El equipo de investigación señaló que al pedirles que clasifiquen los olores, las redes neuronales artificiales suelen adoptar una estructura similar a la de los circuitos olfativos del cerebro.
A través del proceso de aprendizaje automático, un modelo de computadora puede aprender a ‘oler’ por sí mismo en pocos minutos. Además, los investigadores han descubierto que se construye una red neuronal que imita de forma muy similar los circuitos olfativos que utilizan los cerebros de los animales en el procesamiento de los olores.
Los animales, desde las moscas de la fruta hasta los humanos, utilizan esencialmente la misma estrategia para procesar la información olfativa en el cerebro.
Sin embargo, el grupo de neurocientíficos encargados del entrenamiento de una red neuronal artificial que tiene como tarea simple la clasificación de olores, se vieron sorprendidos al ver que replicaba la estrategia con tanta fidelidad.
Guangyu Robert Yang , investigador asociado del Instituto McGovern de Investigación del Cerebro del MIT, señala:
“El algoritmo que usamos en esta red artificial ayudará a los investigadores a aprender más sobre los circuitos olfativos del cerebro”.
Los hallazgos fueron dados a conocer recientemente en la revista Neuron.
Yang añade:
“Al demostrar que podemos igualar la arquitectura {del sistema biológico} con mucha precisión, creo que da más confianza en que estas redes neuronales pueden seguir siendo herramientas útiles para modelar el cerebro”.
A través del mapeo de circuitos olfativos naturales en las moscas de la fruta, el olfato comienza en las antenas. Ahí, las neuronas sensoriales, cada una equipada con receptores de olores especializados para detectar olores específicos, transforman la unión de las moléculas de olor en actividad eléctrica.
Cuando se detecta un olor, estas neuronas, que forman la primera capa de la red olfativa, envían una señal a la segunda capa: un conjunto de neuronas que residen en una parte del cerebro llamada lóbulo antenal.
Yang señala:
“En el lóbulo antenal, las neuronas sensoriales que comparten el mismo receptor convergen en la misma neurona de segunda capa. Son muy exigentes, dado que no reciben ninguna información de las neuronas que expresan otros receptores”.
Debido a que tiene menos neuronas que la primera capa, esta parte de la red se considera una capa de compresión.
Estas neuronas de segunda capa, a su vez, señal a un conjunto más grande de neuronas en la tercera capa. Curiosamente, esas conexiones parecen ser aleatorias.
Para Yang, este conocimiento del sistema olfativo de la mosca representó una oportunidad única.
El equipo menciona:
“Pocas partes del cerebro se han mapeado de manera tan completa, y eso ha dificultado evaluar qué tan bien ciertos modelos computacionales representan la verdadera arquitectura de los circuitos neuronales”.
Las redes neuronales, en las que las neuronas artificiales se reconectan para realizar tareas específicas, son herramientas computacionales inspiradas en el cerebro. Pueden ser entrenadas para seleccionar patrones dentro de conjuntos de datos complejos, lo que las hace valiosas para el reconocimiento de voz e imágenes y otras formas de inteligencia artificial. Hay indicios de que las redes neuronales que hacen esto replican mejor la actividad del sistema nervioso.
Yang, agrega:
“Con datos anatómicos completos sobre los circuitos olfativos de la mosca, podemos hacernos esta pregunta:
¿Se pueden usar realmente las redes neuronales artificiales para estudiar el cerebro?
Yang y el equipo de neuroinvestigadores construyeron una red de neuronas artificiales que comprenden una capa de entrada, una capa de compresión y una capa de expansión, al igual que el sistema olfativo de la mosca de la fruta.
Además, le dieron la misma cantidad de neuronas que el sistema de la mosca de la fruta, pero sin una estructura inherente: las conexiones entre las neuronas se volverían a cablear a medida que el modelo aprendiera a clasificar los olores.
Posteriormente, los científicos pidieron a la red que asignara datos que representaran diferentes olores a categorías y que categorizara correctamente no solo los olores individuales, sino también las mezclas de olores.
Yan menciona que “esto es algo en lo que el sistema olfativo del cerebro es excepcionalmente bueno.
Si combina los aromas de dos manzanas diferentes, explica, el cerebro todavía huele a manzana. Por el contrario, si dos fotografías de gatos se mezclan píxel a píxel, el cerebro ya no ve a un gato. Esta capacidad es solo una característica de los circuitos de procesamiento de olores del cerebro, pero captura la esencia del sistema”.
A la red artificial le tomó solo unos minutos organizarse. La estructura que emergió fue sorprendentemente similar a la que se encuentra en el cerebro de la mosca de la fruta.
Cada neurona en la capa de compresión recibió entradas de un tipo particular de neurona de entrada y se conectó, aparentemente al azar, a múltiples neuronas en la capa de expansión. Además, cada neurona de la capa de expansión recibe conexiones, en promedio, de seis neuronas de la capa de compresión, exactamente como ocurre en el cerebro de la mosca de la fruta.
Yang añade:
“Podría haber sido uno, podría haber sido 50. Podría haber estado en cualquier punto intermedio. La biología encuentra 6 y nuestra red también encuentra 6.
La evolución encontró esta organización a través de la mutación aleatoria y la selección natural; la red artificial lo encontró a través de algoritmos estándar de aprendizaje automático.
La sorprendente convergencia proporciona un fuerte apoyo de que los circuitos cerebrales que interpretan la información olfativa están organizados de manera óptima para su tarea.”
Actualmente, los investigadores pueden utilizar el modelo para explorar más a fondo esa estructura, observando como la red evoluciona en diferentes condiciones, y haciendo modificaciones necesarias en los circuitos, de formas novedosas.
Para profundizar más, pulsa ➡️ AQUÍ ⬅️
