Suponga que se despertó en su habitación con las luces apagadas y quería salir. Mientras se dirigía hacia la puerta con los brazos extendidos, predeciría la distancia a la puerta en función de la memoria de su habitación y los pasos que ya tieneSi tocas una pared o un mueble, refinarías la predicción. Este es un ejemplo de lo importante que es complementar la entrada sensorial limitada con tus propias acciones para comprender la situación. Cómo el cerebro comprende una función cognitiva tan compleja estema importante de la neurociencia.
Hacer frente a una entrada sensorial limitada también es un problema omnipresente en ingeniería. Un sistema de navegación para automóviles, por ejemplo, puede predecir la posición actual del automóvil en función de la rotación de las ruedas, incluso cuando falta una señal de GPS o está distorsionada en un túnelo debajo de los rascacielos. Tan pronto como la señal GPS limpia esté disponible, el sistema de navegación refina y actualiza su estimación de posición. Tal iteración de predicción y actualización se describe mediante una teoría llamada "inferencia bayesiana dinámica".
En colaboración con la Unidad de Computación Neural y la Unidad de Neuroimagen Óptica de la Universidad de Graduados del Instituto de Ciencia y Tecnología de Okinawa OIST, el Dr. Akihiro Funamizu, el Profesor Bernd Kuhn y el Profesor Kenji Doya analizaron la actividad cerebral de los ratonesacercarse a un objetivo bajo entradas sensoriales interrumpidas. Esta investigación es apoyada por el Proyecto MEXT Kakenhi sobre "Predicción y toma de decisiones" y los resultados se publicaron en línea en Neurociencia de la naturaleza el 19 de septiembre de 2016.
El equipo realizó cirugías en las que se hizo un pequeño agujero en los cráneos de los ratones y se implantó un cubreobjetos de vidrio en cada uno de sus cerebros sobre la corteza parietal. Además, se colocó una pequeña placa de metal para mantener la cabeza quietabajo un microscopio. El cubreobjetos actuó como una ventana a través de la cual los investigadores pudieron registrar las actividades de cientos de neuronas utilizando una proteína fluorescente sensible al calcio que se expresó específicamente en las neuronas de la corteza cerebral. Al excitar una neurona, el calcio fluye hacia el, lo que provoca un cambio en la fluorescencia de la proteína. El equipo utilizó un método llamado microscopía de dos fotones para monitorear el cambio en la fluorescencia de las neuronas a diferentes profundidades del circuito cortical.
El equipo de investigación construyó un sistema de realidad virtual en el que se puede hacer que un mouse crea que caminaba libremente, pero en realidad, se reparó bajo un microscopio. Este sistema incluía una bola de espuma de poliestireno flotante en la cual el mouse puedecaminar y un sistema de sonido que puede emitir sonidos para simular el movimiento hacia o más allá de una fuente de sonido.
Una prueba experimental comienza con una fuente de sonido que simula una distancia de 67 a 134 cm por delante y 25 cm a la izquierda del mouse. A medida que el mouse avanza y gira la bola, el sonido se ajusta para imitar al mouse que se acercala fuente al aumentar el volumen y cambiar de dirección. Cuando el mouse llega justo al lado de la fuente de sonido, salen gotas de agua azucarada de un tubo frente al mouse como recompensa por alcanzar la meta. Después de que los ratones aprendenque serán recompensados en la posición de meta, aumentan lamiendo el tubo a medida que se acercan a la posición de meta, en espera del agua azucarada.
El equipo luego probó qué sucede si el sonido se elimina durante ciertas distancias simuladas en segmentos de aproximadamente 20 cm. Incluso cuando no se da el sonido, los ratones aumentan la lamida a medida que se acercan a la posición de meta en anticipación de la recompensa.Esto significa que los ratones predijeron la distancia objetivo en función de su propio movimiento, al igual que el filtro bayesiano dinámico de un sistema de navegación para automóviles predice la ubicación de un automóvil mediante la rotación de los neumáticos en un túnel. Muchas neuronas cambian sus actividades dependiendo de la distancia al objetivoY, curiosamente, muchos de ellos mantuvieron sus actividades incluso cuando el sonido estaba apagado. Además, cuando el equipo inyecta una droga que suprime las actividades neuronales en una región del cerebro de los ratones, llamada corteza parietal, descubren que los ratones no aumentaron.lamiendo cuando se omite el sonido. Esto sugiere que la corteza parietal juega un papel en la predicción de la posición del objetivo.
Para explorar más a fondo lo que representa la actividad de estas neuronas, el equipo aplicó un método de decodificación neural probabilística. Cada neurona se observa durante más de 150 ensayos del experimento y se puede identificar su probabilidad de activarse a diferentes distancias del objetivoEste método permitió al equipo estimar la distancia de cada ratón al objetivo a partir de las actividades registradas de aproximadamente 50 neuronas en cada momento. Notablemente, las neuronas en la corteza parietal predicen el cambio en la distancia objetivo debido al movimiento del ratón, incluso en los segmentosdonde se omitió la retroalimentación del sonido. Cuando se dio el sonido, la distancia pronosticada del sonido se hizo más precisa. Estos resultados muestran que la corteza parietal predice la distancia a la meta debido a los propios movimientos del mouse, incluso cuando faltan entradas sensoriales y actualiza elpredicción cuando las entradas sensoriales están disponibles, en la misma forma que la inferencia bayesiana dinámica.
La hipótesis de que el circuito neural de la corteza cerebral realiza una inferencia bayesiana dinámica se ha propuesto anteriormente, pero esta es la primera evidencia experimental que muestra que una región de la corteza cerebral realiza una inferencia bayesiana dinámica utilizando información de acción. En la inferencia bayesiana dinámica, elel cerebro predice el estado actual del mundo en función de las entradas sensoriales pasadas y las acciones motoras. "Esta puede ser la forma básica de simulación mental", dice el profesor Doya. La simulación mental es el proceso fundamental para la planificación de la acción, la toma de decisiones, el pensamiento y el lenguaje.El equipo del profesor Doya también ha demostrado que un circuito neuronal que incluye la corteza parietal se activó cuando los humanos realizaron una simulación mental en un escáner de resonancia magnética funcional. El equipo de investigación tiene como objetivo analizar aún más esos datos para obtener una imagen completa del mecanismo de simulación mental..
Comprender el mecanismo neural de la simulación mental da una respuesta a la pregunta fundamental de "¿Cómo se forman los pensamientos?" También debería contribuir a nuestra comprensión de las causas de los trastornos psiquiátricos causados por la simulación mental defectuosa, como la esquizofrenia, la depresión yautismo. Además, al comprender los mecanismos computacionales del cerebro, es posible diseñar robots y programas que piensen como el cerebro. Esta investigación contribuye a la comprensión general de cómo el cerebro nos permite funcionar.
Fuente de la historia :
Materiales proporcionado por Universidad de Graduados del Instituto de Ciencia y Tecnología de Okinawa - OIST . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :