{"id":8379,"date":"2026-09-02T08:06:34","date_gmt":"2026-09-02T06:06:34","guid":{"rendered":"https:\/\/laverdad.tech\/?p=8379"},"modified":"2026-09-02T08:06:41","modified_gmt":"2026-09-02T06:06:41","slug":"un-algoritmo-inspirado-en-el-cerebro-de-la-mosca-aprende-a-identificar-olores","status":"publish","type":"post","link":"https:\/\/laverdad.tech\/index.php\/2026\/09\/02\/un-algoritmo-inspirado-en-el-cerebro-de-la-mosca-aprende-a-identificar-olores\/","title":{"rendered":"Un algoritmo inspirado en el cerebro de la mosca aprende a identificar olores"},"content":{"rendered":"\n

<\/a><\/a><\/h1>\n\n\n\n

<\/a><\/a><\/a><\/a><\/a><\/a>SINC<\/a><\/p>\n\n\n\n

En el reino animal, la eficiencia energ\u00e9tica resulta clave para la supervivencia. De ah\u00ed que\u00a0el cerebro<\/strong>\u00a0haya evolucionado para almacenar y procesar informaci\u00f3n utilizando la menor cantidad posible de energ\u00eda y recursos.<\/p>\n\n\n\n

Desde los a\u00f1os 80, los cient\u00edficos especializados en computaci\u00f3n han tratado de reproducir esta eficiencia mediante sistemas que imitan la estructura y el funcionamiento <\/strong>del cerebro, con el objetivo de procesar datos complejos de forma r\u00e1pida y con un consumo reducido.<\/p>\n\n\n\n

Sin embargo, desarrollar soluciones funcionales que necesiten poca memoria y puedan desenvolverse en escenarios reales, donde la energ\u00eda es limitada y los datos de entrenamiento llegan de manera progresiva, sigue siendo un reto.<\/p>\n\n\n\n

Un nuevo algoritmo<\/strong> desarrollado por investigadores del Instituto de Ciencia y Tecnolog\u00eda de Okinawa (OIST) y publicado en Neuromorphic Computing & Engineering<\/em> avanza en esta direcci\u00f3n.<\/p>\n\n\n\n

El sistema, inspirado en el funcionamiento del olfato, fue entrenado y probado con diferentes conjuntos de datos experimentales y logr\u00f3 identificar olores con precisi\u00f3n<\/p>\n\n\n\n

<\/a><\/a><\/a><\/a><\/a><\/a>El sistema, inspirado en el funcionamiento del olfato, fue entrenado y probado con diferentes conjuntos de datos experimentales y logr\u00f3 identificar olores con precisi\u00f3n, especialmente cuando dispon\u00eda de un n\u00famero reducido de muestras para el aprendizaje.<\/p>\n\n\n\n

El olfato de la mosca<\/h2>\n\n\n\n

Para crear su nuevo algoritmo, los investigadores buscaron inspiraci\u00f3n en una fuente diminuta, pero repleta de alrededor de 140 000 neuronas, el cerebro de la mosca de la fruta, que es un objeto de estudio habitual en la investigaci\u00f3n moderna en neurociencia<\/strong>.<\/p>\n\n\n\n

\u00abEs uno de los cerebros mejor cartografiados; es lo bastante sencillo como para que podamos estudiarlo en su conjunto, pero aun as\u00ed consigue realizar un procesamiento complejo\u00bb, destaca el coautor, Yang Shen<\/strong>, de la Unidad de Ciencia de Datos de Din\u00e1mica Biol\u00f3gica No Lineal del OIST.<\/p>\n\n\n\n

En Spi-Fly, el sistema olfativo de la mosca se adapta y se modela como una red de tres capas<\/p>\n\n\n\n

<\/a><\/a><\/a><\/a><\/a><\/a><\/p>\n\n\n\n

\u00abTiene un sistema olfativo especialmente interesante que emplea una codificaci\u00f3n dispersa, un m\u00e9todo computacional que ayuda a reducir el solapamiento entre diferentes se\u00f1ales sin necesidad de entrenamiento, lo que permite representar los olores de manera eficiente y con un menor coste energ\u00e9tico\u00bb, a\u00f1ade.<\/p>\n\n\n\n

En Spi-Fly<\/strong>, el sistema olfativo de la mosca se adapta y se modela como una red de tres capas, en la que las se\u00f1ales de entrada se proyectan de forma aleatoria y dispersa sobre una capa intermedia oculta de 1 000 neuronas, activando solo unas pocas para cada olor.<\/a><\/p>\n\n\n\n

As\u00ed identifica los olores<\/h2>\n\n\n\n

Estas neuronas activas funcionan como un c\u00f3digo de barras espec\u00edfico<\/strong>, que es reconocido por las neuronas de salida mediante una regla de aprendizaje asociativo.<\/p>\n\n\n\n

