En la serie de im\u00e1genes de la derecha, un modelo computacional vinculado a las neuronas visuales en el cerebro del macaco revela gradualmente una imagen de un ojo similar al de la foto del macaco a la izquierda. La imagen del ojo que sintetiza el modelo representa la informaci\u00f3n codificada por las neuronas visuales. Cr\u00e9dito: Carlos Ponce <\/p>\n
Para la mayor\u00eda de nosotros, la visi\u00f3n es una parte importante de c\u00f3mo percibimos el mundo, ya que proporciona un flujo constante de informaci\u00f3n sobre los objetos que nos rodean. Sin embargo, hay mucho que los cient\u00edficos a\u00fan no saben acerca de c\u00f3mo nuestros cerebros recopilan e integran esta informaci\u00f3n en las im\u00e1genes cohesivas que vemos. <\/p>\n
Carlos Ponce, quien recientemente se convirti\u00f3 en profesor asistente de neurobiolog\u00eda en el Instituto Blavatnik de la Escuela de Medicina de Harvard, es uno de los que est\u00e1n cautivados por estas preguntas sobre el sistema visual. Est\u00e1 motivado por la idea de que si los investigadores pueden entender c\u00f3mo funciona el sistema visual en el cerebro, pueden usar esta informaci\u00f3n para construir mejores modelos computacionales.<\/p>\n
\u00abImagine un modelo computacional que pueda ver y razonar tan bien como un ser humano lo hace, pero m\u00e1s r\u00e1pido y las 24 horas del d\u00eda\u00bb, dijo Ponce.<\/p>\n
Tales modelos podr\u00edan impulsar sistemas visuales artificiales con innumerables aplicaciones, desde im\u00e1genes m\u00e9dicas hasta conducci\u00f3n y seguridad.<\/p>\n
Ponce habl\u00f3 con Harvard Medicine News sobre su investigaci\u00f3n, que combina modelos computacionales con experimentos de electrofisiolog\u00eda para explorar los fundamentos del sistema visual.<\/p>\n
HM News: \u00bfC\u00f3mo se interes\u00f3 en la neurociencia visual? <\/p>\n
Ponce: Crec\u00ed en una granja y siempre me gustaron los animales, as\u00ed que sab\u00eda que la biolog\u00eda iba a ser mi camino. Mi inter\u00e9s en la neurociencia visual se inspir\u00f3 en el trabajo de neurocient\u00edficos que se enfocan en la divulgaci\u00f3n y hacen que su investigaci\u00f3n sea accesible para personas no expertas.<\/p>\n
Espec\u00edficamente, durante la universidad, le\u00ed este incre\u00edble art\u00edculo en Scientific American sobre c\u00f3mo funciona el sistema visual. No es un sistema coherente y totalmente conectado que coincida con nuestra percepci\u00f3n, sino que est\u00e1 separado en subredes que se especializan en tareas como el reconocimiento de formas o el seguimiento de movimientos. Me fascin\u00f3 la idea de que mi percepci\u00f3n, que se unifica en esta hermosa pel\u00edcula de visi\u00f3n, est\u00e1 siendo deconstruida por una parte de mi cerebro a la que no puedo acceder conscientemente y es producto de estos demonios computacionales m\u00e1s peque\u00f1os que est\u00e1n haciendo su trabajo. procesamiento propio. Me hizo pensar en m\u00ed mismo no solo como una esencia unificada sino como un proceso computacional. Fue asombroso para m\u00ed. Pens\u00e9 que si no trabajaba a tiempo completo para entender c\u00f3mo funcionaba el cerebro, siempre me preguntar\u00eda.<\/p>\n
HM News: \u00bfC\u00f3mo est\u00e1s estudiando el sistema visual en el cerebro?<\/p>\n
Ponce: Estudio las partes del sistema visual que se ocupan del an\u00e1lisis de las formas, as\u00ed que todas las operaciones que nos permiten reconocer una cara versus un sombrero, por ejemplo. Estas partes del cerebro se denominan v\u00edas ventrales y comprenden neuronas conocidas por responder a im\u00e1genes complejas como fotograf\u00edas. Utilizo monos macacos como modelo, porque de todos los animales de experimentaci\u00f3n tienen el cerebro m\u00e1s parecido al de los humanos.<\/p>\n
Si tienes un humano o un mono, mira una pantalla y presenta im\u00e1genes, algunas de las im\u00e1genes har\u00e1n que las neuronas se disparen mucho m\u00e1s y, a menudo, esas im\u00e1genes son cosas que podemos interpretar, como caras o lugares. Las respuestas de estas neuronas se aproximan a nuestra percepci\u00f3n, pero no siempre coinciden exactamente. Es m\u00e1s complicado que eso.<\/p>\n
HM News: \u00bfQu\u00e9 aporta la computaci\u00f3n a este esfuerzo?<\/p>\n
Ponce: Si queremos entender qu\u00e9 hacen estas neuronas, podemos revisar las im\u00e1genes y encontrar los que m\u00e1s fuertemente los activan. En el enfoque cl\u00e1sico, los cient\u00edficos le muestran a un mono im\u00e1genes de formas muy simples y ven c\u00f3mo responden sus neuronas. Las im\u00e1genes representan una hip\u00f3tesis, y la respuesta neuronal es una evaluaci\u00f3n de eso. Este enfoque es parte integral de la neurociencia visual y nos ha brindado una gran comprensi\u00f3n del cerebro, pero est\u00e1 limitado por nuestra propia imaginaci\u00f3n, corazonadas y sesgos. A veces no sabemos lo que no sabemos. Adem\u00e1s, este enfoque no nos permite predecir c\u00f3mo responder\u00e1n las neuronas a im\u00e1genes aleatorias del mundo. Si queremos construir un sistema visual en una computadora que sea tan bueno como el que est\u00e1 en nuestro cerebro, necesita actuar en todo tipo de im\u00e1genes.<\/p>\n
En los \u00faltimos cinco a\u00f1os m\u00e1s o menos, el aprendizaje autom\u00e1tico La comunidad ha desarrollado modelos computacionales que pueden aprender de millones de im\u00e1genes del mundo. Los modelos aprenden motivos y formas que no solo pueden usarse para reconstruir im\u00e1genes existentes, sino que tambi\u00e9n pueden usarse para crear im\u00e1genes completamente nuevas. Usamos estos asombrosos modelos computacionales en nuestros estudios con macacos.<\/p>\n
Nuestro enfoque es emocionante porque en su mayor\u00eda nos mantenemos alejados y dejamos que la cooperaci\u00f3n entre las neuronas y la inteligencia artificial produzca resultados que no esper\u00e1bamos. Cada vez que estudiamos una neurona en alg\u00fan lugar del cerebro, esa neurona nos transmite su informaci\u00f3n directamente a trav\u00e9s del aprendizaje autom\u00e1tico. Ya no estamos limitados por nuestra propia imaginaci\u00f3n y nuestro propio lenguaje al tratar de comprender el sistema visual. Ahora nos dice las caracter\u00edsticas importantes del mundo a las que debemos prestar atenci\u00f3n.<\/p>\n
HM News: En su art\u00edculo de Cell de 2019, descubri\u00f3 c\u00f3mo integrar este tipo de modelos computacionales en su investigaci\u00f3n. \u00bfQu\u00e9 revelaste sobre el sistema visual?<\/p>\n
Ponce: Cuando era un posdoctorado en HMS trabajando con Margaret Livingstone, vinculamos los modelos a las neuronas en el sistema visual del macaco para que pudi\u00e9ramos ver im\u00e1genes creadas desde cero. que hacen que las neuronas respondan cada vez m\u00e1s.<\/p>\n
La primera vez que probamos esto, grabamos a partir de un conjunto de neuronas en una parte del cerebro del macaco que responde a las caras. Efectivamente, a partir del ruido, una imagen comenz\u00f3 a crecer en el modelo computacional que parec\u00eda una caracter\u00edstica de una cara. No una cara completa, solo un ojo y una curva circundante. La neurona se estaba volviendo loca disparando, esencialmente diciendo, wow, esta es una combinaci\u00f3n perfecta para lo que estoy codificando. Nuestro descubrimiento fue que se pueden acoplar modelos computacionales a neuronas en el cerebro del macaco que son visualmente sensibles, y hacer que las neuronas gu\u00eden al modelo para crear im\u00e1genes que las activen mejor.<\/p>\n
