A mediados de enero, un grupo de especialistas en ciencias de la computación y biología de las universidades de Vermont, Tufts y Harvard anunció que había creado una forma de vida completamente nueva: xenobots, los primeros robots vivos del mundo. Este grupo de investigación cosechó células epidérmicas y cardiacas de embriones de rana, y las diseñó para que realizaran tareas específicas con ayuda de un algoritmo evolutivo; después de eso, las dejaron hacer su voluntad. El resultado fue un organismo programable (como diría el doctor Frankenstein: “¡Está vivo!”). Tras ser nombrados en honor de la rana de uñas africana Xenopus laevis, de la cual fueron cosechados, a estos grupos de células se les liberó por completo de las restricciones del ADN anfibio. Su comportamiento está más bien determinado por su forma, su diseño, y en la actualidad son capaces de realizar tareas sencillas bajo el microscopio. Gracias a su tamaño minúsculo y adaptabilidad, pronto podrían usarse en el cuerpo humano para transportar tratamientos médicos o aprovecharse en otros contextos para limpiar el medio ambiente.
Como es de esperarse, esto plantea toda clase de interrogantes y desafíos tanto para la humanidad en general como para la biología sintética. A principios de año, Christina Agapakis, de Grow, discutió algunos de ellos con Michael Levin, uno de los científicos implicados en la creación de xenobots. Esta fascinante conversación ahonda en cómo Levin y su equipo descubrieron y conceptualizaron una nueva forma de vida, los posibles usos que vislumbran y lo que esto revela sobre las distintas concepciones que las ciencias de la computación y la biología sintética tienen sobre el ADN.
CHRISTINA AGAPAKIS: Me interesa el tipo de lenguaje que utilizas para describir estos xenobots y la forma en que conceptualizas lo que algunas personas denominan una nueva forma de vida. ¿Qué inspiró este proyecto? ¿Qué impulsó la dirección que tomó esta investigación?
MICHAEL LEVIN: Nuestro grupo de investigación estudia la toma de decisiones a nivel celular. Nos interesa lo que se conoce como cognición basal: la capacidad de cualquier ser vivo — desde redes moleculares hasta células y tejidos, desde organismos individuales hasta enjambres — de tomar decisiones, aprender de su entorno, almacenar recuerdos. Estábamos ideando nuevas formas de modelos mínimos que fueran sintéticos o producto de la bioingeniería en los que pudiéramos construir sistemas protocognitivos básicos desde cero y tener la capacidad genuina de entender de dónde provenían sus habilidades.
También nos interesa la plasticidad de las células y los tejidos. ¿Qué otras cosas pueden hacer que sean distintas a lo que dispone su genética? Nuestro equipo cree que lo que el genoma hace es determinar el hardware de estas células: las proteínas, los componentes señalizadores y los componentes computacionales. Cuando estas cosas se ejecutan a multiescala en sistemas biológicos, observamos un tipo de software interesante que determina la estructura y la función. Llevamos años trabajando en la posibilidad de reprogramar dicho software, lo que implicaría darles a las células y los tejidos estímulos o experiencias novedosos para cambiar la forma en que toman decisiones en términos de morfogénesis y de comportamiento, sin cambiar en realidad su hardware.
CHRISTINA: Es fascinante porque es distinto a como se suelen usar los conceptos de hardware y software en el mundo de la biología sintética. Cuando la gente de Ginkgo o especialistas en biología molecular o sintética hablan de software, suelen referirse al código de ADN. ¿A qué te refieres al hablar de software?
MICHAEL: Mi perspectiva es completamente distinta. No creo que el ADN sea el software. Y no es que haya una única metáfora válida, pero la que para nuestro equipo es útil es la idea de que la fisiología en tiempo real del organismo es el software. Yo vengo de las ciencias computacionales y por eso abordo este tema desde una perspectiva informática. En el caso del software, lo importante es que, si tu hardware es lo suficientemente bueno — y considero que, probablemente, en este punto toda la vida es lo suficientemente buena — entonces el software se puede reescribir. Eso significa que puedes alterar en gran medida lo que hace sin modificar el hardware.
