Mi pierna piensa por mí

Iván Germán es uno de los pocos amputados españoles que cuenta con una prótesis biónica. Después de su accidente, hace 16 años, se especializó y hoy trabaja en el diseño de prótesis. Iván Germán pide un café, abre su ordenador portátil y se conecta con su pierna. El dispositivo actualiza el software y le informa del nivel de batería y los ajustes de flexión, carga y resistencia. También le indica el espacio que lleva recorrido desde que empezó a usar la rodilla: 1.045.843 pasos.

Simulando ondas cerebrales

Sabemos que estamos en buenos años: actualmente hay en marcha muchos grandes proyectos de investigación del cerebro, entre ellos el Blue Brain Project.

Marvin Minsky considera una pérdida de tiempo los proyectos sobre el cerebro

Según Marvin Minsky, los enormes recursos que EE UU y Europa destinan a megaprogramas de investigación sobre el cerebro humano están mal enfocados, uno de los padres de la inteligencia artificial que hoy recibe el Premio Fundación BBVA Fronteras del Conocimiento en Tecnologías de la Información y la Comunicación. Su propuesta es estudiar primero cómo funciona el cerebro de animales pequeños, como las libélulas.

nanosistema químico imita a las redes neuronales

Creado por científicos españoles, se forma mediante el autoensamblaje de pequeños bloques moleculares
  
Científicos han diseñado un nanosistema químico capaz de transportar electrones a largas distancias. El sistema tiene una estructura similar a una red neuronal, con estructuras anulares interconectadas a través de estructuras tubulares, y provoca la alineación y ordenación de nanotubos de carbono a lo largo de la red para generar una superestructura que conduce la electricidad.

Imagen de la red tomada con un microscopio electrónico de transmisión. Fuente: ICIQ.

Un equipo internacional de científicos ha desarrollado un nuevo sistema químico cuya estructura nanoscópica se inspira en la estructura reticular de las neuronas.

El sistema, publicado en Nature Communications, está formado por anillos interconectados mediante estructuras tubulares y tiene una gran capacidad para transportar electrones, lo que lo convierte en un excelente nanoconductor eléctrico.

La red se forma mediante un proceso de autoensamblaje químico de pequeños bloques moleculares diseñados en el laboratorio de Arjan Kleij, en el Instituto Catalán de Investigación Química en Tarragona, que informa del hallazgo en una nota de prensa.

Estos bloques moleculares interaccionan no covalentemente unos con otros y dan lugar a la estructura reticular capaz de transportar información a través de las conexiones químicas. Además, los científicos son capaces de incorporar distintos metales en los bloques moleculares para así modificar las propiedades electroquímicas, magnéticas u optoelectrónicas de la red.

Nuevo material

El equipo de investigación, junto con sus colaboradores en Alemania, Portugal y Rusia, ha explorado la posibilidad de utilizar este nuevo sistema químico para transmitir información eléctrica.

Para ello utilizan nanotubos de carbono que al estar en contacto con el sistema se alinean en torno a los anillos y los conectores tubulares permitiendo el paso de la corriente eléctrica por la red

Este nuevo nanomaterial conductor resultante de la aplicación del sistema de Kleij en nanotubos de carbono, permitiría diseñar innovadores dispositivos electrónicos más potentes y de menor tamaño.

Entre las aplicaciones más inmediatas se encuentran la construcción de innovadores electrodos, nuevos circuitos nanoelectrónicos y sensores.

El equipo de investigación continúa estudiando el sistema y su aplicación en polímeros para generar materiales semiconductores plásticos que se puedan utilizar en pantallas de tabletas y móviles o incluso tejidos con determinadas capacidades térmicas.

Referencia bibliográfica: 
Martha V. Escárcega-Bobadilla, Gustavo A. Zelada-Guillén, Sergey V. Pyrlin, Marcin Wegrzyn, Marta M.D. Ramos, Enrique Giménez, Andrew Stewart, Gerhard Maier, Arjan W. Kleij. Nanorings and rods interconnected by self-assembly mimicking an artificial network of neurons. Nature Communications (2013). DOI:10.1038/ncomms3648.

La independencia del substrato

Una de las más espectaculares promesas de la IA fuerte es lo que llamamos mind uploading: la posibilidad de descargar nuestra mente en la memoria de un ordenador.

Es una original propuesta de inmortalidad, dado que una memoria computacional física puede ser reparada en todas sus partes siendo potencialmente eterna. En un momento del futuro, toda la humanidad (o un selecto grupo de elegidos) podría ser volcada dentro de enormes memorias informáticas, dando el salto a un mundo virtual en donde la felicidad completa, antes sólo prometida postmortem, será alcanzada. El potencial especulativo de esta afirmación es enorme: ¿Podrían unirse varias mentes en una creando la emergencia de una supermente colectiva? ¿Qué siente alguien viviendo dentro de un computador? ¿Podríamos apagar y volver a encender las mentes almacenadas?

Entre los muchos presupuestos necesarios para que la mind uploading sea posible se encuentra la independencia de substrato: nuestra mente puede funcionar exactamente igual independientemente de la base física que la sostenga. Lo importante sería replicar la estructura del sistema que nos permite pensar, no su material, de modo que si podemos copiar la estructura de nuestras intrincadas redes neuronales (wetware) en chips de silicio, dichos chips tendrán las mismas funciones que nuestro cerebro. Este dualismo soluciona, por ejemplo, el viejo enigma del barco de Teseo: ¿Cuántas piezas hay que cambiar a un barco para que ese barco ya no sea el mismo sino otro diferente? Desde la independencia de substrato diríamos que el cambio de piezas es indiferente para la identidad de cualquier ente. Lo esencial es su estructura, por lo que si el barco mantiene la estructura inicial seguirá siendo el mismo a pesar de no tener nada de su materia inicial. La misma idea parece subyacer en las palabras de Sebastian Seung y su concepto de conectoma.

Cuando Seung dice que somos nuestro conectoma está queriendo decir que nuestras funciones cognitivas superiores son el resultado (o se identifican. Ignoro la postura que Seung tiene en este tema) de una complejidad estructural. Entonces, lo de menos es la base física, cualquiera vale, lo importante es meramente la complejidad estructural. Seung tiene la esperanza de que algún día se desvele el misterio y sepamos toda la exponencial cantidad de conexiones sinápticas. Sin embargo, esto encierra un grave problema que creo que no suele tenerse en cuenta y que reside, precisamente, en dar por sentada la independencia de substrato.

