En estudios con monos, los investigadores de Johns Hopkins informan que han descubierto nuevos detalles significativos sobre cómo el cerebelo, la "máquina de aprendizaje" del cerebro de los mamíferos, hace predicciones y aprende de sus errores, ayudándonos a ejecutar acciones motoras complejas.disparar con precisión una pelota de baloncesto a una red o enfocar los ojos en un objeto al otro lado de la habitación.
En un resumen del estudio publicado el 16 de abril en Neurociencia de la naturaleza , los investigadores proporcionan una mejor comprensión de por qué las enfermedades degenerativas que afectan el cerebelo hacen que las personas pierdan el control de sus movimientos. Sus resultados demuestran que el cerebelo está organizado de una manera muy diferente a los diseños actuales de redes neuronales artificiales, que actualmente sonutilizado en aprendizaje automático e inteligencia artificial.
El aprendizaje en el cerebelo, una parte del cerebro vertebrado ubicado en la parte posterior del cráneo que dirige y regula los movimientos, se guía a través de un proceso de prueba y error. Por ejemplo, cuando se aprende a disparar una pelota de baloncesto, la gente generalmentefallar muchas veces antes de recibir un tiro a través del aro. A medida que el brazo se mueve, el cerebelo hace predicciones sobre las consecuencias de la acción. Cuando la predicción no coincide con la realidad, es decir, la pelota falla el aro, el cerebelo recibe retroalimentaciónde los ojos y el brazo para aprender del error, afinando factores como apuntar, forzar y soltar para hacer una canasta. Este aprendizaje de prueba a prueba del error produce mejoras graduales en el rendimiento. Sin embargo, los esfuerzos de investigación se han quedado cortosde descifrar cómo las células en el cerebelo hacen predicciones y cómo aprenden de sus errores, según Reza Shadmehr, Ph.D., profesor de ingeniería biomédica y neurociencia en la Facultad de Medicina de la Universidad Johns Hopkinsmi.
"Intentar comprender la actividad neuronal en el cerebelo es como intentar descifrar un idioma extraño, una señal de una galaxia lejana", dice.
Para decodificar la señal, Shadmehr dijo que el equipo comenzó con las neuronas principales en el cerebelo, llamadas células de Purkinje. Las células de Purkinje se comunican a través de dos tipos de señales eléctricas: picos simples, que reflejan información sobre la predicción que están haciendo las células, ypicos complejos, que reflejan la información que se envía de vuelta a las celdas de Purkinje, informándoles del error en su predicción.
"Puedes pensar en los picos simples como el 'estudiante' que hace una predicción y los picos complejos como el 'maestro' que proporciona comentarios", dice Shadmehr.
En un estudio anterior, Shadmehr y su equipo de investigación descubrieron que las células de Purkinje se organizan en pequeños grupos de aproximadamente 50 y juntas hacen predicciones, enviando su salida de todos los miembros simultáneamente. Las neuronas que componen estos grupos comparten una característica crítica:Todos reciben la misma señal de error. Por lo tanto, la unidad computacional fundamental en el cerebelo no era una sola célula de Purkinje, sino un pequeño grupo que aprende de un error común. Mientras que el trabajo anterior había tratado de descifrar los picos simples de las células individuales de Purkinje, estos resultados sugirieron que la clave para comprender el cerebelo era organizar las células de Purkinje en grupos y luego contar la suma total de espigas simples producidas por los miembros del grupo. Al hacerlo, Shadmehr y su equipo descubrieron que el grupo generabapicos simples que predijeron con precisión el movimiento de los ojos de un mono mientras miraba alrededor de una pantalla.
Habiendo encontrado una manera de descifrar el lenguaje con el que el cerebelo hizo predicciones, el siguiente paso fue comprender cómo el cerebelo aprende de sus errores de predicción. Para investigar esta pregunta, los investigadores midieron la actividad cerebelosa en siete monos rhesus equipados con electrodos ylos entrenó para que siguieran un objetivo pequeño con los ojos. Los investigadores replicaron un "error" moviendo el objetivo más rápido de lo que los monos podían predecir con precisión, haciendo que frecuentemente no lo alcancen.
