He participado en el episodio 407 del podcast Coffee Break: Señal y Ruido [iVoox, iTunes], titulado “Ep407: ChatGPT4; Macacos; Superconductor; Cerebro de Insecto; IA y Esclerosis Múltiple», 16 mar 2023. «La tertulia semanal en la que repasamos las últimas noticias de la actualidad científica. En el episodio de hoy: ChatGPT-4; Superconductor en condiciones ambientales; Primer mapa del cerebro completo de un insecto (larva de Drosophila); U-Net para la segmentación de lesiones en esclerosis múltiple: Herramientas de macacos.. Todos los comentarios vertidos durante la tertulia representan únicamente la opinión de quien los hace… y a veces ni eso.

Ir a descargar el episodio 407.

Como muestra el vídeo participamos por videoconferencia Carlos Westendorp @CWestend, Andrés Asensio @AAsensioR, Sara Robisco Cavite @SaraRC83, y Francis Villatoro @eMuleNews.

Carlos presenta el programa porque Héctor está impartiendo una conferencia sobre tecnomarcadores y cinturones de Clarke en Penn State University. Nos comenta que el presupuesto para 2024 de la NASA es tan parco que se ha tenido que retrasar el programa Artemisa: Artemisa III pasa a diciembre de 2025, es decir, 2026 (aunque nos cuenta Daniel Marín en Twitter que «es altamente improbable que Artemisa III despegue antes de 2027»); y Artemisa IV se retrasa a 2028 (como pronto).

Me toca comentar que se ha publicado en Nature un (posible) superconductor en condiciones casi ambientales, 294 K (21 °C) y 1 GPa (10 kbar o diez mil atmósferas). Por desgracia el artículo ha generado mucha polémica porque sus resultados son poco creíbles. Más información en este blog en «Posible superconductividad a 294 K y 1 GPa en un hidruro de lutecio dopado con nitrógeno», LCMF, 14 mar 2023; también en Enrique Sacristán, «Nuevo superconductor a temperatura ambiente con enormes posibilidades», Agencia SINC, 09 mar 2023; Emily Conover, James R. Riordon, «Is this the superconductor of scientists’ dreams? A new claim faces scrutiny,» Science News, 07 Mar 2023.

El artículo es Nathan Dasenbrock-Gammon, Elliot Snider, …, Ranga P. Dias, «Evidence of near-ambient superconductivity in a N-doped lutetium hydride,» Nature 615: 244-250 (08 Mar 2023), doi: https://doi.org/10.1038/s41586-023-05742-0; más información divulgativa en ChangQing Jin, David Ceperley, «Hopes raised for room-temperature superconductivity, but doubts remain,» Nature 615: 221-222 (08 Mar 2023), doi: https://doi.org/10.1038/d41586-023-00599-9; Dan Garisto, «Allegations of Scientific Misconduct Mount as Physicist Makes His Biggest Claim Yet,» APS Physics 16: 40 (09 Mar 2023) [web]; y Sophia Chen, «Muted Response to New Claim of a Room-Temperature Superconductor,» APS Physics 16: 39 (09 Mar 2023) [web].

También nos comenta Carlos que ya ha salido ChatGPT4, que acepta entradas multimodales (imágenes y texto). El nuevo modelo de lenguaje mejora en exámenes académicos los resultados de GPT-3.5 (lo que implica que ahora «razona» mejor). El artículo que se ha publicado (OpenAI, «GPT-4 Technical Report,» OpenAI (2023), PDF) ofrece muy pocos detalles sobre cómo funciona; se limita a exponer las ventajas de las nuevas funcionalidades. Para un informático falta mucha información técnica relevante sobre este nuevo gran modelo de lenguaje (LLM).

Carlos nos comenta que se ha publicado el primer conectoma de un insecto (el primer estadio de la larva de la mosca de la fruta o Drosophila melanogaster). En algunos medios se ha dicho que es un mapa del cerebro de este insecto, pero en rigor los insectos no tienen un cerebro propiamente dicho; poseen un sistema nervioso que se distribuye por la cabeza, el tórax y el abdomen, con varias masas ganglionares; a la más grande (encima del esófago), llamada ganglio supraesófagico, que se encarga de la visión es a la que se suele llamar protocerebro. (Un hilo resumen en Twitter.) Las masas ganglionares de la mosca tienen 3016 neuronas y 548 000 sitios sinápticos. Las neuronas tienen axón y dendritas; se han observado las cuatro conexiones posibles (axón-axón, axón-dendrita, dendrita-axón y dendrita-dendrita); además, se puede clasificar el protocerebro en 93 sistemas neuronales, que se diferencian por los tipos de neuronas, su morfología y su función.

Cada neurona y sus conexiones mutuas se ha reconstruido usando microscopía electrónica tridimensional. Hasta la fecha solo se había logrado cartografiar el conectoma de organismos con cientos de neuronas (el nemátodo Caenorhabditis elegans, la larva de la ascidia Ciona intestinalis y el anélido marino Platynereis dumerilii). La larva de mosca tiene estructuras cerebrales homólogas a las del adulto y un rico repertorio de comportamientos, incluyendo la memoria a corto y largo plazo, y la selección de acciones. De las 3016 neuronas, 480 son de entradas sensoriales y 2536 computacionales (incluyendo memoria y centros de aprendizaje); se agrupan en dos hemisferios, con el 93 % de las neuronas con un homólogo hemilateral en el hemisferio opuesto; el 95.5 % (2421 neuronas) está polarizado con un axón y una dendrita identificables, el 0.5 % (13 neuronas) no tiene axón definible y el 4.0 % (102 neuronas) son inmaduras (sin arborización ni sitios sinápticos).

Las neuronas sensoriales de entrada se agrupan en primarias, secundarias y terciarias (ver la figura), también las hay de cuarto y quinto orden (omitidas en la figura); las hay olfativas (42+118+649), gustativas (242+296+1259), termosensoriales (10+24+303), visuales (29+25+109), intestinales (85+64+80) y respiratorias (26+10+46); las somatosensoriales del cordón nervioso son mecanosensoriales (14+88+423), nociceptivos (12+106+472) y propioceptivos (8+34+180). En general, las neuronas pueden recibir entradas por múltiples rutas desde el mismo tipo de neurona de entrada (luego pueden ser de segundo y de tercer orden de forma simultánea). El total de neuronas de segundo orden es de 545 (21 %), siendo la mayoría de tercer orden, 1410 (56 %); de cuarto orden son 377 (15 %) y de quinto orden 16 (<1 %). Las 188 neuronas inmaduras (7 %) no se han podido clasificar.

La información sensorial se procesa tanto en serie como en paralelo. La mayoría de las neuronas son multimodales y la información se transmite en cascadas de entre 5 y 8 saltos. Por desgracia, conocer el conectoma no permite conocer cómo funciona la red neuronal, ni cómo se integra la información ni cómo se realiza la computación neuronal (también se ignora para C. elegans que tiene unas 300 neuronas y unas 21000 sinapsis). El conectoma muestra múltiples rutas de realimentación de diferente tipo y diferente longitud, incluyendo una fuerte conexión entre ambos hemisferios (a menos de dos pasos). Las conexiones observadas son axón-dendrita (66.4 %), axón-axón (26.4 %), dendrita-dendrita (5.4 %) y dendrita-axón (1.8 %); en muchos casos hay neuronas conectadas entre sí de las cuatro formas simultáneamente. Mucha información que aún no entendemos. El artículo es Michael Winding, Benjamin D. Pedigo, …, Marta Zlatic, «The connectome of an insect brain,» Science 379: 995 (10 Mar 2023), doi: https://doi.org/10.1126/science.add9330 [web], bioRxiv 516756 (28 Nov 2022), doi: https://doi.org/10.1101/2022.11.28.516756; más información en Laura Marcos «Completan el primer mapa del cerebro de un insecto y sus conexiones neuronales,» Agencia SINC, 09 mar 2023.

Nos presenta Sara un artículo en Scientific Reports  sobre el uso de las redes U-Net para la segmentación de lesiones en esclerosis múltiple. Las imágenes por resonancia magnética se pueden ponderar de dos maneras, T1 para mostrar la anatomía normal del tejido blando y la grasa, y T2 para mostrar el líquido y los tumores asociados a lesiones y alteraciones. Las lesiones T2 son cruciales en el seguimiento de la progresión  y del tratamiento de la esclerosis múltiple. Se presenta una U-Net 3D para la segmentación de estas lesiones en imágenes MRI de ensayos clínicos multicéntricos.

