WORLD NEWS
Cómo los peces eléctricos evitan quedar cegados por sus propios pulsos: aprendizaje rápido y lento
Los peces eléctricos débiles africanos emiten impulsos eléctricos para encontrar su entorno, pero sus sentidos no quedan cegados por las fuertes señales eléctricas generadas por ellos mismos. El nuevo estudio de mapeo neuronal sugiere que los circuitos cerebrales emparejan células que se adaptan rápidamente pero que se dejan influir por el ruido con células que son lentas pero estables, borrando continuamente señales eléctricas propias y predecibles.
Esto no significa que los peces apaguen conscientemente su electricidad o que se haya revelado el método de aprendizaje del cerebro humano. Este es el resultado del análisis de un circuito eléctrico especial del lóbulo sensorial utilizando mapas de microscopía electrónica, experimentos fisiológicos y modelos computacionales, y requiere una verificación por separado para aplicarla a otros animales y a la inteligencia artificial.
¿Por qué la señal magnética es un problema?
Los peces trompa elefante localizan alimentos y obstáculos emitiendo débiles pulsos eléctricos desde los órganos de su cola y leyendo las distorsiones que regresan a sus sentidos cutáneos. Sin embargo, el pulso que acaba de liberarse puede anular pequeños cambios externos. El cerebro precalcula y resta las entradas esperadas del comportamiento, dejando señales inesperadas.
¿Qué encontraste en el mapa de conexión?
Los investigadores reconstruyeron las células y las conexiones sinápticas del lóbulo electrosensorial en alta resolución utilizando un microscopio electrónico. Las conexiones aprendibles se distribuyeron en múltiples capas del circuito, y las células con plasticidad rápida se emparejaron de cierta manera con células con plasticidad lenta. Las vías de inhibición/desinhibición y las conexiones de retroalimentación también afectaron la velocidad y la estabilidad del aprendizaje.
¿Por qué se necesitan juntos lo rápido y lo lento?
Si utiliza el aprendizaje rápido, podrá adaptarse rápidamente a los cambios ambientales pero también seguir ruidos accidentales. Si sólo se utiliza el aprendizaje lento, es estable pero se adapta lentamente a las nuevas condiciones. Un modelo computacional que combina las dos escalas de tiempo logró una calibración rápida y una estabilidad a largo plazo, consistente con la capacidad del pez para detectar señales externas mientras pulsa continuamente.
¿Se puede utilizar directamente en IA?
Los investigadores creen que esto podría servir de inspiración para el problema del aprendizaje continuo de la inteligencia artificial, que implica perder conocimientos antiguos mientras se aprende nueva información. Sin embargo, este estudio no es una prueba que realmente mejore el rendimiento de la IA. Las investigaciones de ingeniería posteriores deben responder qué algoritmo transferirá los principios de conexión de los circuitos biológicos y si será eficaz incluso cuando se amplíe.
¿Cuáles son las limitaciones que aún quedan?
Aunque los mapas neuronales y los datos fisiológicos proporcionan una base mecanicista sólida, no pueden capturar todos los estímulos y comportamientos en el entorno natural. Queda por ver si el mismo emparejamiento rápido-lento se utiliza en circuitos similares al cerebelo en otras especies de peces y mamíferos eléctricos. La conclusión actual se refiere a cómo un sistema sensorial especializado aprende y cancela el ruido magnético.