Nuevas pistas sobre los orígenes de la inteligencia biológica
Está surgiendo una solución común en dos campos diferentes: biología del desarrollo y neurociencia.
De hecho, la inteligencia —una respuesta intencionada a la información disponible, que a menudo anticipa el futuro— no se limita a las mentes de algunas especies privilegiadas. Se distribuye a lo largo de la biología, en muchas escalas espaciales y temporales diferentes. No solo hay personas inteligentes, mamíferos, aves y cefalópodos. El comportamiento inteligente y resuelto a resolver problemas se puede encontrar en partes de todos los seres vivos: células y tejidos individuales, neuronas individuales y redes de neuronas, virus, ribosomas y fragmentos de ARN, hasta proteínas motoras y redes moleculares. Podría decirse que comprender el origen de la inteligencia es el problema central de la biología, uno que todavía está abierto de par en par. En este artículo, argumentamos que el progreso en la biología del desarrollo y la neurociencia está proporcionando un camino prometedor para mostrar cómo la arquitectura de los sistemas modulares subyace a la inteligencia evolutiva y orgánica.
Los biólogos están capacitados para centrarse en los mecanismos de los sistemas vivos y no en su propósito. Como biólogos, se supone que debemos resolver el "cómo" en lugar del "por qué", persiguiendo la causalidad en lugar de los objetivos. El "por qué" no solo está siempre presente, sino que es precisamente lo que impulsa la elección de "cómo" específicos, lo que permite a los organismos sobrevivir seleccionando y explotando mecanismos específicos de un espacio de posibilidades astronómicamente grande. En el caso del ojo humano, por ejemplo, las propiedades ópticas del cristalino solo tienen sentido si ayudan a enfocar la luz en la retina. Si no pregunta por qué la lente es transparente, nunca comprenderá su función, no importa cuánto tiempo estudie cómo se vuelve transparente.
De hecho, el problema de entender cómo surge la inteligencia se agudiza con la revolución “ómica”, que está generando datos cuantitativos y sistemáticos sobre genomas, transcriptomas, proteomas y conectomas. Los sistemas biológicos se están diseccionando en su máxima complejidad, pero no aparece una respuesta mágica al final del túnel. La carrera hacia el big data no está proporcionando una mejor explicación de los sistemas vivos. En todo caso, lo está haciendo más difícil.
La biología moderna se enfrenta a una brecha de conocimiento fundamental cuando intenta explicar un comportamiento inteligente y significativo. ¿Cómo puede un sistema compuesto por células y señales eléctricas generar un cuerpo bien adaptado con comportamientos y estados mentales? Si las células no son inteligentes, ¿cómo puede surgir un comportamiento inteligente de un sistema distribuido compuesto por ellas? Este misterio fundamental impregna la biología. Todos los fenómenos biológicos son, en cierto sentido, "decisiones de grupo" porque los organismos están hechos de partes individuales: órganos, tejidos, células, orgánulos, moléculas. ¿Qué propiedades de los sistemas vivos permiten que los componentes trabajen juntos hacia metas de mayor nivel?
Está surgiendo una solución común en dos campos diferentes: biología del desarrollo y neurociencia. El argumento se desarrolla en tres pasos. El primero se basa en una de las primeras y mejores ideas de diseño de la selección natural: la modularidad. Los módulos son unidades funcionales autónomas como apartamentos en un edificio. Los módulos implementan metas locales que son, hasta cierto punto, autosuficientes y autocontrolados. Los módulos tienen una inteligencia básica para la resolución de problemas y su relativa independencia del resto del sistema les permite alcanzar sus objetivos a pesar de las condiciones cambiantes. En nuestro ejemplo de construcción, una familia que vive en un apartamento podría seguir con su vida normal y perseguir sus objetivos, enviando a los niños a la escuela, por ejemplo, independientemente de lo que esté sucediendo en los otros apartamentos. En el cuerpo, por ejemplo, órganos como el hígado operan con una función específica de bajo nivel, como controlar los nutrientes en la sangre, en relativa independencia con respecto a lo que está sucediendo, digamos, en el cerebro.
