Buscar este blog

lunes, 27 de agosto de 2012

Aprendizaje y evolución


Cuando la idea de estudiar el  aprendizaje comenzó a crecer en mi cabeza supuse que sería fácil, la biblioteca tenía al menos 10 pasillos dedicados a distintas estrategias, explicaciones, modelos, teorías sobre cómo se debía enseñar. Educar, enseñar o problemas de aprendizaje  eran como sinónimos de aprender.

Después de leer todos los libros, las revistas fueron una buena fuente de inspiración, pero solo creaban más notas en cuadernos que se terminaban rápidamente y finalmente decidí buscar en el cerebro, fue el paso lógico, pues  si es  ahí es donde se analiza, procesa y almacena el aprendizaje

Creí que encontraría respuestas en esa protuberancia que cargamos todos sobre los hombros, y parecía que no sería difícil, pues ¿cuánto puede caber en un espacio promedio  de 1130 cm3?.

Mi viaje fue de las estructuras con sus nombres en latín al connectome que es un mapa de las conexiones neuronales, y que busca describir la estructura cerebral, pues así como el genoma es más que una yuxtaposición de genes, el conjunto de conexiones neuronales es mucho más que la suma de sus componentes individuales (Biswal, Mennes, Zuo, Gohel, Kelly, Smith, Beckmann, Adelstein, Buckner, Colcombe et al, 2010).

Las conexiones 


Un gran experto en este tema, Sebastian Seung (2012) afirma que el connectome contiene millones de veces más conexiones que las letras del genoma, pero que cada quien va creando las conexiones específicas, por lo que cada uno es su connectome, el cual se forma basado en 4 principios: reponderación que significa cambios en la fortaleza de las sinapsis; reconexión que es la creación y eliminación de sinapsis; recableado que es la creación y eliminación de ramas neuronales y regeneración  que es la creación y eliminación de neuronas.

Si las neuronas lo fueran todo, parecía entonces que la comprensión del aprendizaje no debería llevar más de 10 años, pero como explica Dehaene (2011) el cerebro representa la respuesta de la evolución lenta de las especies gobernadas por el principio de la selección natural, misma que se ha perfeccionado a lo largo de los años permitiendo al cerebro optimizar la forma en que procesa el enorme flujo de información sensorial recibida para adaptar las reacciones del organismo a un ambiente competitivo y hostil.

Si la clave del aprendizaje radicara exclusivamente del cerebro, entonces era válida la idea de que el aprendizaje se adapta al medio y erróneamente llegué a proponer que el aprendizaje permitía esta adaptación, no puedo negar el error pues lo publiqué en diferentes artículos. Fue  que un biólogo me hizo recordar que otras especies se adaptan, incluyendo las proteínas como explique en otra entrada de este blog (Dzib Goodin, 2012). Los priones me quitaron el sueño por un rato.

Así que fue momento de buscar los mecanismos evolutivos. Finalmente somos la suma de los procesos de cambios y adaptaciones.

Años de cambio

Alguien muy amable me sugirió explorar el Efecto Baldwin, también conocida como evolución ontogénica que es una teoría del probable proceso evolutivo del aprendizaje, la cual fue  publicada por primera vez en 1896. La teoría propone un mecanismo para la capacidad de aprendizaje en general, pues los descendientes seleccionados de un grupo, pueden tener mayor capacidad de aprender nuevas habilidades en lugar de limitarse a las capacidades otorgadas por el código genético el cual es relativamente rígido.

Suena muy lógica la idea, pero la teoría ha resultado ser controversial a la luz de la síntesis evolutiva moderna y no ha sido sencillo probar la ocurrencia del fenómeno. Aunque personalmente voy a comenzar a documentar mis batallas de verano entre las malas hierbas, las babosas y caracoles para mantener sanos mis jardines. 

La principal limitación del efecto Baldwin, mencionan Hinton y Nowlan (1984)  es que sólo es eficaz en espacios que serían difíciles de buscar, especies muy específicas a las cuales sea posible seguir, sin un proceso adaptativo de restructuración del espacio. Pero para aquellos biólogos, que afirman que los espacios naturales están bien estructurados, el efecto Baldwin es un mecanismo importante en permite los procesos adaptativos dentro del organismo para mejorar en gran medida el espacio en que evoluciona una especie.

