Leí un artículo del NY Times sobre el esfuerzo europeo para simular un cerebro humano y las críticas sobre la (no) viabilidad de tal esfuerzo (sin mencionar los costos astronómicos).
En este artículo, se menciona la incapacidad actual para simular las 302 neuronas en el cerebro de un nematodo, por lo que mi pregunta (del profano) es simple:
¿Por qué es tan difícil simular una neurona?
Complejidad. Es decir, las leyes fundamentales que gobiernan el comportamiento no son terriblemente difíciles de comprender o modelar. Sin embargo, juntarlo todo y esperar que reproduzca el comportamiento correcto es un gran desafío.
Una vez que desarrolle un modelo que tenga los mecanismos subyacentes apropiados en sus componentes, todavía tiene que juntarlos todos y elegir los parámetros correctos y esperar no perderse nada en términos de moduladores que ajustarían activamente esos parámetros. Entonces, incluso si la forma matemática funcional de su modelo es correcta, todavía tiene de 5 a 10 parámetros para cada neurona en la red que debe obtener en el valor correcto, incluidos los parámetros que describen la fuerza y la dinámica del acoplamiento entre las neuronas. El simple hecho de estar equivocado por valores tan pequeños como .001 a veces puede significar la diferencia entre un modelo que funciona y un modelo fallido. Ahora tiene de 5 a 10 parámetros para 300 neuronas... eso es de 1500 a 3000 parámetros que deben ser "correctos" al mismo tiempo.
Dicho esto, no es que seamos extremadamente precisos en nuestros modelos, incluso de neuronas individuales. Hacemos simplificaciones y tomamos promedios. Hay muchos segundos mensajeros y procesos genéticos involucrados en la función de las neuronas que muchos modelos descuidan. Esto no pretende menospreciar el modelado. Implica que probablemente ningún modelo matemático complejo podrá generalizar la neurona para todos los casos. En cambio, hacemos modelos centrados en hacer preguntas específicas. Investigamos dos o tres mecanismos a la vez y mantenemos todas las demás consideraciones constantes para aislar los mecanismos que nos interesan. Entonces, un modelo que desarrollo para estudiar los efectos de la diversidad de canales de calcio en la excitabilidad de las neuronas tendrá muchas diferencias (en la selección de parámetros) del mismo modelo utilizado por alguien que estudia la diversidad de canales de potasio. Y en algunos casos, incluso podemos simplificar aspectos menos relevantes del modelo, por ejemplo, es posible que solo tenga un canal de potasio en mi neurona para generalizar y promediar todos los canales de potasio para poder concentrarme solo en la diversidad de calcio y no preocuparme por más parámetros. .
No creo que sea difícil simular una neurona. Ver NEURONA .
Sin embargo, simular un cerebro es una tarea mucho más difícil (e incompleta), incluso si el cerebro solo consta de 302 neuronas.
nick stauner
anongoodnurse