La conciencia, nuestros sentimientos y nuestros recuerdos surgen de esa intrincada red neuronal de un modo absolutamente desconocido a día de hoy. Los científicos, especialmente neurólogos e ingenieros de AI, tienen poca paciencia y quieren hacer un modelo del cerebro dejando de lado ese desconocimiento. Así, elaboran modelos matemáticos partiendo únicamente de la idea cajaliana de que las neronas son herramientas de transmisión de información que funcionan de modo discreto disparando pulsos eléctricos. Los diferentes modelos neuronales (desde los primeros intentos de McCulloh y Pitts, los perceptrones de Rosenblatt, hasta las redes de Hopfield o las máquinas de Boltzmann) parten de la base de que lo único que hacen las neuronas es lanzar o no pulsos eléctricos, de manera que su actuación puede formalizarse fácilmente en código binario. Los diferentes modelos intentan hacer el mayor número de operaciones (operaciones lógicas, memoria asociativa o reconocimiento de patrones) partiendo de esta hipótesis. Como en la realidad podemos encontrar elementos físicos biestables (cosas que puedan estar en dos estados diferentes el tiempo suficiente: el magnetismo de las memorias informáticas), podemos construir redes neuronales artificiales. Es curioso que nadie haya caído (o sí, vete tú a saber) en que en este planteamiento hay una contradicción inicial muy básica: si las neuronas sólo transmiten información, ¿cómo van a poder generar consciencia? ¿Es que la consciencia es sólo un pulso eléctrico o un transporte de información? No, responderían aireados, la consciencia surge de la complejidad de interconexiones eléctricas, no de las propiedades de los pulsos eléctricos entendidos individualmente. Pero, ¿qué significa realmente que algo pueda surgir de su complejidad estructural?

No significa nada, pues aquí está el error. Yo puedo hacer que mi computadora sea muy compleja en el sentido de que cada vez pueda resolver un número mayor de problemas matemáticos (de hecho los problemas con los que se enfrentan los ingenieros de redes neuronales artificiales son exclusivamente de índole matemático), pero no puedo hacer otra cosa. No, podríamos replicar, si yo conecto mi red neuronal artificial, por ejemplo, a un brazo robótico, podría emular los movimientos de un brazo humano. Los problemas matemáticos se traducen en replicar acciones humanas. Cierto, algunos problemas son de este tipo. Sin embargo, ¿cómo se espera resolver matemáticamente el problema de la conciencia? La conciencia es una entidad real, “física” en el sentido de estar en el mundo como lo está un mueble. No digo que la conciencia sea una cosa, pero sí que será un proceso o, de alguna manera, la propiedad de un sistema físico. Lo poco que sabemos es que la conciencia emerge (o se identifica, o es causada o lo que queramos decir aquí) de un determinado sistema físico: el cerebro. Un sistema, por otra parte, con unas propiedades fisico-químicas muy concretas. Entonces parece razonable pensar que las propiedades físico-químicas del cerebro tendrán mucho que ver con el fenómeno de la conciencia, del mismo modo que las propiedades físico-químicas del estómago tienen mucho que ver con la digestión. ¿En qué se basan entonces para decir que nuestra mente es un conectoma, una complejidad estructural independiente del substrato donde se realice? ¿Es que acaso hemos comprobado alguna vez que otra química diferente a la del carbono dé lugar a algún tipo de conciencia? ¿Es que acaso podemos encender fuego únicamente con un modelo matemático de la combustión?

Nada surge meramente de lo complejo, igual que nada es exclusivamente una estructura. Los ingenieros de AI piensan que si tenemos un mapa muy detallado de lo que es una gallina escrito en un papel, ya tenemos realmente una gallina. No, para hacer una gallina hacen falta átomos de gallina. Y quizá, los átomos de gallina tienen unas propiedades tales que sólo con átomos de gallina podemos hacer gallinas, y no con cualquier otro substrato que se nos antoje estructuralmente similar. La independencia de substrato es una tesis que suele aceptarse con demasiada ligereza.

vonneumannmachine

Sistema universal de símbolos

En las actuales ciencias cognitivas, el concepto de información se ha postulado como central para comprender el funcionamiento de la mente. Muchos afirman rotundamente que la mente es un sistema universal de símbolos, es decir, una máquina que transmite, manipula, modifica información.

Tal tesis quedó avalada por el descubrimiento fundacional de las neurociencias: la neurona, una célula cuya primordial misión parece ser la de transmitir información. Además, parece hacerlo de modo relativamente simple, mediante un sistema sumatorio de pesos que hace que una neurona se dispare o no en función de los estímulos recibidos por otras neuronas (la grandísima aportación de Hebb). Además, debido a la plasticidad cerebral, las asambleas de neuronas pueden aprender. En los modelos matemáticos que tenemos de ellas el aprendizaje es arduo y costoso, pero, a la postre eficaz. Podemos entrenar estas agrupaciones de células simples para que hagan un montón de cosas y, a pesar de la dura crítica de Papert y Minsky que dejó está vía de investigación paralizada durante años, hoy ha renacido con fuerza consiguiendo algunos notables resultados.

La idea parece muy buena. Los pioneros de la Inteligencia Artificial pensaban que la mente era algo así como el software de nuestro cerebro, de modo que lo que había que encontrar era ese programa maestro que emulara perfectamente a la mente humana. Pero, pensándolo bien, el cerebro no parece tener un programa que funcione a modo del Prolog o del Lisp (aunque muchos así lo siguen defendiendo: es el popular mentalés). Parecía más lógico empezar por debajo: en vez de construir el software, hagamos el hardware y veremos lo que pasa. Así, basándose en estudios del sistema nervioso, se construían modelos matemáticos y se comprobaba que podían hacer. Es el clásico programa conexionista.

Los modelos de redes neuronales siguen avanzando y, de momento, son lo más parecido que tenemos a cómo los cien mil millones de neuronas que contiene nuestro cerebro, pueden hacer que tengamos vida mental. En este vídeo vemos un pequeño ejemplo de un robot diseñado por Pentti Haikonen a partir de su famosa arquitectura.

El robot detecta la dirección de la fuente de sonido y se acerca a ella. Todo lo hace sin ningún tipo de programa (nada de if, for, case, class, main…) ni realizando ningún cálculo. Simplemente sigue los patrones de una red de neuronas: puro cableado que muestra una notable similitud con lo que parecen ver los neurólogos al cartografiar nuestro cerebro. Es posible que, realmente, nuestro sentido auditivo pueda funcionar así. Es un gran logro y una magnífica vía de investigación que, sin duda, dará un montón de frutos.

