[Versi\u00f3n en pdf]<\/a><\/p>\nAlan Turing quiso entender c\u00f3mo el cerebro realizaba operaciones complejas y acab\u00f3 fabricando el primer ordenador. Desde aqu\u00ed, los ordenadores han evolucionado much\u00edsimo. Por ejemplo, desde la d\u00e9cada de los 70 se ha observado un crecimiento exponencial en varias de sus caracter\u00edsticas: el n\u00famero de transistores integrados por micro-procesador, la velocidad de c\u00f3mputo y el abaratamiento del coste por transistor. Si comparamos la velocidad de c\u00f3mputo, cualquier ordenador convencional es mucho m\u00e1s r\u00e1pido que nosotros mismos. Supongamos una multiplicaci\u00f3n larga, por ejemplo 8 factorial, que es 8 * 7 * 6 * 5 * 4 * 3 * 2 * 1. Si somos capaces de hacerla en, digamos, 5 minutos, estaremos computando a una velocidad de 8\/(5*60) que es aproximadamente 0.03 operaciones de coma flotante por segundo (su unidad de medida es en FLOPS). Comparativamente, un Pentium IV de los que tenemos en casa, y que opera a unos pocos gigaFLOPS, computa varios cientos de millones de veces m\u00e1s r\u00e1pido.<\/p>\n
Evidentemente, nuestro cerebro no est\u00e1 s\u00f3lo programado para realizar operaciones en coma flotante. Todo el mundo sabe que los ordenadores de hoy en d\u00eda funcionan de forma muy diferente a como lo hace nuestro cerebro. La campa\u00f1a publicitaria del \u00abYo no soy tonto\u00bb de MediaMarkt es un ejemplo muy claro. Ning\u00fan ordenador hoy en d\u00eda (programado con una serie de secuencias que son del tipo \u00abSi A entonces B\u00bb) es capaz de captar su significado. Al menos, no despu\u00e9s de un simple vistazo. \u00abQue no te tomen el pelo. Somos los m\u00e1s baratos\u00bb. \u00bfC\u00f3mo es capaz el cerebro de procesar tal informaci\u00f3n y darnos un significado tan un\u00edvoco? Si ocurre en todas las personas (o en la mayor\u00eda de ellas), \u00bfdebe haber un circuito alojado f\u00edsicamente en nuestro cerebro que procesa e interpreta esta informaci\u00f3n? Para la Neurociencia Computacional, s\u00ed. Su principio paradigm\u00e1tico n\u00famero 1 es que cualquier computaci\u00f3n o proceso cognitivo (funci\u00f3n) que tiene lugar en nuestro cerebro tiene un determinado circuito f\u00edsico o \u00abcableado\u00bb que lo procesa (estructura).<\/p>\n
Hasta aqu\u00ed podr\u00edamos pensar que estos objetivos no se diferencian mucho de los de la Neurociencia en general. Sin embargo, la Neurociencia Computacional enfatiza su papel como nexo entre varias disciplinas. Pongamos un ejemplo en el que hemos estado trabajando los dos \u00faltimos a\u00f1os en Edimburgo. Las neuronas en la corteza visual primaria son capaces de codificar determinadas caracter\u00edsticas del est\u00edmulo. As\u00ed, por ejemplo, algunas neuronas responden espec\u00edficamente a la orientaci\u00f3n del est\u00edmulo, la frecuencia espacial y el color (Johnson, Hawken y Shapley, 2008, y las citas que incluye). La adaptaci\u00f3n visual es un fen\u00f3meno en el cual la respuesta de la neurona se aten\u00faa o debilita ante un est\u00edmulo repetitivo o no cambiante \u00bfC\u00f3mo cambia la codificaci\u00f3n de estas propiedades durante la adaptaci\u00f3n? Para responder a esta cuesti\u00f3n, usando electrofisiolog\u00eda con peque\u00f1os electrodos de aproximadamente una micra de di\u00e1metro es posible medir la respuesta de una sola neurona en presencia del est\u00edmulo (Dragoi , Sharma y Sur, 2000). Si hacemos registros de medida de poblaciones de neuronas, como electroencefalogramas (EEG) o invasivamente con matrices de electrodos, podremos inferir algunas propiedades sobre la estructura del circuito o su conectividad (Gutnisky y Dragoi, 2008). Sin embargo, si queremos explicar las ilusiones \u00f3pticas que ocurren despu\u00e9s de la adaptaci\u00f3n, ninguno de los dos m\u00e9todos por separado funciona. Ambos, conectividad y respuesta individual de cada neurona, cambian despu\u00e9s de la adaptaci\u00f3n. A fecha de hoy, no existe ninguna t\u00e9cnica experimental que permita medir ambos simult\u00e1neamente. Por lo tanto, a fecha de hoy es un problema sin soluci\u00f3n experimental. Combinando ambos datos por separado, un modelo computacional s\u00ed permite cuantificar los cambios despu\u00e9s de la adaptaci\u00f3n en poblaciones de neuronas (Cort\u00e9s, Marinazzo, Oram, Series, Sejnowski y van Rossum, en revisi\u00f3n).<\/p>\n
