Diagrama sin etiqueta del sistema olfativo que muestra la anatomía del olfato. Crédito: Andrewmeyerson/Wikimedia Commons, CC BY-SA 3.0
Usando el aprendizaje automático, un modelo de computadora puede aprender a oler en solo unos minutos. Cuando lo hace, los investigadores han descubierto que construye una red neuronal que imita de cerca los circuitos olfativos que usan los cerebros de los animales para procesar los olores.
Los animales, desde las moscas de la fruta hasta los humanos, usan esencialmente la misma estrategia para procesar la información olfativa en el cerebro. Pero los neurocientíficos que entrenaron una red neuronal artificial para realizar una tarea simple de clasificación de olores se sorprendieron al ver que replicaba la estrategia de la biología con tanta fidelidad.
«El algoritmo que usamos no se parece al proceso real de evolución». dice Guangyu Robert Yang, investigador asociado del Instituto McGovern para la Investigación del Cerebro del MIT, quien dirigió el trabajo como postdoctorado en la Universidad de Columbia. Las similitudes entre los sistemas artificial y biológico sugieren que la red olfativa del cerebro se adapta de manera óptima a su tarea.
Yang y sus colaboradores, que publicaron sus hallazgos el 6 de octubre en la revista Neuron, dicen que su red artificial ayudar a los investigadores a aprender más sobre los circuitos olfativos del cerebro. El trabajo también ayuda a demostrar la relevancia de las redes neuronales artificiales para la neurociencia. «Al mostrar que podemos hacer coincidir la arquitectura [del sistema biológico] con mucha precisión, creo que da más confianza en que estas redes neuronales pueden continuar siendo herramientas útiles para modelar el cerebro», dice Yang, quien también es profesor asistente en los departamentos de Cerebro y Ciencias Cognitivas e Ingeniería Eléctrica e Informática del MIT.
Mapeo de los circuitos olfativos naturales
Para las moscas de la fruta, el organismo en el que se ha mapeado mejor el circuito olfativo del cerebro, el olfato comienza en las antenas. Las neuronas sensoriales allí, cada una equipada con receptores de olores especializados para detectar olores específicos, transforman la unión de moléculas de olor en actividad eléctrica. Cuando se detecta un olor, estas neuronas, que forman la primera capa de la red olfativa, envían señales a la segunda capa: un conjunto de neuronas que residen en una parte del cerebro llamada lóbulo antenal. En el lóbulo antenal, las neuronas sensoriales que comparten el mismo receptor convergen en la misma neurona de la segunda capa. «Son muy exigentes», dice Yang. «No reciben ningún aporte de las neuronas que expresan otros receptores». Debido a que tiene menos neuronas que la primera capa, esta parte de la red se considera una capa de compresión. Estas neuronas de la segunda capa, a su vez, envían señales a un conjunto más grande de neuronas en la tercera capa. Sorprendentemente, esas conexiones parecen ser aleatorias.
Para Yang, un neurocientífico computacional y estudiante graduado de la Universidad de Columbia, Peter Yiliu Wang, este conocimiento del sistema olfativo de la mosca representó una oportunidad única. Pocas partes del cerebro han sido mapeadas tan exhaustivamente, y eso ha dificultado evaluar qué tan bien ciertos modelos computacionales representan la verdadera arquitectura de los circuitos neuronales, dicen.
Construyendo una red de olores artificiales
Las redes neuronales, en las que las neuronas artificiales se reconfiguran para realizar tareas específicas, son herramientas informáticas inspiradas en el cerebro. Se pueden entrenar para seleccionar patrones dentro de conjuntos de datos complejos, lo que los hace valiosos para el reconocimiento de voz e imágenes y otras formas de inteligencia artificial. Hay indicios de que las redes neuronales que hacen esto replican mejor la actividad del sistema nervioso. Pero, dice Wang, quien ahora es un posdoctorado en la Universidad de Stanford, las redes estructuradas de manera diferente podrían generar resultados similares, y los neurocientíficos aún necesitan saber si las redes neuronales artificiales reflejan la estructura real de los circuitos biológicos. Con datos anatómicos completos sobre los circuitos olfativos de la mosca de la fruta, dice: «Podemos hacer esta pregunta: ¿Se pueden usar realmente las redes neuronales artificiales para estudiar el cerebro?»
En estrecha colaboración con los neurocientíficos de Columbia, Richard Axel y Larry Abbott, Yang y Wang construyeron una red de neuronas artificiales que comprende una capa de entrada, una capa de compresión y una capa de expansión, como el sistema olfativo de la mosca de la fruta. Le dieron la misma cantidad de neuronas que al sistema de la mosca de la fruta, pero sin una estructura inherente: las conexiones entre las neuronas se reconectarían a medida que el modelo aprendiera a clasificar los olores.
Los científicos le pidieron a la red que asignara datos que representaran diferentes olores a categorías, y para categorizar correctamente no solo olores individuales, sino también mezclas de olores. Esto es algo en lo que el sistema olfativo del cerebro es excepcionalmente bueno, dice Yang. Si combinas los aromas de dos manzanas diferentes, explica, el cerebro todavía huele a manzana. Por el contrario, si dos fotografías de gatos se mezclan píxel a píxel, el cerebro ya no ve un gato. Esta capacidad es solo una característica de los circuitos de procesamiento de olores del cerebro, pero captura la esencia del sistema, dice Yang.
La red artificial tardó solo unos minutos en organizarse. La estructura que emergió fue asombrosamente similar a la encontrada en el cerebro de la mosca de la fruta. Cada neurona en la capa de compresión recibió entradas de un tipo particular de neurona de entrada y se conectó, aparentemente al azar, a múltiples neuronas en la capa de expansión. Es más, cada neurona de la capa de expansión recibe conexiones, en promedio, de seis neuronas de la capa de compresión, exactamente como ocurre en el cerebro de la mosca de la fruta.
«Podría haber sido una, podrían haber sido 50. podría haber estado en cualquier punto intermedio», dice Yang. «Biología encuentra seis, y nuestra red también encuentra unas seis». La evolución encontró esta organización a través de mutaciones aleatorias y selección natural; la red artificial lo encontró a través de algoritmos estándar de aprendizaje automático.
La sorprendente convergencia proporciona un fuerte respaldo de que los circuitos cerebrales que interpretan la información olfativa están organizados de manera óptima para su tarea, dice. Ahora, los investigadores pueden usar el modelo para explorar más a fondo esa estructura, explorando cómo evoluciona la red en diferentes condiciones y manipulando los circuitos de maneras que no se pueden hacer experimentalmente.
Explore más
Las neuronas individuales podrían comportarse como redes Más información: Peter Y. Wang et al, Evolving the olfatory system with machine learning, Neuron (2021). DOI: 10.1016/j.neuron.2021.09.010 Información de la revista: Neuron
Proporcionado por el Instituto Tecnológico de Massachusetts
Esta historia se vuelve a publicar por cortesía de MIT News (web.mit.edu/ newsoffice/), un sitio popular que cubre noticias sobre investigación, innovación y enseñanza del MIT.
Cita: Las redes artificiales aprenden a oler como el cerebro (19 de octubre de 2021) recuperado el 29 de agosto de 2022 de https://medicalxpress.com/news/2021-10-artificial-networks- brain.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.