La neurociencia revela que aprender reorganiza el cerebro para que las neuronas compartan información, cuestionando una de las teorías más aceptadas
NEUROCIENCIAS.
Un estudio con registros neuronales durante semanas de aprendizaje revela un patrón inesperado en cómo cambian las redes del cerebro al adquirir nuevas habilidades.
Fuente: ChatGPT.
Aprender algo nuevo —reconocer un rostro entre la multitud, detectar un error tipográfico de un vistazo o distinguir patrones visuales similares— parece una tarea sencilla desde la experiencia cotidiana. Sin embargo, para el cerebro implica reorganizar la forma en que millones de neuronas procesan la información. Comprender cómo ocurre ese cambio es una de las preguntas centrales de la neurociencia: ¿qué sucede exactamente en los circuitos neuronales cuando una habilidad mejora con la práctica?
Un nuevo trabajo publicado en la revista Science analiza esta cuestión observando directamente la actividad de poblaciones de neuronas mientras animales aprenden una tarea visual. El estudio sigue durante semanas la actividad de neuronas del córtex visual en macacos y examina cómo cambian sus respuestas a medida que los animales aprenden a distinguir entre distintos patrones visuales. Los resultados aportan datos detallados sobre cómo evoluciona la actividad colectiva de las neuronas durante el aprendizaje y ofrecen pistas sobre el papel que desempeñan las conexiones entre diferentes áreas del cerebro.
Dos formas de entender cómo procesa información el cerebro.
En neurociencia existen dos grandes marcos teóricos para explicar cómo el cerebro transforma las señales sensoriales en percepciones y decisiones. El primero, dominante durante décadas, describe el procesamiento sensorial como una cadena principalmente unidireccional. Según esta visión, las señales procedentes de los sentidos se procesan paso a paso en distintas áreas cerebrales, cada vez con mayor nivel de abstracción.
En este modelo clásico, el aprendizaje se interpreta como una forma de optimizar esa cadena de procesamiento. La idea es que, con la práctica, las neuronas se vuelven más eficientes: reducen la repetición innecesaria de información y se especializan para transmitir señales más claras hacia las áreas encargadas de tomar decisiones.
Sin embargo, existe una segunda propuesta teórica que ha ganado peso en los últimos años. Según este enfoque, conocido como inferencia generativa, el cerebro no se limita a procesar información que llega desde los sentidos. También utiliza expectativas internas sobre el mundo para interpretar lo que percibe. En este marco, las señales sensoriales y las predicciones internas se combinan continuamente a través de conexiones tanto ascendentes como descendentes entre áreas cerebrales.
Como explican los autores del estudio, en este modelo “las neuronas representan creencias sobre las causas en el mundo externo, continuamente actualizadas mediante el intercambio de información entre la evidencia sensorial y las expectativas previas” .
Esquema del experimento y de las dos predicciones teóricas sobre cómo debería cambiar la redundancia de información entre neuronas durante el aprendizaje. Fuente: Science
Seguir neuronas durante semanas de aprendizaje.
Para investigar qué ocurre realmente durante el aprendizaje, los investigadores entrenaron a dos macacos rhesus para realizar tareas de discriminación visual. Los animales debían distinguir entre diferentes orientaciones de patrones visuales —por ejemplo, líneas horizontales frente a verticales— y elegir la respuesta correcta mediante un movimiento ocular.
Mientras los animales aprendían, los científicos registraron la actividad de poblaciones de neuronas en el área visual V4 del cerebro utilizando matrices de electrodos implantadas de forma crónica. Este sistema permitió seguir la actividad de las mismas neuronas durante varias semanas, algo fundamental para observar cómo cambian sus respuestas a lo largo del proceso de aprendizaje.
Los investigadores analizaron cómo se distribuía la información sobre el estímulo visual entre las neuronas de la población. En particular, midieron el grado de redundancia informativa, es decir, cuánto de la información representada por una neurona también estaba presente en otras.
Este enfoque permite comparar dos situaciones distintas: una en la que cada neurona aporta información independiente y otra en la que varias neuronas comparten parte de esa información. La diferencia entre ambas permite cuantificar el grado de redundancia dentro de la población neuronal.
Cuando las neuronas empiezan a compartir información.
Los registros mostraron que, al inicio del aprendizaje, las neuronas respondían de forma relativamente independiente. En ese momento, el nivel de redundancia informativa era cercano a cero. Esto indicaba que cada neurona aportaba información sobre el estímulo de forma bastante autónoma.
Sin embargo, esa situación cambió progresivamente a medida que los animales mejoraban en la tarea. El estudio encontró que la redundancia entre neuronas aumentaba con el entrenamiento, de modo que cada neurona empezaba a compartir parte de la información con otras.