El segundo paso en el argumento es que los módulos se pueden ensamblar en una jerarquía: los módulos de nivel inferior se combinan para formar módulos de niveles superiores cada vez más sofisticados, que luego se convierten en nuevos bloques de construcción para módulos de niveles incluso superiores, y así sucesivamente. En nuestro edificio de apartamentos, las familias podrían pertenecer a una asociación local, como un capítulo local de un partido político, cuyos objetivos podrían ser asegurar el bienestar futuro de todas las familias de la zona. Y este partido podría pertenecer a un parlamento, cuyo objetivo podría ser dar forma a la política de todo el país, etc. En biología, diferentes órganos podrían pertenecer al mismo cuerpo de un organismo, cuyo objetivo sería preservarse y reproducirse, y distintos organismos podrían pertenecer a una comunidad, como una colmena, cuyo objetivo sería mantener un ambiente estable para sus miembros. Similar, los objetivos metabólicos y de señalización locales de las células se integran hacia un resultado morfogenético de construcción y reparación de órganos complejos. Por tanto, una inteligencia cada vez más sofisticada surge de las jerarquías de módulos.
Esto puede parecer que resuelve el problema, excepto que el modularidad jerárquico todavía no explica cómo la evolución, cambiando solo un elemento a la vez en un nivel inferior, puede alguna vez manipular los niveles superiores. Dado que los niveles superiores están construidos con palancas inferiores, ¿no necesitaría modificar un montón de cosas al mismo tiempo para cambiar un módulo de nivel superior? Un tercer paso en nuestro argumento aborda este problema: cada módulo tiene algunos elementos clave que sirven como perillas de control o puntos de activación que activan el módulo. Esto se conoce como finalización de patrón, donde la activación de una parte del sistema enciende todo el sistema. En nuestro edificio de apartamentos, la familia tendría una figura central, digamos uno de los padres, que representaría a la familia en las reuniones y la involucraría cuando fuera necesario. Estos puntos de activación sirven para representar el módulo completo y así permitir que estos módulos sean activados, alterados, inactivos o desplegados en circunstancias novedosas sin tener que manipular o recrear todas sus partes. Además, la finalización de patrones surge naturalmente de sistemas de elementos interconectados con interacciones entre los elementos.
En los últimos años, los investigadores han encontrado evidencia de la finalización de patrones tanto en los circuitos neuronales como en la biología del desarrollo. Por ejemplo, cuando Luis Carrillo-Reid y sus colegas de la Universidad de Columbia estudiaron cómo responden los ratones a los estímulos visuales, descubrieron que la activación de tan solo dos neuronas en el medio del cerebro de un ratón, que contiene más de 100 millones de neuronas, podría desencadenar artificialmente percepciones visuales que llevaron a comportamientos particulares. Estas fascinantes neuronas de compleción de patrones activaron pequeños módulos de células que codificaban las percepciones visuales, que el ratón interpretaba como objetos reales. De manera similar, en un trabajo publicado en 2018, Michael Levin de la Universidad de Tufts y Christopher Martyniuk de la Universidad de Florida revisaron datos que muestran como desencadenar un patrón bioeléctrico simple en tejidos no neuronales indujo a las células a construir un ojo u otros órganos complejos en ubicaciones novedosas, como en el intestino de un renacuajo.
La idea de modularidad jerárquica para explicar la inteligencia biológica ha sido explorada antes por el economista Herbert Simon, el neurocientífico Valentino Braitenberg, el científico informático Marvin Minsky, los biólogos evolutivos Leo Buss, Richard Dawkins y David Haig, y el filósofo Daniel C. Dennett, entre muchos otros. Estos experimentos recientes de la biología del desarrollo y la neurociencia ahora pueden proporcionar un mecanismo común de cómo esto podría funcionar a través de nodos clave que generan la finalización de patrones. Si bien todavía hay mucho que aprender sobre cómo funcionan las unidades de finalización de patrones, podrían proporcionar una solución al problema de cómo reutilizar un sistema de módulos sin tener que cambiarlo todo. La manipulación de módulos locales que persiguen objetivos, para hacerlos cooperar en múltiples escalas de organización en el cuerpo, es un motor poderoso.
Como un trinquete, la evolución puede subir efectivamente la escalera de la inteligencia, extendiéndose desde las moléculas simples hasta la cognición. La modularidad jerárquico y la finalización de patrones pueden ayudar a comprender la toma de decisiones de las células y neuronas durante la morfogénesis y los procesos cerebrales, lo que genera animales y comportamientos bien adaptados. Estudiar cómo surge la inteligencia colectiva en biología no solo puede ayudarnos a comprender mejor el proceso y los productos de la evolución y el diseño, sino que también podría ser pertinente para el diseño de sistemas de inteligencia artificial y, más en general, para la ingeniería e incluso las ciencias sociales.