¿Estos investigadores acaban de crear un programa informático autista?

El mes pasado, se reveló que Investigación de Google en redes neuronales artificiales (ANNs) ocasionalmente producía algunas imágenes realmente extrañas, y algunos usuarios notaron de inmediato el parecido sorprendente que tenían estas imágenes con las que las personas informan después de tomar drogas alucinógenas. Eso resulta La razón por la que las ANN se 'dispararon' es la misma razón por la que lo hacen nuestros cerebros: con una capacidad reducida para juzgar el significado real de las imágenes a medida que se procesan (ya sea porque estás drogado o porque eres un programa de computadora experimental) , los algoritmos de reconocimiento de patrones se agitan.



Los algoritmos siguen la ruta más simple desde formas básicas hasta adivinar los objetos que representan esas formas, a menudo se desvían del camino sin una dirección significativa del cerebro superior. Sin un poco de sabiduría para ir con el intelecto crudo de la computadora, cada forma redondeada podría, a lo largo de muchas iteraciones, obtener categorizado como un ojo . Y sin información subjetiva sobre el contexto de una escena, los algoritmos totalmente funcionales pueden convertir lentamente las nubes en espeluznantes mutantes en monociclos.

Este ejemplo muestra cómo la metáfora computacional de una red neuronal artificial puede brindar información básica sobre el funcionamiento del cerebro, pero científico ¿visión? Las ANN recién están alcanzando el nivel de sofisticación en el que los científicos podrían utilizarlas como una herramienta, lo que les permite predecir realmente cómo reaccionará el cerebro a los cambios en su estructura. Ahora, un nuevo estudio asombroso de la Facultad de Medicina de Baylor afirma haber hecho precisamente eso. Cuando los neurocientíficos Ari Rosenberg y Jaclyn Sky Patterson simularon una causa teorizada del autismo en una red neuronal artificial, esa simulación comenzó a exhibir un comportamiento reconocible similar al autismo.



red de autismo 2



Google tiene hablé un poco sobre su investigación de redes neuronales trippy, pero el proceso de reconocimiento de imágenes del gigante de las búsquedas no está diseñado para producir información científica. Por otro lado, el reciente estudio de Baylor logró generar sus resultados similares al autismo cambiando un solo parámetro en una simulación directa de una porción de la corteza visual. Es un diseño experimental elegante, aunque no probado. La razón por la que un cambio tan pequeño funcionó, o pareció hacerlo, está envuelto en la estructura del cerebro y es una posible causa de uno de los trastornos más complejos de la medicina.

El autismo como propiedad emergente

La teoría parece demasiado simple para ser verdad. El autismo es uno de los problemas de salud más complejos que se estudian en la actualidad, un nudo inútil de la genética, el historial de vida, el análisis del comportamiento y estándares culturales muy diversos. Sin embargo, una teoría del autismo afirma que muchos de los síntomas más característicos del trastorno podrían ser el resultado de una única modificación inducida químicamente: los cerebros autistas pueden ser simplemente demasiado ruidosos.

Expresado en el lenguaje demasiado silábico de la bioquímica, esto se refiere al concepto de normalización divisiva (DN), una medida del grado en que la actividad de cualquier neurona es inhibida por la actividad de la población general de neuronas que la rodean. En los cerebros 'normales', las neuronas reducen la urgencia de su activación cuando están rodeadas por muchas otras neuronas que se activan, y varios años de investigación parecen sugerir que, al hacerlo, evitan que nuestras mentes conscientes se confundan y abrumen de la forma en que las personas autistas informe a menudo.

La normalización divisiva (DN) también puede ser responsable de ayudarnos a dar sentido a la entrada multisensorial en el mismo estímulo.

La normalización divisiva (DN) también puede ser responsable de ayudarnos a dar sentido a la entrada multisensorial en el mismo estímulo.



