8.2: Memoria Episódica

Comenzamos con la memoria episódica, porque es una parte tan importante de nuestras vidas conscientes, y realmente de nuestras identidades. Por ejemplo, la película Total Recall, basada libremente en la novela de Philip K. Dick We Can Remember it for You Wholesale (enlace de Wikipedia), explora esta conexión entre los recuerdos episódicos y nuestro sentido de nosotros mismos. Todas las personas con un hipocampo en funcionamiento tienen esta notable “grabadora” que codifica constantemente todo lo que sucede durante nuestras vidas de vigilia —no tenemos que hacer un esfuerzo particular para recordar lo que sucedió hace 20 minutos o unas horas—, simplemente está ahí automáticamente. La mayoría de las personas terminan olvidando la gran mayoría del flujo diario de nuestras vidas, conservando solo los eventos particularmente sobresalientes o significativos.

Sin embargo, un pequeño porcentaje de personas aparentemente “normales” tienen memoria Excepcional (enlace de Wikipedia), o hipertimesia. Curiosamente, no es el propio hipocampo el que diferencia a estas personas de usted y de mí —en cambio, se caracterizan por el ensayo obsesivo y la recuperación de recuerdos episódicos, con áreas de los ganglios basales aparentemente agrandadas (lo cual se asocia con el trastorno obsesivo compulsivo (TOC)). Como veremos en Función Ejecutiva, los ganglios basales participan no sólo en el control motor y aprendizaje de refuerzo, sino también en el refuerzo de actualización y mantenimiento de la memoria activa. Esto sugiere que en cerebros humanos normales, el hipocampo tiene la capacidad cruda de codificar y recordar todos los días de nuestras vidas, pero la mayoría de la gente simplemente no se molesta en ensayar estos recuerdos hasta el punto en que todos puedan ser recuperados de manera confiable. En efecto, una queja importante que tienen estas personas con memoria excepcional es que son incapaces de olvidar todas las cosas desagradables de la vida que la mayoría de la gente simplemente deja ir.

Entonces, ¿qué hace exactamente que el hipocampo sea un sistema de memoria episódica tan excepcionalmente bueno? Nuestra investigación comienza con el fracaso. Específicamente, el fracaso de un modelo de red neuronal cortical “genérico” del tipo que hemos estado explorando en este libro de texto para exhibir algún tipo de capacidad útil de memoria episódica. Esta falla fue documentada por primera vez por McCloskey y Cohen (1989), utilizando una red genérica de retropropagación entrenada en la tarea de aprendizaje de lista de asociados emparejados AB-AC (Barnes & Underwood, 1959) (Figura 8.1). Esta tarea implica aprender una lista inicial de pares de palabras arbitrarias, llamada lista AB, por ejemplo:

• locomotora - toalla de cocina
• ventana - razón
• bicicleta - árbol
• ...

A las personas se les pone a prueba su capacidad para recordar al asociado B para cada ítem A, y el entrenamiento en la lista AB termina cuando logran un recuerdo perfecto. Después, empiezan a aprender la lista AC, que involucra a nuevos asociados para los ítems A anteriores:

• locomotora - nube
• ventana - libro
• bicicleta - sofá
• ...

Figura\(8.1\): Datos de humanos (a) y un modelo genérico (cortical) de red neuronal (b) sobre la tarea clásica de aprendizaje de lista AB - AC, que genera una interferencia considerable al volver a emparejar los elementos de la lista A con nuevos asociados en la lista AC después de tener primero aprendió la lista AB. El desempeño de las personas en los elementos AB después de aprender la lista de CA definitivamente se degrada (línea roja), pero no tan catastróficamente como en el modelo de red neuronal. Datos reproducidos de McCloskey y Cohen (1989).

Después de 1, 5, 10 y 20 iteraciones de aprendizaje de esta lista de AC, las personas son probadas en su capacidad para recordar los elementos AB originales, sin ningún entrenamiento adicional sobre esos elementos. La Figura 8.1 muestra que hay una cantidad significativa de interferencia en la lista AB como resultado del aprendizaje de los ítems AC, debido a la considerable superposición entre las dos listas, pero incluso después de 20 iteraciones a través de los ítems AC, la gente aún puede recordar sobre 50% de la lista AB. En contraste, McCloskey & Cohen (1989) mostraron que el modelo de red exhibió interferencias catastróficas — el rendimiento en la lista AB fue al 0% inmediatamente. Concluyeron que esto invalidó todos los modelos de redes neuronales de cognición humana, porque obviamente las personas tienen habilidades de memoria episódica mucho mejores.

Pero veremos que este tipo de abandono total de las redes neuronales no está justificado (de hecho, el cerebro es una red neuronal masiva, por lo que debe haber alguna descripción de la red neuronal de cualquier fenómeno, y tomamos este tipo de desafíos como oportunidades informativas para identificar los mecanismos relevantes). En efecto, en la siguiente exploración veremos que existen ciertos parámetros de red que reducen los niveles de interferencia. La manipulación más importante que se requiere es aumentar el nivel de inhibición para que estén activas menos neuronas, lo que reduce el solapamiento entre la representación interna de los ítems de la lista AB y AC, permitiendo así que el sistema aprenda AC sin sobrescribir el previo Recuerdos AB. Entonces veremos que el sistema hipocampal explota este truco en un grado extremo (junto con algunos otros), convirtiéndolo en un sistema de memoria episódica excepcionalmente bueno.

Exploración de interferencia catastrófica

Abra la simulación ABAC y siga las indicaciones allí.

El Hipocampo y la Separación de Patrones/Finalización del Patrón

El hipocampo está específicamente optimizado para registrar rápidamente memorias episódicas usando representaciones muy escasas (es decir, que tienen relativamente pocas neuronas activas) que minimizan la superposición (a través de la separación de patrones) y, por lo tanto, la interferencia. Esta idea es consistente con una cantidad tan grande de datos, que se acerca al hecho establecido (una rareza en la neurociencia cognitiva). Estos datos incluyen el hallazgo básico de alteraciones episódicas de la memoria (y particularmente en la separación de patrones) que resultan de lesiones selectivas del hipocampo, las características únicas de la anatomía del hipocampo, que son tan distintivas en relación con otras áreas cerebrales que claman por una explicación, y la vasta repertorio de datos de registro neural de diferentes áreas del hipocampo. Comenzamos con una visión general de la anatomía del hipocampo, seguido de los datos de registro neuronal y una comprensión de cómo los niveles de actividad neuronal relativamente escasos también resultan en la separación de patrones, lo que minimiza la interferencia.

Anatomía del Hipocampo

Figura\(8.2\): El hipocampo se encuentra en la “cima” de la jerarquía cortical y puede codificar información de todo el cerebro, uniéndola en una memoria episódica. Las vías dorsal (parahipocampal) y ventral (perirhinal) de la corteza posterior convergen en la corteza entorinal, que es entonces la vía de entrada y salida del hipocampo propiamente dicho, que consiste en la circunvolución dentada (DG) y áreas de “cuerno de ammón” (cornu ammonis, CA) — CA3 y CA1. CA3 representa el “engrama” primario para la memoria episódica, mientras que CA1 es una codificación invertible de EC, de tal manera que el recuerdo posterior del engrama CA3 puede activar CA1 y luego EC, para reactivar la memoria episódica completa en la corteza.