Usando la Neurociencia Computacional como nexo entre disciplinas, existen diferentes razones por las que se hace imprescindible su uso. En primer lugar, la conectividad en los circuitos corticales es bastante recurrente (Douglas, Koch, Mahowald, Martin y Suarez, 1995). A grosso modo, podr\u00edamos decir que existen en promedio unas mil conexiones por neurona. Esta conectividad hace que sea dif\u00edcil aislar partes de la corteza cerebral para su an\u00e1lisis, lo cual a su vez hace muy dif\u00edcil la interpretaci\u00f3n y generalizaci\u00f3n de los datos experimentales. Por si fuera poco, existen diferentes jerarqu\u00edas en el cerebro, operando a muy diferentes escalas de tiempo y espacio e interaccionando entre s\u00ed. As\u00ed, en la escala de tiempo, la memoria a corto plazo opera desde unos pocos milisegundos a horas; la potenciaci\u00f3n y depresi\u00f3n a largo plazo (long term potentiation, long term depression) ocurre desde algunas horas a incluso d\u00edas, y la memoria a largo plazo est\u00e1 presente desde d\u00edas a decenas de a\u00f1os. En la escala espacial, las mol\u00e9culas difundidas y trasmitidas entre neuronas ocupan aproximadamente una mil\u00e9sima de micra, las sinapsis (conexiones entre neuronas) algunas micras, las neuronas cientos de micras, las redes de neuronas algunos mil\u00edmetros, los mapas corticales algunos cent\u00edmetros y, finalmente, la Neurociencia Cognitiva, en la escala m\u00e1s macrosc\u00f3pica utiliza medidas de casi un metro. (Para m\u00e1s detalle sobre diferentes procesos cognitivos operando a diferentes escalas de tiempo y espacio v\u00e9ase Churchland y Sejnowski, 1992.)<\/p>\n
Esta multitud de neuronas conectadas abundantemente unas a otras, y a tan diferentes escalas temporales y espaciales, hace que el estudiar el cerebro sea hoy en d\u00eda uno de los retos m\u00e1s importantes en ciencia. La Neurociencia Computacional ha contribuido enormemente en los \u00faltimos a\u00f1os a su estudio. En el siguiente art\u00edculo, continuaci\u00f3n de \u00e9ste, comento un ejemplo muy representativo dentro de la Neurociencia Computacional: el super proyecto Blue-Brain.<\/p>\n
Referencias<\/strong><\/p>\nChurchland, P. y Sejnowski, T. J. (1992). The Computational Brain<\/em>. The MIT Press.<\/p>\nCort\u00e9s, J. M., Marinazzo, D., Oram, M., Series, P., Sejnowski, T. J. y van Rossum, M. C. W. (en revisi\u00f3n). Invariant population coding accuracy after visual adaptation.<\/p>\n
Douglas, R. J., Koch, C., Mahowald, M., Martin, K. A. y Suarez, H. H. (1995). Recurrent excitation in neocortical circuits. Science<\/em>, 269, 981-985.<\/p>\nDragoi, V., Sharma, J. y Sur, M. (2000). Adaptation-Induced Plasticity of Orientation Tuning in Adult Visual Cortex. Neuron<\/em>, 28, 287 – 298.<\/p>\nGutnisky, D. A. y Dragoi, V. (2008). Adaptive coding of visual information in neural populations. Nature<\/em>, 452, 220-224.<\/p>\nJohnson, E. N., Hawken, M. J. y Shapley, R. (2008). The Orientation Selectivity of Color-Responsive Neurons in Macaque V1. The Journal of Neuroscience<\/em>, 28, 8096-8106.<\/p>\n","protected":false},"excerpt":{"rendered":"Jes\u00fas Cort\u00e9s Institute for Adaptive and Neural Computation, University of Edinburgh, UK La Neurociencia Computacional es una disciplina consolidada, con …<\/span> Read More →<\/span><\/a><\/span><\/p>\n","protected":false},"author":4,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[16,5,4],"tags":[31,154,162,156],"class_list":["post-55","post","type-post","status-publish","format-standard","hentry","category-actualidad","category-inteligenciaartificial","category-neurociencia","tag-cerebro","tag-neurociencia-computacional","tag-procesos-neurales","tag-simulacion-por-ordenador"],"_links":{"self":[{"href":"https:\/\/www.cienciacognitiva.org\/index.php?rest_route=\/wp\/v2\/posts\/55","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.cienciacognitiva.org\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.cienciacognitiva.org\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.cienciacognitiva.org\/index.php?rest_route=\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/www.cienciacognitiva.org\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=55"}],"version-history":[{"count":0,"href":"https:\/\/www.cienciacognitiva.org\/index.php?rest_route=\/wp\/v2\/posts\/55\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.cienciacognitiva.org\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=55"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.cienciacognitiva.org\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=55"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.cienciacognitiva.org\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=55"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}
![\"(cc)](\"https:\/\/www.cienciacognitiva.org\/files\/2008-33-cc-OfficeofNavalResearch.jpg\")
La Neurociencia Computacional es una disciplina consolidada, con m\u00e1s de 20 a\u00f1os de desarrollo, y que emplea t\u00e9cnicas muy diversas para entender diferentes computaciones cerebrales. Aqu\u00ed se introduce brevemente mediante dos art\u00edculos. En el primero, \u00abQu\u00e9 es y por qu\u00e9 es dif\u00edcil su estudio\u00bb, se introducen de forma muy general cu\u00e1les son sus objetivos como ciencia y los problemas con los que se encuentra. En el segundo, mediante \u00abUn ejemplo muy representativo en el campo\u00bb abordamos su metodolog\u00eda y destacamos la trascendencia que la Neurociencia Computacional est\u00e1 teniendo y tendr\u00e1 dentro de las Neurociencias.<\/em><\/p>\n