Todos luchamos a veces con el autocontrol. Nos decimos a nosotros mismos sólo un trozo más de chocolate, una copa más de vino, un episodio más de una serie digna de un atracón antes de acostarnos, pero luego seguimos adelante de todos modos. Pero, ¿quién, o qué, es este “yo” involucrado en este tira y afloja, antes de ceder a la tentación? Las células de nuestro intestino de alguna manera colaboran con las de nuestro cerebro y nuestras manos para alcanzar la barra de chocolate, la botella de vino o el botón de "siguiente episodio". Y, con una complejidad cada vez mayor, en algún momento se cruza una línea y el todo se vuelve más que la suma de sus partes. Es decir, emerge un yo, la entidad que actúa en el mundo de manera que sirva a tus metas y deseos.
Sin embargo, ¿qué pasa si los “yoes” están presentes en esas mismas células, antes del punto en el que se fusionan para formar un todo mayor? Puede parecer extravagante, pero las simulaciones biológicas indican que esas minúsculas unidades de vida, que normalmente consideramos máquinas pasivas (engranajes gobernados ciegamente por las leyes de la física), tienen sus propios objetivos y muestran su agencia. Sorprendentemente, incluso las redes simples de biomoléculas parecen mostrar cierto grado de identidad, una revelación que podría conducir a nuevas formas de tratar afecciones de salud con muchos menos efectos secundarios.
Es más, algunos biólogos dicen que esta nueva comprensión de la identidad puede revelar qué tiene de especial la vida y cómo comenzó en primer lugar. "Los orígenes de la agencia coinciden con los orígenes de la vida", dice el científico cognitivo Tom Froese del Instituto de Ciencia y Tecnología de Okinawa en Japón.
Agentes inteligentes
Los biólogos y neurocientíficos definen los yoes de manera más técnica como “agentes” que tienen metas y actúan de manera que las logren. Los agentes no son simplemente empujados por su entorno, sino que se alteran a sí mismos y a su entorno de manera decidida. En otras palabras, tienen poder causal sobre sí mismos y su entorno.
Para comportarse con agencia, es necesario absorber información, usarla para resolver problemas y luego aprender recordando cómo resultaron esas acciones. Los neurocientíficos llaman a esto en términos generales "cognición" y utilizan escáneres cerebrales y experimentos de comportamiento para estudiar esta constelación de procesos. De hecho, tradicionalmente atribuimos cognición sólo a las cosas que tienen cerebro. "Es fácil quedar atrapado en la idea de que el cerebro es nuestro primer ejemplo de cognición y, por lo tanto, mucha gente piensa que debe ser especial [en este sentido]", dice la bióloga teórica Emily Dolson de la Universidad Estatal de Michigan.
Pero un número creciente de investigadores ha estado investigando dónde más aparecen estas habilidades, aplicando métodos similares a organismos mucho más simples que carecen de cerebro en el sentido convencional. En los últimos años, los estudios sobre el comportamiento y las señales eléctricas y químicas de mohos limosos, plantas e incluso organismos unicelulares han revelado capacidades sorprendentes como aprender, formar recuerdos y ajustar decisiones a medida que llega nueva información. Incluso han ampliado el alcance de la cognición a sistemas más pequeños dentro del cuerpo humano: el sistema inmunológico, por ejemplo, construye su propia memoria sobre qué proteínas le ayudarán a protegerse de invasores dañinos, y grupos de células colaboran para crecer y reparar el cuerpo por su propia voluntad. En otras palabras, tanto el sistema inmunológico como estos colectivos celulares actúan con grados de agencia por derecho propio.
El moho limoso desafía nuestra comprensión de la inteligencia y lo que significa tener agencia
Sinclair Stammers/naturepl.com
Entonces, ¿hasta dónde podemos llevar esta idea en la escala de la complejidad? El biólogo teórico Michael Levin y sus colegas de la Universidad de Tufts en Massachusetts aplicaron recientemente herramientas cognitivas a sistemas mucho más simples que incluso los organismos unicelulares básicos: sistemas que la mayoría de nosotros consideraríamos inanimados. "No se puede simplemente dar por sentado que las cosas tienen un cierto nivel de agencia", dice Levin. "Hay que hacer experimentos y luego obtienes sorpresas".