Sin embargo, nos desconcertaron algunos de las im\u00e1genes que se crearon. Algunos ten\u00edan mucho sentido, como partes de caras o cuerpos, pero otros no se parec\u00edan a ning\u00fan objeto. En lugar de eso, eran patrones que traspasaban categor\u00edas sem\u00e1nticas: a veces ocurren en rostros y otras veces en cuerpos o escenas aleatorias. Nos dimos cuenta de que las neuronas en el cerebro de los macacos est\u00e1n aprendiendo motivos espec\u00edficos que no necesariamente se ajustan a nuestro lenguaje. Las neuronas tienen un lenguaje propio que se trata de describir las estad\u00edsticas del mundo natural.<\/p>\n
HM News: Recientemente public\u00f3 una secuela de esta investigaci\u00f3n en Nature Communications. \u00bfC\u00f3mo se bas\u00f3 en su trabajo anterior?<\/p>\n
Ponce: En nuestro nuevo art\u00edculo en Nature Communications, aplicamos este m\u00e9todo computacional a diferentes partes del cerebro del macaco relacionadas con el reconocimiento visual de formas. Esto inclu\u00eda neuronas en las partes posteriores del cerebro que responden a objetos muy simples y neuronas en las partes anteriores que responden a objetos m\u00e1s complejos. Pudimos cuantificar la complejidad de la informaci\u00f3n que codifican estas neuronas y encontramos que tiene un nivel intermedio de densidad; no es tan simple como una imagen de l\u00ednea ni tan complejo como una fotograf\u00eda. <\/p>\n
Luego nos preguntamos de d\u00f3nde vienen las im\u00e1genes. Sabemos que los macacos, como todas las criaturas sociales, incluidos los humanos, miran muchas caras. Result\u00f3 que muchos de los fragmentos de informaci\u00f3n que recopilamos de las neuronas ten\u00edan caracter\u00edsticas similares a las de las caras. Pensamos que tal vez la informaci\u00f3n en el cerebro de los monos est\u00e1 relacionada con el lugar al que miran, y aprenden patrones importantes del mundo visual a trav\u00e9s de la experiencia. Hicimos experimentos en los que dejamos que los macacos miraran miles de im\u00e1genes y comparamos las partes de las im\u00e1genes que llamaron su atenci\u00f3n con la informaci\u00f3n sobre formas sint\u00e9ticas que obtuvimos directamente de sus cerebros. Efectivamente, los macacos tend\u00edan a mirar partes de las im\u00e1genes que eran similares a las caracter\u00edsticas codificadas por sus neuronas. Eso nos da una pista de que durante el desarrollo, el cerebro extrae patrones importantes del mundo y almacena esos patrones en las neuronas.<\/p>\n
HM News: \u00bfQu\u00e9 quieres hacer ahora?<\/p>\n
Ponce : Hay tantas preguntas que todav\u00eda queremos responder. Ahora sabemos que podemos identificar caracter\u00edsticas en el mundo que activan neuronas individuales. Sin embargo, el cerebro no trabaja una neurona a la vez. Funciona con conjuntos de neuronas que responden todas a la informaci\u00f3n visual al mismo tiempo. Queremos ampliar nuestro enfoque para caracterizar poblaciones completas de neuronas. Queremos saber si alguien nos da un patr\u00f3n de actividad para las neuronas, podemos averiguar qu\u00e9 caracter\u00edsticas del mundo visual representa. Estamos explorando si podemos usar nuestro m\u00e9todo para reconstruir im\u00e1genes que ha visto el macaco.<\/p>\n
Otro punto importante es que el cerebro organiza las neuronas en funci\u00f3n de su funci\u00f3n. Por ejemplo, las neuronas que responden a rostros tienden a agruparse y est\u00e1n m\u00e1s alejadas de las neuronas que responden a escenas y lugares naturales. Entonces, \u00bfc\u00f3mo decide el cerebro d\u00f3nde colocar las neuronas? Todav\u00eda no tenemos ese mapa, pero creo que nuestro enfoque ser\u00e1 muy bueno para tratar de identificar la topograf\u00eda.<\/p>\n
En \u00faltima instancia, estamos tratando de caracterizar los patrones que aprende el cerebro e identificar las redes neuronales. que contienen esta informaci\u00f3n. Una vez que hagamos esto, deber\u00edamos poder desarrollar modelos computacionales que codifiquen la misma informaci\u00f3n y puedan usarse para mejorar los sistemas visuales artificiales.<\/p>\n