La anatomía del hipocampo propiamente dicho y las áreas que se alimentan en él se muestra en la Figura 8.2. El hipocampo representa una de las dos “cumbres” en la parte superior de la jerarquía de áreas corticales interconectadas (donde la parte inferior son áreas de entrada sensorial, por ejemplo, corteza visual primaria); la otra cumbre es la corteza prefrontal explorada en el Capítulo de Función Ejecutiva. De esta manera, posee una característica crítica para un sistema de memoria episódica: el acceso a un resumen de muy alto nivel de todo lo importante que sucede en tu cerebro en este momento. Esta información, organizada a lo largo de las vías dorsal vs ventral de doble vía explorada en el Capítulo de Percepción y Atención, converge en las áreas parahipocampal (APS) (dorsal) y peririnal (PRC) (ventral), que luego se alimentan en la corteza entorinal (EC) , y luego en el hipocampo propiamente dicho. Las áreas principales del hipocampo incluyen la circunvolución dentada (DG) y las áreas de “cuerno de ammón” (cornu ammonis (CA) en latín), CA3 y CA1 (¿qué pasó con CA2? resulta que es básicamente lo mismo que CA3 así que solo usamos esa etiqueta). Todos estos nombres extraños tienen que ver con las formas de estas áreas, incluyendo el propio término “hipocampo”, que hace referencia a la forma de caballito de mar que tiene en el cerebro humano (hipocampo es griego para caballito de mar)).

La historia básica de codificación de memoria episódica en términos de esta anatomía va así. El resumen de alto nivel de todo en el cerebro se activa en EC, que luego impulsa las áreas DG y CA3 a través de la vía perforante; el resultado final de esto es un patrón muy escaso y distinto de disparo neural en CA3, que representa el “engrama” principal del hipocampo. El EC también impulsa la actividad en CA1, que tiene la característica crítica de poder luego reactivar este mismo patrón de EC por sí mismo (es decir, un mapeo invertible o una relación de codificador automático entre CA1 y EC). Estos patrones de actividad impulsan la plasticidad sináptica (aprendizaje) en todas las sinapsis interconectadas, siendo las más importantes las conexiones sinápticas entre las neuronas CA3 (en la vía recurrente CA3) y las conexiones entre CA3 y CA1 (la vía colateral de Schaffer). Estos cambios plásticos efectivamente “pegan” las diferentes neuronas en el engrama CA3, y las asocian con el patrón invertible CA1, de modo que la posterior recuperación del engrama CA3 puede activar entonces el CA1, luego la EC, y volver a la corteza. Así, la función principal del hipocampo es unir todos los elementos dispares de un episodio, para luego poder recuperar esta memoria conjuntiva y reincorporarla a la corteza durante el recuerdo. Así es como un recuerdo puede volver “inundando” —inunda de CA3 a CA1 a EC a corteza, reactivando algo que se aproxima al patrón cerebral original en el momento en que se codificó la memoria.

Como se señaló en la introducción, todo intento de simplificar y modularizar la memoria de esta manera es inexacto, y de hecho la codificación de memoria se distribuye entre todas las neuronas que están activas en el momento del episodio. Por ejemplo, el aprendizaje en la vía perforante es importante para reactivar el engrama CA3 a partir de las entradas EC (especialmente cuando representan solo una señal de recuperación de memoria parcial). Además, aprender todo el camino a través de las vías corticales dentro y fuera del hipocampo “engrasa” el proceso de recuperación. En efecto, si un patrón de memoria se reactiva frecuentemente, entonces estas conexiones corticales pueden ser lo suficientemente fuertes como para impulsar la reactivación de la memoria completa, sin el beneficio del hipocampo en absoluto. Discutimos este proceso de consolidación en detalle más adelante. Finalmente, el proceso de recuperación se puede mejorar mediante la recuperación controlada de la memoria usando estrategias de arriba hacia abajo usando la corteza prefrontal. No consideramos este aspecto de la recuperación controlada aquí, pero depende de una combinación de activación y memoria basada en peso análoga a algunas características que exploraremos en Función Ejecutiva.

