Escalas temporales largas para conocer la actividad neuronal y el sorprendente cerebro humano
Las neuronas del encéfalo están conectadas en redes de gran tamaño y dichas conexiones generan propiedades que inexistentes en cada neurona por separado. Por ejemplo, los estudios exhaustivos de la memoria hacen suponer que esta es el resultado de la presencia de escalas temporales a nivel de redes. Si la memoria de un estímulo es positiva durante mucho tiempo tras su conclusión, es necesario contar con escalas temporales largas. Una bibliografía extensa apunta a la red como la fuente de estas escalas temporales. No obstante, cada neurona atraviesa procesos biofísicos con escalas temporales largas. Estos procesos se suelen estudiar mediante modelos precisos que dificultan relacionar estas propiedades en el marco de una red. El proyecto Multiple Timescales, financiado con fondos europeos mediante la acción Marie Curie «Subvenciones para la integración profesional», investigó varias escalas temporales. El proyecto investigó las implicaciones dinámicas y computacionales de conectar muchas neuronas individuales cuando cada una de ellas cuenta con varias escalas temporales. Instrucciones sencillas y un modelo complejo El profesor Omri Barak, coordinador del proyecto, explica la situación en los términos siguientes: «La orden "gira a la izquierda en la siguiente bifurcación" resulta en principio fácil de interpretar, pero implica la integración de información en al menos dos escalas temporales distintas». La información sensorial de la palabra «gira» debe ser retenida durante cerca de un segundo hasta que se acabe la frase. Por otro lado, es necesario conservar el significado de la frase durante cerca de un minuto hasta que se llegue a la bifurcación. Este ejemplo cuenta con dos escalas temporales de muchas otras relevantes tan solo para el quehacer diario. «Proponemos un modelo nuevo que ofrece una aproximación muy buena de la excitabilidad de las neuronas individuales durante escalas temporales largas y que, al mismo tiempo, sigue siendo relativamente sencillo», comenta el profesor Barak. Los resultados se han presentado en congresos internacionales y se publicaron en la revista revisada por pares «Journal of Neuroscience». A lo que añade: «Generé un mayor conocimiento de las dinámicas de las redes neuronales formadas sin necesidad de recurrir a las dinámicas de excitabilidad». Incluso en los actos más sencillos como levantar una mano participan millones de neuronas encefálicas conectadas en una red compleja. Nuevos análisis permiten descifrar las interacciones entre la simplicidad del resultado de la red y la complejidad de sus dinámicas internas. Los modelos que utilizamos se basan en redes neuronales artificiales. Estos sistemas artificiales están inspirados en la estructura del encéfalo. Un rendimiento humano a partir de redes neuronales artificiales Este tipo de redes han alcanzado hace poco un nivel de rendimiento humano en ámbitos como el reconocimiento de imágenes y del habla. La conectividad inicial de la red es aleatoria y la formación conforma la conectividad hasta obtener el resultado deseado. Sin embargo, hasta ahora no se sabía cómo afectaba la formación a las dinámicas de estas redes artificiales. Múltiples escalas temporales mostraron que las exigencias impuestas al resultado de la red se convierten en modificaciones de las dinámicas internas. «Descubrimos que se emplea una pequeña parte de los modos dinámicos para generar el resultado requerido». Los resultados, también presentados en seminarios y congresos internacionales, se han publicado en «Physical Review Letters» y en un artículo de opinión invitado en «Current Opinions in Neurobiology». La investigación sigue de cara al futuro Las incursiones en el modo en el que las redes neuronales recurrentes generan resultados sofisticados como al jugar un partido de tenis siguen en marcha. Mediante un método de ingeniería inversa, el profesor Barak ha comenzado a analizar el efecto de formar redes neuronales de tal forma que cada neurona presente dinámicas de excitabilidad lentas. «En concreto estamos formando redes neuronales recurrentes capaces de controlar un agente situado en un entorno virtual. Mostramos que la incorporación de dinámicas de excitabilidad lentas permite mejorar la memoria espacial del agente y estamos investigando las razones subyacentes», explica. El profesor Barak describe cómo los fondos Marie Curie han tenido un valor incalculable durante el periodo inicial antes de encontrar otras fuentes de financiación. En relación a la continuación de las labores científicas sobre el tema, la asistencia a congresos como equipo contribuyó a la formación del laboratorio. «Además de permitir conocer mucho mejor cómo las múltiples escalas temporales pueden dar lugar a una función encefálica de primer orden mediante redes neuronales, la subvención para la integración profesional me ayudó, tal y como indica su nombre, a integrarme en mi nuevo trabajo como investigador principal» concluye el profesor Barak.
Palabras clave
Múltiples escalas temporales, red, neurona, escalas temporales largas, memoria, red neuronal artificial