En las moscas de la fruta, las neuronas receptoras detectan los olores y env\u00edan las se\u00f1ales a otras neuronas que las procesan y ampl\u00edan mediante numerosas conexiones. Despu\u00e9s, un mecanismo de inhibici\u00f3n reduce el n\u00famero de neuronas activas, de modo que cada aroma queda representado por un patr\u00f3n espec\u00edfico, similar a un c\u00f3digo de barras. Este sistema permite distinguir diferentes olores y aprender r\u00e1pidamente otros nuevos sin perder los conocimientos anteriores.<\/p>\n\n\n\n

Este sistema permite distinguir diferentes olores y aprender r\u00e1pidamente otros nuevos sin perder los conocimientos anteriores<\/p>\n\n\n\n

<\/a><\/a><\/a><\/a><\/a><\/a><\/p>\n\n\n\n

Spi-Fly reproduce este mecanismo de forma simplificada, con menos capas y un menor n\u00famero de neuronas. Las se\u00f1ales activan un patr\u00f3n \u00fanico en la capa intermedia, que las neuronas de salida pueden identificar mediante aprendizaje asociativo.<\/p>\n\n\n\n

Para comprobar su eficacia, los investigadores lo probaron con dos bases de datos de olores y compararon sus resultados con los de otros algoritmos de clasificaci\u00f3n. \u00abSpi-Fly fue el m\u00e9todo que obtuvo mejores resultados en aprendizaje con pocos ejemplos (few-shot learning): pod\u00eda clasificar f\u00e1cilmente los olores despu\u00e9s de haber visto solo unas pocas muestras\u00bb, explica el coautor, Kevin Max<\/strong>, de la Unidad de Computaci\u00f3n Neuronal del OIST.<\/p>\n\n\n\n

\u00abTambi\u00e9n funcion\u00f3 bien en el aprendizaje continuo, ya que aprend\u00eda correctamente a clasificar nuevos olores sin olvidar los que hab\u00eda aprendido anteriormente, un problema enorme de los m\u00e9todos de entrenamiento convencionales<\/strong> conocido como olvido catastr\u00f3fico\u201d, contin\u00faa.<\/p>\n\n\n\n

Aunque el algoritmo fue dise\u00f1ado para clasificar olores, primero es necesario disponer de un sensor capaz de detectarlos. Max y sus colaboradores de la Universidad T\u00e9cnica de Eindhoven y la Universidad de Kiel trabajan en este campo, desarrollando hardware para la detecci\u00f3n de olores en el que tienen previsto integrar Spi-Fly. Su objetivo general es crear una nariz artificial<\/strong> con una amplia variedad de aplicaciones pr\u00e1cticas<\/p>\n","protected":false},"excerpt":{"rendered":"

Un equipo de investigaci\u00f3n ha desarrollado un sistema basado en el procesamiento neuronal de la mosca de la fruta que permite clasificar aromas con pocos ejemplos y seguir incorporando nuevos patrones sin perder los aprendidos. La tecnolog\u00eda podr\u00eda aplicarse en el futuro a la detecci\u00f3n de contaminaci\u00f3n, explosivos, al\u00e9rgenos o sustancias en alimentos.<\/p>\n","protected":false},"author":1,"featured_media":8380,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"colormag_page_container_layout":"default_layout","colormag_page_sidebar_layout":"default_layout","_eb_attr":"","_FSMCFIC_featured_image_caption":"Para crear su nuevo algoritmo, los investigadores buscaron inspiraci\u00f3n en una fuente diminuta, pero repleta de alrededor de 140 000 neuronas, el cerebro de la mosca de la fruta. \/ \u00a9 Catherine Hodges\/OIST","_FSMCFIC_featured_image_nocaption":"","_FSMCFIC_featured_image_hide":"","footnotes":""},"categories":[243,481],"tags":[834,835,749],"class_list":["post-8379","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-cienciaytecnologia","category-investigacion","tag-algoritmo","tag-mosca-de-la-fruta","tag-wi8"],"_links":{"self":[{"href":"https:\/\/laverdad.tech\/index.php\/wp-json\/wp\/v2\/posts\/8379","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/laverdad.tech\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/laverdad.tech\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/laverdad.tech\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/laverdad.tech\/index.php\/wp-json\/wp\/v2\/comments?post=8379"}],"version-history":[{"count":1,"href":"https:\/\/laverdad.tech\/index.php\/wp-json\/wp\/v2\/posts\/8379\/revisions"}],"predecessor-version":[{"id":8381,"href":"https:\/\/laverdad.tech\/index.php\/wp-json\/wp\/v2\/posts\/8379\/revisions\/8381"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/laverdad.tech\/index.php\/wp-json\/wp\/v2\/media\/8380"}],"wp:attachment":[{"href":"https:\/\/laverdad.tech\/index.php\/wp-json\/wp\/v2\/media?parent=8379"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/laverdad.tech\/index.php\/wp-json\/wp\/v2\/categories?post=8379"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/laverdad.tech\/index.php\/wp-json\/wp\/v2\/tags?post=8379"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}