La complejidad de las redes neuronales las hace difíciles de analizar, pero los sistemas informáticos creados por el hombre deberían ser más simples de entender. En un estudio publicado en PLOS Biología Computacional los investigadores aplicaron enfoques de neurociencia ampliamente utilizados para analizar la consola de juegos clásica Atari 2600, que ejecuta el videojuego "Donkey Kong", y descubrieron que dichos enfoques no describen de manera significativa cómo funciona realmente el microprocesador de la consola.
El campo de la neurociencia está avanzando rápidamente. Los científicos pueden registrar la actividad simultánea de más y más neuronas en más y más organismos. Sin embargo, probar la validez de los algoritmos de análisis de datos es difícil ya que aún no está claro cuán simple es la neuronalsistemas como el cerebro de una mosca de la fruta funcionan.
En el nuevo artículo, Eric Jonas de UC Berkeley y Konrad Kording de Northwestern University / Rehabilitation Institute of Chicago describen su intento de eludir este problema aplicando una gran cantidad de técnicas clásicas de análisis de neurociencia a un sistema informático que sí entienden: elMicroprocesador 6502 del Atari 2600.
"Dado que los humanos diseñaron este procesador desde el transistor hasta el software, sabemos cómo funciona en todos los niveles, y tenemos una intuición de lo que significa 'entender' el sistema", dice Jonas. "Nuestroel objetivo era resaltar algunas de las deficiencias en la 'comprensión' que surgen cuando se aplican técnicas analíticas contemporáneas a conjuntos de datos de grandes datos de sistemas informáticos ".
Los investigadores utilizaron técnicas estándar de neurociencia para analizar el microprocesador del Atari 2600. Probaron qué tan bien estas técnicas podrían iluminar características conocidas, como las conexiones entre diferentes partes del chip y los efectos de destruir transistores individuales. Sin embargo, las técnicas no lo hicieron.lograr el mismo nivel de comprensión que tendría un estudiante típico de ingeniería eléctrica.
De acuerdo con Jonas, los resultados sugieren que, "sin pensarlo detenidamente, los enfoques actuales de big data para la neurociencia pueden no cumplir con su promesa o avanzar en el campo". Agrega Kording: "El progreso requiere mejores experimentos, teorías yenfoques de análisis de datos "
Los microprocesadores y los sistemas biológicos son diferentes en muchos aspectos, lo que podría limitar los hallazgos. Jonas y Kording tampoco probaron todos los métodos de neurociencia existentes para probar el chip.
No obstante, el estudio sugiere problemas potenciales con los enfoques modernos de la neurociencia y sugiere nuevos caminos para explorar con el fin de comprender mejor el cerebro. "Podríamos aprender mucho sobre cómo realizar ingeniería inversa de sistemas biológicos mediante ingeniería inversa de sistemas sintéticos,"Dice Jonas.
Fuente de la historia :
Materiales proporcionado por PLOS . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cite esta página :