Esa teoría me llevó a buscar algo más, y ¡voila!, regresé a un viejo tema, ¿pueden creer que la evolución de los procesos cerebrales ha sido mejor explicada por los teóricos de la inteligencia artificial?

Bajo el supuesto de que el cerebro se puede adaptar y aprender de la experiencia pasada, pues la evolución específica no solo conductas heredadas sino que agrega metas heredadas que son usadas para guiar el aprendizaje bajo las órdenes de un código genético que tiene dos componentes en las especies. El primer componente es un grupo de valores iniciales para crear una red de acción que mapea la entrada sensorial para la conducta, la cual se presentan como un conjunto de conductas innatas que son heredadas de los padres (Stefano, Elman, y Parisi, 1994).

El ejemplo que me viene a la mente es un bebé recién nacido, que comienza a reconocer el ambiente, las primeras reacciones son sensoriales, como bien lo reconoció Piaget en el siglo pasado. Algunas de esas reacciones comienzan a distinguirse entre la especie, por ejemplo, los reflejos se van haciendo más sofisticados y algunos bebés dan signos de precocidad, mientras que otros siguen un patrón claro de desarrollo.

El segundo componente es una red de evaluación que centra la acción en la entrada sensorial  a un valor escalar que ayuda a moverse de una mala a una buena situación modificando su peso en la acción de la red durante el proceso y que los individuos mantienen como metas de aprendizaje (Stefano, y Parisi 1994). 

No hay placer más grande que observar a un bebé que se encuentra en un  dilema. Si logra controlar la motricidad y construye la red de mirar un objeto y tomarlo, ¿cómo reacciona cuando a pesar de realizar los mismos movimientos, el objeto no se desprende?. Su primera reacción es: ¡hey, ven a mi, te estoy tomando!. Otros lo intentaran más de 5 veces, mientras que algunos observaran el problema, y no falta el bebé que llorará, explicándole al juguete que mamá no tardará en enterarse de su rebeldía y que con mamá no se juega.

En este sentido se puede decir que la evolución de la redes neuronales contiene información no solo en términos genéticos, sino también una colección de conductas desarrolladas por los antecesores que puede ser comprendida como la cultura (Dehaene, 2012, Conrad, 2004).
 
Es entonces que  cultura tiene una papel primordial debido a que las adaptaciones en el entorno no siempre están determinadas por códigos cerrados y por ende no pueden llegar a ser más fuerte que los establecidos por la selección (incluidos los cambios en el entorno social). El mejor ejemplo de ello es el lenguaje, ya que anteriormente la especie no era dependiente del habla, hasta que  comienzan a evolucionar las capacidades lingüísticas, es así que los procesos de desarrollo que no habían participado con anterioridad en la lengua pueden ser objeto de selección debido a sus efectos en la adquisición del lenguaje, dando por resultado la modificación de mayores adaptaciones (Barret, 2012).

Sin embargo, la cultura no se absorbe en todo el cerebro, al menos así lo explica Stanislas Dehaene (2004) en su teoría del reciclado neuronal, cuando dice que las adquisiciones culturales pueden tener lugar en un área limitada de la superficie y acotada por la corteza cerebral. Como ejemplo de esto el autor analiza la lectura y la aritmética que tienen mayor reproductibilidad en la neo corteza.

Esta idea le ha quitado el sueño a más de uno, por ejemplo en un artículo publicado por Conrad (2004) se presenta una teoría sobre la conformación del sistema nervioso central basada en el procesamiento de la información a partir de la descripción de los sistemas biológicos moleculares. En ella explica que el Sistema Nervioso Central consta de varios tipos de regiones unitarias de las cuales hay muchas réplicas intercambiables.

 Cada región contiene neuronas cuyo encendido está determinado por las enzimas que reconocen los patrones de entrada  específicos de esa región determinados por los genes heredados o cultivados. Finalmente, el Sistema Nervioso Central tiene circuitos de selección que ponen  prueba y evaluación distintas regiones, determinando el control de la producción de genes sobre la base de dicha evaluación. 

