Según expertos en ciencias de la computación, las máquinas más eficientes, desde lasenzimas moleculares hasta las computadoras, deben tener la capacidad de recordar el pasado para poder predecir el futuro.
En caso de que se desarrollen máquinas con esta capacidad, los resultados obtenidos serán mucho mejores.
Aunque una computadora de simulación climática tenga la capacidad de predecir, lo que resulta raro es pensar que una biomolécula tenga la misma capacidad.
A pesar de que resulte raro, un motor molecular, el mecanismo de las biomoléculas (proteínas) para adaptarse a su entorno y predecir a lo que se expondrán, es justo lo que hace.
Un motor molecular toma el pasado para poder predecir el futuro. Este motor se somete a los cambios de las proteínas que lo componen, relacionados con la memoria del pasado
Una proteína puede cambiar su estado activo al unirse con un ión de metal. Eso es posible ya que la proteína tiene registros sensoriales que le permiten recordar cambios en su entorno.
De esta manera, el estado de la molécula tiene la capacidad de hacer uso de lo aprendido en el pasado.
La información que proporciona pistas sobre el estado futuro del ambiente es útil ya que permite que la máquina se prepare y adapte a las circunstancias de la mejor manera.
Este proceso de adaptación le permite trabajar de manera eficiente. Para una biomolécula, guardar la información necesaria para poder predecir el futuro es bastante complicado.
La memoria de la biomolécula tiene que ser muy selectiva. Cuando se encuentra en un ambiente con muchos elementos que causen interrupción, la memoria no tiene la capacidad de guardar la información necesaria.
En cambio, que una máquina recuerde este tipo de información no es un asunto complicado. Este tipo de función productiva sólo necesita una pequeña cantidad de energía de procesamiento en comparación con el consumo de energía total, además de la configuración de sus algoritmos.
Por ejemplo, los sistemas de asistencia para el conductor que tienen los coches consiguen esta información mediante el registro del terreno.
Para eso, se usan sensores que le permiten anticipar su entorno. Al juntar la información, el automóvil tiene la capacidad de reaccionar de manera eficiente ante cualquier eventualidad.
Si las máquinas biomoleculares guardan información inútil, se altera su forma de operar y empiezan a reaccionar de manera ineficiente. Afortunadamente, las biomoléculas se dan cuenta qué información no es necesaria y la borran de la memoria.
Es importante mencionar que dicha información se borra de la memoria porque el espacio existente para almacenar datos es finito. Borrar información también implica un problema para las biomoléculas ya que se necesita mucha energía para poder lograrlo.
Ya que la memoria es finita en las máquinas y en las biomoléculas, es importante que al crear algún producto que haga uso de ellas sólo se almacene información relevante que permita predecir el futuro. Se se empiezan a guardar datos que no son de importancia sólo se logra obtener información que no sirve de nada.
Según Still, todos los modelos eficientes deben tener un buen poder productivo que no recuerde todos los detalles. El modelo no debe ser demasiado complicado.
El descubrimiento de la relación que hay entre la disipación de la energía, la predicción y la memoria podría ayudar a los investigadores. Según Still, gracias a su estudio, los científicos podrían mejorar los algoritmos de las máquinas para que la complejidad de sus modelos disminuya y se pueda predecir de mejor manera el futuro.
En caso de que esto se logre, la eficiencia de las máquinas aumentaría ostensiblemente.
No hay comentarios:
Publicar un comentario