resumen: Los investigadores han desarrollado un modelo de inteligencia artificial del cerebro de la mosca de la fruta para comprender cómo la visión guía el comportamiento. Al silenciar genéticamente neuronas visuales específicas y monitorear los cambios en el comportamiento, entrenaron a la IA para predecir con precisión la actividad neuronal y el comportamiento.

Sus hallazgos revelan que múltiples grupos de neuronas, en lugar de tipos únicos, procesan datos visuales en un «código de población» complejo. Este logro allana el camino para futuras investigaciones sobre el sistema visual humano y los trastornos relacionados.

Hechos clave:

• Los científicos del CSHL han creado un modelo de inteligencia artificial del cerebro de la mosca de la fruta para estudiar el comportamiento guiado por la visión.
• La inteligencia artificial predice la actividad neuronal analizando cambios en el comportamiento después de silenciar neuronas visuales específicas.
• La investigación reveló un «código de población» complejo en el que múltiples grupos de neuronas procesan datos visuales.

fuente: CSHL

Se nos dice: «Los ojos son la ventana del alma». Bueno, Windows funciona de dos maneras. Nuestros ojos son también nuestras ventanas al mundo. Lo que vemos y cómo lo vemos ayuda a determinar cómo nos movemos por el mundo. En otras palabras, nuestra visión ayuda a guiar nuestras acciones, incluidos los comportamientos sociales.

Ahora, un joven científico del Laboratorio Cold Spring Harbor (CSHL) ha revelado evidencia clave sobre cómo funciona esto. Lo hizo construyendo un modelo especial de inteligencia artificial del cerebro de la mosca común de la fruta.

El profesor asistente de CSHL, Benjamin Cowley, y su equipo perfeccionaron su modelo de IA mediante una técnica que desarrollaron llamada «entrenamiento knockout». Primero, registraron el comportamiento de cortejo del macho de Drosophila, que consiste en perseguir y cantarle a la hembra.

A continuación, silenciaron genéticamente tipos específicos de neuronas visuales en moscas macho y entrenaron su IA para detectar cualquier cambio en el comportamiento. Al repetir este proceso con muchos tipos diferentes de neuronas visuales, pudieron lograr que la IA predijera con precisión cómo se comportaría una mosca de la fruta real en respuesta a cualquier avistamiento de una hembra.

«De hecho, podemos predecir la actividad neuronal computacionalmente y preguntar cómo determinadas neuronas contribuyen al comportamiento», afirma Cawley. «Esto es algo que no habíamos podido hacer antes».

Mediante nueva inteligencia artificial, el equipo de Cowley descubrió que el cerebro de la mosca de la fruta utiliza un «código de población» para procesar datos visuales. En lugar de que un solo tipo de neurona asociara cada característica visual con una sola acción, como se suponía anteriormente, se necesitaban muchos grupos de neuronas para esculpir el comportamiento.

El diseño de estas vías neuronales parece un mapa de metro increíblemente complejo que llevaría años descifrar. Sin embargo, nos lleva a donde necesitamos ir. Permite a la IA de Cowley predecir cómo se comportarán las moscas de la fruta en la vida real cuando se les presenten estímulos visuales.

¿Significa esto que la IA algún día podrá predecir el comportamiento humano? No tan rapido. El cerebro de Drosophila contiene alrededor de 100.000 neuronas. El cerebro humano tiene aproximadamente 100 mil millones.

“Este es el caso de la mosca de la fruta. Puedes imaginar cómo es nuestro sistema visual”, dice Cowley, señalando el mapa del metro.

Sin embargo, Cowley espera que su modelo de IA algún día nos ayude a descifrar los cálculos detrás del sistema visual humano.

«Serán décadas de trabajo, pero si podemos resolverlo, estaremos a la vanguardia», dice Cawley. «Tenemos años de experiencia en esta área». [fly] Con cálculos, podemos construir un mejor sistema óptico artificial. Lo más importante es que comprenderemos mucho mejor los trastornos del sistema visual.

¿Cuánto mejor? Tendrás que verlo para creerlo.

Sobre noticias de investigación en inteligencia artificial y neurociencia.

autor: Sara Giarnieri
fuente: CSHL
comunicación:Sara Giarnieri – CSHL
imagen: Imagen acreditada a Neuroscience News.

Búsqueda original: Acceso abierto.
«El mapeo de la modularidad de las neuronas visuales revela el código poblacional para el comportamiento social“Por Benjamín Cowley et al. naturaleza

un resumen

El mapeo de la modularidad de las neuronas visuales revela el código poblacional para el comportamiento social

La rica diversidad de comportamientos observados en los animales surge de la interacción entre el procesamiento sensorial y el control motor. Para comprender estas transformaciones sensoriomotoras, es útil construir modelos que predigan no sólo las respuestas neuronales a los estímulos sensoriales, sino también cómo cada neurona contribuye causalmente al comportamiento.

Aquí demostramos un nuevo enfoque de modelado para identificar un mapeo uno a uno entre módulos internos en una red neuronal profunda y neuronas reales mediante la predicción de cambios de comportamiento que surgen de perturbaciones sistemáticas de más de una docena de tipos de neuronas.

El componente principal que presentamos es el «entrenamiento knockout», que implica perturbar la red durante el entrenamiento para que coincida con perturbaciones neuronales reales durante experimentos de comportamiento. Aplicamos este enfoque para modelar las transformaciones sensoriomotoras de Mosca de la fruta de vientre negro Machos durante un comportamiento social complejo y guiado visualmente.

Las neuronas de proyección visual ubicadas en la interfaz entre el lóbulo óptico y el cerebro central forman un grupo de canales discretos, y trabajos previos sugieren que cada canal codifica una característica visual específica para estimular un comportamiento particular.

Nuestro modelo llega a una conclusión diferente: grupos de neuronas de proyección visual, incluidas neuronas involucradas en comportamientos antisociales, impulsan las interacciones entre hombres y mujeres, formando un rico código de comportamiento poblacional.

En general, nuestro marco integra los efectos conductuales de diferentes trastornos neurológicos en un modelo unificado, proporcionando un mapa desde el estímulo hasta el tipo de neurona y el comportamiento, y permitiendo la incorporación futura de diagramas de cableado cerebral en el modelo.