Un ingeniero microscópico que encuentra caminos

Son las cinco y media de la tarde en Quito, Ecuador, y el tránsito está completamente detenido en la avenida de Los Shyris. Como una de las principales avenidas del norte de la ciudad, transitar por ella en hora pico es una pesadilla. Gabriel es una de las tantas personas atrapadas en sus autos esperando volver a casa. El panorama no es nuevo para él, por supuesto, pues como en varias ciudades grandes del mundo, los embotellamientos son cosa de todos los días.

Una de las tantas aplicaciones de navegación que existen le ha sugerido a Gabriel tomar un atajo para evitar más atascos y él lo toma sin pensar. Aunque las aplicaciones no son infalibles (pues ya se ha visto metido en varios atascos por tratar de evitar otros), al menos le ayudan a tener la sensación de estar optimizando su tiempo lo más posible.

Si tan solo pudiera predecir el camino más corto y efectivo para llegar a casa, sin equivocarse, Gabriel no solo ganaría tiempo, sino que se evitaría el estrés de todos los días a la hora de volver a casa…

Inspirados en un moho deslizante

Como Gabriel y muchas personas en el mundo, encontrar la ruta más corta entre un punto y otro ha sido una preocupación constante. Con el objetivo de resolver este problema, desde 1990 los científicos computacionales empezaron a fijarse en organismos vivos para buscar inspiración y crear algoritmos de optimización. Uno de estos organismos inspiradores es el moho deslizante Physarum polycephalum, un microorganismo que no pasa del todo desapercibido en la naturaleza, cuando ha crecido lo suficiente, por ejemplo, sobre el tronco de algún árbol.

Physarum polycephalum | Slime mould, Mushroom fungi, Slime
Physarum polycephalum (Fuente: https://www.flickr.com/photos/sentrawoods/273737181)8/)

La forma de vida de P. polycephalum es conocida como plasmodio, que es una masa de citoplasma con muchos núcleos celulares: lo más parecido a una masita gelatinosa con vida propia. Su cuerpo puede extenderse sobre las superficies y adaptarse al ambiente donde se encuentre. Los científicos se dieron cuenta de que a pesar de tener una morfología simple, P. polycephalum resuelve problemas de alta complejidad. De esta forma, se convirtió en un buen modelo para estudiar el procesamiento de la información y la resolución de problemas.

¿Por aquí o por allá? Pregúntale al moho

A pesar de no tener cerebro, P. polycephalum ha demostrado un complejo comportamiento para resolver laberintos. Los experimentos llevados a cabo para demostrarlo se realizaron de la siguiente manera: se coloca comida a ambos extremos de un laberinto y el organismo puede encontrarlos y conectarlos entre sí tras estirar su cuerpo y adaptarlo, además de que lo hace por el camino más corto dentro del laberinto. De esta forma, el organismo cumple dos metas: mantener suficiente conectividad en todo su cuerpo y maximizar la absorción del alimento.

Slime Bio-Mimetic Control Research Center
P. polycephalum puede encontrar el camino más corto en el laberinto (Fuente: http://news.bbc.co.uk/2/hi/science/nature/944790.stm)

La extensión del cuerpo de este microorganismo ocurre gracias a estímulos que le hacen adaptarse de acuerdo a la composición de su ambiente (lo que se conoce como quimiotaxis). Este proceso es eficiente energéticamente hablando pues encuentra el camino más corto para no gastar energía. Algo interesante es que uno de los estímulos importantes para la toma de decisiones en P. polycephalum es el ruido. El ruido le ayuda a considerar los factores de riesgo existentes en el medio y hacer elecciones más óptimas. Esto se logra con un cierto nivel moderado de ruido, algo que no ocurre con un nivel bajo o inexistente de ruido.

Más fascinante aún, los investigadores han observado que P. polycephalum construye redes muy parecidas a las de carreteras que conectan áreas urbanas muy pobladas en Reino Unido y que también es capaz de recrear el recorrido del sistema de metro de Tokio.

Aplicaciones computacionales

Recrear el comportamiento de P. polycephalum en computador ha sido uno de los objetivos en estudios que buscan crear algoritmos de optimización, principalmente para el diseño de una red eficiente de transporte y la planificación de viajes.

Por supuesto, se han encontrado algunas limitaciones. Por ejemplo, en la planificación de rutas, el modelo basado en P. polycephalum funciona bien siempre y cuando las rutas sean cortas. Para rutas más largas se necesitaría de algoritmos que no se apeguen tanto al modelo biológico original. De todas formas, afinar los modelos inspirados en P. polycephalum y en otros organismos vivos podrían traernos rutas de transporte más eficientes en el futuro. Es decir que la naturaleza puede guiarnos incluso en nuestras selvas de cemento.

Bibliografía

Gao, C., Liu, C., Schenz, D., Li, X., Zhang, Z., Jusup, M., … Nakagaki, T. (2018). Does being multi-headed make you better at solving problems? A survey of Physarum-based models and computations. Physics of Life Reviews.

Jones, J., & Safonov, A. (2018). Slime Mould Inspired Models for Path Planning: Collective and Structural Approaches. Springer International Publishing.

Meyer, B., Ansorge, C., & Nakagaki, T. (2017). The role of noise in self-organized decision making by the true slime mold Physarum polycephalum. PLoS ONE, 12(3), 1–19.

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out /  Change )

Google photo

You are commenting using your Google account. Log Out /  Change )

Twitter picture

You are commenting using your Twitter account. Log Out /  Change )

Facebook photo

You are commenting using your Facebook account. Log Out /  Change )

Connecting to %s