A pesar de la simplicidad de su sistema visual, las moscas de la fruta son capaces de distinguir de manera confiable entre individuos basándose solo en la vista. Esta es una tarea de extrema dificultad incluso para aquellos expertos que pasan toda su vida estudiando a estos insectos.

Para comprender cómo las Drosophila melanogaster consiguen esto, un equipo de científicos, liderados por Graham Taylor y Joel Levine, han construido una red neuronal que imita el sistema visual de estos insectos y puede distinguir e identificar a diferentes moscas. Esto puede permitir que los miles de laboratorios de todo el mundo que usan moscas de la fruta como organismo modelo, lleven a cabo análisis más específicos y con mayor información. También proporciona evidencia de que la humilde visión de la mosca de la fruta es más precisa de lo que se pensaba anteriormente.

En un proyecto interdisciplinario, el equipo de Taylor y Levine construyen un algoritmo de base biológica que,a través de videos de baja resolución de moscas de la fruta, distingue entre ellas y las identifica. El programa tiene la misma información teórica y capacidad de procesamiento que una mosca de la fruta y fue entrenada (con vídeos de moscas) durante dos días. Al finalizar este lapso, este “cerebro de mosca” era capaz de identificar de manera confiable a los insectos.

con un puntaje de F1 (una medida que combina precisión y memoria) de 0,75. A modo de comparación, cuando se les da esta tarea a biólogos experimentados, solo consiguen una puntuación de 0.08.

Los resultados han sido publicados en PLOS ONE.

“Muchas aplicaciones intentan reproducir y automatizar habilidades humanas como el reconocimiento facial, el procesamiento del lenguaje natural o la identificación de canciones – explica Taylor en un comunicado –. Pero rara vez van más allá de la capacidad humana. Así que es emocionante encontrar un problema donde los algoritmos puedan superar a los humanos. Este nuevo conocimiento puede ayudarnos a comprender cómo se comunican las neuronas entre sí. Es territorio inexplorado”.

Juan Scaliter