Una búsqueda caótica puede ser una buena estrategia cuando se va a ciegas

12 de abril 2016

Si se dispone de poca información del entorno, un patrón de movimientos caótico puede ser una estrategia eficiente para encontrar lo que se busca. En moluscos, esto podría tener origen en procesos neuronales internos. Entender los mecanismos generadores de caos y su conexión con el comportamiento de búsqueda puede ayudar a aplicar este tipo de patrones en situaciones de investigación con humanos.

El mol·lusc Hydrobia ulvae amb el que s'ha fet l'estudi. Autor (CC BY-SA) H. Zell

El molusco Hydrobia ulvae con el que se ha realizado el estudio. Autor (CC BY-SA) H. Zell

Seguir un rumbo de búsqueda aleatorio puede ser beneficioso cuando el caracol Hydrobia ulvae busca alimento. Esta trayectoria de movimiento sin una dirección determinada tendría su origen en sus procesos neuronales caóticos. Frederic Bartumeus, investigador ICREA del CEAB-CSIC y el CREAF y coautor del estudio publicado en Nature Scientific Reports, comenta que “deberían ser neuronas motoras, situadas al pie del animal o más cerca del cerebro, las que presenten esta señal caótica”.

Esta estrategia de búsqueda, llamada paseo de Lévy, se ha encontrado en una amplia diversidad de organismos. Es un patrón de movimientos que dibuja una estructura fractal, la cual optimiza el éxito en la búsqueda en condiciones donde los objetos que hay que encontrar pueden estar lejos y cerca a la vez.

Aunque la evolución tiende a evitar jugar al juego de la búsqueda aleatoria, en este caso se podría haber seleccionado este patrón de exploración caótica. El investigador explica que siempre puede existir una situación límite. “Por más capacidad cognitiva que tenga un animal, y que ésta sirva para minimizar las situaciones de falta de información sobre el entorno, siempre puede ser bueno tener una estrategia a la desesperada, un último recurso a explotar en casos donde el contexto de la búsqueda se complica. Y un patrón aleatorio puede dar buenos resultados “.

Dos tipus de moviment aleatoris: brownià (blau) i de Lévy (vermell). Autor: Frederic Bartumeus

Dos tipos de movimiento aleatorio: browniano (azul) y de Lévy (rojo), éste como el que presenta Hydrobia ulvae en la investigación. Autor: Frederic Bartumeus

Las búsquedas caóticas también pueden servir para los humanos

Esto puede incluir ciertas situaciones de investigación en humanos donde el entorno da pocas pistas sobre qué y cómo buscar. Frederic Bartumeus apunta que “ver qué hacen los animales y cómo la evolución ha ajustado los movimientos en estos contextos de poca información puede ayudar a generar algoritmos de búsqueda ‘bioinspirados’. Esto podría servir para situaciones de rescate de personas —donde a menudo la información es limitada—, sistemas de muestreo ambiental para recoger datos, navegar por Internet… “.

Con el estudio de animales en situaciones donde pueden procesar muy poca información, los científicos aprenden qué estrategias utilizan y cuáles son los elementos claves que introducen aleatoriedad. “Es mejor estudiar animales sencillos que humanos, simplemente porque en humanos hay que manipular muy bien los contextos de información y sacar ciertos sesgos cognitivos, lo que lo hace muy complicado”, finaliza Bartumeus.

Passeig aleatori de 25.000 passos que va formant una estructura fractal. El passeig de Lévy és un tipus passeig aleatori, tot i que no exactament aquest. Autor: (CC0) László Németh

Paseo aleatorio de 25.000 pasos que va formando una estructura fractal. El paseo de Lévy es un tipo de paseo aleatorio, aunque no exactamente éste. Autor: (CC0) László Németh

, , , , , , , , , ,

Fascinado por la singularidad de nuestra Tierra, he sido recientemente viajero por necesidad, y antes aprendiz de professor de Ciencias de instituto por vocación. Y aún antes, cuatro años de Biología Ambiental (2010-14) y cuatro más de Periodismo (2006-10), siempre en la UAB, que me han servido para ser técnico de comunicación al CREAF desde el 2 de diciembre de 2015.
Artículos relacionados
,
¿Qué es la agricultura regenerativa?
16 de octubre 2021Ángela Justamante
, ,
¿Cómo afecta el cambio climático a la viña?
13 de octubre 2021CREAF
,
El CREAF despega con el satélite Landsat-9
7 de octubre 2021CREAF
Cultivar cereales y leguminosas de forma conjunta aumenta la producción agrícola y la captación neta de CO2
7 de octubre 2021CREAF
Es un hecho, perdemos biodiversidad: ¿actuamos?
6 de octubre 2021CREAF

Follow CREAF on: