3.1: Introducción

En este capítulo, nos basamos en el Capítulo de las Neuronas para entender cómo las redes de detectores pueden producir un comportamiento emergente que es más que la suma de sus constituyentes neuronales simples. Nos enfocamos en las redes del neocórtex (“nueva corteza”, a menudo simplemente denominada “corteza”), que es la porción externa evolutivamente más reciente del cerebro donde tienen lugar la mayoría de las funciones cognitivas avanzadas. Hay tres categorías principales de fenómenos de redes emergentes:

• Categorización de diversos patrones de actividad en grupos relevantes: Por ejemplo, los rostros pueden verse muy diferentes entre sí en términos de sus entradas de “píxeles” sin procesar, pero podemos categorizar estas diversas entradas de muchas maneras diferentes, para tratar algunos patrones como más similares que otros: masculino vs. femenino, joven vs viejo, feliz vs triste, “mi madre” vs. “alguien más”, etc. Formar estas categorías es esencial para permitirnos hacer las respuestas conductuales y cognitivas adecuadas (acercar vs. evitar, pedir dinero prestado, etc.). Imagínese tratar de relacionar todas las entradas en bruto de una imagen visual de un rostro con respuestas conductuales apropiadas, sin el beneficio de tales categorías. La relación (“mapeo”) entre píxeles y respuestas es demasiado compleja. Estas categorías intermedias y abstractas organizan y simplifican la cognición, al igual que las carpetas de archivos organizan y simplifican los documentos en tu computadora. Se puede argumentar que gran parte de la inteligencia equivale a desarrollar y usar estas categorías abstractas de la manera correcta. Biológicamente, veremos cómo las sucesivas capas de detectores neuronales, organizados en una jerarquía, permiten este tipo de categorización cada vez más abstracta del mundo. También veremos que muchos detectores neuronales individuales en cada etapa del procesamiento pueden trabajar juntos para capturar la sutileza y complejidad necesarias para codificar categorías conceptuales complejas, en forma de representación distribuida. Estas representaciones distribuidas también son críticas para permitir múltiples formas diferentes de categorizar una entrada para que esté activa al mismo tiempo; por ejemplo, una cara dada puede ser reconocida simultáneamente como femenina, vieja y feliz. Gran parte de la inteligencia emergente del cerebro humano surge de múltiples niveles sucesivos de representaciones distribuidas en cascada, constituyendo las acciones colectivas de miles de millones de neuronas piramidales excitatorias que trabajan juntas en la corteza.
• La dinámica excitatoria bidireccional es producida por la conectividad omnipresente bidireccional (por ejemplo, de abajo hacia arriba y de arriba hacia abajo o feedforward y retroalimentación) en el neocórtex. La capacidad de la información para fluir en todas las direcciones a lo largo del cerebro es fundamental para comprender fenómenos como nuestra capacidad de enfocarnos en la tarea en cuestión y no distraerse con estímulos entrantes irrelevantes (¿mi bandeja de entrada de correo electrónico simplemente emitió un pitido??) , y nuestra capacidad para resolver la ambigüedad en las entradas aportando conocimientos de nivel superior a las etapas de procesamiento de nivel inferior. Por ejemplo, si estás tratando de buscar un compañero en una gran multitud de personas (por ejemplo, en un evento deportivo o centro comercial), puedes mantener una imagen de lo que estás buscando (por ejemplo, una chaqueta roja), lo que ayuda a impulsar el procesamiento relevante en etapas de nivel inferior. Los efectos generales de la conectividad bidireccional se pueden resumir en términos de una satisfacción dinámica de atractor o restricción múltiple, donde la red puede comenzar en una variedad de diferentes estados de actividad, y terminar siendo “absorbida por” un estado de atractor común, representando una interpretación limpia y estable de un patrón de entrada ruidoso o ambiguo. Probablemente la mejor experiencia subjetiva de esta dinámica de atractor es al ver un Autoestereograma (NOTA: enlaces a Wikipedia por ahora) — solo miras este patrón de aspecto aleatorio con los ojos cruzados, hasta que lentamente tu cerebro comienza a caer en el atractor 3D, y la imagen emerge lentamente. La imagen subyacente contiene muchas coincidencias individuales de los patrones aleatorios entre los dos ojos en diferentes desplazamientos laterales; estas son las restricciones en el problema de satisfacción de múltiples restricciones que eventualmente trabajan juntas para hacer que aparezca la imagen 3D; esta imagen 3D es la que mejor satisface todas esas limitaciones.
• La competencia inhibitoria, mediada por interneuronas inhibidoras especializadas, es importante para proporcionar una regulación dinámica de la actividad global de la red, lo que es especialmente importante cuando hay bucles de retroalimentación positiva entre neuronas como en el caso de la conectividad bidireccional. La existencia de epilepsia en el neocórtex humano indica que es difícil lograr el equilibrio adecuado entre la inhibición y la excitación —el cerebro obtiene tantos beneficios de esta excitación bidireccional que aparentemente vive justo al borde de controlarlo con inhibición. La inhibición da lugar a representaciones dispersas distribuidas (que tienen un porcentaje relativamente pequeño de neuronas activas a la vez, por ejemplo, 15% más o menos), que tienen numerosas ventajas sobre las representaciones distribuidas que tienen muchas neuronas activas a la vez. Además, veremos en el Capítulo de Aprendizaje que la inhibición juega un papel clave en el proceso de aprendizaje, análogo a la dinámica darwiniana de “supervivencia del más apto”, como resultado de la dinámica competitiva producida por la inhibición.

Comenzamos con una breve descripción de la biología de las redes neuronales en el neocórtex.