Sin embargo (mi famoso sin embargo con el que empiezo el 90% de mis argumentaciones) hay un problema muy grande. Para ciertos procesos mentales el modelo de Haikonen parece muy apropiado, pero sólo para ciertos procesos mentales. ¿Cuáles? A saber, los inconscientes. Porque un sistema basado únicamente en el concepto de información no puede dar constancia de nuestros estados mentales conscientes. Razonemos:

1. He leído mucho acerca del concepto de información, incluso libros dedicados en exclusiva a ese concepto, y no he encontrado una definición satisfactoria. En muchos casos he encontrado una definición matemática (I=1/logp), la cual relaciona la información que disponemos de un suceso con su probabilidad. Está muy bien, y da para pensar un montón, pero no nos dice realmente qué es la información. Un ejemplo muy ilustrativo al respecto es el siguiente: supongamos que tenemos varios medios para codificar una información: una cinta de cassette, un disco de vinilo y un CD. En ambos está guardada la misma canción. Los tres medios están compuestos de materiales diferentes: la cinta de cassette es de plástico unida a diferentes materiales magnéticos que graban la información de forma mecánica y analógica; el disco de vinilo graba la información en surcos en su superficie; y el CD está hecho de policarbonato y aluminio grabando la información de modo digital. Tres materiales diferentes que, maravillosamente, nos dan el mismo resultado: escuchar la misma canción. ¿Qué es lo que tienen en común estos tres objetos hechos de materiales diferentes y estructurados de distinta forma? La información que guardan. Vale pero, ¿qué es exactamente eso que los tres guardan por igual? Vergonzoso silencio.
2. La información sólo tiene sentido en la medida que informa a algo o a alguien. La información es simbólica, refiere a algo, da como resultado algo que no es ella misma, tiene necesariamente una función dentro de un todo más grande. Por ejemplo, en un termostato que activa la calefacción cuando la temperatura baja a 10ºC, cuando el termómetro llega a tal temperatura informa a la caldera para que se active. Su único sentido es activar la caldera. Sin calefacción, el termómetro del termostato sólo es una barra de mercurio que se contrae o se dilata, un objeto sin sentido informativo alguno. Dicho de otro modo: la información no es nada, no es un “objeto” de la naturaleza si no existe un sujeto que la utilice. La naturaleza, sin seres vivos o máquinas que traten la información, está desinformada, no contiene información alguna, porque la información no es una propiedad objetiva, sino subjetiva.
3. Entonces, y aquí viene lo importante, la mente no puede ser sólo flujo de información, ya que esa información tiene sentido sólo si informa a algo o a alguien. En la máquina de Haikonen, la información que pasa por los cables tiene sentido en la medida en que activa los motores del robot. La información sólo es información cuando causa cosas. A fortiori, el cerebro sí que puede contener flujos de información, pero eso no es lo esencial en ella: lo esencial es que produce pensamientos, emociones, recuerdos, etc. La información puede activar cierto estado mental, pero no puede ser ese estado mental. Al igual que en el robot de Haikonen, la información causa que el robot se mueva, pero el movimiento no es información.
4. Conclusión: que el cerebro contenga un montón de información y que esa información fluya a raudales por sus fibras nerviosas no nos dice nada de la naturaleza de los estados mentales. O, como mucho, sólo nos dice una pequeña parte de la historia. Si entendemos el proceso en términos de entrada y salida, un input (información) como ver al ministro de educación, estimula mis neuronas y hace que la información fluya por ellas para producir un output (resultado que no es información) como puede ser un ataque de pánico (estado mental). La información informa a “alguna parte de mi cerebro” para que ésta produzca, de una manera totalmente desconocida a día de hoy por la ciencia, un estado mental (que ya no es información, sólo es una sensación consciente).
5. Estudiar la mente en términos de la teoría de la información puede dar grandes resultados y, a mi juicio, ha sido uno de los grandes descubrimientos del siglo XX, pero no puede ser toda la historia. Lo importante es saber cómo esa información produce estados mentales. Debe existir algún tipo de mecanismo o proceso físico o biológico desconocido aún que produzca sensaciones, que haga que yo tenga miedo o que piense en mi abuela. Y eso no puede ser un conjunto de neuronas que únicamente se transmitan información unas a otras porque la información no es nada si no hace algo. Descubrir qué es ese algo debe ser la línea fundamental de investigación si queremos saber de una vez por todas cómo funciona la mente.

Robots con cerebros trabajarán en Marte

Los procesadores utilizados en consolas de videojuegos y supercomputadoras podrían proporcionar a los robots una mente mucho más parecida a la de los humanos, lo que les permitiría navegar por los cielos y explorar Marte de manera autónoma.

Cosas que para nosotros son naturales, como seguir con la vista a un avión que surca el cielo o caminar alrededor de una roca que vemos en nuestro camino, no son tan fáciles para los robots. Nuestro cerebro maneja flujos de información visual a la perfección, detecta los obstáculos y hace que los rodeemos.

Entonces, ¿cómo hacemos para crear cerebros para los robots más parecidos a los nuestros? Una forma podría ser la de cambiar el tipo de procesador que utilizan. Hasta ahora, los robots siempre han estado equipados con unidades de procesamiento central (CPU), como la mayoría de los PC. Estas unidades son muy buenas procesando pequeños flujos de datos rápidamente, pero sólo pueden hacer una cosa a la vez.

Por el contrario, las unidades de procesamiento gráfico (GPU), que se utilizan mucho en supercomputadoras y consolas de videojuegos, pueden manejar conjuntos de datos de mayor tamaño con mayor rapidez y procesar varios de ellos a la vez. Así es como funciona el cerebro humano y, a pesar de que procesamos algunas tareas millones de veces más despacio de lo que lo hace una computadora, la cantidad de información que puede manejar nuestro cerebro es enorme. Sin embargo, hasta hace muy poco, las GPU han sido demasiado grandes y caras para utilizarlas en los robots.

Ahora, Neurala, una nueva empresa tecnológica especializada en neurociencia y robótica con sede en Cambridge, Massachusetts, ha construido cerebros para robots utilizando las GPU. La compañía afirma que funcionan aproximadamente 10 veces más rápido que los construidos con las CPU.

El nuevo cerebro para robots procesa la información visual en tiempo real, lo que le permite hacer algo más que simplemente trasladarse de un lugar a otro. Esto implica que, algún día, se podía confiar en que los robots tomasen sus propias decisiones al moverse por el cambiante terreno de Marte.