Nos cuenta Sara que las redes en U tienen una forma similar a un diábolo discóbolo o un reloj de arena, con una parte ancha que se estrecha (el encoder) y una parte estrecha que se ensancha (el decoder); como comenta Andrés hay un cuello de botella clave en la clasificación necesaria para la segmentación (la identificación de objetos en regiones de la imagen). El encoder es el que encuentra las regiones relevantes en la imagen y del decoder reconstruye la imagen original marcada con dichas regiones (por ejemplo, en forma de diferentes colores). Para el entrenamiento se ha usado el conjunto de entrenamiento (imágenes anotadas con lesiones) de OPERA I trial (n = 821) y se ha evaluado el modelo con los datos de OPERA II (n = 835), ORATORIO (n = 732) y OLYMPUS (n = 439). La red de neuronas entrenada logra un acierto ≥ 0.66 y una sensibilidad ≥ 0. 72 (en los datos de prueba tras el entrenamiento); para datos nuevos, se logra 0.62 y 0.68, respectivamente (estos resultados son comparables a las redes ganadoras del MICCAI 2016 MS lesion segmentation challenge).

Sara nos comenta que para entrenar el modelo se han usado NVIDIA V100 GPUs con 30 épocas usando un optimizador tipo Adam con una tasa de aprendizaje (learning rate) inicial de 0.0001 y un tamaño de lotes (batch size) de 10, por ello se han necesitado entre 9 y 12 días. El artículo es Anitha Priya Krishnan, Zhuang Song, …, Richard A. D. Carano, «Multi-arm U-Net with dense input and skip connectivity for T2 lesion segmentation in clinical trials of multiple sclerosis,» Scientific Reports 13: 4102 (13 Mar 2023), doi: https://doi.org/10.1038/s41598-023-31207-5 [web].

El uso de herramientas por parte de macacos cuestiona que su uso sea signo de la inteligencia de los homininos. De hecho, las herramientas líticas de los macacos se parecen mucho a las usadas por nuestros antepasados, aunque en su caso son resultado de la rotura de las piedras que usan para ayudarse a abrir las nueces de cáscara dura que comen. Se publica en Science Advances un estudio de macacos de cola larga en el Parque Nacional Phang Nga en Tailandia; estos monos usan herramientas de piedra para abrir nueces de cáscara dura. Las lascas (tallas intencionales) de los macacos demuestra que la producción de herramientas no es exclusiva de los humanos y nuestros antepasados. De hecho, el registro arqueológico dejado por los macacos es indistinguible (salvo por su tamaño) de los artefactos de homínidos.

La gran pregunta es si los comportamientos de los primates actuales son representativos de los posibles comportamientos de los primeros homínidos y homininos. El asunto no está nada claro, algunos datos pueden ser útiles para interpretar el registro arqueológico y los estudios antropológicos, pero para obtener una imagen completa de la cultura asociada a las herramientas líticos de los homininos hay que ir más allá. El artículo es Tomos Proffitt, Jonathan S. Reeves, …, Lydia V. Luncz, «Wild macaques challenge the origin of intentional tool production,» Science Advances 9: eade8159 (10 March 2023), doi: https://doi.org/10.1126/sciadv.ade8159 [web]; más información en la nota de prensa Max Planck Society, «Surprising similarities in stone tools of early humans and monkeys,» Phys.org, 10 Mar 2023. Más sobre este tema en Elisa Bandini, Rachel A. Harrison, Alba Motes-Rodrigo, «Examining the suitability of extant primates as models of hominin stone tool culture,» Humanities and Social Sciences Communications 9: 74 (08 Mar 2022), doi: https://doi.org/10.1057/s41599-022-01091-x.

Y pasamos a Señales de los Oyentes. Cristina Hernandez García pregunta: ¿Con varias rededes neuronales entrenadas para tareas diferentes, ¿se podría tener una AI de carácter general sin perder lo aprendido compartiendo salidas de cada una con el resto a través de los espacios de difusos…? Contesta Carlos que no, no se puede, aunque ese es el objetivo de la llamada inteligencia artificial general. Sara comenta que ya hay sistemas en las que varias redes colaboran, por ejemplo, en vehículos automáticos. Pero todavía estamos muy lejos de poder combinar redes independientes para construir una red global que ejecute todas sus acciones independientes.

Gonzalo de Souza pregunta: «¿La paradoja de los gemelos se resuelve con el concepto de tiempo propio solo con relatividad especial o hay que utilizar la relatividad general necesariamente?» Contesto que no es necesaria la relatividad general, que es una teoría de la gravitación, porque en la paradoja no hay campos gravitacoinales implicados. La relatividad especial permite describir a la perfección sistemas de referencia no inerciales, es decir, acelerados. La relatividad especial es más que suficiente para describir una mecánica relativista con fuerzas y aceleraciones asociadas. Su único problema es que la gravitación no es una fuerza, y por tanto está más allá de dicho formalismo; la relatividad general nos explica la gravitación como una curvatura del espaciotiempo en lugar de como una fuerza (como en el caso newtoniano).

¡Qué disfrutes del podcast!