MADRID, 19 Feb. (EDIZIONES) -
Un equipo de investigadores del Instituto Médico Howard Hughes (Estados Unidos), ha descubierto en una investigación cómo el cerebro construye mapas mentales del mundo; en concreto, se descubrió que, a medida que un animal aprende a recolectar recompensas de dos pistas lineales sutilmente diferentes (como los distintos pisos de un hotel), las neuronas del hipocampo comienzan a responder de maneras dispares.
Con el tiempo, el cerebro produce representaciones completamente distintas de estas pistas visualmente similares que incluyen información que permite al animal diferenciar entre las dos opciones, según publica en 'Nature', el equipo dirigido por el Laboratorio Spruston.
Cabe contextualizar que nuestro cerebro construye mapas del entorno que nos ayudan a comprender el mundo que nos rodea, permitiéndonos pensar, recordar y planificar. Estos mapas no sólo nos ayudan a, por ejemplo, encontrar nuestra habitación en el piso correcto de un hotel, sino que también nos ayudan a saber si bajamos del ascensor en el piso equivocado. Los neurocientíficos saben mucho sobre la actividad de las neuronas que forman estos mapas (por ejemplo, qué células se activan cuando estamos en un lugar determinado), pero hasta ahora era un misterio cómo crea el cerebro estos mapas a medida que aprendemos.
En este nuevo trabajo, al rastrear la actividad de miles de neuronas durante días y semanas mientras un animal aprende, los investigadores han detallado sistemáticamente, paso a paso, cómo se forman estos mapas cognitivos en el hipocampo del cerebro, una región responsable del aprendizaje y la memoria.
Los investigadores también identificaron el tipo de modelo matemático que mejor reproduce este proceso de aprendizaje, arrojando luz sobre los cálculos que el cerebro podría estar utilizando para crear estos mapas mentales y proporcionando información sobre la memoria y la inteligencia.
Comprender cómo el cerebro implementa estos cálculos podría ayudar a los investigadores a desarrollar mejores tratamientos para trastornos de la memoria como el Alzheimer y crear sistemas de inteligencia artificial que razonen más como los cerebros biológicos.
"La neurociencia y la inteligencia artificial pueden aprender mucho la una de la otra", afirma Johan Winnubst, científico principal de neuroanatomía, que codirigió la investigación como científico investigador en el laboratorio Spruston. "Lo que los modelos de lenguaje a gran escala son capaces de hacer es muy impresionante, pero también fallan de muchas maneras muy obvias y algunas de ellas tienen que ver con el razonamiento y la planificación a largo plazo. Así que tal vez puedas introducir algunas de las lecciones que hemos aprendido del hipocampo en estos modelos".
Para ver cómo se forman estos mapas cognitivos, los investigadores utilizaron un microscopio de alta resolución diseñado por Janelia con un amplio campo de visión para obtener imágenes de la actividad neuronal en miles de neuronas en el hipocampo de un ratón que estaba aprendiendo a navegar por dos corredores virtuales diferentes: uno con una recompensa en una ubicación cercana y otro con una recompensa en una ubicación lejana.
A medida que el animal empezó a aprender, su actividad neuronal empezó a reflejar sus cambios de comportamiento. Al comienzo del aprendizaje, la actividad de las neuronas individuales era en su mayoría similar en los dos corredores, formando una pista lineal con solo ligeras diferencias que representaban las diferentes señales y lugares de recompensa.
Sin embargo, a medida que el aprendizaje del animal avanzaba, la actividad neuronal que representaba los diferentes corredores comenzó a diferenciarse más. Si bien las ubicaciones de recompensa cercanas y lejanas siempre se representaban de manera diferente entre sí, ahora estas ubicaciones de recompensa se trataban de manera diferente según el corredor en el que se encontraba el ratón: la ubicación cercana en el corredor cercano se representaba de manera diferente que la ubicación cercana en el corredor lejano, a pesar de que eran visualmente idénticas.
Al final del aprendizaje, la actividad de estas neuronas era completamente diferente, con mapas distintos que codificaban información oculta que permitía al animal distinguir entre los dos corredores. Los investigadores descubrieron que hay células específicas -las llaman "células de estado"- que extraen información oculta del entorno para permitir esta diferenciación. Por último, los investigadores analizaron qué cálculos podrían estar realizándose en el cerebro para permitir la formación del mapa que observaron.
El equipo descubrió que el cerebro construye estos mapas como una máquina de estados, un sistema que descubre situaciones reales infiriendo estados ocultos más allá de lo que es inmediatamente visible. Entre los diversos modelos computacionales probados, solo un tipo, llamado gráfico causal estructurado por clones, pudo reproducir con precisión este proceso de aprendizaje.
Los investigadores, que también crearon una herramienta de visualización en línea para que los científicos de todo el mundo puedan explorar los datos, dicen que poder conectar estas piezas (desde el comportamiento hasta las células individuales, los grupos de neuronas y los algoritmos) es un paso fundamental para comprender verdaderamente cómo funcionan el cerebro y la inteligencia.
