NeoFronteras

Patrones de reacción de neuronas del córtex IT frente a distintas imágenes mostradas. Foto: Poggio y DiCarlo Lab.

No sabemos cómo el cerebro humano codifica la información. Éste además lleva a cabo multitud de tareas que pueden ser muy diferentes unas de otras. Ahora James DiCarlo y Tomaso Poggio del MIT han sido capaces de descifrar parte del código relacionado con el reconocimiento visual de objetos. Los algoritmos computacionales usados en visión artificial se podrían beneficiar de este descubrimiento.
El reconocimiento de objetos es uno de los problemas más difíciles de solucionar desde el punto de vista computacional que existen. En la vida cotidiana esta capacidad parece natural y sencilla porque lo damos por sentado al ser casi inconsciente. Probablemente es incluso más difícil que el razonamiento desde el punto de vista computacional.
En una fracción de segundo la información visual recogida por la retina del ojo humano se transmite a través de diversas capas cerebrales hasta que llega al córtex inferotemporal (IT). Éste identifica y clasifica el objeto y manda esta información a otras partes del cerebro.
Para explorara cómo el cortex IT produce la señal de salida, estos investigadores entrenaron a unos monos para reconocer imágenes agrupadas en diversas categorías: caras, juguetes y vehículos. Además, las imágenes aparecían bajo distintos tamaños y ángulos de visión.
Una vez los monos estuvieron entrenados, realizaron nuevas pruebas de clasificación y se recogió simultáneamente la señal procedente de cientos de neuronas del cortex IT que permitió crear una gran base de datos con todos los patrones generados en respuesta a los objetos mostrados bajo todas las condiciones.
Después usaron un algoritmo computacional denominado “clasificador” para descifrar el código. El programa asociaba cada objeto con un particular patrón de señales neuronales decodificando así la actividad neuronal.
Sorprendentemente se encontró que una fracción de segundo de la actividad neuronal contenía suficiente información para reconocer el objeto y clasificarlo bajo cualquier condición de ángulo o tamaño de visión aunque dichos ángulos de visión o tamaño fueran mostrados por primera vez. Téngase en cuenta que se vigilaba sólo unos cientos de las millones de neuronas encargadas de esta tarea y sólo una fracción de tiempo de la señal producida, pero aun así se obtenía una información muy precisa. Poggio afirma que con un mayor número de neuronas sobre las que hacer el seguimiento se podrá crear un código mucho más robusto capaz de obtener más información.

Este resultado se publico el pasado 4 de noviembre en Science.