El equipo estudió las redes reguladoras de genes (GRN) que se encuentran dentro de cada célula y que realizan el trabajo vital de determinar cuándo, dónde y con qué fuerza se expresan los genes. Están compuestos por redes de genes, proteínas, ARN y otras biomoléculas que interactúan entre sí a través de muchos "nodos". En el cuerpo humano, si un GRN tiene un fallo (tal vez no esté regulando adecuadamente la producción de una proteína esencial), podríamos intentar intervenir con terapia génica para modificar la estructura del GRN, lo que es un poco como añadir un nuevo transistor a un circuito eléctrico inoperativo. Este enfoque trata estas redes como si fueran máquinas pasivas que deben reconectarse para cambiar su función.
Los perros de Pavlov
Levin y sus colaboradores se preguntaron si podrían alterar el comportamiento de un GRN de una manera diferente: viendo si podía "aprender" activamente características de su entorno. Se inspiraron en un ahora famoso experimento cognitivo iniciado por el fisiólogo Ivan Pavlov en la década de 1890. En él, Pavlov utilizó estímulos, incluido un metrónomo, justo antes de presentar comida a los perros. Después de algunas repeticiones, los perros aprendieron a asociar el tictac con la comida inminente y comenzaron a salivar sólo con el sonido del metrónomo. Demostró que los perros procesan información de su entorno y la utilizan para hacer predicciones, lo que se conoce como aprendizaje asociativo.
En lugar de perros y metrónomos, Levin y sus colegas modelaron 29 GRN diferentes derivados de datos biológicos en un conjunto de simulaciones por computadora. Entrenaron a cada GRN para asociar la presencia de un fármaco neutral, que no desencadena una respuesta, con un fármaco funcional que sí lo afecta estimulando repetidamente nodos en la red simultáneamente.
De esta manera, finalmente lograron el cambio de comportamiento deseado en cada GRN sin la presencia del fármaco funcional, como hacer que un perro salivara con un metrónomo y sin comida. En otras palabras, su experimento demostró que los GRN pueden aprender: adaptando su comportamiento de una manera que requiere una especie de memoria. "Estos son ejemplos de cognición, sin duda", dice Levin. "No vas a tener una conversación brillante con un GRN, pero es algo, no es cero".
Los hallazgos podrían permitirnos reducir los efectos secundarios nocivos causados por muchos medicamentos, afirma Levin. Por ejemplo, los opioides como la morfina proporcionan un alivio eficaz del dolor crónico, pero las personas desarrollan rápidamente tolerancia a dichas drogas y la única opción es aumentar la dosis, lo que puede provocar adicción y, más adelante, riesgos de abstinencia. Sin embargo, manipular la memoria de las vías biomoleculares, como hicieron Levin y su equipo con los GRN, podría retardar o prevenir la acumulación de tolerancia. Incluso podría ser posible desencadenar los efectos de medicamentos potentes que tienen efectos secundarios nocivos, como los fármacos de quimioterapia, utilizando en su lugar una biomolécula inocua, afirma Levin. Aún así, hasta ahora nadie ha aplicado estos hallazgos de modelos informáticos a tratamientos médicos del mundo real.
Aparte de las aplicaciones sanitarias, el hallazgo de que los modelos informáticos de GRN pueden aprender como los perros de Pavlov puede tener profundas implicaciones en la forma en que pensamos sobre la acción de las redes moleculares. Cada GRN parece comportarse como un agente que controla el comportamiento de sus componentes químicos para lograr sus objetivos colectivos.
Levin y su equipo se preguntaron si este aprendizaje asociativo inducido en un GRN afectaría el grado en que actúa más que la suma de sus partes, para medir esencialmente su nivel de "personalidad". Para probar más esta idea, recurrieron a una herramienta matemática llamada emergencia causal.
