Cajal - Autómatas Celulares Inspirados en Redes Neuronales

Los modelos de aprendizaje automático inspirados biológicamente han capturado durante mucho tiempo el interés de los investigadores que buscan enfoques alternativos a las redes neuronales artificiales tradicionales. Hace casi ocho años, el autor emprendió un ambicioso proyecto titulado “Neurona Distribuida”, que tenía como objetivo replicar los patrones de crecimiento agrupado de las neuronas reales. Este modelo incorporaba conceptos biológicos como factores neurotrópicos y gradientes de señalización, divergentes de las arquitecturas de redes neuronales más rígidas y simplistas populares en ese momento. Aunque el proyecto original ha caído en el olvido, quedando solo algunas publicaciones archivadas en blogs y viejas grabaciones de video, la curiosidad fundamental sobre modelos de aprendizaje automático biológicamente plausibles ha persistido.\n\nRecientemente, el autor encontró un artículo intrigante sobre un autómata celular inspirado en redes neuronales llamado CoDi-1Bit. Diseñado para simplicidad, minimalismo y eficiencia computacional, CoDi-1Bit fue construido para funcionar eficazmente en matrices de puertas programables en campo (FPGAs). El objetivo principal era evolucionar y evaluar rápidamente redes neuronales in silico, formando módulos discretos capaces de funciones específicas como temporizadores, detectores de patrones y detectores de movimiento lineal tipo Hubel-Wiesel. La ambición última era aplicar estos módulos neuronales evolucionados para controlar un gato robótico en tiempo real. Sin embargo, la investigación original concluyó alrededor de 2001 sin lograr el objetivo de control del gato robótico debido al cierre de la división de investigación.\n\nEl sistema CoDi es un autómata celular que imita el crecimiento neuronal y la señalización dentro de una cuadrícula discreta. Inicialmente, un pequeño número de cuerpos neuronales se siembran en la cuadrícula, que pasa por fases iterativas de crecimiento. Cada neurona brota axones y dendritas hacia las celdas adyacentes, extendiéndose por la cuadrícula. Mientras que el sistema CoDi original operaba en tres dimensiones, el enfoque actual está en una versión simplificada en 2D. El crecimiento de cada celda de la cuadrícula está gobernado por un cromosoma que cubre toda la cuadrícula, el cual codifica instrucciones simples como crecer recto, girar o dividirse. Este mecanismo impulsado por cromosomas permite que el autómata crezca según reglas genéticas codificadas.\n\nUna característica clave del diseño de CoDi es que las células recién crecidas retienen su linaje, asegurando que las dendritas crezcan células dendríticas y los axones células axónicas. Además, cada célula almacena un puntero hacia la célula de la que se originó, permitiendo rastrear hasta el cuerpo neuronal original. Esta estructura forma la base para la red de señalización. El crecimiento cesa cuando no quedan celdas adyacentes vacías o cuando las células activas no pueden crecer más. La fase de señalización sigue al crecimiento pero se reserva para discusión futura. En comparación con el proyecto anterior Neurona Distribuida del autor, el mecanismo cromosómico de CoDi usa solo 4 bits por celda para dictar instrucciones de crecimiento, reduciendo la sobrecarga de memoria y permitiendo cambios evolutivos locales sin desestabilizar toda la red.\n\nActualmente llamado Cajal, en honor al neurocientífico pionero Santiago Ramón y Cajal, la implementación puede crear cuadrículas de tamaño arbitrario, simular el crecimiento de redes al estilo CoDi, inyectar señales y observar patrones de disparo neuronal. Sin embargo, se reconoce que la base de código está en desarrollo, requiriendo refactorización y documentación más completa. En el nivel más bajo, el mundo de la cuadrícula está organizado en vectores de Páginas, cada una conteniendo vectores de Celdas. Cada Celda se representa internamente como un entero sin signo de 32 bits (u32), codificando varios atributos como tipo de celda, dirección de crecimiento (puerta), propiedades estimuladoras o inhibitorias, instrucciones cromosómicas, umbrales de disparo y potenciales de señal mediante máscaras binarias cuidadosamente definidas. Esta codificación compacta refleja la representación compleja pero eficiente de las propiedades neuronales dentro del marco del autómata celular.