La comunidad usa el mapa neuronal de la mosca de la fruta de Google para entrenarla a jugar Doom y Super Mario 64
Hecho Qué ha ocurrido
Google, junto al HHMI Janelia Research Campus, publicó el 3 de septiembre el mapa neuronal más completo de un cerebro de Drosophila melanogaster (mosca de la fruta), con 166.000 neuronas, tras una década de trabajo combinando millones de imágenes 2D mediante IA para crear un modelo 3D. Desarrolladores independientes como Alex Wormuth y Jessica Paquette usaron ese código abierto para simular el cerebro y entrenarlo, mediante estímulos y refuerzo dopaminérgico, a jugar a Doom y Super Mario 64, con resultados muy rudimentarios tras miles de rondas.
Resumen generado mediante IA a partir de Xataka. Naturaleza de la información: hecho documentado.
Análisis Por qué importa
El experimento, aunque lúdico, ilustra el potencial de los mapas conectómicos generados con IA para simular circuitos neuronales reales y observar cómo emergen patrones de comportamiento ante estímulos artificiales.
- Quién se ve afectado
- Investigadores en neurociencia computacional, comunidad de IA aplicada a biología y divulgadores científicos.
- Qué puede cambiar
- Por ahora no cambia la práctica empresarial, pero anticipa un camino hacia simulaciones cerebrales más complejas que podrían usarse en investigación de IA biológica y neurociencia computacional.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Si surgen experimentos similares con conectomas de otros organismos más complejos y si estas simulaciones aportan hallazgos científicos más allá del entretenimiento.
Enviar esta noticia por correo
Fuente original: Xataka. La referencia es siempre el artículo original.
Ver fuente original ↗IA científicamodelado 3D GoogleHHMI Janelia Research Campus conectomaDoomGooglemosca de la frutaneurociencia
Tu opinión
0 comentarios
Relacionadas
Benchmark RLI muestra que los mejores modelos de IA fallan en el 85% de encargos profesionales reales
El Remote Labor Index, desarrollado por Center for AI Safety y Scale Labs, mide la 'tasa de automatización' comparando entregas de IA con trabajos freelance…
Por qué importaPese a la percepción de que los modelos avanzan rápido, siguen siendo poco fiables para trabajos profesionales completos y verificables, lo que…
NASA e IBM lanzan un modelo de IA de código abierto para analizar datos lunares
NASA e IBM han presentado el NASA-IBM Lunar Foundation Model, un modelo fundacional de código abierto entrenado con datos de misiones como LRO, GRAIL y…
Por qué importaAutomatiza tareas de análisis geológico que antes requerían revisión manual, acelerando la investigación científica previa a las misiones Artemis y a…
Google DeepMind lanza AlphaGenome Atlas, un mapa con IA de 9.000 millones de mutaciones del ADN humano
Google DeepMind presentó AlphaGenome Atlas, una base de datos que recopila predicciones sobre los efectos de los 9.000 millones de posibles cambios de una…
Por qué importaReduce drásticamente el trabajo de laboratorio necesario para explorar el efecto de variantes genéticas, acelerando la investigación biomédica y…
Benchmark independiente sugiere gran salto de GPT-6 Astra en razonamiento espacial robótico
El nuevo benchmark StationeryBench comparó a GPT-6 Astra de OpenAI y MolmoAct2 de Ai2 en tareas de manipulación con robots de doble brazo YAM. Astra completó 7…
Por qué importaUn salto en razonamiento espacial de un modelo generalista tiene implicaciones directas para robótica industrial y automatización física, áreas donde…