¿Qué es un Sistema Complejo?

Ejemplos citados a menudo de sistemas complejos en la naturaleza y sociedad incluyen al cerebro, el sistema inmunitario, células biológicas, redes metabólicas, colonias, la Internet, el mercado económico, y las redes sociales humanas.

No existe una definición formal aceptada universalmente de “sistema complejo”. Informalmente, un sistema complejo es una amplia red compuesta de componentes relativamente simples y discretos, que no posee un control central, y cuyo comportamiento global exhibe un comportamiento complejo emergente. Por supuesto, los términos en esta definición no están rigurosamente definidos. “Componentes relativamente simples y discretos” significa que los componentes individuales, o al menos sus roles funcionales en el comportamiento colectivo del sistema, son simples con respecto a ese comportamiento colectivo. Por ejemplo, unidades como una neurona o una hormiga son entidades complicadas en su propio dominio. Sin embargo, el rol funcional de esas entidades unitarias en el contexto del cerebro como totalidad o una colonia completa es relativamente simple en comparación con el sistema completo.

“Comportamiento complejo emergente” es arduo de definir. Pedestremente, la noción de emergencia se refiere al hecho que el comportamiento de un sistema no es complejo tan solo por surgir de la acción colectiva de los componentes simples que lo conforman, así como tampoco por asumir que el mapeo de las acciones individuales que subyacen a ese comportamiento colectivo no son importantes. En este sentido, la noción de no linealidad propuesta aforísticamente por Aristóteles hace siglos atrás sintetiza más claramente la idea operacional de lo que podríamos llamar sistema complejo: El todo es más que la suma de las partes. La complejidad del comportamiento global del sistema es típicamente caracterizada en términos de la formación de patrones, el procesamiento de información que le acompaña, y el grado en el cual esta formación de patrones y el procesamiento de información son adaptativos para el sistema. Esto es, incrementando su éxito en algún contexto evolutivo o competitivo. Para caracterizar comportamientos, los científicos abocados al estudio de los sistemas complejos usan herramientas para una variedad de disciplinas, incluyendo dinámica no lineal, teoría de la información, teoría computacional, psicología conductual y biología evolutiva, entre otros.

El campo de los sistemas complejos apunta a explicar y descubrir leyes comunes para la emergencia, comportamientos auto-organizativos observados en sistemas complejos transversalmente en diversas disciplinas. Muchos científicos también piensan que el descubrimiento de dichos principios generales será esencial para la creación de vida e inteligencia artificiales.

Los sistemas complejos, como su nombre implica, son típicamente difíciles de entender. Tradicionalmente las ciencias más orientadas matemáticamente como la física, química y bio-matemática han concentrado sus esfuerzos en modelar sistemas simples y, por ende, matemáticamente tratables. El aumento de interés en entender a las propiedades generales de los sistemas complejos tiene paralelo con el aumento de interés por el desarrollo de la computación, debido a que el desarrollo de la informática ha hecho posible por primera vez en la historia realizar modelos de fenómenos naturales con mayor exactitud.

Conciencia y Cerebro: La hipótesis del "Núcleo Dinámico"

[G] erald M. Edelman y Giulio Tononi han desarrollado una propuesta acerca de las bases neuronales de la conciencia que busca explicar dos propiedades fundamentales de la experiencia conciente, las cuales ellos denominan “integración” y “diferenciación” (Edelman and Tononi, 2000; Tononi and Edelman, 1998). La integración se refiere al carácter unitario de la experiencia conciente, dado que la multiplicidad de aspectos, tales como color, sabor, audición, tacto, etc., convergen en una única experiencia coherente. La diferenciación es la capacidad de experienciar alguna de entre un basto número de estados concientes posibles. Esta capacidad está íntimamente ligada a lo que Edelman y Tononi denominan la capacidad informativa de la experiencia conciente, donde cada estado conciente sería altamente informativo, dada la reducción de incerteza que se acompaña de la selección de uno entre un número potencialmente infinito de posibles estados.

Edelman y Tononi recalcan que la conciencia no es una cosa, sino un proceso, y por tanto debería ser explicada en términos de procesos neuronales e interacciones, y no en términos de áreas cerebrales específicas o actividades locales. Más específicamente, ellos postulan que para entender la conciencia es necesario determinar aquellos procesos neuronales que son en si integrados, aunque altamente diferenciados. La respuesta a su problema es lo que denominan “la hipótesis del Núcleo Dinámico” (Edelman and Tononi, 200; Tononi and Edelman, 1998). En sus palabras: “1) un grupo de neuronas puede contribuir directamente a la experiencia conciente sólo si es parte de un cluster funcional distribuido que logre alta integración en cientos de milisegundos. 2) Para sostener la experiencia conciente, es esencial que este cluster funcional sea altamente diferenciado, lo que se indica por altos niveles de complejidad. Llamamos "núcleo dinámico" a dicho cluster de grupos neuronales que interactúan fuertemente entre si y que poseen distintas fronteras funcionales con el resto del cerebro en la escala de tiempo de fracciones de segundo, para enfatizar tanto la integración como su composición variable constante. Un núcleo dinámico es por tanto un proceso, no una cosa o un lugar, y está definido en término de interacciones neurales, más que en términos de ubicaciones neuronales específicas, conectividad o actividad” (Edelman and Tononi, 2000, p. 144). En adición: “El núcleo dinámico es un cluster funcional: sus grupos neuronales participantes están interactuando mucho más entre si que con el resto del cerebro. El núcleo dinámico debe también poseer alta complejidad: sus patrones de actividad global deben ser seleccionados dentro de menos de un segundo se entre un amplio repertorio” (Tononi and Edelman, 1998, p. 1849). Ellos hipotetizan que el núcleo dinámico logra integración sobre la base de interacciones de reentrada entre grupos neuronales distribuidos, presumiblemente a través del sistema tálamo-cortical. Específicamente, para que la conciencia primaria surja, se requieren interacciones entre cortezas sensoriales en diferentes modalidades y sistemas de memoria en áreas frontales, temporales y parietales.

