Un equipo del Instituto de Óptica del CSIC y el CNRS ha desarrollado un nuevo modelo matemático que explica el funcionamiento de las neuronas en la corteza visual del cerebro, lo que permite avanzar en el diseño de redes neuronales artificiales más precisas. Este modelo supera limitaciones del enfoque clásico de 1959, proporcionando una mejor comprensión de procesos neuronales complejos, especialmente el papel de las dendritas en la transmisión de información. Los resultados, publicados en el Journal of Neuroscience, abren nuevas posibilidades para aplicaciones en inteligencia artificial y visión por computadora. Los investigadores planean extender este modelo para incluir variaciones temporales y validarlo con experimentos en neurociencia.
Un equipo de investigadores del Instituto de Óptica del Consejo Superior de Investigaciones Científicas (IO-CSIC), en colaboración con científicos del Centre National de la Recherche Scientifique (CNRS), ha desarrollado un innovador modelo matemático que desentraña el funcionamiento de las neuronas en la corteza visual, una región crucial situada en la parte posterior del cerebro, encargada de procesar la información visual. Este avance, publicado en la revista Journal of Neuroscience, abre nuevas posibilidades para el diseño de redes neuronales artificiales que imiten de manera más efectiva el funcionamiento cerebral.
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 fundamentales como el papel exacto de las dendritas, estructuras esenciales para la recepción y transmisión de impulsos nerviosos.
Los investigadores han realizado abstracciones matemáticas sobre procesos internos en las neuronas que no eran considerados en el modelo clásico debido a su complejidad. “Se pensaba que no era necesario incluir estos factores porque se creía que el modelo tradicional podía explicar cualquier fenómeno”, señala Bertalmío.
La importancia de este estudio radica en su potencial para diseñar redes neuronales artificiales más precisas, capaces de replicar propiedades cerebrales como la estabilidad ante perturbaciones externas.
Las redes neuronales artificiales (RNA) son modelos computacionales inspirados en la estructura jerárquica y el mecanismo sináptico de las neuronas biológicas. Estas redes neuronales permiten a los programas reconocer patrones y resolver problemas comunes dentro del ámbito de la inteligencia artificial, así como aplicar técnicas de machine learning (aprendizaje automático) y deep learning (aprendizaje profundo).
Actualmente, los investigadores están ampliando el modelo para incluir variaciones temporales y validarlo con resultados experimentales relacionados con neurociencia y percepción visual. Además, buscan explorar su aplicación en tecnologías de visión por computadora.
El nuevo modelo es un modelo matemático que explica cómo funcionan las neuronas de la corteza visual, permitiendo una mejor comprensión de los procesos neuronales y abriendo la posibilidad de diseñar redes neuronales artificiales que emulen mejor el funcionamiento del cerebro.
La relevancia del estudio radica en su capacidad para diseñar redes neuronales artificiales más precisas, que puedan replicar propiedades cerebrales como la estabilidad frente a perturbaciones.
Las RNA son modelos computacionales inspirados en la organización jerárquica y el mecanismo de transmisión sináptica de las neuronas biológicas, utilizados en inteligencia artificial, machine learning y deep learning.
Los investigadores trabajan en extender el modelo para considerar variaciones temporales, validarlo con resultados experimentales de neurociencia y percepción visual, y aplicarlo en visión por computadora.