La geometría de la abstracción en el hipocampo y la corteza prefrontal

Área de la Ciencia:

• Neurociencia computacional
• Inteligencia artificial
• Ciencias cognitivas

Sus antecedentes:

• La maldición de la dimensionalidad plantea un desafío significativo para el aprendizaje por refuerzo y los modelos de toma de decisiones.
• La abstracción, al crear variables compartidas en todas las instancias, reduce la dimensionalidad y mejora la generalización.
• Comprender las bases neuronales de la abstracción es crucial tanto para los sistemas biológicos como para los artificiales.

Objetivo del estudio:

• Caracterizar las representaciones neuronales asociadas con la abstracción en las tareas de toma de decisiones.
• Investigar las propiedades geométricas de las representaciones neuronales que apoyan la generalización.
• Para comparar los mecanismos de abstracción en el cerebro biológico y las redes neuronales artificiales.

Principales métodos:

• Los monos realizaban tareas que implicaban variables ocultas y explícitas.
• La actividad neuronal fue registrada en la corteza prefrontal y el hipocampo.
• Se utilizaron redes neuronales simuladas para la comparación.
• Los decodificadores neuronales evaluaron el rendimiento de generalización en condiciones de tarea no entrenadas.
• El análisis se centró en la geometría de las representaciones neuronales y la dimensionalidad de ruptura.

Principales resultados:

• Los conjuntos neuronales en el cerebro y las simulaciones exhibieron una geometría que reflejaba la abstracción.
• Esta geometría permitió la generalización mientras se mantenía una alta dimensionalidad de ruptura para la decodificación.
• La geometría representacional cambió dinámicamente con los eventos y el rendimiento de la tarea.

Conclusiones:

• El cerebro y los sistemas artificiales representan variables abstractamente utilizando una geometría neuronal específica.
• Esta representación geométrica facilita la generalización y conserva la capacidad de decodificar múltiples variables.
• Los hallazgos ofrecen información sobre el procesamiento eficiente de la información en entornos complejos.