La gente no tiene problemas con esto en el mundo de la computación. Cuando cambias de Photoshop a Microsoft Word, no sacas el cautín y te pones a modificar el cableado de la computadora, ¿cierto? De hecho, así funcionaba la computación en los años cuarenta del siglo XX, y creo que la biología se encuentra en ese punto en la actualidad. Todo gira en torno al hardware. A la gente le interesa mucho la edición genómica y el recableado de las redes regulatorias de genes. Y todo eso es importante, pero siguen siendo cosas que están al nivel de la máquina. En el grupo consideramos que el ADN produce hardware celular que en realidad implementa software fisiológico, el cual se puede reescribir. Eso significa que puedes alterar en gran medida el comportamiento del sistema sin tener que ingresar en él y cambiar sus componentes. Creo que es una de las cosas maravillosas de la biología. La plasticidad es extraordinaria.
Te daré un ejemplo sencillo de a qué me refiero cuando hablo de software. Trabajamos con platelmintos, los cuales tienen cabeza y cola. Lo que hemos demostrado es que hay un circuito eléctrico que almacena la información de cuántas cabezas se supone que debe tener el platelminto y dónde se supone que deben estar ubicadas. Lo importante de este circuito es que tiene un interesante aspecto memorístico. Con el uso temporal de fármacos que actúan sobre los canales iónicos, es posible reescribir de forma transitoria el estado estacionario de este circuito eléctrico para inducir un cambio permanente en el plano corporal del animal.
CHRISTINA: En el fondo es una cuestión eléctrica.
MICHAEL: Es eléctrico y físico. Buena parte de nuestro trabajo en el laboratorio es sobre bioelectricidad del desarrollo; es decir, las comunicaciones y los cómputos eléctricos en tejido no neuronal. Hemos descubierto que el tejido del platelminto almacena este patrón eléctrico del estado estacionario, el cual determina cuántas cabezas se supone que debe tener. La genética contribuye con una parte del hardware, la cual organiza dentro de sí el patrón eléctrico que provoca que las células generen una cabeza, una cola. Es lo predeterminado. Ahora que entendemos cómo funciona — y mira que tardamos unos buenos quince años en llegar a este punto — podemos intervenir y reescribir dicho estado eléctrico. Lo más increíble sobre ese circuito es que, como todo buen circuito de memoria, una vez que lo reescribes, se vuelve estacionario y almacena la información, salvo que reviertas la reescritura.
Es posible reescribirlo de tal forma que, si cortas al gusano por la mitad, se crean gusanos con dos cabezas y sin cola. Esos gusanos de dos cabezas, a su vez, siguen creando gusanos de dos cabezas si los vuelves a cortar por la mitad. Todos esos gusanos tienen secuencias genómicas completamente normales. El ADN está intacto. Eso significa que la información sobre cuántas cabezas se supone que debe tener el gusano no está definida directamente por la genética.
La gente está cómoda con estas nociones en electrónica: enciendes algo y hace algo. Si es un aparato electrónico interesante, lo puedes reprogramar para que haga otra cosa. Resulta que los circuitos eléctricos biológicos son exactamente así y tienen una plasticidad extraordinaria. Son excelentes para permitir que algunos de esos estados eléctricos se reescriban. Una vez que sabemos cómo hacerlo, es posible reprogramar de verdad esas memorias de patrones. Son estructuras en los tejidos que les dicen a las células qué hacer a gran escala. A ese tipo de cosas me refiero cuando hablo de software. Son estructuras fisiológicas en los tejidos que brindan información instructiva sobre su crecimiento.
CHRISTINA: ¿Cómo llevó esta investigación a los xenobots?
MICHAEL: Queríamos un sistema sintético ascendente en donde pudiéramos observar este fenómeno desde cero. En especial queríamos entender no sólo el hardware de las células, sino también los algoritmos que les permiten cooperar en grupo. Josh Bongard, de la Universidad de Vermont, es especialista en inteligencia artificial y robótica, y él y yo hemos tenido varias conversaciones sobre cómo la biología puede contribuir al diseño de inteligencia artificial y de robótica adaptativa y de enjambres, y sobre cómo las herramientas y los conceptos complejos sobre el aprendizaje automatizado y la computación evolutiva pueden ayudar a comprender distintos niveles biológicos. De forma orgánica se convirtió en nuestro compañero en este proyecto, y por ende decidimos establecer una integración estrecha entre modelación computacional e implementación biológica.
Tomamos unas cuantas células de un embrión de rana y las dejamos replantear su multicelularidad. Las células individuales son muy competentes y hacen toda clase de cosas por sí solas. ¿Cómo las convences entonces de trabajar en conjunto para cumplir metas más grandes? En el cuerpo, las células contribuyen a obtener resultados sustanciales, como crear una extremidad o un ojo, o remodelar un rostro. Se les convoca a hacerlo, y se detienen una vez que terminan. Entonces, cuando una salamandra pierde una extremidad y el cuerpo reconstruye la extremidad, observamos que este colectivo sabe cómo debe verse una salamandra, pues detiene la reconstrucción tan pronto está completa. Por lo tanto, queríamos saber cómo estos colectivos de células almacenan y procesan ese tipo de memorias de patrones anatómicos a gran escala.
Liberamos a las células de rana de las condiciones limitantes del embrión. Y les dijimos: helas aquí, en circunstancias novedosas, en un entorno novedoso, así que ¿qué quieren hacer? Lo que observamos es que las células gustosamente cooperan las unas con las otras. Crean una máquina viviente sintética con comportamientos completamente distintos a los predeterminados. No se parecen en absoluto a un renacuajo, a un embrión de rana. Las hemos grabado haciendo cosas interesantes: deambulan, hacen laberintos, cooperan en grupos, se comunican señales de daño celular entre sí. Colaboran para construir cosas a partir de otras células sueltas.
Creo que estamos revelando la punta del iceberg de lo que las células están dispuestas a hacer en circunstancias novedosas y de qué tan plásticas son en realidad. De ahí surgió este proyecto: de tratar de entender qué más pueden hacer las células, además de sus comportamientos predeterminados. Y es lo que tenemos aquí.
CHRISTINA: Colaborarán también con la filósofa/eticista Jeantine Lunshof en la siguiente fase de este proyecto. ¿Qué implicaciones éticas tiene este tipo de manipulación de la vida?
MICHAEL: En cuanto a la ética de la plataforma misma, no me parece que esto se aleje mucho del tipo de cosas que ya se han hecho. Como sociedad manipulamos células vivas todo el tiempo. Tenemos una industria alimenticia donde se manipulan organismos completos, mamíferos adultos, los cuales tenemos la certeza de que poseen cierto grado de agencia. En ese sentido, no creo que estas cosas transgredan los límites de la ética. Lo que sí creo es que resaltan lo inadecuadas que son las definiciones que manejamos en la cotidianidad. Hay montones de términos que creemos entender y que la gente usa todo el tiempo: animal, ser vivo, sintético, creación, máquina, robot. Los múltiples trabajos en materia de robótica y biología sintética nos han demostrado a últimas fechas que de hecho no entendemos en absoluto qué son esas cosas.
En una ocasión di una conferencia en la que me referí a una oruga como “un robot de cuerpo blando”, y algunas personas se quejaron de eso y dijeron: “¡Ay, Dios! ¿Cómo te atreves a decir que es un robot?”. Pero es que estaban pensando en los robots de los años sesenta; ya sabes, esos que trabajaban en la cadena de ensamblaje de una planta automotriz. Es una visión muy reduccionista del concepto, y en 2020 ya no es muy útil para comprender qué es en realidad un robot. Seguimos buscando mejores definiciones para este tipo de cosas. ¿A qué nos referimos en realidad cuando hablamos de una máquina? Si consideramos que ciertas cosas no son máquinas, ¿qué implicaciones tiene eso? ¿Qué creemos que deben tener para diferenciarse de las máquinas? Las preguntas filosóficas que plantea son muy interesantes.
CHRISTINA: Y ésa es parte del trabajo que hacen sus xenobots, ¿no? Trabajo filosófico, conceptual y quizá hasta artístico. Me gustaría que habláramos un poco más sobre los usos prácticos y las implicaciones de los xenobots. ¿Qué tipo de usos vislumbran? Si tuviéramos los conocimientos sobre biología de los años cuarenta o cincuenta, ¿cómo se verían medio siglo después?
MICHAEL: Empezaría con lo que llamo aplicaciones a corto plazo. Podemos imaginar estas cosas paseando por los nódulos linfáticos y recogiendo células cancerígenas, o esculpiendo el interior de articulaciones artríticas de rodilla. Las imaginamos recogiendo toxinas en los cuerpos de agua. Una vez que aprendamos a programar su comportamiento, que es lo que haremos a continuación, es posible imaginar millones de aplicaciones útiles, tanto dentro del cuerpo como en el entorno.
Es el tipo de sistema modelo que puede enseñarnos mucho sobre el origen de la verdadera plasticidad. Piénsalo, ¿qué estrategias querrías incorporar a tus robots o tus algoritmos para permitirles responder a la novedad como lo hacen los colectivos de células vivas?
Las células individuales son muy competentes y hacen toda clase de cosas por sí solas. ¿Cómo las convences entonces de trabajar en conjunto para cumplir metas más grandes?
MICHAEL LEVIN
Las aplicaciones a mediano plazo, me parece, contribuirían a los campos de la medicina regenerativa y la inteligencia artificial, en especial si se trata de la programación de colectivos. Si planeas reconstruir el brazo de alguien, o una extremidad, o un ojo, o algo así de complejo, creo que tendríamos que entender cómo instar a las células a trabajar en equipo. Pero en esta vida no nos tocará intentar microgestionar la creación de un brazo a partir de derivados de células troncales.
Necesitamos entender cómo programar los enjambres para que tengan el tipo de estados objetivo que queremos que tengan y puedan construir órganos en el cuerpo o para trasplantes, o complejas máquinas vivientes sintéticas. Si desciframos cómo funciona esto y de dónde vienen esos estados objetivo anatómicos, podríamos promover mejorías drásticas en el campo de la medicina regenerativa. Y no sólo porque tendríamos bots recorriéndonos el cuerpo, sino porque podremos programar nuestros colectivos de células a nivel anatómico y no genético.
La idea es entender cómo los colectivos celulares codifican lo que sea que construyen y cómo eso se puede reescribir; es decir, incorporar la complejidad computacional a las células mismas y no intentar microgestionarlas. Nuestro artículo reciente sobre la regeneración de las ancas de rana es un buen ejemplo de ello. Las ranas son incapaces de regenerar sus extremidades, a diferencia de las salamandras, pero en el laboratorio desciframos la forma de lograr que fuera posible. La intervención tarda 24 horas, aunque el crecimiento de la nueva extremidad toma 13 meses. La evidencia es muy preliminar aún. No nos quedamos ahí vigilando el proceso. Sólo desciframos cómo convencer a las células de hacer algo y dejamos que el sistema averigüe por sí sólo cómo hacerlo.
CHRISTINA: Tal vez sea un accidente en la historia de la biología, pero creo que las narrativas que usamos están muy dominadas por las nociones de control molecular y del ADN como el motor central de todo. Hay especialistas en biología sintética que afirman que básicamente el ADN es lo único que importa. Pero lo que tú resaltas es una perspectiva completamente distinta. Afirmas que añadir el estímulo a la célula y su hardware existente puede producir un resultado muy distinto. Eso tiene implicaciones fascinantes en nuestra forma de concebir el determinismo genético en biología sintética y, en términos más generales, en el comportamiento humano, las metas humanas y muchas otras cosas distintas.
MICHAEL: Creo que tenemos un buen marco de referencia para pensar en estas cosas, que es el progreso en ciencias computacionales. Eso no quiere decir que los seres vivos sean computadoras, o al menos no como las que tú y yo usamos en la actualidad. Me refiero a que las computadoras son, en esencia, un tipo de dispositivos muy amplio con una cualidad importante: son reprogramables. El punto con el ADN es que, cuando la gente piensa en determinismo genético, no le dan el suficiente valor al ADN. El ADN no provee el hardware que siempre hace la misma cosa y está determinado. El ADN es extraordinario. El ADN ha sido moldeado por la evolución para producir hardware que es eminentemente reprogramable. Creo que debemos respetar el hecho de que la evolución nos ha brindado un sistema a multiescala impulsado por metas en el que las metas se pueden reescribir.
