IA decodifica preferencias de neuronas de corteza visual, revelando cómo eligen imágenes

Investigadores desarrollan modelo basado en IA que genera señales valiosas para determinar fiablemente qué prefieren ver las neuronas.

El modelo usa red neuronal generativa profunda y algoritmo genético llamado XDREAM.

El experimento

Durante 5+ décadas, científicos saben que neuronas en corteza visual no responden igual a diferentes imágenes. Esto permite a animales reconocer, entender e interpretar grandes cantidades de pistas visuales.

Por ejemplo, ciertas neuronas visuales en región cerebral llamada corteza temporal inferior disparan más cuando animales miran texto, objetos, lugares o caras. Sin embargo, científicos aún no entienden exactamente a qué responden estas neuronas.

Recientemente, equipo de Harvard Medical School desarrolló modelo IA que genera señales valiosas para determinar fiablemente qué prefieren ver las neuronas.

Experimentos previos intentaron analizar preferencias neuronales usando imágenes reales. Estas podían ser inherentemente sesgadas por dos razones: solo representan escenas del mundo real y son elegidas por humanos para tests. El nuevo modelo resuelve esto generando imágenes sintéticas ajustadas a preferencia de neuronas individuales.

El experimento

El equipo capturó respuestas neuronales de 6 monos macacos y las alimentó al modelo IA. El modelo midió tasas de disparo de cada neurona visual en los cerebros y generó imágenes auto-ajustables.

Monos vieron estas imágenes sintéticas en destellos de 0,1 segundos por horas. Primera imagen: patrón textural arbitrario en escala de grises. IA introdujo lentamente colores y formas basado en respuestas neuronales. Imagen final morfeó en algo que encarnaba completamente la preferencia de una neurona.

Este enfoque IA usa red neuronal generativa profunda y algoritmo genético XDREAM, diseñado específicamente por investigadores para guiar evolución de imagen sintética novedosa.

Referencia: Cell | DOI:10.1016/j.cell.2019.04.005 | The Harvard Gazette

IA generó super-estímulo para neuronas al final de cada experimento. Resultados de todos experimentos fueron consistentes. Muchas neuronas evolucionaron imágenes a través de IA que no eran idénticas pero excepcionalmente similares.

Algunas imágenes cumplieron expectativas. Ej.: neurona que se esperaba responder a caras evolucionó imágenes circulares rosas con dos manchas oscuras similares a ojos.

Imágenes naturales vs imágenes evolucionadas por neuronas en corteza inferotemporal del mono | Cortesía de investigadores

Algunos resultados fueron asombrosos. Ej.: neurona de un mono produjo consistentemente imágenes de cuerpo de mono con mancha roja alrededor del cuello. Equipo descubrió que este mono creció con otro que usaba collar rojo.

Sin embargo, no todas las imágenes finales tuvieron sentido: neurona de un mono produjo forma amorfa oscura mientras otra evolucionó diminuto cuadrado negro.

¿Qué sigue?

Según investigadores, estas respuestas neuronales no son naturales, sino resultado de exposición continua a estímulos visuales por período específico. Cómo exactamente neuronas producen estas imágenes sigue desconocido. El equipo planea responder esto en próximo estudio.

Leer: Alterar neuronas cerebrales puede eliminar antojo natural por dulce

Aprender cómo corteza visual responde a ciertas imágenes podría ayudar a científicos a entender mejor mecanismos que impulsan enfermedades cognitivas asociadas, incluyendo trastornos del espectro autista y discapacidades de aprendizaje.