Estoy particularmente intrigado por las posibles aplicaciones cl\u00ednicas. Durante mi formaci\u00f3n m\u00e9dica vi sistemas automatizados analizando muestras de tejido cervical y me di cuenta de que tendr\u00eda mucho sentido tener un sistema visual artificial que pueda asegurar que el pat\u00f3logo no se pierda nada. Con suerte, se podr\u00edan usar mejores sistemas visuales artificiales en entornos cl\u00ednicos para mejorar la detecci\u00f3n y salvar vidas.<\/p>\n
HM News: Inicialmente se inspir\u00f3 en los cient\u00edficos que hacen divulgaci\u00f3n. \u00bfEst\u00e1 incorporando la divulgaci\u00f3n en su nueva posici\u00f3n?<\/p>\n
Ponce: Absolutamente. Espero replicar mi propia introducci\u00f3n a la ciencia. Cuando emigr\u00e9 a los Estados Unidos desde M\u00e9xico, entend\u00eda muy poco sobre la academia. Durante la escuela secundaria alguien me dijo que pod\u00edas conseguir un trabajo como t\u00e9cnico de laboratorio, y un verano lo hice. Fue una revelaci\u00f3n incre\u00edble para m\u00ed de c\u00f3mo podr\u00eda ser la ciencia.<\/p>\n
A partir del verano de 2022, como parte del Proyecto \u00c9xito en la Oficina para la Inclusi\u00f3n de la Diversidad y la Asociaci\u00f3n Comunitaria en HMS, planeo recibir a estudiantes de secundaria de todo Boston para venir a trabajar en mi laboratorio y ver c\u00f3mo es la vida de investigaci\u00f3n. Participo activamente en asegurarme de que continuemos ese programa para que podamos atraer a m\u00e1s estudiantes de diferentes or\u00edgenes para que experimenten la ciencia. Eventualmente, podemos intentar ampliarlo, pero creo que vale la pena tener un nuevo lote de estudiantes de secundaria cada a\u00f1o que aprendan que la ciencia es excelente y que deber\u00edan considerarla como una carrera. <\/p>\n
Explore m\u00e1s<\/p>\n
\u00bfC\u00f3mo puede el cerebro percibir objetos familiares cuando se vuelven indistintos? M\u00e1s informaci\u00f3n:<\/strong> Olivia Rose et al, Los prototipos visuales en la corriente ventral est\u00e1n en sinton\u00eda con la complejidad y el comportamiento de la mirada, Nature Comunicaciones (2021). DOI: 10.1038\/s41467-021-27027-8 Informaci\u00f3n de la revista:<\/strong> Nature Communications <\/p>\n Proporcionado por Harvard Medical School Cita<\/strong>: Comprender el sistema visual del cerebro podr\u00eda ayudar al desarrollo of better artificial systems (8 de diciembre de 2021) recuperado el 29 de agosto de 2022 de https:\/\/medicalxpress.com\/news\/2021-12-brain-visual-artificial.html Este documento est\u00e1 sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigaci\u00f3n privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona \u00fanicamente con fines informativos.<\/p>\n","protected":false},"excerpt":{"rendered":" En la serie de im\u00e1genes de la derecha, un modelo computacional vinculado a las neuronas visuales en el cerebro del macaco revela gradualmente una imagen de un ojo similar al de la foto del macaco a la izquierda. La imagen del ojo que sintetiza el modelo representa la informaci\u00f3n codificada por las neuronas visuales. Cr\u00e9dito: … Continuar leyendo \u00abComprender el sistema visual del cerebro podr\u00eda informar el desarrollo de mejores sistemas artificiales\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-4987","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/4987","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/comments?post=4987"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/4987\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=4987"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=4987"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=4987"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}