Te daré otro ejemplo muy sencillo. Los renacuajos necesitan convertirse en ranas, y su cara debe deformarse para convertirse en la de una rana: los ojos se deben mover, la quijada se debe mover, todo se debe mover de lugar. Se solía creer que lo que la genética codifica durante la metamorfosis es una serie de movimientos que provocarían justo eso. Si todos los renacuajos se ven igual y todas las ranas se ven igual, debe funcionar entonces, ¿no? Mueves los ojos, mueves la boca, todo se mueve una distancia específica en una dirección específica, ¡y listo! Para ponerlo a prueba, creamos lo que denominamos “renacuajos Picasso”. Todo estaba en el lugar equivocado: la boca por acá arriba, los ojos de lado, la quijada fuera de lugar, y todo lo demás en lugares inesperados. Lo que descubrimos es que esos renacuajos se seguían convirtiendo en ranas muy normales. Todo se movía por caminos muy poco naturales, pero no dejaba de moverse hasta formar una cara de rana normal.
Esto demuestra que la genética no sólo nos provee un sistema que de alguna forma mueve todo del mismo modo siempre. También nos provee un sistema que codifica el bosquejo de una cara de rana correcta, y además tiene este esquema de disminución de errores en el que lo que el hardware hace es decir que, sin importar dónde estemos, seguiremos avanzando para disminuir ese error al nivel más mínimo posible. Éste es sólo un ejemplo de la plasticidad orientada a metas. Y creo que es importante reconocer que ésa es la belleza del hardware que la evolución nos ha brindado. Ésa es la clave. El hardware tiene una capacidad superior que la que le hemos reconocido.
CHRISTINA: Al oírte hablar sobre esos factores no genéticos, me parece que estás aludiendo en términos más generales a las carencias fundamentales en nuestra forma de concebir la biología sintética y la genética. Hay una crítica a los estudios genéticos del comportamiento humano que básicamente dice que en realidad nunca podemos controlar todas las variables — sociales, ambientales o de otra índole — de modo que casi cualquier estudio sobre genes específicos irremediablemente será fallido. Por el contrario, si sólo vemos una fracción de lo que para un humano significa ser inteligente, atlético, atractivo, saludable, modificar el ADN de alguien con esos resultados en mente probablemente no servirá para alcanzar esas metas, así que tenemos que enfocarnos también en cómo cambiar el entorno de alguien para que sea más saludable, inteligente, feliz, etc. Si la biología es tan plástica, ¿por qué crees que persisten la idea y el sueño del diseño genético de bebés?
MICHAEL: Quiero dejar algo en claro: no estoy demeritando la genética en lo más mínimo. Creo que entender el hardware es esencial, porque es difícil seguir haciendo avances sin entender ese hardware. Creo que la genética es esencial para lograrlo. En algunos casos, trabajar al nivel del hardware es suficiente. Si necesitas arreglar una linterna, basta con hacer lo necesario a nivel del hardware. O, digamos, si alguien quiere crear vejigas genéticamente modificadas, quizá pueda lograrlo con un seguimiento microgestivo de células madre reproducidas sobre un andamiaje. Pero, si de verdad quieres tener control de aspectos anatómicos complejos a gran escala, me temo que a la fecha no existe un historial de herramientas irrefutables que indique que podemos tener un buen control anatómico a partir del nivel genético. Hasta el momento no somos lo suficientemente buenos para eso.
Mucha gente tiene argumentos prometedores. Afirman que hay que aumentar la intensidad, seguir adelante, secuenciar muchas otras cosas. Hacer muchos más análisis transcriptómicos. Hacer mucha más genómica. Seguir trabajando en ello hasta que algún día lo logremos. ¿Quieres siete dedos? ¡Listo! ¿Quieres branquias? ¡Hecho! Pero creo que no es una promesa muy convincente.
Puedes pasar la vida entera examinando a fondo las moléculas de las que está hecho algo, pero en algún punto tendrás que preguntarte: ¿qué son, en un sentido cibernético? ¿Qué función tiene esta cosa? ¿Cuáles son sus circuitos de control? ¿Cuáles son sus capacidades internas? ¿Es reprogramable? ¿Su estructura es modular? Todas estas cosas son completamente invisibles al nivel del hardware. Creo que sería sumamente insensato desechar los aprendizajes de la ingeniería, la cibernética, la ciencia computacional. ¿Te imaginas dónde estarían hoy en día las tecnologías de la información si cada cambio que quisiera hacerse tuviera que hacerse al nivel del hardware o incluso del lenguaje de máquina? O sea, sería una locura. No tendríamos nada.