Al mismo tiempo, existen  genes cuya producción es estimulada de manera difusa en las regiones en las que se producen para transformar otras regiones competentes del mismo tipo. En este sentido, la función de las moléculas es la misma en estas nuevas regiones porque la estructura del tejido y propiedades celulares son los mismos. 

Esto hace posible un proceso de ensayo y error para aprender a ser mediada por los mismos mecanismos que la evolución natural, excepto que es más eficiente debido a los circuitos de selección. Los sistemas que operan sobre la base anterior son capaces de realizar cualquier operación ejecutable como una computadora convencional, pero con ciertas restricciones importantes sobre la programación. Así, estos sistemas también son (estructuralmente) más simples que los dispositivos convencionales de procesamiento de la información y más susceptibles de aprendizaje y evolución (Conrad, 2004; Changeux y Dehaene, 2000).

Esto es claro ya que durante la evolución del cerebro, las propiedades de desarrollo de los tejidos del cerebro están sujetas a modificación evolutiva a partir de los efectos sobre los fenotipos del cerebro. Esto puede ser iniciado por los cambios en los sistemas de desarrollo (por ejemplo, a través de la mutación), los cambios en el entorno en el que se desarrollan (cultura, ambiente), o ambas cosas (Barret, 2012). 

Una idea de cómo ocurre esto es brindada por Fernando, Szathmáry, y Husbands (2012) quienes afirman que la evolución darwiniana puede suceder en el cerebro durante por ejemplo, el pensamiento complejo, o el desarrollo del lenguaje en los niños, aunque nada más allá del nivel de la sinapsis se somete a la evolución darwiniana en el cerebro. Los cual confirma la afirmación de Seung: somos nuestro connectome.

Evolutivamente, la ventaja de contar con algoritmos de replicación que tienen lugar por la selección natural no es observable a simple vista comparada con los modelos de aprendizaje instrumental (Fernando, y Szathmáry 2010). De hecho, la noción de la dinámica de réplica en el cerebro sigue siendo controvertido y la creación de redes neuronales es un proceso costos que depende del desarrollo tecnológico, ejemplo de ello es el Blue Brain Project.


Redes neuronales artificiales

Es así que los avances tecnológicos hacen posible la creación de redes neuronales que intenta simular la capacidad biológica para adaptarse y aprender de la experiencia pasada que tiene el cerebro. 

Sin embargo, aun para los expertos en redes neuronales, la tarea de explicar los mecanismos del aprendizaje no han sido sencillo, pues como explican Iriki y Taoka, (2012) la evolución cerebral tiene 3 componentes esenciales, uno desarrollado por la integración multisensorial (ver, oir, oler, sentir) y transformación de coordenadas para el control de los movimientos en el espacio habitado que es una función esencial del sistema nervioso (lo que se conoce como nicho ecológico).  Pero esta mejora neural no es un evento aislado, ya que permitió al cerebro pasar del  procesamiento al  resumen de información, mediante la aplicación y reutilización de los principios existentes del procesamiento de información espacial  que se adaptó para el sometimiento de las funciones mentales y que en última instancia condujo al desarrollo de la lengua con lo que fue posible comunicar localizaciones o espacios (que dio lugar a un nicho cognitivo).

 Esto también fue útil manipulación de la imagen del cuerpo en el espacio, lo cual se volvió indispensable para la manipulación de herramientas, que dio como resultado la  aceleración de los vínculos interactivos entre las bases neuronales, cognitivas cognitivo y dio paso al tercer nicho que es el de construcción.

Por si acaso sonó complejo aquí una explicación sencilla, para que un bebé pueda emitir palabras coordinadas, debe saber usar el órgano lingual, moverlo de manera coordinada, aprender a controlar el aire, cuando logra dominar la diferencia entre emitir un sonido y llegar a una palabra debe emprender la carrera por perfeccionar esa habilidad. 

Personalmente disfruto mucho de esos intentos, los bebés van de los sonidos simples como ma, pa, aba a las palabras: mamá, papá, agua. Una vez que han consolidado eso, comienzan a usar las herramientas y los padres se asustan cuando ven al niño con la Ipad o el celular en su poder, nada más divertido que verlo usar un lápiz. Cuando los padres se logran relajar, los niños envían su primer mensaje de texto, y luego leerán su primer libro. De ahí a describir el mundo.

Esto explica que un ambiente humano modificado ejerce presión sobre las generaciones venideras para adaptarse a él, tal vez mediante la adquisición de nuevos recursos que se han de adecuar a los diferentes órganos, con lo cual es posible explicar la plasticidad inducida epigenéticamente (este término se refiere al estudio de los factores no genéticos que intervienen en el desarrollo de un organismo), incluyendo el desarrollo de mecanismos de aprendizaje que participan en tales procesos. De esta manera, la información  genómica adicional puede ser transmitida entre generaciones a través de las interacciones mutuas entre los nichos ecológico, neuronal y los dominios cognitivos. Este escenario localizar el cerebro humano como parte de un ecosistema integral en evolución (Iriki y Taoka, 2012).

Es así que surge la neuroevolución como campo de estudio, la cual busca la creación de  Redes Neuronales Artificiales (RNA) a través de algoritmos evolutivos, y que  a veces ha centrado sus esfuerzos en las redes neuronales estáticas que no puede cambiar su función durante su vida, ya que son las más sencillas de replicar (Miikkulainen, Feasly, Hohnson, Karpov, Rajagopalan, Rawal y Tansey, 2012; Gauci and Stanely, 2010).

 Sin embargo, un grave problema con la evolución de los sistemas adaptativos es que aprender a aprender es muy engañoso, como  explican Risi, Hughes y O Stanley (2010), porque es más fácil un principio para mejorar la condición física sin evolucionar la capacidad de aprender, por que  no se basa en la adaptación heurística. Esto es aprender una tarea rígida sin mayor toma de decisiones, que es un modelo alejado de la realidad. 

En su estudio, los autores llegan a la conclusión de que la búsqueda de la novedad tiene el potencial de fomentar la aparición de la conducta adaptativa en recompensa basada en el aprendizaje de tareas, lo que abre una nueva dirección para la investigación en la evolución de las redes neuronales de plástico, lo cual hace más interesante y sencillo aprender las conductas adaptativas que habían sido difíciles de observar en los modelos humanos.

Pero cómo bien sabe Henry Markram, al cerebro le ha llevado billones de años evolucionar  y tiene muchas reglas, por lo que el reto de la neuroevolución es describirlas cuidadosamente empleando leyes matemáticas y si es posible lograr eso, el reto entonces será construir un modelo realista del cerebro (Kushner, 2012).

Cerebro y escuela

Aunque suene a necedad, el proceso de aprendizaje ha recorrido un largo camino, desarrollando sus reglas propias que la escuela como institución no debería ignorar, aunque lo hace. La consecuencia no son niños infelizmente educados, son adultos sin empleo que dan muestra de los errores educativos a nivel mundial. No hay sistema educativo perfecto, ni siquiera el cerebro tiene leyes establecidas, las modifica generación tras generación, intentando encontrar un equilibrio biológico.

Por supuesto, es posible esperar que un experto en programación diseñe una aplicación que se conecte por medio de una interfase y con solo un clic podamos aprender cualquier cosa, incluso aquellas para las que no somos físicamente aptos, como en la película de The Matrix, pero mientras eso pasa, valdría la pena poner al cerebro en las aulas y comprender sus mecanismos. 


No es mi idea que los maestros sepan neurociencia, no me malinterprete, pero al menos me gustaría que cuando se vea un niño con problemas de aprendizaje puedan verle como un problema de enseñanza por que el cerebro se ha adaptado y sobrevivido sobre la faz de la Tierra mucho más de lo que cualquier currículo lo ha hecho. 

Parte de esa evolución implica que como los estudios indican, el cerebro se modifica todo el tiempo y en este sentido, si un niño no es capaz de ejecutar una tarea hoy, lejos de etiquetarlo, debería pensarse que bajo las estrategias correctas, logrará hacerlo, con un ritmo, precisión y especificidad distinta a la de los demás, después de todo no hay nada más impresionante que ser únicos, diferentes y especiales.

El éxito del cerebro es tal que ha sido capaz de mirar al infinito y más allá, la luna no fue su límite, ahora mismo explora Marte, se ha esforzado al máximo, ha crecido, inventado, fantaseado y hecho posible lo que se pensaba imposible, todo en un espacio promedio  de 1130 cm3., imagine ahora que serán capaces de hacer muchos con un fin común: una enseñanza efectiva.

