Una arquitectura computacional que incorpora redes cerebrales superficiales: integrando el procesamiento paralelo...

Área de la Ciencia:

• Neurociencia
• Neurociencia Computacional
• Inteligencia Artificial

Sus antecedentes:

• Las redes neuronales artificiales (ANN) a menudo imitan las estructuras cerebrales jerárquicas.
• Los aspectos cerebrales no jerárquicos, como las vías subcorticales, están subrepresentados en las ANN.
• Comprender las interacciones corticoidesubcorticales es crucial para la computación cerebral.

Objetivo del estudio:

• Desarrollar un modelo computacional que integre la jerarquía cortical y las vías subcorticales.
• Investigar los roles de estas estructuras en la toma de decisiones.
• Explorar principios computacionales informados neuroanatómicamente.

Principales métodos:

• Desarrollo de un modelo computacional que combina el procesamiento cortical jerárquico con las vías subcorticales.
• Implementación de la jerarquía cortical utilizando una red feedforward convolucional y una red de codificación predictiva.
• Prueba del modelo en una tarea de toma de decisiones perceptual dependiente del contexto.

Principales resultados:

• Ambas variantes del modelo replicaron los datos conductuales de humanos y monos.
• Se descubrió que las estructuras subcorticales impulsan las decisiones en las pruebas más fáciles.
• Fueron necesarias redes jerárquicas complejas para las pruebas más difíciles.

Conclusiones:

• El procesamiento paralelo corticoidesubcortical es una propiedad computacional fundamental del cerebro.
• La integración de las vías subcorticales mejora la plausibilidad biológica de las ANN.
• Este modelo avanza nuestra comprensión de la computación cerebral y la toma de decisiones.