La normalización divisiva se considera un 'cálculo canónico', lo que significa que se encuentra en múltiples regiones del cerebro y en múltiples especies; este esquema regulador simple parece ser fundamentalmente importante para los sistemas cerebrales complejos. Entonces, tan pronto como la tecnología de clonación y edición genética lo permitió, los científicos recurrieron a modelos animales y se hicieron una pregunta muy simple: si pudieran reducir la normalización divisiva, ¿podrían crear un ratón autista?

Los estudios parecen indicar que la respuesta es, al menos superficialmente, sí. Cuando los investigadores desactivaron genes críticos para GABA (el neurotransmisor inhibidor primario), ellos exhibieron lo que los científicos han considerado comportamientos similares al autismo: evitaron el contacto social con otros ratones; participa en acciones extrañas y repetitivas; mostró un aprendizaje espacial empeorado; e incluso parecía adquirir un leve miedo a los espacios abiertos. Reintroducir GABA y permitir que las neuronas bajen su propio volumen en respuesta a una cacofonía abrumadora resultó en un comportamiento similar al autismo notablemente menos notable.

Existe alguna evidencia de que los niños autistas desarrollan más conexiones neuronales que los niños no autistas, como se visualiza aquí.

Existe alguna evidencia de que los niños autistas desarrollan más conexiones neuronales que los niños no autistas, como se visualiza aquí.

La implicación fue clara: aunque parecía increíble, los resultados sugirieron que muchos de los diversos síntomas del autismo podrían ser todos una propiedad emergente de una sola irregularidad computacional de bajo nivel en el cerebro.



Pero los ratones son, desafortunadamente, ratones, ¿quién sabe por qué hacen lo que hacen? Y GABA tiene una multitud de funciones, más allá de su papel en la normalización divisiva. La ciencia del autismo avanzaba rápidamente por varios otros caminos complementarios e identificó una serie de otras posibles explicaciones neuronales del autismo. La evidencia más fuerte a favor de la teoría DN del autismo continuó basándose en estudios observacionales en humanos y en la cuestionable aplicabilidad del comportamiento animal.

Dado que la manipulación genética de humano Los sujetos de prueba, por supuesto, estaba fuera de discusión, esa situación parecía poco probable que cambiara. Después de todo, no es como si pudieras construir un cerebro humano desde cero ...

Redes neuronales artificiales

En los últimos cinco años, las redes neuronales artificiales han recorrido un largo camino. Comenzaron principalmente como una curiosidad en la ciencia de la computación, luego en la biología: intentos ambiciosos de modelar la organización general del cerebro mediante el uso de software para simular neuronas individuales y las conexiones entre ellas. Proporcionaron algunas demostraciones agradables de cómo una red de actores programados (neuronas) extremadamente simples puede trabajar en conjunto para resolver problemas complejos rápidamente. La corteza visual primaria, por ejemplo, está estructurada físicamente para filtrar la información visual entrante en busca de cosas básicas como el movimiento, los patrones y los contornos de objetos estáticos, y puede hacer esto con una eficiencia asombrosa en relación con una computadora digital.

Un diagrama muy simplificado de la organización de la ANN.

Un diagrama muy simplificado de la organización de la ANN.

Las ANN describen los cerebros como máquinas lógicas de pachinko en las que los estímulos caen a través de varias rutas estadísticas ponderadas determinadas por sus atributos iniciales y la programación de cada neurona que encuentran. Lo que esto significa es que un pequeño ajuste en el comportamiento de todas las neuronas puede tener un efecto acumulativo enorme en el destino final de los datos que se procesan, tal como lo encontramos en las redes neuronales biológicas (cerebros). En los cerebros, este ajuste de comportamiento para las neuronas probablemente proviene de una proteína de superficie alterada, mientras que en las redes neuronales artificiales proviene de ajustes directos a un parámetro numérico.

