Piden a la IA diseñar vida desde cero y el resultado deja a los expertos atónitos

Un equipo de la Universidad de Lund, junto al MIT, ha logrado que una inteligencia artificial diseñe vida digital desde cero. El estudio, publicado en Science Advances, demuestra que la evolución artificial puede reproducir patrones biológicos reales dentro de un entorno 100% virtual. Los investigadores introdujeron organismos virtuales en un entorno sintético para observar si, bajo presión evolutiva, desarrollan estructuras complejas.

Se les asignaron tareas básicas y, mediante variaciones aleatorias y selección de las mejores configuraciones, se replicaron los principios de la selección natural en un sistema computacional. De forma progresiva surgieron estructuras sensibles a la luz que evolucionaron hasta formar ojos digitales conectados a redes internas. El proceso emergió de la interacción entre variación y adaptación. El proyecto demuestra que la inteligencia artificial puede simular evolución y anticipar posibles soluciones tecnológicas futuras.

¿Cómo puede la IA diseñar la vida desde cero?

El marco del estudio se basa en la coevolución entre ojos, cerebro y comportamiento. Los agentes artificiales se encuentran en entornos simulados donde deben realizar tareas como navegar por un laberinto, detectar objetos o seguir objetivos en movimiento. A lo largo de muchas generaciones, los algoritmos evolutivos modifican las características de sus ojos, como la posición, el número de fotorreceptores o el campo de visión, así como la capacidad de procesamiento de sus redes neuronales. Los agentes que realizan mejor las tareas tienen más probabilidades de transmitir sus características a la siguiente generación.

Uno de los principales hallazgos del estudio es que las demandas del entorno influyen directamente en la forma en que evolucionan los ojos. Cuando los agentes debían realizar tareas de navegación y evitar obstáculos, evolucionaban sistemas visuales con múltiples ojos distribuidos alrededor del cuerpo, similares a algunos sistemas visuales de insectos. En cambio, cuando la tarea consistía en distinguir objetos específicos, los agentes evolucionaban ojos orientados hacia delante con alta resolución, parecidos a los ojos tipo cámara de muchos vertebrados. Esto sugiere que distintos tipos de tareas pueden conducir a diferentes diseños visuales.

El estudio también analizó la evolución de los elementos ópticos, como las lentes. Los investigadores descubrieron que los primeros sistemas visuales simples pueden mejorar la precisión visual reduciendo el tamaño de la apertura, pero esto limita la cantidad de luz que entra. Este conflicto crea un límite en el rendimiento visual. Cuando el modelo permite la aparición de estructuras ópticas que doblan la luz, como las lentes, los agentes evolucionan sistemas que mantienen buena resolución y al mismo tiempo captan más luz. Este resultado respalda la idea de que las lentes surgieron en la evolución para resolver el conflicto entre precisión visual y captación de luz.

Asimismo, los investigadores descubrieron una especie de ley de escala: para mejorar el rendimiento visual no basta con aumentar el tamaño del «cerebro» o la red neuronal si la resolución visual es baja. En otras palabras, la capacidad de procesamiento y la calidad de los sensores deben crecer juntas para mejorar el rendimiento. Este resultado coincide con observaciones en animales reales, donde existe una relación entre el tamaño de los ojos y el tamaño del cerebro.

El marco de simulación desarrollado por los investigadores permite que los agentes evolucionen físicamente mientras aprenden durante su «vida». Este modelo refleja un fenómeno conocido como «efecto Baldwin», según el cual la capacidad de aprender puede influir en la evolución genética. Los agentes que aprenden mejor durante su vida tienen más probabilidades de ser seleccionados, lo que acelera la evolución de sus características físicas y cognitivas. En conjunto, el estudio demuestra que los sistemas de inteligencia artificial pueden utilizarse como instrumentos científicos para estudiar procesos evolutivos.

«La selección natural ha producido diversos sistemas de visión, desde simples parches de fotorreceptores hasta complejos ojos tipo cámara, que representan solo un conjunto de resultados evolutivos. La evolución computacional ofrece una forma de poner a prueba hipótesis de manera sistemática, aislar factores individuales y plantear las preguntas del “por qué” detrás de la visión. Recreamos la evolución de la visión haciendo coevolucionar ojos y comportamientos en agentes incorporados, y utilizamos esto para iluminar los principios que dan forma a la visión en distintos niveles de la jerarquía de Marr.

Esto conduce a tres hallazgos clave. En primer lugar, proporcionamos evidencia computacional de que la selección específica de tareas impulsa una bifurcación en la evolución de los ojos. En segundo lugar, revelamos cómo las innovaciones ópticas surgen de manera natural para resolver compromisos fundamentales entre la captación de luz y la precisión espacial. En tercer lugar, descubrimos leyes de escala entre la agudeza visual y el procesamiento neuronal que ofrecen nuevas perspectivas sobre hipótesis de larga data acerca del tamaño de los ojos y del cerebro.

Nuestro trabajo introduce un paradigma que utiliza la inteligencia artificial (IA) incorporada como máquinas para poner a prueba hipótesis, lo que puede ayudar a acelerar los descubrimientos en la ciencia de la visión», concluyen los investigadores.