Hace poco se volvió tendencia entre los que seguimos noticias de IA una noticia que suena a ciencia ficción: lograron escanear completo el cerebro de una mosca y ahora cualquiera puede descargarlo y entrenarlo para lo que quiera.
Te dejo la app que hice para curiosear. Click acá
Los datos concretos, para que quede claro qué pasó y qué no:
De qué mosca se trata: una mosca de la fruta hembra adulta, Drosophila melanogaster.
Quién lo hizo: no es una sola empresa, sino un consorcio científico llamado FlyWire, con investigadores del MRC Laboratory of Molecular Biology (Cambridge, Reino Unido), la Universidad de Princeton, la Universidad de Vermont y la Universidad de Cambridge. La publicación del conectoma completo del cerebro de la mosca fue la culminación de un esfuerzo internacional de diez años. (Circuló bastante la versión de que esto lo hizo Google DeepMind; DeepMind sí trabajó con estos datos después para otros experimentos, pero el escaneo y armado del mapa original es de FlyWire). Berkeley News
Cómo se hizo: se armó a partir de 7.000 cortes finísimos del cerebro, capturados con microscopía electrónica y anotados por IA para identificar tipos de neuronas y sus conexiones. Berkeley News
Tamaño del mapa: 139.255 neuronas y más de 50 millones de conexiones sinápticas, lo que lo convierte en el segundo cerebro mapeado en su totalidad en la historia — el primero fue el del gusano C. elegans, con apenas 302 neuronas, en 1986. Mayhemcode
Lo interesante para nosotros: ese mapa (llamado "conectoma") es un dataset público y descargable. Al estar estructurado como un grafo de nodos y conexiones, se puede cargar en una simulación y tratarlo igual que a cualquier red neuronal artificial: se le puede dar un objetivo y entrenarlo para que aprenda a resolverlo, aunque no tenga nada que ver con lo que hace una mosca en la vida real. De hecho, ya hubo gente que lo entrenó para clasificar mails o hasta para jugar videojuegos.
Ahí es donde se me prendió la lamparita. Porque lo que hace ese cerebro-red cuando lo entrenás es, en esencia, buscar el camino más corto entre un estado y otro dentro de una red de nodos conectados. Y eso es exactamente lo que venimos explorando en Armonía Ilustrada 2 con la idea de acordes vecinos: moverte de una tríada a otra (mayor o menor) desplazando una sola nota a la vez, en vez de saltar de golpe a un acorde totalmente distinto.
Con esa idea en la cabeza armé una de las apps de mi dashboard — Acordes Vecinos —, no porque hiciera falta reinventar la rueda (ya hay herramientas que buscan acordes vecinos así), sino como excusa para meterme de una vez con este tipo de tecnología y aprender a instalarla y hacerla correr. La utilidad para mí fue justamente esa: entender cómo se pone en pie algo así.
La utilidad para quien lee esto es otra: enterarse de que existe un cerebro real, biológico, corriendo dentro de una simulación, encontrando caminos entre un estado y otro — y ver cómo esa misma lógica, aplicada a la armonía, genera un mapa de acordes conectados por compartir dos de tres notas entre vecinos.