Marcos Motter, del Centro de Investigación Langley de la NASA situado en Hampton, Virginia, dice que el enfoque de Neurala resalta la diferencia entre la automatización -en la que una máquina ejecuta un plan detallado que le ha sido prescrito- y la autonomía, en la que una máquina es libre de tomar sus propias decisiones sobre la forma de alcanzar su objetivo. Neurala pretende imitar el modo en el que los cerebros humanos reconocen los objetos, acumulan experiencia y hacen valoraciones, dice Motter.

El sistema de visión del robot de Neurala también imita un truco utilizado por el ojo humano, la foveación. La fóvea es una región de la retina que está densamente poblada con receptores visuales y nos da una visión central clara. De manera similar, el sistema de visión del robot se centra en puntos específicos de la escena para construir una imagen de su entorno en lugar de tratar de procesar todo lo que ve a través de la cámara de una sola vez. Esto da como resultado una gran cantidad de datos, pero reduce la carga total en el cerebro del robot.

Esa capacidad de procesar la información visual en tiempo real significa que el cerebro de Neurala puede hacer algo más que guiar a un robot de un lugar a otro. Por el camino, el robot podría llevar a cabo tareas básicas de ciencia, clasificar las rocas que ve y marcar las inusuales para investigarlas posteriormente, por ejemplo; o buscar signos de agua y minerales.

Fuente: http://www.newscientist.com/article/mg22129574.700-robots-with-humanlike-brains-to-take-on-mars-unaided.html

Computación basada en ADN

La Computación basada en ADN consiste en usar moléculas de ADN en vez de procesadores basados en silicio. Las ventajas de la computación por ADN se basan en dos características fundamentales:

El gran paralelismo de las hebras de ADN. Muchos de los problemas considerados intratables, pueden ser resueltos haciendo una búsqueda exhaustiva sobre todas las soluciones posibles. Sin embargo, a la fecha (2008), la dificultad consiste en el hecho que tal búsqueda es demasiado grande como para poder ser realizada usando la tecnología actual. Por otro lado, la densidad de información almacenada en hebras de ADN y la facilidad de construir muchas copias de ellas puede convertir esas búsquedas en una posibilidad real.
La complementariedad de Watson-Crick. La complementariedad es algo que viene gratis en la naturaleza. Cuando se unen dos hebras (en condiciones ideales) se sabe el opuesto a cada miembro, no hay necesidad de verificarlo.

Historia

Probablemente la primera vez que fue mencionada la computación sub-microscópica fue en la charla Hay Espacio de sobra allí abajo, por el físico Richard Feynman.

Leonard Adleman, de la Universidad del Sur de California inició el estudio en este campo, en 19941 . Adleman probó la utilidad, al menos teórica, del uso del ADN para resolver problemas. En particular, logró resolver el Problema del camino Hamiltoniano de 7 nodos. Desde los primeros experimentos de Adleman, se han realizado numerosos avances, y se ha probado que se pueden construir varias Máquinas de Turing.

Esta es una tecnología todavía en etapas bastante tempranas, por lo cual su uso existe más que nada como una opción teórica. Todavía usar computación convencional es una opción más eficiente que usar este método.

Modelo de Stickers

Consideremos por ejemplo un modelo de computación con ADN conocido como sticker model. Este modelo usa dos tipos básicos de hebras simples de ADN, llamadas hebras memoria y hebras sticker. Una hebra memoria tiene n bases de largo y contiene k sub-hebras no superpuestas, cada una de largo m. Así que, n\geq mk. Aunque no es necesario, se supondrá para la explicación, que cada sub-hebra sigue otra consecutiva (sin ninguna otra base entre medio). Cada sub-hebra representa exactamente una variable booleana, un bit. Las subhebras deben ser suficientemente diferentes unas de otras. Cada sticker es de largo m y complementario a una y sólo una sub-hebra.

Una sub-hebra está prendida o apagada, dependiendo de si tiene unido su sticker o no. Si tiene su sticker pegado, está prendida (es verdadera o 1), en el otro caso está apagada (falso o 0).

Es importante crear las hebras memoria de tal forma que un sticker no pueda pegarse entre dos sub-hebras. Hay que considerar también que no todas las cadenas son posibles, por lo que al hacer un experimento real hay que buscar un óptimo.

Tanto en el experimento de Adleman, como en la solución de Richard J. Lipton del problema de satifacibilidad, no hay una hebra larga de la cual partir, sino que hebras cortas que se van uniendo paso a paso, dejando un sobrante para que se pueda pegar otra hebra en cada paso. La densidad de 

información en ambos casos (con hebras largas o cortas), es básicamente la misma bits por base. 

Aunque el máximo teórico es dos bits por base, una densidad tan alta deja cualquier computador molecular basado en separación peligrosamente propenso a errores.

Operaciones

El elemento básico es un tubo test, o simplemente tubo, el cual es un multiconjunto de hebras memorias. Las operaciones válidas son: merge (combinar), separate (separar), set (encender), y clear (apagar).

• La operación merge es mezclar 2 tubos en uno. Así las memorias de dos tubos de entrada con sus stickers pegados sin perturbaciones se combinan para formar el multiconjunto unión de ambos.

• La operación separate produce, dado un tubo de entrada N, y un entero i, , dos tubos nuevos, +(N,i) y -(N,i). El tubo +(N,i) (respectivamente -(N,i)) consiste en todos las hebras memoria en el tubo original N, donde la i-ésima sub-hebra está prendida (respectivamente apagada).

• Para un tubo dado N y un entero i, , la operación set produce un nuevo tubo test set(N,i), donde la i-ésima sub-hebra de cada hebra memoria está encendida. (Esto es, se le adhiere el sticker apropiado si la i-ésima subhebra estaba apagada, y se deja sin cambios si ya tenía uno).

• Finalmente para un tubo dado N y un entero i, , la operación clear produce un nuevo tubo test clear(N,i), donde la i-ésima sub-hebra de cada hebra memoria está apagada, es decir, un eventual sticker fue removido de ella.