Métodos similares utilizados para estudiar la cognición en humanos también pueden revelar las capacidades de otros tipos de mentes.
imagen simple/Angela Franke
La emergencia causal fue desarrollada originalmente por el neurocientífico Erik Hoel, también de la Universidad de Tufts, en relación con la teoría de la información integrada (IIT) de la conciencia. El IIT dice que el grado en que el cerebro funciona como un todo holístico se puede medir mediante una cantidad llamada phi, que también es una medida de la conciencia. Si los investigadores pueden predecir mejor los estados cerebrales futuros al considerar el cerebro desde una perspectiva más alejada, en lugar de hacer predicciones basadas en sus componentes individuales, entonces dicen que el cerebro tiene mayor phi y que muestra una mayor emergencia causal.
Dejando a un lado la conciencia, la emergencia causal se ha convertido en una forma general de medir cuándo un sistema complejo actúa como un agente y no como un conjunto distribuido de engranajes. En términos generales, si las piezas hacen lo suyo, phi es baja. Si se fijan en patrones colectivos, entonces phi es mayor. Al aplicar la medida de emergencia causal a los GRN, Levin y su equipo descubrieron que después de que un GRN aprendía con éxito a asociar un fármaco neutro con uno funcional, también tenía un phi más alto, y cuanto más aprendía el GRN, mayores eran estas ganancias de phi, todo lo cual sugiere que había tomado forma un nuevo nivel de agencia. "Mucha gente dirá: 'Ah, has llevado estas herramientas más allá de su ámbito de aplicabilidad'", dice Levin. "Pero si te gustan las herramientas, deja que la ciencia te diga dónde funcionan. Si las herramientas son malas, lo descubrirás bastante rápido".
La evolución y los orígenes de la vida.
Kevin Mitchell, genetista y neurocientífico del Trinity College Dublin, Irlanda, dice que resultados como estos son interesantes porque la agencia es "una característica definitoria de la vida". Si un grupo de células se fusiona y adquiere algún nuevo tipo de cognición, entonces esa nueva habilidad les permite influir en sus partes de arriba hacia abajo, obligando a las células individuales a abandonar sus propios intereses para trabajar hacia objetivos colectivos. Describe esto como una especie de “metacontrol”, que permite a los agentes responder activamente a sus entornos.
Estos hallazgos no sólo tienen implicaciones sobre quién o qué consideramos agentes, sino que también sugieren que la propia agencia podría impulsar la evolución. "En la historia de la vida, existen importantes transiciones evolutivas en las que cambia lo que significa ser un individuo", dice Dolson. Por ejemplo, las células procariotas simples se fagocitaron entre sí para formar eucariotas más complejos, y luego los eucariotas se combinaron para formar organismos multicelulares. Esta tendencia de las partes a unirse para formar nuevos niveles de agencia, dice Dolson, podría ser un mecanismo importante que ayude a explicar por qué la vida tiende a evolucionar hacia formas más complejas.
“ Necesitamos pensar en estos sistemas químicos como agentes que actúan con cierto grado de propósito ”
Esta idea se ve reforzada por un estudio de seguimiento en el que Levin y sus colegas entrenaron a GRN para que aprendieran y luego "desaprendieran" un comportamiento al imponerles nuevas asociaciones pavlovianas. Es como enseñar inicialmente a los perros a asociar un metrónomo con la comida y luego enseñarles a asociar una luz brillante con la comida hasta que se olvidan del metrónomo. La expectativa era que, una vez que una conducta aprendida se volviera redundante, el agente “dejaría ir” esa información y el aumento en la emergencia causal que surgía de esa conducta desaparecería. Pero cuando Levin y su equipo midieron la aparición causal de cada GRN, descubrieron que seguía aumentando, aunque el comportamiento original se había olvidado. "Si te obligan a perder esa memoria, no pierdes tus ganancias de phi, lo cual es sorprendente porque significa que hay una asimetría en esto, se convierte en un trinquete de inteligencia", dice Levin.
En lugar de simplemente deshacerse de información para olvidar un comportamiento, parece que los GRN olvidan aprendiendo lo contrario del concepto original. "Ahora, en lugar de saber nada, conoces ese concepto y su inverso", afirma Richard Watson, investigador de complejidad de la Universidad de Southampton, en el Reino Unido. De manera algo contraria a la intuición, enseñar a un GRN a olvidar le proporciona un modelo cognitivo más elaborado y sus niveles de agencia y emergencia causal continúan aumentando.
Las mitocondrias (amarillo) evolucionaron cuando una célula huésped engulló a otra célula para formar un eucariota hace más de 1.500 millones de años.
Thomas Deerinck, NCMIR/Biblioteca de fotografías científicas
El neurocientífico Nikolay Kukushkin de la Universidad de Nueva York advierte que no debemos exagerar los resultados de los modelos informáticos de sistemas biológicos. "Se puede demostrar que algo es posible in silico, pero no se puede demostrar que así es como funciona [en las células del mundo real]", afirma. Sin embargo, los resultados le parecen intrigantes y, aunque las simulaciones son más simplistas que las células, dice que todavía podemos aprender algunas lecciones valiosas de ellas.
Además, hay simulaciones de sistemas aún más básicos que reflejan con mayor precisión el mundo real y también se alinean con el pensamiento de Levin sobre la agencia y la evolución. En 2022, el científico de la complejidad Stuart Bartlett del Instituto de Tecnología de California y David Louapre de Ubisoft Entertainment en París, Francia, descubrieron que los sistemas químicos “autocatalíticos” simples, que reaccionan juntos para replicarse, también podrían aprender por asociación. En la autocatálisis, una sustancia química se introduce en el sistema como combustible, mientras que otra sustancia química se produce al consumir ese combustible. La pareja descubrió que la velocidad de reacción entre estos dos químicos está influenciada por patrones previos en la concentración del combustible disponible, un comportamiento que Bartlett describe como una "forma primitiva de aprendizaje". Esto sugiere que las capacidades cognitivas se pueden encontrar incluso más abajo en la escala de complejidad molecular que las GRN.
Bartlett decidió estudiar la autocatálisis porque estas reacciones químicas simples imitan comportamientos como la autorreplicación en los sistemas vivos. La autorreplicación y la evolución se consideran ampliamente como características esenciales de la vida, por lo que algunos investigadores piensan que la autocatálisis podría incluso ayudar a explicar el origen de la vida. Pero para comprender completamente cómo podría suceder eso, también debemos pensar en estos sistemas químicos como agentes que actúan con cierto grado de propósito, en lugar de como conjuntos de partículas inanimadas, dice Froese.
Desde este punto de vista, es mejor considerar la agencia y la cognición como un continuo, en lugar de algo que sólo tienen formas de vida muy complejas. Los agentes simples, en un extremo del continuo, aprenden de su entorno y así gradualmente adquieren formas más elaboradas de agencia, junto con el poder de controlarse a sí mismos, a sus componentes y al mundo que los rodea.
Pero Watson dice que aunque los GRN y los químicos autocatalíticos parecen tener objetivos y mostrar una capacidad rudimentaria para "pensar", es un paso demasiado lejos concluir que tienen algún tipo de mundo mental interno. "No es necesario describir las partes como si tuvieran creencias, intenciones o deseos", dice. Mientras tanto, Levin dice que no deberíamos desanimarnos sólo porque parezca extraño imbuir a sistemas simples con características que normalmente atribuimos a formas de vida complejas como nosotros.
"Lo único que digo es que aquí está esta bolsa de herramientas [de las ciencias cognitivas y conductuales] que voy a traer", dice Levin. "No estoy interesado en discutir con filósofos sobre estas cosas. Si tienes una mejor visión del mundo que te lleva a mejores descubrimientos, genial, sigamos adelante".
Temas: