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 observar cambios en el comportamiento, entrenaron a la IA para predecir con precisión la actividad neuronal y el comportamiento.

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

Hechos clave:

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

Fuente: CSHL

Nos dijeron: “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 descubierto una pista importante sobre cómo funciona. Lo hizo construyendo un modelo especial de inteligencia artificial del cerebro de la mosca de la fruta común.

El profesor asistente de CSHL, Benjamin Cowley, y su equipo mejoraron su modelo de IA mediante una técnica que desarrollaron llamada «entrenamiento de eliminación». Primero, registraron el comportamiento de cortejo de una mosca de la fruta macho: persiguiendo y cantándole a una hembra.

Luego silenciaron genéticamente tipos específicos de neuronas visuales en la mosca 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 actuaría la verdadera mosca de la fruta en respuesta a cualquier visión de la hembra.

«De hecho, podemos predecir la actividad neuronal computacionalmente y preguntar cómo contribuyen neuronas específicas al comportamiento», dice Cowley. «Esto es algo que no podíamos hacer antes».

Con su nueva IA, 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 tipo de neurona vincule cada característica visual con una acción, como se suponía anteriormente, se necesitaban muchas combinaciones de neuronas para esculpir el comportamiento.

Un gráfico de estas vías neuronales parece un mapa de metro increíblemente complejo y llevará años descifrarlo. Aún así, nos lleva a donde necesitamos ir. Permite a la IA de Cowley predecir cómo se comportará una mosca de la fruta en la vida real cuando se le presenten estímulos visuales.

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

“Eso es lo que pasa con las moscas de la fruta. Puedes imaginar cómo es nuestro sistema visual”, dice Cowley, refiriéndose al mapa del metro.

Aún así, Cowley espera que algún día su modelo de IA nos ayude a decodificar los cálculos subyacentes al sistema visual humano.

“Serán décadas de trabajo. Pero si podemos resolverlo, estaremos a la vanguardia”, dice Cowley. “Al aprender [fly] Cálculos, podemos construir un mejor sistema visual artificial. Lo más importante es que entenderemos los trastornos del sistema visual con mucho más detalle”.

¿Cuánto mejor? Tendrás que verlo para creerlo.

Sobre esta noticia de investigación en IA y neurociencia

Autor: Sara Giarnieri
Fuente: CSHL
Contacto:Sara Giarnieri – CSHL
Imagen: La imagen está acreditada a Neuroscience News.

Investigacion original: Acceso libre.
“El mapeo de unidades modelo a neuronas visuales revela el código de población para el comportamiento social”Por Benjamin Cowley et al. Naturaleza

Abstracto

El mapeo de unidades modelo a neuronas visuales revela el código de población para el comportamiento social

La rica variedad 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 individual entre unidades internas en una red neuronal profunda y neuronas reales, prediciendo los cambios de comportamiento que surgen de perturbaciones sistemáticas de más de una docena de tipos de células neuronales.

Un ingrediente clave que presentamos es el «entrenamiento knockout», que implica perturbar la red durante el entrenamiento para igualar las perturbaciones de neuronas reales durante experimentos de comportamiento. Aplicamos este enfoque para modelar las transformaciones sensoriomotoras de Drosophila melanogaster hombres durante un comportamiento social complejo y guiado visualmente.

Las neuronas de proyección visual en la interfaz entre el lóbulo óptico y el cerebro central forman un conjunto de canales discretos, y trabajos previos indican que cada canal codifica una característica visual específica para impulsar un comportamiento específico.

Nuestro modelo llega a una conclusión diferente: las combinaciones de neuronas de proyección visual, incluidas aquellas involucradas en comportamientos no sociales, impulsan las interacciones masculinas con las mujeres, formando un rico código de comportamiento poblacional.

En general, nuestro marco consolida los efectos conductuales provocados por múltiples perturbaciones neuronales en un modelo único y unificado, proporcionando un mapa desde el estímulo hasta el tipo de célula neuronal y el comportamiento y permitiendo la incorporación futura de diagramas eléctricos del cerebro en el modelo.