Edelman and Tononi sostienen que el núcleo dinámico provee un “espacio de referencia neural para la experiencia conciente” (Edelman and Tononi, 2000, p. 164). Ellos dibujan este espacio como un espacio neural n-dimensional, donde el número de dimensiones está dado por el número de grupos neuronales que son parte del núcleo dinámico en ese momento. Tales grupos neuronales deberían ser segregados en dominios neuronales especializados para varias funciones, tales como forma, color o discriminación de orientación, entradas propioceptivas o somatosensoriales, entre otras, y deberían ser agrupadas a través de interacciones de reentrada. Las actividades locales de estos grupos deberían por tanto necesitan ser entendidas en relación al proceso unificado constituido por el cluster funcional, esto es, el núcleo dinámico completo: “La sensación pura del rojo es un estado neuronal particular identificado por un punto en el espacio neural N-dimensional definido por la actividad integrada de todos los grupos de neuronas que constituyen el núcleo dinámico…La discriminación conciente corresponde al quale de ver el rojo y adquiere su significado completo sólo cuando es considerado en su más extenso y apropiado espacio de referencia neural” (Edelman and Tononi, 2000, p. 167).

REFERENCIAS:

• Tononi, G., & Edelman, G. M. (1998). Consciousness and complexity. Science, 282(5395), 1846-1851.
  

• Edelman, G. M., & Tononi, G. (2000). A Universe of Consciousness: how matter becomes imagination. New York: Basic Books.
  

Logran el modelo a larga escala de cerebro mamífero más detallado hasta ahora

[P]ara darle el vamos al blog, quiero comenzar analizando un estudio que aparecerá este mes de marzo en PNAS (1) y que de seguro está dando que hablar. Corresponde a un modelo del circuito talamo-cortical humano, el cual de seguro abrirá grandes posibilidades para estudiar la dinámica cerebral. El modelo permitirá realizar experimentos a través simulaciones que de otro modo serían imposibles de llevar a cabo debido a dilemas éticos.

El modelo pertenece al Dr. Eugene Izhikevich y al premio Nobel Dr. Gerald Edelman, ambos pertenecientes a The Neurosciences Institute (ver link) de San Diego, Estados Unidos. Entre las novedades de su diseño cuenta con ser el primero en incorporar dinámica a larga escala entre múltiples regiones cerebrales, plasticidad sináptica y circuitos corticocorticales. Su estructura microscópica emula al cortex visual de gato, incorporando el detalle de sus seis capas y la presencia de neuronas excitatorias e inhibitorias y subtipos de estas de acuerdo a su morfología. Para el caso del tálamo, se incluyen núcleos específicos como no específicos y dos subtipos tanto de neuronas excitatorias como de interneuronas inhibitorias. Por su parte, el modelamiento de la anatomía macroscópica se logró con datos de cerebros humanos derivados de Imagen de Resonancia Magnética (IRM), y logró modelar la estructura de giros y surcos característicos de su neuroanatomía, además de la ubicación de los cuerpos neuronales en sus orientaciones precisas. Con el resultado se logró una densidad neuronal cercana a la animal, pero se conservaron la distancias respectivas entre regiones de acuerdo a las dimensiones de la anatomía cerebral humana.

Los resultados de las simulaciones generadas por los autores revelan dinámicas muy interesantes. En primer lugar, emergen comportamientos de la actividad cerebral normal, los cuales no están explícitamente definidos ni programados en parte alguna del modelo. Ejemplos de este fenómeno complejo lo constituye actividad de baja frecuencia de tipo delta (1-3 Hz) y alfa (~ 10 Hz) cuya predominancia espacial, notablemente, no es la misma. Esto último lo revelan análisis de espectro de poder que muestran ritmos predominantes característicos en regiones específicas de la corteza. En segundo lugar, la actividad oscilatoria además de espontánea demostró no ser uniforme, sino en forma de ondas propagativas autogeneradas que aparacían y desaparecían en distintas regiones del cortex y que eran muy similares a las encontradas in vitro e in vivo en animales anesteciados. Tercero, el modelo mostró que la actividad de cada neurona cuenta. Esto en complejidad se conoce como comportamiento caótico, y corresponde a la sensibilidad extrema a las variaciones en condiciones iniciales de un sistema. Esto se pudo observar al añadir o retirar tan sólo una descarga neuronal, gatillándose una cascada de actividad que se manifestó finalmente en una reorganización completa del comportamiento global de la red, en menos de medio segundo.

Finalmente y según los autores, el desarrollo y mejoramiento de este tipo de modelo cerebral, podría permitir la simulación de lesiones o tumores y su efecto en la dinámica global del cerebro, y compararla con resultados obtenidos en pacientes reales. También posibilitaría el estudio de efectos farmacológicos de drogas en la dinámica global, o estudiar como la conectividad en si misma modifica la dinámica cerebral, y aportar al desarrollo de nuevas terapias en el área de la clínica.

Referencia

(1) Izhikevich E.M and Edelman G.M (2008). Large Scale Model of Mammalian Thalamocortical Systems. PNAS 105: 3593-3598