MADRID, 21 Abr. (EUROPA PRESS) -
Cada vez que recibimos retroalimentación, el cerebro trabaja duro actualizando su conocimiento y comportamiento en respuesta a los cambios en el ambiente; pero si hay incertidumbre o volatilidad en el medio ambiente, todo el proceso debe ajustarse. Un estudio dirigido por 'Dartmouth College', en Hanover, Nuevo Hampshire, Estados Unidos, revela que no hay una sola tasa de aprendizaje para todo lo que hacemos, ya que el cerebro puede auto-ajustarse sus tasas de aprendizaje utilizando un mecanismo sináptico llamado metaplasticidad.
Los resultados, publicados en 'Neuron', refutan la teoría de que el cerebro siempre se comporta de manera óptima. Se ha pensado durante mucho tiempo que la forma en que el cerebro ajusta el aprendizaje es impulsada por el sistema de recompensas del cerebro y su objetivo de optimizar las recompensas obtenidas del medio ambiente o por un sistema más cognitivo responsable de aprender la estructura del medio ambiente.
Las sinapsis son las conexiones entre las neuronas en el cerebro y son responsables de transferir la información de una neurona a la siguiente. Cuando se trata de elegir en evaluaciones de potenciales recompensas, el valor aprendido de una opción particular, que refleja cuánto te gusta algo, se almacena en ciertas sinapsis. Si obtienes retroalimentación positiva después de elegir una opción en particular, el cerebro aumenta el valor de esa opción haciendo que las sinapsis asociadas sean más fuertes. En contraste, si la retroalimentación es negativa, esas sinapsis se debilitan.
Sin embargo, las sinapsis, también pueden sufrir modificaciones sin cambiar la forma en que transmiten la información mediante un proceso llamado metaplasticidad. Estudios anteriores han sugerido que el cerebro se basa en un sistema dedicado a controlar la incertidumbre en el entorno para ajustar su tasa de aprendizaje, pero los autores de este estudio encontraron que la metaplasticidad sola es suficiente para afinar el aprendizaje de acuerdo a la incertidumbre sobre la recompensa en un entorno dado.
"Uno de los problemas más complejos en el aprendizaje es cómo adaptarse a la incertidumbre y los cambios rápidos que tienen lugar en el medio ambiente. Es muy emocionante encontrar que las sinapsis, los elementos computacionales más simples en el cerebro, pueden proporcionar una solución robusta para estos desafíos ", dice Alireza Soltani, profesor asistente de Ciencias Psicológicas y del Cerebro en Dartmouth. "Por supuesto, estos elementos simples no pueden proporcionar una solución óptima, pero encontramos que un modelo basado en la metaplasticidad puede explicar mejor los comportamientos reales que los modelos basados en loa óptimo", agrega.
EN LAS ADICCIONES, LAS SINPASIS NO SE ADAPTAN A LA FLEXIBILIDAD
Para entender los mecanismos neuronales para ajustar el aprendizaje, más específicamente, cómo el aprendizaje y la elección se ven afectados por la incertidumbre de la recompensa y la volatilidad en un entorno, los investigadores crearon un modelo basado en la metaplasticidad. Lo probaron contra un conjunto de datos de comportamiento de un estudio reciente de la Universidad de Yale, Estados Unidos, realizado en primates no humanos en el que las probabilidades de obtener una recompensa se cambiaron para crear ambientes con diferentes niveles de volatilidad.
Cuando las cosas cambian con frecuencia, se requiere una gran tasa de aprendizaje, pero esto reduce la precisión, mientras que un entorno estable requiere una pequeña tasa de aprendizaje, lo que mejora la precisión. La investigación ilustra cómo la metaplasticidad puede mitigar el equilibrio entre adaptabilidad y precisión en el aprendizaje.
El modelo de metaplasticidad también demuestra cómo la tasa de aprendizaje podría ser diferente para cada elección u opción. Si una opción particular continúa dando recompensa por un tiempo, la tasa de aprendizaje sobre esa opción se hace más grande para recompensar los resultados y menor para los resultados no gratificantes. Es decir, si el entorno no cambia, las sinapsis necesarias para cambiar las preferencias se vuelven menos sensibles a la retroalimentación en la dirección opuesta. Además, el modelo también predice qué diferentes opciones o acciones podrían mantener sus propias tasas de aprendizaje.
Este estudio demuestra que el aprendizaje puede ajustarse a sí mismo y no requiere una optimización explícita o un conocimiento completo del entorno y los autores ven posibles implicaciones prácticas de sus hallazgos. La incapacidad del cerebro para modificar su comportamiento puede atribuirse a la disminución de la plasticidad debido a la metaplasticidad, que puede ocurrir en un entorno altamente estable. Para las anomalías de comportamiento como la adicción, en las que las sinapsis podrían no adaptarse a la flexibilidad, puede ser necesaria una retroalimentación más cuidadosamente diseñada para volver a plastificar el sistema, ilustrando cómo la metaplasticidad puede tener mayor relevancia.
