Cálculo rápido de la sorpresa visual de alto nivel

Área de la Ciencia:

• Neurociencia
• Ciencia Cognitiva
• Neurociencia Computacional

Sus antecedentes:

• Las teorías de procesamiento predictivo postulan que el cerebro anticipa la entrada sensorial.
• Los errores de predicción sensorial, las desviaciones de las expectativas, son cruciales para la inferencia perceptual.
• Comprender qué características del estímulo predice el cerebro sigue siendo una pregunta clave.

Objetivo del estudio:

• Investigar qué características visuales (de bajo nivel frente a de alto nivel) generan sorpresa que influye en las respuestas neuronales.
• Determinar si el cerebro predice propiedades abstractas o concretas del estímulo.

Principales métodos:

• Se utilizó electroencefalografía (EEG) para registrar la actividad cerebral.
• Se empleó modelado computacional con redes neuronales profundas (DNN) para cuantificar la sorpresa.
• Se presentaron a los participantes imágenes de objetos predichas probabilísticamente.

Principales resultados:

• Las respuestas neuronales alrededor de los 200 ms después del inicio del estímulo aumentaron significativamente con la sorpresa visual de alto nivel.
• La sorpresa visual de bajo nivel no afectó significativamente estas respuestas neuronales.
• La sorpresa se cuantificó tanto en capas tempranas (de bajo nivel) como tardías (de alto nivel) de la DNN.

Conclusiones:

• El procesamiento predictivo del cerebro se basa en predicciones de características abstractas de alto nivel.
• Estas predicciones de alto nivel informan rápidamente la inferencia perceptual.
• La maquinaria predictiva está optimizada para expectativas abstractas sobre detalles sensoriales de bajo nivel para mejorar la percepción.