El ADN ha sido moldeado por la evolución para producir hardware que es eminentemente reprogramable.
MICHAEL LEVIN
CHRISTINA: Yo hago trabajo molecular y vivo en ese mundo. Y me interesa esa crítica que le haces, esa forma de desafiarlo. Tal vez hay limitaciones en nuestra forma de concebir las cosas. Y quizá tú generes preguntas y posibilidades mucho más interesante al observar cómo crecen las cosas. ¿De dónde surgen estas perspectivas más holísticas?
MICHAEL: Algunas de estas cosas son ancestrales. O sea, en los años cuarenta del siglo pasado, un biólogo trabajó con un paramecio —o un animal unicelular similar— que está cubierto de unas vellosidades llamadas cilios que apuntan todos en la misma dirección. Tomó una diminuta aguja de cristal, cortó un cuadrito en la superficie celular, lo giró 180º y lo puso otra vez en su lugar. Fue una proeza técnica extraordinaria. A partir de entonces, en ese cuadrito los cilios apuntaron en la dirección contraria. Y lo que observó fue que, cuando el paramecio se dividía y reproducía, sus descendientes conservaban esos cuadritos de cilios que apuntaban en la dirección contraria. ¿Por qué ocurre eso? Porque la estructura de la corteza está templada en la anterior. Entonces, cuando produce una célula hija, simplemente copia lo que tiene. Ese fragmento de información no genética es esencial. Es la demostración original de la epigenética auténtica. Esa información simplemente no está en el genoma.
Desde nuestro punto de vista, la activación y desactivación de genes particulares para producir tipos de células específicos representa apenas una partecita de toda esa labor. Es esencial, pero creo que hay que pensar en términos más amplios, en el control de patrones, en orientación por objetivos a gran escala, y considerar los cálculos y las computaciones que se tienen que hacer a todos esos niveles para llegar al destino. Sin embargo, nos será imposible lograr los avances biológicos necesarios para reproducir esa diferenciación celular si no tomamos en cuenta esos otros niveles.
(Izquierda) Cinco diseños en rojo y cian se colocan en una rejilla de detrito simulado: en amarillo (derecha) los rastros que deja el enjambre de organismos a medida que se mueve por un campo de materia particulada. (Crédito: imagen izquierda, Sam Kriegman; imagen derecha, Douglas J. Blackiston)
CHRISTINA: En Grow nos interesa esbozar posibles escenarios a futuro, distintas potencialidades de la biología. ¿Cuál sería el objetivo final de los xenobots?
MICHAEL: Me voy a adelantar porque así es más interesante. La regeneración corporal y de extremidades es esencial, pero luego podremos fantasear con ese tipo de posibilidades extraordinarias. En las asíntotas de todo esto veo dos cosas que podrían ser posibles. Por un lado, creo que se dirigen hacia un control absoluto del crecimiento y la forma. En un momento dado, cuando de verdad sepamos lo que estamos haciendo, cuando de verdad sepamos cómo se maneja la morfología, podrás sentarte frente a una especie de sistema de Diseño Asistido por Computadora y dibujar cualquier ser viviente que quieras, con la anatomía funcional que se te antoje. Podría ser algo que necesitemos para el planeta. Podría ser un órgano para trasplante. Podría ser una criatura para colonizar un planeta lejano. Sin importar lo que sea, podrás sentarte y especificar a nivel anatómico la estructura y función de un ser vivo, con un alto grado de sofisticación, y luego la computadora lo compilará y te permitirá crear una versión real de ese ser vivo.
Por el momento, sólo podemos hacerlo en una cantidad limitada de circunstancias muy simples, pero, al final del día, si de verdad sabemos cómo funcionó, podríamos tomar el control por completo. La gente habla de las restricciones de la morfogénesis y el desarrollo, pero creo que esas restricciones son de pensamiento, no de las células mismas. Me parece que podríamos ser capaces de crear cualquier cosa, dentro de los límites de las leyes de la física. Casi cualquier cosa.
CHRISTINA: Hablas de no querer microgestionar el trabajo de las células, pero en cierto modo determinas el crecimiento, lo facilitas e influyes en él. ¿A qué te refieres al hablar de control?
MICHAEL: Usaré otra metáfora superantropomórfica, pues creo que nuestro objetivo es convencer a las células de que hagan lo que queremos que hagan. Nuestra meta es explotar la capacidad computacional del sistema y entender cómo comunicarle nuestras metas al tejido en crecimiento. Ya empezamos a experimentar con modificaciones básicas del comportamiento del tejido a través de recompensas y castigos. Los humanos descifraron hace más de diez mil años que no tenían idea de cómo funcionaban los animales por dentro, pero lo que sí sabían era que, si a los animales les daban recompensas o castigos, podían obtener el resultado deseado. Esta capacidad de los seres vivos de cambiar el comportamiento, de mejorar su mundo, es ancestral, y así es como funcionan las recompensas y los castigos. Es probable que esto funcione de la misma forma a escalas inferiores. El objetivo es convencer al sistema de que haga lo que quieres que haga, en lugar de intentar construirlo ladrillo por ladrillo.
Es una concepción descendente del control. La meta es especificar el objetivo final y dejar que el sistema descifre por sí solo cómo llegar ahí. Eso funciona muy bien en sistemas que tienen el coeficiente intelectual necesario. Entonces, eso podría funcionar con tus hijos y podría funcionar con muchos otros animales. No funciona igual de bien con un reloj cucú. Y no funciona porque su hardware no es susceptible a ese tipo de control. Como suele ocurrir en las ciencias, hay que descifrar cuándo es apropiado adoptar este tipo de enfoque y cuándo no. Hay una enorme clase de sistemas donde sería inútil, pero también una inmensa clase de sistemas biológicos en los que creo que tendremos que enfocarnos. Creo que ésa es parte de nuestro futuro.
Creo que de esto estamos aprendiendo que la idea de enfocarnos en el cerebro como fuente de inspiración para el aprendizaje automatizado proviene de considerarlo un tipo de arquitectura muy especializada. En otras ocasiones he sugerido que es mucho más probable que una auténtica inteligencia para propósitos generales no surja de la imitación de la estructura nuclear de la corteza humana ni nada por el estilo, sino de tomarnos muy en serio los principios computacionales que la vida ha estado poniendo en práctica desde sus inicios.
CHRISTINA: ¿Como los paramecios?
MICHAEL: Y hasta anterior a ellos. Biofilms bacterianos. Todas esas cosas han estado resolviendo problemas de formas que aún desconocemos. Son capaces de generalizar, de aprender de las experiencias a partir de un número limitado de ejemplos. Crean automodelos. Es extraordinario lo que son capaces de hacer. Ésa debería ser nuestra inspiración. Creo que el futuro del aprendizaje automatizado y las tecnologías de inteligencia artificial no se inspirarán en los cerebros, sino en esta capacidad biológica mucho más ancestral y generalizada de resolver problemas en circunstancias novedosas.
CHRISTINA: Inteligencia bacteriana.
MICHAEL: Exactamente. Y no sólo bacteriana; también están las células que de forma individual conforman un órgano y son capaces de descifrar cómo obtener el resultado final correcto a partir de distintos puntos de partida, a pesar de que alguien intervenga y revuelva las cosas. Creo que, en el futuro, buena parte de la verdadera inteligencia artificial en general provendrá de este tipo de trabajo sobre cognición basal. Creo que mi tema de investigación es congruente. Creo que debemos distanciarnos de enfoques que defienden la excepcionalidad de la condición humana e intentar generalizarla de forma cada vez más amplia. Debemos tomar muy en serio la evolución.
Esta conversación es la primera parte de la cobertura de Grow sobre xenobots. En la segunda parte, “La filosofía en el laboratorio”, entrevistamos a la eticista y filósofa de Harvard Jeantine Lunshof acerca de las implicaciones éticas y filosóficas que tendrá este descubrimiento a largo plazo.
CONTACTO DE LOS INVESTIGADORES:
Michael Levin
Director, Allen Discovery Center, Universidad de Tufts
Investigador Asociado, Wyss Institute, Universidad de Harvard
drmichaellevin.org | @drmichaellevin
