Cómo influyen los pensamientos en lo que ven los ojos
Un estudio sorprendente podría indicar nuevos enfoques para los sistemas de IA
Cuando ves una bolsa de zanahorias en el supermercado, ¿piensas en patatas y chirivías o en alitas de búfalo y apio?
Las primeras áreas visuales del cerebro adaptan sus representaciones del mismo estímulo visual en función de la tarea que intentemos realizar.
Rungratsameetaweemana lab/Columbia Engineering
Depende, claro está, de si está preparando un guiso de invierno o se dispone a ver la Super Bowl.
La mayoría de los científicos coinciden en que categorizar un objeto -como considerar una zanahoria un tubérculo o un aperitivo- es tarea del córtex prefrontal, la región del cerebro responsable del razonamiento y otras funciones de alto nivel que nos hacen inteligentes y sociables. En ese sentido, los ojos y las regiones visuales del cerebro son como una cámara de seguridad que recoge datos y los procesa de forma estandarizada antes de enviarlos para su análisis.
Sin embargo, un nuevo estudio dirigido por la ingeniera biomédica y neurocientífica Nuttida Rungratsameetaweemana, profesora adjunta de Columbia Engineering, demuestra que las regiones visuales del cerebro desempeñan un papel activo a la hora de dar sentido a la información. La forma en que interpretan la información depende de lo que esté haciendo el resto del cerebro.
Si es domingo de Super Bowl, el sistema visual ve esas zanahorias en una bandeja de verduras antes de que el córtex prefrontal sepa que existen.
El estudio, publicado en Nature Communications, es una de las pruebas más claras de que los primeros sistemas sensoriales intervienen en la toma de decisiones y se adaptan en tiempo real. También apunta a nuevos enfoques para diseñar sistemas de inteligencia artificial capaces de adaptarse a situaciones nuevas o inesperadas.
Rungratsameetaweemana explica la investigación:
¿Qué tiene de interesante este nuevo estudio?
Nuestros hallazgos cuestionan la idea tradicional de que las primeras áreas sensoriales del cerebro se limitan a "mirar" o "registrar" la información visual. De hecho, el sistema visual del cerebro humano modifica activamente la representación de un mismo objeto en función de lo que se intente hacer. Incluso en áreas visuales muy próximas a la información bruta que entra por los ojos, el cerebro tiene la flexibilidad de ajustar su interpretación y sus respuestas en función de la tarea actual. Esto nos da una nueva forma de concebir la flexibilidad del cerebro y abre la posibilidad de construir sistemas de inteligencia artificial más adaptables que sigan el modelo de estas estrategias neuronales.
¿Cómo ha llegado a esta sorprendente conclusión?
La mayoría de los trabajos anteriores analizaban cómo se aprenden las categorías a lo largo del tiempo, pero este estudio se centra en la flexibilidad: ¿Cómo cambia rápidamente el cerebro entre distintas formas de organizar la misma información visual?
¿Cómo fueron sus experimentos?
Utilizamos imágenes por resonancia magnética funcional (IRMf) para observar la actividad cerebral de las personas mientras clasificaban formas en distintas categorías. El giro consistía en que las "reglas" para categorizar las formas cambiaban constantemente. Esto nos permitió determinar si la corteza visual cambiaba su forma de representar las formas en función de cómo hubiéramos definido las categorías.
Analizamos los datos con herramientas informáticas de aprendizaje automático, incluidos clasificadores multivariantes. Estas herramientas nos permiten examinar patrones de activación cerebral en respuesta a diferentes imágenes de formas, y medir la claridad con la que el cerebro distingue las formas en diferentes categorías. Vimos que el cerebro respondía de forma diferente según las categorías en las que nuestros participantes clasificaban las formas.
¿Qué observaron en los datos de estos experimentos?
La actividad del sistema visual -incluidas las cortezas visuales primaria y secundaria, que se ocupan de los datos procedentes directamente de los ojos- cambiaba prácticamente con cada tarea. Reorganizaban su actividad en función de las reglas de decisión que utilizaban las personas, como demostraron los patrones de activación cerebral, que se volvían más distintivos cuando una forma estaba cerca de la zona gris entre categorías. Esas eran las formas más difíciles de distinguir, así que es exactamente cuando el procesamiento adicional sería más útil.
De hecho, pudimos ver patrones neuronales más claros en los datos de IRMf en los casos en que las personas realizaban mejor las tareas. Esto sugiere que el córtex visual puede ayudarnos directamente a resolver tareas de categorización flexibles.
¿Qué implicaciones tienen estos resultados?
La cognición flexible es un rasgo distintivo de la cognición humana, e incluso los sistemas de IA más avanzados siguen teniendo dificultades para realizar tareas flexibles. Nuestros resultados pueden contribuir a diseñar sistemas de IA que se adapten mejor a nuevas situaciones. Los resultados también pueden contribuir a entender cómo la flexibilidad cognitiva puede fallar en enfermedades como el TDAH u otros trastornos cognitivos. También nos recuerdan lo extraordinarios y eficientes que son nuestros cerebros, incluso en las fases más tempranas del procesamiento.
¿Cuál es el futuro de esta línea de investigación?
Estamos impulsando la neurociencia estudiando cómo funciona la codificación flexible a nivel de circuitos neuronales. Con la IRMf estudiábamos grandes poblaciones de neuronas. En un nuevo estudio de seguimiento, estamos investigando los mecanismos de circuito de la codificación flexible registrando la actividad neurológica dentro del cráneo. Esto nos permite preguntarnos cómo las neuronas individuales y los circuitos neuronales del cerebro humano apoyan el comportamiento flexible y dirigido a objetivos.
También estamos empezando a explorar la utilidad de estas ideas para los sistemas artificiales. A los humanos se nos da muy bien adaptarnos a nuevos objetivos, incluso cuando cambian las reglas, pero los sistemas de inteligencia artificial actuales suelen tener problemas con ese tipo de flexibilidad. Esperamos que lo que estamos aprendiendo del cerebro humano pueda ayudarnos a diseñar modelos que se adapten con más fluidez, no sólo a nuevas entradas, sino a nuevos contextos.
Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.
Publicación original
Más noticias del departamento ciencias
