Un equipo del Instituto de Óptica del CSIC, en colaboración con el CNRS, ha desarrollado un nuevo modelo matemático que explica el funcionamiento de las neuronas en la corteza visual del cerebro. Este avance, publicado en el Journal of Neuroscience, permite diseñar redes neuronales artificiales más efectivas que imiten mejor los procesos cerebrales. A diferencia del modelo clásico de 1959, este nuevo enfoque incluye aspectos complejos como el papel de las dendritas en la transmisión de información. Los investigadores buscan extender este modelo para aplicarlo en neurociencia y visión por computadora, mejorando así la estabilidad y precisión de las redes neuronales en inteligencia artificial y aprendizaje automático.
Un equipo de investigadores del Instituto de Óptica del Consejo Superior de Investigaciones Científicas (IO-CSIC), junto a científicos del Centre National de la Recherche Scientifique (CNRS), ha desarrollado un innovador modelo matemático que ofrece una nueva perspectiva sobre el funcionamiento de las neuronas en la corteza visual. Esta región, situada en la parte posterior del cerebro, es fundamental para el procesamiento de la información visual proveniente de los ojos. Los hallazgos han sido publicados en la prestigiosa revista Journal of Neuroscience, y podrían revolucionar el diseño de redes neuronales artificiales que imiten con mayor precisión el comportamiento del cerebro humano.
Marcelo Bertalmío, uno de los autores del estudio, destaca que “nuestro modelo proporciona una mejor comprensión de los procesos neuronales, ya que es capaz de explicar una serie de resultados experimentales para los que los enfoques tradicionales no son satisfactorios”. Este comentario se refiere al modelo clásico propuesto en 1959 por Hubel y Wiesel, que describe la organización jerárquica del procesamiento visual. Sin embargo, este enfoque no logra aclarar aspectos cruciales como el papel de las dendritas, estructuras que actúan como receptores de impulsos nerviosos y son esenciales para la transmisión efectiva de información.
Los investigadores han realizado abstracciones matemáticas sobre ciertos procesos internos a las neuronas que hasta ahora habían sido omitidos en el modelo tradicional debido a su complejidad. Bertalmío señala que “también se pensaba que no sería necesario incluirlos, ya que se creía que el modelo clásico podía explicar cualquier fenómeno relacionado”.
La importancia de este avance radica en su potencial para diseñar redes neuronales artificiales más precisas, capaces de replicar propiedades cerebrales fundamentales como la estabilidad ante perturbaciones externas. Las redes neuronales artificiales (RNA) son modelos computacionales inspirados en la organización jerárquica y el mecanismo sináptico de las neuronas biológicas. Estas redes permiten a los programas reconocer patrones y abordar problemas comunes dentro del ámbito de la inteligencia artificial, así como sus aplicaciones en técnicas de machine learning y deep learning.
El equipo está trabajando actualmente para extender el modelo con el fin de considerar variaciones temporales y validarlo con resultados experimentales provenientes tanto de neurociencia como de percepción visual. Además, buscan explorar su aplicación en áreas relacionadas con la visión por computadora.
CSIC Comunicación
Un equipo del Instituto de Óptica del CSIC, en colaboración con el CNRS, ha creado un modelo matemático que explica cómo funcionan las neuronas de la corteza visual del cerebro.
El modelo proporciona una mejor comprensión de los procesos neuronales y permite diseñar redes neuronales artificiales que emulen mejor el funcionamiento del cerebro.
El modelo clásico no logra explicar ciertos fenómenos, como el papel exacto de las dendritas en la transmisión de información, lo que limita su aplicabilidad a resultados experimentales recientes.
Las redes neuronales artificiales podrán ser más precisas y replicar propiedades cerebrales importantes, como la estabilidad frente a perturbaciones.
Los investigadores trabajan en extender el modelo para consideraciones temporales y validarlo en neurociencia y percepción visual, así como en aplicaciones de visión por computadora.