Los autores describen el resultado de forma directa: “al comienzo del aprendizaje, la redundancia era cercana a cero, lo que indicaba respuestas neuronales en gran medida independientes”, pero “a lo largo del entrenamiento, la redundancia aumentó, llegando finalmente a niveles en los que aproximadamente la mitad de la información de cada neurona se compartía con otras neuronas registradas” .
Este patrón contrasta con la idea tradicional de que el aprendizaje reduce la redundancia para hacer el procesamiento más eficiente. En lugar de eliminar las correlaciones entre neuronas, el aprendizaje parece favorecer que la información relevante se distribuya entre múltiples neuronas.
Otro resultado importante es que este aumento de redundancia no implicaba una pérdida de información total. De hecho, la información disponible en cada neurona individual también aumentaba durante el aprendizaje.
Fuente: ChatGPT.
¿Redundancia significa información inútil? No exactamente.
En lenguaje cotidiano, la palabra redundancia suele asociarse a repetición innecesaria o a ineficiencia. En neurociencia, sin embargo, el término tiene un significado más preciso. En este contexto, redundancia no implica que las neuronas hagan exactamente lo mismo, sino que parte de la información que contiene una neurona también está presente en otras. Esa información compartida puede parecer redundante desde el punto de vista de la eficiencia energética, pero también tiene ventajas: hace que las señales sean más robustas frente al ruido neuronal y permite que distintas áreas del cerebro lean la información de manera más fiable. El estudio analiza precisamente cómo cambia ese grado de información compartida durante el aprendizaje.
Un proceso dinámico que ocurre incluso dentro de cada decisión.
El estudio reveló además que este fenómeno no solo aparece a lo largo de semanas de entrenamiento. También se produce en escalas de tiempo mucho más cortas, dentro de cada ensayo de la tarea.
Durante los pocos segundos que duraba cada estímulo visual, la redundancia entre neuronas aumentaba gradualmente. Esto sugiere que las neuronas van compartiendo información mientras el cerebro acumula evidencia sensorial para tomar una decisión.
Según los investigadores, “la redundancia no solo aumentó a lo largo de semanas de entrenamiento, sino también dentro de cada ensayo, a lo largo de cientos de milisegundos” . Este patrón es coherente con la idea de que el cerebro integra información progresivamente durante el proceso de decisión.
Otro dato clave es que este efecto dependía del contexto. Cuando los animales simplemente miraban las imágenes sin tener que responder, el aumento de redundancia prácticamente desaparecía. Esto indica que el fenómeno está vinculado al compromiso activo con la tarea, no a cambios permanentes en la estructura del circuito neuronal.
Un cerebro que combina información y expectativas.
Los autores interpretan estos resultados como una evidencia a favor de los modelos de inferencia generativa. En este marco, las neuronas sensoriales no se limitan a representar datos sensoriales, sino que también reflejan las expectativas del cerebro sobre lo que está ocurriendo.
En términos prácticos, esto significa que diferentes neuronas comparten información porque están incorporando predicciones comunes sobre el estímulo. Estas predicciones se transmiten mediante conexiones de retroalimentación desde áreas cerebrales implicadas en la toma de decisiones.
Según el estudio, “el aprendizaje de una tarea perceptiva aumentó la redundancia de información entre neuronas sensoriales”, un resultado que “contradice la comprensión convencional del papel del aprendizaje y la atención” .
En lugar de optimizar la eficiencia eliminando correlaciones, el cerebro parece redistribuir la información entre neuronas, lo que podría facilitar una interpretación más robusta y flexible de las señales sensoriales.
Implicaciones para comprender el aprendizaje.
Estos hallazgos tienen implicaciones para distintos campos de investigación. En neurociencia básica, sugieren que la actividad coordinada entre neuronas puede ser una parte fundamental de cómo el cerebro integra información durante el aprendizaje.
También pueden ayudar a explicar por qué algunas neuronas individuales parecen contener tanta información sobre una tarea como el comportamiento completo del animal. Si gran parte de esa información está compartida entre muchas neuronas, cada una de ellas reflejaría en realidad el estado colectivo de la red.
Además, los resultados podrían influir en el diseño de sistemas de inteligencia artificial. Muchos algoritmos actuales se basan en arquitecturas que transforman entradas sensoriales directamente en decisiones, pero los modelos inspirados en la inferencia generativa incluyen bucles de retroalimentación que combinan datos sensoriales con expectativas internas.
Comprender cómo el cerebro redistribuye información durante el aprendizaje podría ayudar a desarrollar sistemas artificiales más flexibles, capaces de adaptarse a nuevas situaciones con menos datos y de integrar mejor diferentes fuentes de información.
Por: Eugenio M. Fernández Aguilar. Físico, escritor y divulgador científico.
Sitio Fuente: MuyInteresante