Uno de esos números podría controlar la fuerza de la señalización de neurona a neurona, colapsando todos los matices de la función sináptica en una sola cantidad. Otro podría dictar la tendencia de las neuronas a dejar de responder después de largos períodos de estimulación constante, adormeciéndolas para estar sobreexcitadas. Estas son metáforas computacionales para sistemas biológicos mucho más complejos y pueden, en conjunto, reflejar o incluso predecir algunos aspectos de la función neuronal.

Este intento de Google ANN de comprender un marco complejo de la manera más simple posible llevó a algunos de los mismos resultados a los que llegan los pintores humanos cuando intentan hacer lo mismo.

Este intento de una ANN de Google de comprender un marco complejo con la menor cantidad de líneas posibles llegó a algunos de los mismos resultados estéticos humanos que los pintores que intentan lo mismo.

Pero para fines de investigación, simplemente simular el cerebro no es suficiente. Las redes neuronales artificiales podrían ofrecer la oportunidad de modelar no solo un cerebro humano típico, sino también aquellos con cambios experimentales de importancia crucial incorporados. Estos cambios siempre serían imposibles en las pruebas en humanos, pero no supondrían ningún problema en un modelo informático. Los científicos comenzaban a preguntarse: ¿qué pasaría si la mente de una ANN se tambaleara?

Una red neuronal con autismo

Ari Rosenberg y sus colegas se metieron en esta situación y decidieron sintetizar.

Sabían que el autismo tenía varios efectos reconocibles en el procesamiento visual básico y que la corteza visual primaria (llamada 'V1') era actualmente una de las mejores áreas del cerebro para modelar con una ANN. Y sabían que debido a que podía representarse con un solo parámetro modificado, la teoría de la normalización divisiva ofrecía un posible puente entre los efectos altamente subjetivos del autismo y las operaciones numéricas de una RNA.

red neuronal 5Tenían un modelo de computadora que funcionaba para usar, un cambio relevante que hacer en ese modelo y una predicción sobre el efecto que ese cambio debería tener; en otras palabras, tenían los ingredientes de un experimento.

'Incluso en tareas visuales muy simples ... se encuentra un comportamiento alterado en personas con autismo', dijo Rosenberg en una entrevista telefónica reciente. 'Entonces, construimos un modelo de red neuronal de muy bajo nivel de la corteza visual primaria ... y luego comenzamos a jugar con los parámetros'.

Lo primero que probaron fue un procesamiento visual complejo. Cuando se les presentan 'rejillas' dinámicas de líneas sinusoidales, los seres humanos autistas superan consistentemente a los sometidos a pruebas de control al identificar correctamente la dirección del movimiento más rápidamente, y aumentar el contraste visual mejora enormemente esta ventaja. A medida que aumenta el tamaño de las líneas, el desempeño de todos empeora, pero los puntajes de las personas autistas siguen siendo más altos que los de sus contrapartes 'salvajes'.

Los dos gráficos superiores muestran resultados en humanos (pruebas autistas en azul). Los gráficos inferiores muestran los resultados de ANN.

Los dos gráficos superiores muestran los resultados de la prueba de rejilla de ensayos en humanos (participantes autistas en azul). Los gráficos inferiores muestran los resultados de ANN.

Las dos redes neuronales artificiales de Rosenberg mostraron las mismas tendencias generales. El modelo de autismo, con la normalización divisiva atenuada, superó sistemáticamente a la versión 'saludable'. Las habilidades relativas de los modelos siguieron las mismas tendencias que los sujetos de prueba humanos.

A continuación, probaron la 'visión de túnel', la tendencia observada de las personas autistas a estar menos atentas a los estímulos visuales que ocurren lejos del objeto actual de su atención. El equipo presentó sus cortezas visuales V1 simuladas con las mismas rejillas de curva sinusoidal que antes, pero esta vez las colocó a diferentes distancias de un centro de atención bloqueado. Los resultados son muy similares a los recopilados por investigadores anteriores que probaron en humanos: el autismo ANN estaba mucho menos interesado en los estímulos alejados de su centro de atención.