Alma Dzib Goodin
Si te ha parecido interesante este escrito, te invito a conocer un poco más de mi trabajo en http://www.almadzib.com. Para la versión en español, de clic en la parte superior derecha.

Referencias

Ackley D., and Littman, M. (1991) Interactions between learning and evolution. In Artificial life II, SFI studies in the sciences of complexity. Vol X edited by CG Langton, C Taylor, JD Farmer & S, Rasmussen. Addison –Wesley. United States.

Baldwin, JA. A New Factor in Evolution. American Naturalist 30, (1896): 441-451, 536-553. Disponible en http://www.brocku.ca/MeadProject/Baldwin/Baldwin_1896_h.html


 Barret, HC. (2012) A hierarchical model of the evolution of brain specializations. Proceedings of the National Academy of Science of the United States of America. 19 (Supl 1). 10733- 10740.

Biswal BB, Mennes M, Zuo XN, Gohel S, Kelly C, Smith, SM, Beckmann, CF, Adelstein, JS, Buckner RL, Colcombe S, et al (2010) Toward discovery science of human brain function. Proceedings of the National Academy of Sciences 107 (10) 4734-4740.

Conrad, M. (2004) Evolutionary learning circuits. Journal of theoretical Biology. 46 (1) 167-188.

Dehaene, S. (2004) Evolution of human cortical circuits for Reading and arithmetic: the neuronal recycling hypothesis. In S. Dehaene, J. R. Duhamel, M. Hauser & G. Rizzolatti (Eds.), From monkey brain to human brain (2004). Cambridge, Massachusetts: MIT Press.

Dehaene, S. (2011) The number sense: How the mind creates mathematics. Oxford University Press. USA.

Dzib Goodin, A (2012) El aprendizaje de cómo se aprende. Disponible en: http://neurocognicionyaprendizaje.blogspot.com/2012/05/el-aprendizaje-de-como-se-aprende.html

Fernando, C., and Szathmáry, E. (2010) Natural selection in the brain. In B., Glatzeder, V. Goel,  and A. Muller (Eds) Towards a theory of thinking: building blocks for a conceptual framework.  Springer.  Germany.

Fernando, C., Szathmáry, F., and Husbands, P. (2012) Selectionist and evolutionary approaches to brain function. A critical appraisal. Frontiers in Computational Neuroscience. 6 (Art. 24). Disponible en http://www.ncbi.nlm.nih.gov/pmc/articles/PMC3337445/pdf/fncom-06-00024.pdf.

Gauci, J., and  Stanley, K.O. (2010) Autonomous evolution of topographic regularities in artificial neural networks. Neural Computation 22(7)  1860-1898.

Hinton, GE., and Nowlan, SJ. (1987) How learning can guide evolution. Complex Systems. 1. 495-502.

Iriki, A., and Taoka, M. (2012) Triadic (ecological, neural, cognitive) niche construction: a scenario of human brain evolution extrapolating tool use and language from the control of reaching actions. Philosophical Transactions of the Royal Society Biological Science. 367. 10-23.


Krushner, D. (2011) The man who builds brains. The Brain, Discovery Magazine. Disponible en red: http://discovermagazine.com/2009/dec/05-discover-interview-the-man-who-builds-brains

Miikkulainen, R., Feasly, E., Hohnson, L. Karpov, I., Rajagopalan, P., Rawal, A., and Tansey, W. (2012) Multiagent learning through neuroevolution. Advances in Computational Intelligence. 7311. 24-46.

Nolfi, Stefano, and Domenico Parisi (1994). Good teaching inputs do not correspond to desired responses in ecological neural networks. Neural Processing Letters 1 no. 2 (11/94) pp. 1-4.

Nolfi, Stefano, Jeffrey L. Elman, and Domenico Parisi (1994). Learning and evolution in neural networks. Adaptive Behavior 2 (1994): 5-28.

Risi, S., Hughes, CE., y O Stanley, K. (2010) Evolving plastic neural networks with novelty search. Adaptative Behavior. 18 (6) 470-491.

Seung, HS. (2012) Connectome: How the Brain's Wiring Makes Us Who We Are. New York: Houghton Mifflin Harcout.