Descubrieron que los picos simples medidos a través de los electrodos se correlacionaban con la intensidad del movimiento; los picos más simples significaban que los monos necesitaban mover sus ojos más rápidamente para atrapar al objetivo. Según los investigadores, las células de Purkinje produjeron un promedio de50-70 picos por segundo.
Los investigadores descubrieron que las espigas complejas no transmitían el error de la misma manera. Independientemente de qué tan lejos estuvieran los ojos de los monos del objetivo, la cantidad de espigas complejas producidas en el cerebelo permaneció igual. En cambio, descubrieron quela dirección del error afectó la probabilidad de generar un pico complejo, mientras que la magnitud del error afectó el momento del pico complejo, por lo tanto, el lenguaje de predicción fue en tasa de picos simples, mientras que el lenguaje del error de predicción fue en tiempode la espiga compleja.
Por ejemplo, Shadmehr descubrió que cuando los monos fallaron el objetivo por 3 grados de distancia, apareció un pico complejo después de 100 milisegundos, y si los monos fallaron por 8 grados, un pico complejo apareció en 120 milisegundos.
"En resumen, el 'idioma' del maestro es el tiempo, mientras que el idioma del alumno es la tasa", dice Shadmehr.
Shadmehr explica que las máquinas de IA actuales en el mundo dependen de la misma estructura básica y están compuestas de muchas capas de unidades similares a neuronas que juntas hacen predicciones. Las capas de tales unidades hacen cálculos, pasando los resultados a la siguiente capa hasta que el proceso llegue a "salida "que hace la predicción final. Cuando la predicción de una máquina de IA es incorrecta, experimenta un error y, con las redes de IA actuales, envía ese error de vuelta a todas las unidades.
"Estas máquinas están inspiradas en la forma en que las redes biológicas aprenden, pero lo interesante es que la arquitectura del cerebelo es algo diferente de lo que se ha diseñado en sistemas artificiales", dice Shadmehr. En lugar de que todas las células reciban espinas complejas despuésel error, en el cerebelo, las células de Purkinje se organizan en pequeños grupos, cada uno especializado en responder a errores específicos. Las células de Purkinje parecen estar organizadas según una preferencia por el error en solo una pequeña parte del espacio de tareas.
Una de las ventajas de la arquitectura del cerebelo, dice Shadmehr, es que protege los recuerdos. Cuando experimentas un error a la derecha, provoca el aprendizaje al activar las células de Purkinje que registran ese error. Si en la próxima prueba experimentas un errora la izquierda, el nuevo error involucra a un nuevo grupo de celdas de Purkinje. Como resultado, los nuevos errores no borran la memoria, sino que generan dos memorias independientes.
El daño al cerebelo puede afectar profundamente la capacidad de hacer movimientos, lo que resulta en síntomas que juntos se llaman ataxia. Un enigma que no se ha resuelto es cómo el cerebelo traduce sus predicciones en comandos motores que guían los movimientos.
Este resultado final puede permitir refinar el diagnóstico de la enfermedad cerebelosa midiendo el aprendizaje a partir del error y permitir a los científicos conectar la discapacidad del aprendizaje motor con la pérdida de grupos específicos de células de Purkinje.
Otros investigadores involucrados en este estudio incluyen a David Herzfeld de la Facultad de Medicina de la Universidad Johns Hopkins y Yoshiko Kojima y Robijanto Soetedjo del Centro Nacional de Primates de Washington.
Esta investigación fue apoyada por los Institutos Nacionales de Salud R01NS078311, el Instituto Nacional del Ojo R01EY019258, R01EY023277, el Instituto de Ciencias del Aprendizaje de la Universidad Johns Hopkins y la Oficina de Investigación Naval N00014-15-1-2312.
Fuente de la historia :
Materiales proporcionado por Medicina Johns Hopkins . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :