las neuronas de Purkinje del cerebelo poseen un patrn

caracterstico de faltas de actividad cuando se activan por las fibras paralelas. Neuronas de la

corteza pueden tener distintos patrones, bien fsica (brotes) o en forma tnica. Estos ejemplos

muestran la gran diversidad de actividad elctrica cerebral en forma del impulso nervioso.

Cada tipo neuronal est especializado en un patrn de disparo de potenciales de accin.

Desvelar el significado de por qu stos son as y la manera que tienen los distintos cerebrales

en sincronizar y extraer la informacin es uno de los objetivos de la Neurociencia actual. Se

conocen bien las caractersticas electrofisiolgicas, las bases inicas y la distribucin de las

mismas en los distintos segmentos de la neurona. Conocemos por qu las neuronas de

proyeccin de una estructura tienen unas caractersticas morfolgicas distintas a las

interneuronas e incluso por qu algunas estructuras alteran su patrn de disparo de

potenciales. Sin embargo, no conocemos las reglas ni el procesado de informacin, ni la forma

de almacenarse en muchos casos la informacin para que pueda ser recuperada para su

posterior uso.

Las redes neuronales

Idealmente, lo que a un neurocientfico le gustara saber es cmo el cerebro procesa la

informacin y genera una respuesta ante un estmulo. Descifrar esa caja negra de

transferencia de informacin es el sueo de muchos investigadores, y para ello se han

realizado una gran cantidad de experimentos mediante la colocacin de electrodos mltiples

en determinadas zonas del cerebro e intentar explicar el comportamiento del sujeto

experimental en funcin de las entradas a las que se ha sometido el sistema. Otro abordaje

para el estudio de la funcin cerebral ha sido el uso de animales que carecen de un gen y se ha

estudiado su capacidad de memorizar un circuito al objeto de estudiar la memoria. Sin

embargo, llegar a conocer el funcionamiento de un sistema observando el comportamiento

puntual de zonas del mismo quizs no sea til, ya que la visin parcelada de un sistema de

procesamiento no indique la salida del sistema. Por ejemplo, podramos entender cmo

funciona un ordenador al ver la secuencia de seales TTL que fluyen por el bus del

ordenador sin saber exactamente de donde procede, cul ha sido la seal de sincronizacin,

cmo se ha codificado la informacin, etc.

Sin embargo, la aplicacin de principios bsicos de funcionamiento del cerebro, han servido

para establecer las bases de la aplicacin de teora de redes neuronales para la resolucin de

problemas cuyo abordaje matemtico es muy complejo. Por ejemplo los trabajos clsicos de

Warren McCulloch & Walters Pitts (1943) sirvieron para establecer un modelo de

comportamiento de una animal con un sistema de solamente dos entradas sensoriales y una

neurona de integracin que genera una salida en funcin de un umbral de decisin. El

incremento en el nmero de neuronas de integracin y el nmero de capas de integracin

forman lo que es en la actualidad el procesamiento mediante redes neuronales. Las redes

neuronales artificiales, entrenadas adecuadamente al ser expuestas a patrones de

estimulacin conocidos, son muy tiles para reconocer un patrn nuevo que se presenta. Sin

embargo, si nos fijamos en la respuesta de las neuronas de las capas de integracin quizs, no

entendamos cul va a ser la salida del sistema. Las redes neuronales son muy tiles, pero

quizs no sirva de gran ayuda mirar lo que pasa en su interior para entender cmo funciona el

sistema. En esta situacin, estaramos ante el mismo problema con el que se enfrentan los

neurocientficos, a la hora de intentar entender cmo procesa la informacin el cerebro

humano. Quizs no podamos entender nunca, o al menos con la visin que la ciencia actual

tiene de entender las cosas, el funcionamiento del cerebro y tendremos que seguir vindolo

como un sistema compuesto por una caja negra que de forma maravillosa pondera y procesa

la informacin que le llega.