Finalmente, el equipo probó sus ANN contra una relación conocida entre la inferencia estadística y el autismo: que las personas autistas no tienden a tener en cuenta los conocimientos previos sobre el mundo de manera tan eficiente como las personas no autistas. Lo lograron utilizando el llamado 'efecto oblicuo', que describe el hecho de que las personas son mejores para identificar líneas horizontales y verticales que las orientadas en un ángulo oblicuo.

Rendimiento en la prueba de visión de túnel. Gráficos superiores de humanos, gráficos inferiores de las ANN.

Rendimiento en la prueba de visión de túnel. Gráficos superiores de humanos, gráficos inferiores de las ANN.

Decirle a una red neuronal que funciona normalmente que espere líneas oblicuas, esencialmente dándole algo de experiencia sobre el tema de la orientación de la línea en su 'entorno', resultó en un rendimiento mucho mejor. El modelo de autismo mejoró mucho menos debido a las expectativas y obtuvo una ventaja mucho menos poderosa que el modelo normal de los 'antecedentes' que proporcionaron los investigadores.

Son tres pruebas y tres impresionantes confirmaciones de correlación. Las ANN con normalización divisiva rechazada parecen comportarse de manera muy similar a los ratones con la producción de GABA rechazada y los seres humanos con autismo diagnosticado. La pregunta es, ¿qué significa realmente ese resultado?

El problema con los modelos

Al igual que con la aparente agorafobia en ratones, la salida de una red neuronal es solo una metáfora del comportamiento mucho más complejo de un cerebro humano real, pero los resultados son indudablemente provocativos. Si una corteza visual simulada se ve afectada de manera similar al autismo por una organización similar al autismo, como parece ser, entonces, en el futuro, tal vez un lóbulo frontal simulado también podría insinuar las causas de los efectos cognitivos superiores del autismo.

red neuronal 8

Por ahora, este estudio parece brindar un poderoso apoyo a la teoría de la normalización divisiva del autismo. Una ANN no puede probar una teoría biológica por sí sola, pero Rosenberg dijo que este tipo de modelado de software podría permitir un 'proceso sinérgico' en la investigación. La información obtenida del trabajo con pacientes podría actualizar los modelos de ANN para que sean más precisos, lo que permitiría a las ANN motivar experimentos biológicos más profundos. No puede publicar la verdad de una teoría solo porque una ANN reaccionó de cierta manera, pero probablemente podría justificar una solicitud de financiación.

Para estudiar los cambios computacionales en la función cerebral, los experimentos físicos deben cambiar genes y proteínas, luego esperar que estos cambios ajusten el comportamiento computacional de la manera que ellos desean, sin introducir algún otro cambio confuso en el camino. Las RNA pueden simplemente hacer cambios computacionales directamente y dejar que los biólogos realicen ingeniería inversa más adelante en un camino molecular hacia ese nuevo comportamiento.

La normalización divisiva ocurre en todas las regiones del cerebro, sin embargo, este estudio solo analizó sus efectos en el primer eslabón de la cadena de procesamiento visual. Los efectos de la disminución de la inhibición por parte de la población, cuando se aplica a todo el cerebro, posiblemente podrían explicar una variedad aún más amplia de síntomas de autismo, pero cualquier afirmación de este tipo requerirá más trabajo, con pacientes reales.

Al final, este estudio puede ser más interesante como prueba de concepto que como contribución a la investigación del autismo: la teoría de la normalización divisiva existía mucho antes de que este equipo llegara a ella. Pero las RNA proporcionan un método potencialmente novedoso para generar hipótesis médicas. Pueden buscar muy rápidamente a través de enormes espacios de posibilidades, simulando modificaciones extrañas en la arquitectura del cerebro humano que ningún científico ético podría investigar en el mundo real.

Es un momento emocionante para la investigación del cerebro.

Copyright © Todos Los Derechos Reservados | 2007es.com