De acuerdo a una reciente investigación, mostrarles a macacos imágenes generadas por una red neuronal artificial (ANN, por sus siglas en inglés), permite controlar la actividad de neuronas específicas dentro de los sistemas visuales de los cerebros de estos animales.

Los resultados demuestran cómo los neurocientíficos podrían utilizar algún día las redes neuronales artificiales para diseñar experimentos novedosos orientados a estudiar el cerebro en condiciones de respuesta específicas, un contexto que antes no era posible en los cerebros de los organismos vivos.

MIT crea algoritmo que aumenta la velocidad de entrenamiento de redes neuronales

Respuestas neuronales

Las redes neuronales artificiales, las cuales subyacen en muchas aplicaciones de visión artificial, son actualmente los modelos computacionales más precisos de la visión de primates. Esto es particularmente cierto para el flujo visual ventral, una serie de procesos neuronales de fracción de segundo que ocurren entre lo que el ojo observa y lo que percibe el cerebro.

Los experimentos mostraron que el enfoque fue capaz de predecir selectivamente y controlar de forma independiente las poblaciones de neuronas.

Si bien investigaciones anteriores han sugerido que las respuestas neuronales evocadas visualmente predichas por las ANN son bastante similares a las observadas en cerebros vivos, la precisión de la “comprensión” del flujo ventral de estos modelos no es bien conocida. En general, se cree que aún carecen de la confiabilidad y el rendimiento de los cerebros de los primates en las tareas de visión.

Para poner a prueba los modelos computacionales de visión actuales, un equipo de investigadores utilizó una ANN para controlar la actividad de las neuronas dentro de los cerebros de los macacos.

Utilizando uno de los modelos de ANN líderes del flujo ventral, el equipo generó una serie de imágenes de patrones abstractos en color negro y gris, y predijo qué poblaciones específicas de neuronas se activarían dentro del cerebro del primate, cuando estas ilustraciones fueran vistas.

Consecuentemente, los investigadores mostraron las imágenes a tres macacos rhesus equipados con microelectrodos que permitieron monitorear sus respuestas neurales.

Control sin precedentes

Tal como los investigadores esperaban, el enfoque basado en ANN fue capaz de predecir selectivamente y controlar de forma independiente las poblaciones de neuronas. Esto representa una capacidad para controlar las neuronas con una precisión sin precedentes.

Utilizando uno de los modelos de ANN líderes, el equipo generó una serie de imágenes de patrones abstractos en color negro y gris.

En 40 de los 59 sitios neuronales analizados, las imágenes generadas por la ANN provocaron una mayor actividad neuronal que cualquier imagen de un objeto del mundo real, como un oso, un automóvil o una cara. Las imágenes hicieron que las neuronas dispararan un 39 por ciento más que su respuesta máxima a las imágenes del mundo real.

Google Assistant suena justo como John Legend gracias a la inteligencia artificial

Los autores de la investigación manifiestan que en el futuro, modelos de ANN cada vez más precisos podrían producir un control aún más preciso de la actividad neuronal.

Estas imágenes también podrían conducir a nuevas estrategias para tratar problemas de salud mental, como el trastorno de estrés postraumático, la ansiedad o, como expresa Pouya Bashiva, coautor del estudio, “cualquier cosa que tenga que ver con el estado de ánimo”.

Referencia: Neural population control via deep image synthesis. Science, 2019. https://doi.org/10.1126/science.aav9436

Más en TekCrispy