La computación consiste en una secuencia de operaciones merge, separate, set y clear. Las entradas y salidas (Input, Output) son tubos test. Para leer la salida, una hebra memoria debe ser aislada del tubo y determinar que stickers tiene adheridos o sino, determinar si el tubo de salida no tiene hebras memoria.
La entrada inicial (tubo) será una biblioteca de hebras memoria. En particular una biblioteca (k,l), consiste en memorias con k sub-hebras, de las cuales las últimas k-l están apagadas, mientras las primeras l están prendidas o apagadas en todas las combinaciones posibles. En binario sería , con w una cadena binaria arbitraria de tamaño l. En el tubo inicial, las primeras l hebras de la memoria representan la entrada, y el resto se para uso intermedio y salida.
El paradigma computacional asociado con el modelo sticker es resolver problemas difíciles buscando exhaustivamente en todas las combinaciones posibles de largo l. Todos las posibles entradas son analizadas en paralelo. Este paradigma es la esencia de la computación de ADN en general.

Aplicaciones

El 2002, investigadores del Instituto Weizmann de Ciencias en Rehovot, Israel, crearon un computador programable, compuesta de enzimas y moléculas de ADN.El 28 de abril de 2004, Ehud Shapiro, Yaakov Benenson, Binyamin Gil, Uri Ben-Dor, y Rivka Adar del Instituto Weizman anunciaron en la revista Nature que habían construido un computador basado en ADN. Aunque era sólo un autómata finito determinista, de dos estados, al unirlo con un módulo de entrada y salida, fue capaz de diagnosticar actividad cancerígena y liberar drogas para su tratamiento.

Ejemplo de Aplicación

Se muestran a continuación los pasos seguidos por Adleman para resolver el problema del camino Hamiltoniano.
Se tiene un grafo direccionado G con n vértices v_i. Existen aristas conectando algunos vértices. Se denota la arista que conecta al vértice v_i con v_j como e_i→j.
Para simplificar el ejemplo, y sin pérdida de generalidad, se considera que se comienza en el vértice v₁ y se termina en el vértice v_n

Los pasos son:

1. Generar caminos aleatorios.
2. Seleccionar aquellos que comiencen con v₁ y terminen con v_n.
3. Seleccionar sólo aquellos caminos que cuenten con exactamente n vértices.
4. Seleccionar sólo aquellos caminos que tengan cada vértice una sola vez.
5. Si queda algún camino en la muestra, responder SI, de otra forma responder NO.

La forma en que Adleman lo solucionó usando ADN se muestra a continuación.

A cada vértice v_i del grafo se le asigna un oligonucleótido s_i de un largo de 20 pares base. Éstos se generan al azar, cuidando de que ninguno sea idéntico a otro.

A su vez, a cada arista e_i→j se le asigna un oligo E_i→j, compuesto de una forma particular; se forma un segundo oligo tomando la segunda mitad del vértice de partida y la primera mitad del vértice de llegada. El oligo que se le asigna a la arista es el complemento de esta hebra.
El primer paso se lleva a cabo mezclando muestras de grandes cantidades de oligos representando vértices y aristas, y se agrega una solución de ADN ligasa para generar una gran cantidad de caminos aleatorios. Gracias a la composición de los oligos, se asegura que se respete la estructura del grafo, y gracias al tamaño de la muestra es probable que el camino Hamiltoniano buscado esté presente.
Para ejecutar el segundo paso, se lleva a cabo un proceso de RCP usando como cebadores los oligos correspondientes a s_n y el complemento de s₀. Notar que estos dos cebadores representan los complementos de los extremos de las cadenas que interesan, que son las que comienzan con s₀ y comienzan con s_n. Así se asegura la replicación de los caminos válidos para el siguiente paso solamente.

El tercer paso se efectúa usando electroforesis. Este proceso separa las moléculas en función de su tamaño, dejando las más cortas a un lado y las más largas al otro lado de la matriz. Se seleccionan sólo las moléculas presentes en el rango de largo apropiado para el próximo paso.

El cuarto paso se lleva a cabo mediante un proceso de purificación de proteinas. Se separan las hebras de los caminos, como también las hebras para cada vértice. Se asocian las hebras simples de los vértices con partículas magnéticas. Luego se asocia cada hebra simple de los caminos del paso cuatro con estas partículas, mientras que los caminos que no se logran asociar, por la ausencia de algún vértice, son removidos junto con la solución. Se efectúa este proceso para cada vértice en el camino.

Con las muestras restantes se efectúa un proceso de RCP, al igual que el descrito anteriormente, para luego aplicar electroforesis. Se analiza la matriz para ver si quedan o no muestras, y se responde si el camino fue encontrado o no.

 

Un ordenador a sangre

Científicos de IBM han creado un nuevo superordenador, inspirado en el cerebro humano, lo curioso es que es alimentado por lo que ellos llaman “sangre electrónica”.

Patrick Ruch y Bruno Michel del laboratorio de investigación de IBM en Zurich, Suiza, han presentado recientemente un prototipo de un computador, con un sistema que ha llamado “redox” (reducción-oxidación, una reacción química en la que se transfieren electrones) el equipo bombea un electrolito líquido por los circuitos, alimentándolos de energía y refrigerándolos al mismo tiempo, de manera similar a como lo hace la sangre en el cuerpo humano.

Este sistema podría ser el punto de partida para desarrollos informáticos hoy impensables.

IBM pretende crear en 2060 computadores del tamaño de los actuales pero con una capacidad de procesamiento de 1 petaflop (1015 operaciones de coma flotante), cuando la capacidad de un Pentium 4 que opera a 3 GHz es de unos pocos gigaflops (109). Hoy día un computador con tal capacidad requeriría más electricidad de la que se produce en el mundo.

Recordemos que el cerebro humano, se encuentra alojado en un espacio muy pequeño y segun los científicos solo consume 20 vatios, lo que lo convierte en un computador 10.000 veces más denso y eficiente que las máquinas actuales.

Nanorrobot para transportar fármacos

Se ha dado el primer paso para el desarrollo de un nanorrobot que, en un futuro quizá no muy distante, permitirá transportar medicamentos a lugares específicos del cuerpo y por tanto actuar únicamente sobre las células enfermas.

La figura muestra una nanojaula hecha con ocho moléculas de ADN. La nanojaula tiene cuatro elementos funcionales que se autotransforman en respuesta a cambios en la temperatura circundante. Estas transformaciones cierran -A- o abren -B- la nanojaula. Aprovechando los cambios de temperatura en las cercanías, los investigadores atraparon una enzima activa en una nanojaula -C-. (Imagen: Sissel Juul)

En este campo de investigación y desarrollo, se denomina nanorrobot (o también "nanojaula" de ADN) esencialmente a toda aquella molécula con propiedades especiales que hacen posible programarla para que realice una tarea específica.

En colaboración con colegas de Italia y Estados Unidos, unos especialistas de la Universidad de Aarhus en Dinamarca han dado ahora un paso importante para la construcción del primer nanorrobot de ADN capaz de albergar y liberar biomoléculas activas.

Utilizando una estructura autoensamblada de ADN, el equipo de Birgitta R. Knudsen de la Universidad de Aarhus, Sissel Juul de la Universidad Duke (Estados Unidos), y Federico Iacovelli de la Universidad de Roma (Italia), ha diseñado ocho singulares moléculas de ADN a partir de las propias moléculas naturales del cuerpo. Cuando estas moléculas se colocan juntas del modo adecuado, espontáneamente se agrupan creando la nanojaula.

Temperature-Controlled Encapsulation

La nanojaula tiene cuatro elementos funcionales que se autotransforman en respuesta a cambios en la temperatura circundante. Estas transformaciones abren o cierran la nanojaula.

En las pruebas de funcionalidad de la nanojaula, los investigadores, aprovechando los cambios de temperatura en las cercanías de la nanojaula, lograron que ésta atrapase a una enzima, y la mantuviera enjaulada.

Esto es posible gracias a que la cubierta exterior de la nanojaula tiene aberturas de diámetro inferior a la cavidad esférica central.

Esta estructura permite encapsular enzimas u otras moléculas que son más grandes que las aberturas en la cubierta, pero más pequeñas que la cavidad central.

Información adicional

Biomecanica: Tendones

Cualquiera que haya descendido de una montaña por sus propios medios sabe que el dolor que suele aparecer uno o dos días después es el resultado de haber sometido a los músculos de las piernas a un esfuerzo físico importante.

Sin embargo, mucho menos es lo que se sabe acerca de cómo estos músculos lidian con las fuerzas que intervienen en esa actividad física.

Ahora, el equipo de Nicolai Konow y Thomas Roberts, ambos del Departamento de Ecología y Biología Evolutiva de la Universidad Brown, en Estados Unidos, ha mostrado cómo los músculos y los tendones trabajan de modo conjunto para almacenar la energía y luego deshacerse de ella.

Estos científicos han comprobado que los tendones asumen el papel de amortiguadores en el momento del impacto. Alrededor de una décima de segundo más tarde, los manojos de fibras en ciertos músculos absorben la energía restante. El papel de los tendones es crucial, porque ayudan a proteger a los manojos de fibras musculares contra los daños que pueden ser generados por la explosión de energía generada por el impacto.

Los resultados de la investigación resaltan el papel fundamental que desempeñan los tendones como amortiguadores en actividades donde participen los músculos esqueléticos, lo cual podría servir para perfeccionar el desarrollo de tendones sintéticos y para mejorar las técnicas de rehabilitación que se aplican a quienes han sido objeto de cirugías de reconstrucción del tendón.

Esta línea de investigación podría también adentrarse en la biomimética, como por ejemplo sirviendo de base teórica al desarrollo de una locomoción robótica bípeda que fuese muy parecida a la locomoción humana. Podría incluso ser de ayuda en el entrenamiento de los atletas.

Se creía que la acción de nuestros músculos podía explicar cualquier movimiento del cuerpo. Cada vez resulta más evidente que los tendones son un componente crucial de la biomecánica subyacente en la locomoción humana y en la de otros animales.

El robot humanoide de Yuto Nakanishi

Un robot humanoide con 10 años de investigación que puede avergonzar a Asimo.

Investigadores de la universidad de Tokyo llevan 10 años trabajando en un robot. Uno muy similar a los humanos, basado en un esqueleto y con músculos, que le permiten moverse de forma similar a un humano, creados por Yuto Nakanishi y sus colegas.

Este robot llamado Kenshiro es una versión mejorada de sus predecesores Kojiro y Kenzoh; y tiene un total de 70 grados de libertad de movimiento en sus ejes. Tiene 160 músculos en total, 22 en el cuello, 12 en los hombros, 76 en su abdomen, y 50 en sus piernas. Pesa 110 libras, con una caja torácica, pelvis y columna vertebral de aluminio, todos muy similares a la estructura de la forma humana de una persona de 12 años de edad.

kenshiro

Definitivamente se están haciendo progresos en la construcción de robots humanoides, ya que según el objetivo de este equipo descrito en el 2010, “Muchos humanoides han sido desarrollados, pero son más complicados y flexibles los humanoides que deban desarrollar a fin de realizar movimientos más naturales y diversos como los humanos”.

Este robot puede fácilmente dejar atrás y avergonzar al pequeño robot humanoide Asimo de Honda.

Veamos cómo funciona:

Es impresionante la forma en que se mueve, hasta podría decirse que hasta es un tanto perturbador, ver un esqueleto robótico moviéndose como un humano, pero dejemos que la tecnología avance, y esperemos que más adelante esto pueda ayudar a personas con discapacidades físicas, de una mejor manera de como lo hacen las prótesis de ahora, o quien sabe, tal vez podamos reemplazar más partes de nuestro cuerpo.

El proyecto Acroban

Acroban es un robot humanoide ligero capaz de una locomoción dinámica robusta semi pasiva, fue desarollado por la INRIA y el departamento de Robotica de la Universidad de Bordeaux...

Sus movimientos ofrecen la posibilidad de un nuevo tipo de interacción física entre humanos y robots, a travez de juegos. se desarrollo esta plataforma para explorar cómo las restricciones morfológicas pueden simplificar la adquisición del desarrollo de complejas habilidades sensoriomotoras, así como a explorar nuevos tipos de interacción.

Bioinspiracion

El uso de una columna vertebral con múltiples articulaciones, esta inspirada directamente de la morfología de los animales, bípedos en particular. Junto con modulos servomotores básicos y resortes, que por sus propiedades, lo liberan de perturbaciones imprevistas, también proporciona una gran  eficiencia energética, por lo que permite convertir la energía potencial en energía cinética de una manera semi-pasiva.

Antenas y bigotes mejorarían la robótica

En Berkeley Lab miran hacia la naturaleza, insectos o animales que poseen antenas o bigotes, podría dar recursos para mejorar la tecnología de los robots.

Científicos del Laboratorio de Berkeley afirman que los bigotes y las antenas que tienen los animales e insectos, son un gran recurso para estos seres, y que gracias a ello tienen distintas capacidades naturales que les confieren de habilidades superiores, por lo que propusieron replicarlo en sistemas robóticos para mejorar las destrezas de los sistemas autómatas.

Esta deducción fue hecha por científicos de este laboratorio estadounidense luego de haber revelado un estudio que involucraba el análisis de las capacidades sobresalientes de los animales e insectos, reparando en que muchas de las habilidades de estos seres se deben en gran medida a los elementos receptores en formas de antenas, bigotes o pelillos en sus cuerpos.

Ante tal teoría, los científicos se dieron a la tarea de diseñar sus propios bigotes electrónicos, es decir, una especie de filamentos para dedicarlos como sensores especiales para incrementar el rendimiento de los robots, específicamente en la parte de comunicaciones inalámbricas.

Y es que al observar en la naturaleza encontramos que muchos seres poseen bigotes, pelillos o antenas, órganos sensoriales naturales que les confieren capacidades especiales. Parecen de adorno, pero en su función biológica cumplen con diferentes acciones primordiales, por ejemplo, ayudan al animal o insecto a orientarse, relacionar estímulos sensitivos o reconocer objetos presentes en su entorno.

Composición de un filamento.

En el caso de los felinos, sus característicos bigotes que los realzan en su particular porte, no solo son atavíos, sino que son una herramienta fundamental para la percepción del entorno y, por tanto, para asegurar la eficacia y certeza de todos sus movimientos y desplazamientos, incluso sirven como estabilizadores junto con su cola, lo que en conjunto, los hace más ágiles.

De esta manera, los investigadores norteamericanos presentaron un reporte de prensa en su sitio de Internet donde anunciaron el desarrollo de una especie de micro-filamentos que emulan la actividad de los bigotes, antenas o pelillos de los seres vivos, pero integrados en sistemas robóticos.

Ali Javey, científico especializados
en Ciencia de los Materiales del
Berkeley Lab.

El documento menciona que dichos filamentos o como ellos llaman “e-whiskers” o bigotes electrónicos, están compuestos por Nanotubos de Carbono, y en el proyecto participaron académicos de la Universidad de California-Berkeley.

Además de los Nanotubos de Carbono, el equipo de investigadores utilizó nano-partículas de Plata y procedieron a diseñar filamentos ultra-delgados, para dar la apariencia de los bigotes de los gatos o los ratones.

En la imagen aparece la parte frontal de los filamentos y en el derecho el fondo de lo que parece ser la conformación microelectrónica de los bigotillos.

Los investigadores del Berkeley Lab comentaron que el proceso de fabricación de los bigotes electrónicos no es compleja y se pueden utilizar técnicas convencionales.

Según refieren sus diseñadores, los filamentos responden a la más mínima presión incluso desde 1 Pascal (unidad de medida para la presión ejercida sobre una superficie) lo que daría como resultado la reacción ante la caída de un billete sobre la mesa. Pero no solo conferir de sensibilidad a los robots es la misión de estos bigotes artificiales, sino que la idea es partir de esta nueva tecnología para añadir otras habilidades a los autómatas tales como la capacidad de percibir y con ello determinar el entorno donde se encuentran.

“Los bigotes son sensores táctiles parecidos a los bellitos utilizados por diversos animales e insectos para monitorear mediante el viento y navegar entre obstáculos dentro de espacios reducidos”, explicó Ali Javey, científico especializados en Ciencia de los Materiales del Berkeley Lab y profesor del área de Ingeniería Eléctrica y Ciencias de la Computación. “Nuestros bigotes electrónicos consisten en fibras elásticas de alta proporción recubiertas con películas conductivas de nanopartículas y nanotubos. En las pruebas, estos filamentos eran 10 veces más sensibles a la presión que otros dispositivos capacitivos o sensores resistivos de presión”, puntualizó el académico.

Los investigadores no solo observaron la sensibilidad de los filamentos, sino otro logro conseguido fue al cambiar la composición de las nanopartículas y los nanotubos, momento en que observaron el mínimo cambio en la resistencia de los bigotillos de apenas el 10% y cuando se le aplicaba mayor resistencia de elasticidad su composición era alterada apenas 2.4%.

Pelillos electrónicos colocados en un objeto tridimensional.

“Para controlar el cambio de resistencia, el arreglo de bigotes fue conectado a una computadora para pruebas. El rango variable vigilado fue la resistencia en el orden de 100x, y la sensibilidad en el orden de 26x”, comentó por su parte Kuniharu Takei, asistente académico del Departamento de Física y Electrónica de la Universidad de la Prefectura de Osaka, Japón, y responsable de la redacción del artículo científico.

El compuesto de los bigotes electrónicos determina la reacción ante diferentes factores. Por ejemplo, en el caso de los Nanotubos de Carbono, estos forman una matriz conductiva, mientras que las nanopartículas de Plata incrementan la conductividad de las fibras, dando como resultado altas propiedades mecánicas de sensibilidad y flexibilidad para responder ante el mínimo de las presiones (1 Pa).

Estos bigotes son elaborados utilizando una superficie conductora y una pintura que posee los compuestos, la cual posteriormente sirve de recubrimiento posterior a dejarse curar por algunas horas.

Los científicos reconocieron que en algunos momentos de la fase de desarrollo, fue necesario aplicar algunas técnicas exclusivas para el diseño de Sistemas Micro-Electromecánicos (MEMS) a fin de lograr la reducción y el emparejamiento de las nanopartículas a través de procesos industriales de manufactura electrónica.

Los ingenieros reconocen que los filamentos pueden ser acondicionados como cabello artificial para robots, y en un corto o mediano plazo, estiman incluir otras tecnologías que puedan ser integradas a los sistemas robóticos para conferirles mayores capacidades como la facultad de “sentir” o reaccionar ante impulsos externos de manera autónoma.

Medusa artificial con células de rata y silicona

Científicos replican en el laboratorio una medusa capaz de nadar como si estuviese viva Quería entender como funciona la musculatura del corazón humano, pero Kit Parker construyó una medusa artificial. Su creación, a la que llama «Medusoide» —mezcla de medusa y androide—, replica tan bien los movimientos de su equivalente vivo, que se atreve a calificarla de «criatura sintética».

El robot que gana al “piedra, papel o tijera” y hace trampa

Piedra papel y tijera

En esta web han pasado muchos tipos de robots, a cada cual mas útil. Este es uno de los campos donde mas avances se están produciendo en la última década, con autómatas que son capaces de correr a altas velocidades, trepar por lugares difíciles o simplemente ayudarnos en nuestro día a día. El ejemplo que tenemos hoy no es tan espectacular ni útil a primera vista, pero si que supone un invento muy interesante.

Enjambrenoides

Cuando observamos la decidida actividad colectiva de las hormigas y otros insectos sociales tenemos la sensación de que es inteligente. Puede que sea una ilusión. Pero puede que sea una ilusión lo suficientemente buena como para que los expertos en computación saquen provecho de ella.

Robotica inspirada en la biologia

A través de la experimentación y la simulación, los científicos son capaces de obtener una comprensión de los mecanismos biológicos subyacentes involucrados en los organismos vivos. Estos mecanismos, tanto de comportamiento y estructurales, sirven como fuente de inspiración en el desarrollo de redes neuronales basadas en arquitecturas robóticas. Algunos ejemplos de animales que sirven como fuente de inspiración para los sistemas robóticos son ranas y sapos, mantis religiosa y cucarachas. Para hacer frente a la complejidad que subyace en la construcción de este tipo de inspiración biológica, los sistemas robóticos basados en redes ​​neuronales suelen distinguir entre dos niveles diferentes de modelos, esquemas de comportamiento y la estructura (RNA):

Desarrollan robots autónomos que tendrán cerebro de abeja

Los investigadores del proyecto Green Brain planean utilizarlo para polinizar cultivos y en misiones de búsqueda y rescate

Científicos de dos universidades británicas están trabajando en el desarrollo de un cerebro artificial destinado a ser colocado en un robot volador autónomo. Este cerebro será igual que el de una abeja real, gracias a modelos informáticos generados por ordenadores estándar, equipados con unos potentes procesadores. El resultado podría ser una pequeña máquina capaz de polinizar cultivos, entre otras aplicaciones sorprendentes. Por Yaiza Martínez.

Científicos de las Universidades de Sheffield y Sussex, en el Reino Unido, trabajan en un ambicioso proyecto de creación de modelos informáticos exactos del cerebro de una abeja.

Más concretamente, el equipo pretende desarrollar modelos de los sistemas cerebrales que rigen la visión y el sentido del olfato de estos insectos himenópteros.

Usando esta información, los investigadores pretenden crear el primer robot volador capaz de sentir y actuar como una abeja autónoma, en lugar de obedecer a un conjunto de instrucciones pre-programadas, informa la Universidad de Sheffield en un comunicado.

Pero, para llegar a este punto, antes deberán enfrentar uno de los mayores desafíos de la ciencia moderna: fabricar un cerebro robótico que pueda desempeñar tareas complejas tan bien como lo hace el cerebro de un animal.

De conseguirlo, el futuro robot con cerebro artificial podría destinarse a encontrar el origen de olores concretos o de gases, de la misma manera que las abejas identifican flores particulares por su aroma.

Asimismo, se espera que el cerebro artificial pueda ser utilizado en misiones de búsqueda y rescate, e incluso en labores de polinización mecánica de cultivos.

James Marshall, director del proyecto, afirma que: "El desarrollo de un cerebro artificial es uno de los mayores desafíos de la Inteligencia Artificial. Hasta ahora, los investigadores habían estudiado los cerebros de animales como las ratas o los monos, pero organismos más simples, como los insectos sociales, presentan unas habilidades cognitivas sorprendentemente altas”.

Simulaciones desde un ordenador casero

Bautizado como “Green Brain”, y apoyado parcialmente por un hardware donado por NVIDIA Corporation, este proyecto invita a la comparación con la iniciativa Blue Brain, financiada por IBM, en cuyo marco se están desarrollando tecnologías de modelización de cerebros usando supercomputadoras.

El objetivo de Blue Brain es estudiar la estructura del cerebro de mamíferos creando una simulación de todo el cerebro a nivel molecular. En este proyecto participa desde el año 2009 un equipo español de la Universidad Politécnica de Madrid (UPM) y del CSIC.

Pero, a diferencia del proyecto Blue Brain, Green Brain no se está realizando con supercomputadoras. En lugar de eso, el hardware suministrado por NVIDIA está basado en unos procesadores llamados “aceleradores GPU”, que otorgan el rendimiento de un superodenador a los PCs individuales.

Gracias a estos aceleradores, se pueden realizar de manera muy eficiente los cálculos masivos necesarios para simular un cerebro solo con un ordenador de mesa estándar, en lugar de con un gran conjunto o clúster de ordenadores superpotentes.

“Usar los aceleradores GPU de NVIDIA para los modelos cerebrales es un objetivo importante del proyecto, porque nos permitirá construir modelos más rápidos que los anteriores”, explica Thomas Nowotny, director del equipo de Sussex.

Los científicos esperan asimismo que este desarrollo ayude a “que en muchas áreas de la ciencia esta tecnología llegue a sustituir a los superordenadores que usamos hoy”.

Aumentar el conocimiento sobre los sistemas cognitivos

Los investigadores de Green Brain prevén que el desarrollo de un modelo de cerebro de abeja proporcionará un método más accesible para el conocimiento del funcionamiento de los sistemas cognitivos cerebrales, lo que a su vez supondrá avances para la comprensión de la cognición humana y animal.

“Porque el cerebro de la abeja es más pequeño y accesible que el cerebro de cualquier vertebrado, esperamos ser capaces con el tiempo de producir un modelo completo y exacto que podamos probar dentro de un robot flotante”, afirma Marshall.

Con esto, no solo se allanará el camino para muchos avances futuros en robots voladores autónomos, “sino que también creemos que las técnicas de modelización informática que nosotros usaremos podrán utilizarse en otros modelos de cerebro y proyectos de neurociencia computacional”, añade Nowotny.

Posible desarrollo de la polinización artificial

Asimismo, los científicos esperan que esta investigación proporcione una mejor comprensión de las abejas. Dado el rol de las abejas en la polinización, estas resultan vitales para muchos ecosistemas. Por esa razón, el declive en las poblaciones apícolas en los últimos años está siendo un motivo de preocupación para los científicos.

El modelo “Green Brain” podría ayudar a los científicos a comprender tanto por qué el número de abejas es cada vez menor como contribuir al desarrollo de polinizadores artificiales, como los que se están desarrollando en el marco del proyecto Robobees, de la National Science Foundation y de la Universidad de Harvard.

En este otro proyecto, los ingenieros se están inspirando en la biología de las abejas y en su comportamiento, para trasladar características de estos animales a robots en miniatura que, gracias a sensores electrónicos inteligentes y a algoritmos de coordinación de movimientos, algún día serán diminutas máquinas independientes.

Fuente: Tendencias21