Modelos computacionales basados en neuronas artificiales sugieren que, cuando tiene que lidiar con la incertidumbre, el cerebro "funciona como una poderosa máquina probabilística".

Así lo aseguró Rodrigo Echeveste, investigador del Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional o 'sinc(i)', en la Ciudad de Santa Fe, y primer autor de un estudio firmado con colegas de la Universidad de Cambridge en Nature Neuroscience, la revista más prestigiosa en esa especialidad.

En la investigación, los científicos entrenaron neuronas artificiales de modo tal que alcanzaran a comportarse de una forma muy similar a las neuronas de la corteza visual, que se especializa en procesar y dar sentido a lo que vemos. Y exploraron con ese método el funcionamiento de esa región del cerebro frente a la incertidumbre.

Los resultados apoyan la teoría de que, en contextos inciertos, el cerebro es capaz de realizar complejos cálculos probabilísticos, señaló Echeveste, ahora investigador del CONICET en el sinc(i) que depende de la Universidad Nacional del Litoral (UNL).

El nuevo estudio fue codirigido por el biólogo húngaro Máté Lengyel y el ingeniero francés Guillaume Hennequin, del Laboratorio de Aprendizaje Biológico y Computacional de la Universidad de Cambridge, en el Reino Unido. Y también lo firmó Laurence Aitchison, del mismo laboratorio.


Según explicó Echeveste, en nuestro día a día los seres humanos necesitamos comprender lo que sucede a nuestro alrededor mediante la información que nos proveen nuestros sentidos, la cual es siempre limitada, parcial, e incompleta. La pregunta que se hicieron los investigadores fue: ¿Cómo hace nuestro cerebro para operar con eficacia en el mundo a pesar de esa incertidumbre?

La estadística, dijo Echeveste, da una respuesta sobre lo que el cerebro debería hacer para reducir lo más posible los errores cometidos. "La receta consiste en utilizar probabilidades para representar aquello que observamos en un momento dado, para representar lo que sabemos de antemano y combinar ambas probabilidades de un modo particular (la regla de Bayes)", explicó.

Para comprobar si el cerebro es capaz de hacer esas cuentas, los investigadores recurrieron a las llamadas redes neuronales artificiales, que son simulaciones en computadora que imitan de un modo aproximado las operaciones que realizan nuestras neuronas. Y las entrenaron para calcular probabilidades.

En particular, los científicos identificaron en su modelo un tipo de oscilaciones cerebrales, llamadas gamma, que se modifican de un modo similar a la forma en que lo hacen en el cerebro según cambia lo que observamos. "Hasta ahora no se había mostrado una conexión tan directa entre este objetivo computacional del cerebro (hacer inferencia probabilística sobre lo que observamos) y un gran número de resultados experimentales que se observan en la dinámica de la actividad neuronal", indicó Echeveste quien participó de la investigación durante su posdoctorado en la Universidad de Cambridge.

Para el científico rosarino, los resultados del trabajo pueden tener consecuencias importantes en la forma en la que se entienden aspectos perceptuales de varios trastornos del desarrollo, como el trastorno del espectro autista (TEA).

"Algunos grupos han postulado que las diferencias observadas en la percepción sensorial de personas con TEA podrían deberse justamente a la forma en la que combinan las probabilidades sobre lo que observan con aquellas que representan sus experiencias o conocimientos previos", puntualizó Echeveste.

En esa línea, Echeveste, Diego Milone y Enzo Ferrante, también del sinc(i), e Inés Samengo, del Instituto Balseiro y del Departamento de Física Médica del Centro Atómico Bariloche, están trabajando ahora en los primeros pasos para el diseño de una herramienta automatizada, basada en neuroimágenes, para asistir al diagnóstico de TEA.


Agencia CyTA-Leloir