Propiedades de las Neuronas Hipocampales: Esparencia, Separación de Patrones

Figura\(8.3\): Comparación de patrones de actividad en diferentes áreas del hipocampo, mostrando que los campos de CA (CA3, CA1) son mucho más escasos y selectivos que las áreas de entrada corticales (corteza entorinal (EC) y subículo). Esta escasa codificación separada por patrones dentro del hipocampo le permite aprender rápidamente nuevos episodios mientras sufre una interferencia mínima. Se muestra la activación de neuronas de muestra dentro de cada área para una rata que corre en un laberinto radial de 8 brazos, con las barras a lo largo de cada brazo indicando cuánto disparó la neurona para cada dirección de movimiento a lo largo del brazo. La neurona CA3 dispara solo por una dirección en un brazo, mientras que la EC tiene actividad en todos los brazos (es decir, una representación mucho más superpuesta y distribuida).

Figura\(8.4\): Ilustración esquemática de cómo niveles de actividad más dispersos pueden producir separación de patrones, solo porque las probabilidades de superposición son mucho menores. Gráficamente, esto es evidente en que los círculos más pequeños (activación más escasa) en el hipocampo tienen menos probabilidades de superponerse que los círculos más grandes en la corteza.

En la Figura 8.3 se muestra una imagen representativa de una diferencia crítica entre el hipocampo (CA3, CA1) y la corteza, donde es claro que las neuronas CA3 y CA1 disparan con mucha menos frecuencia que las de la corteza (corteza entorinal y subículo). Esto es lo que queremos decir con escasez en la representación del hipocampo —para cualquier episodio dado, sólo relativamente pocas neuronas están disparando, y a la inversa, cada neurona solo dispara bajo una circunstancia muy específica. En ratas, estas circunstancias tienden a ser identificables como ubicaciones espaciales, es decir, colocar células, pero esto no es generalmente cierto en el hipocampo de primates. Se cree que esta escasez es el resultado de altos niveles de inhibición de GABA en estas áreas, manteniendo muchas neuronas por debajo del umbral y requiriendo que las neuronas activas reciban un nivel relativamente alto de entrada excitatoria para superar esta inhibición. El beneficio directo de esta dispersión es que los engramas para diferentes episodios se superpondrán menos, solo a partir de probabilidades básicas (Figura 8.4). Por ejemplo, si la probabilidad de que una neurona esté activa para un episodio dado es del 1% (típica de la DG), entonces la probabilidad para dos episodios aleatorios cualesquiera es ese valor al cuadrado, que es .01% (un número muy pequeño). En comparación, si la probabilidad es mayor, por ejemplo, 25% (típico de la corteza), entonces hay un 6.25% de probabilidad de superposición para dos episodios. David Marr parece haber sido el primero en señalar esta propiedad de separación de patrones de representaciones escasas, en un influyente artículo de 1971.

Figura\(8.5\): Separación de patrones en la circunvolución CA3 y Dentada del hipocampo, en función de la ubicación de una rata en un ambiente que se transforma gradualmente de un cuadrado a un círculo, y viceversa (indicado en el panel superior). La neurona CA3 que se muestra aquí tiene dos patrones distintos de disparo de “celda de lugar”, uno para el cuadrado y otro para el círculo. En contraste, La neurona DG exhibe una separación de patrones algo mayor al responder diferencialmente en el medio de la secuencia de morph. Datos de Leutgeb et al. (2007).

La conexión entre los niveles de actividad y la separación de patrones también se puede observar dentro del propio hipocampo, comparando las propiedades de disparo de las neuronas DG vs CA3, donde las neuronas DG tienen los niveles de actividad más dispersos, incluso en comparación con el CA3 algo menos escaso (aproximadamente 2-5% de nivel de actividad). La Figura 8.5 de un estudio de Leutgeb et al (2007) muestra que el DG exhibe más separación de patrones que el CA3, en función de la transformación sistemática de un ambiente de un cuadrado a un círculo y viceversa. Las neuronas DG exhiben una mayor variedad de disparos neuronales en función de este cambio ambiental, lo que sugiere que separan estos diferentes ambientes en mayor medida que el CA3. Hay muchas otras demostraciones convincentes de separación de patrones en varias áreas del hipocampo en relación con la corteza, y en particular en DG en relación con otras áreas (ver por ejemplo, el extenso trabajo de Kesner sobre este tema).

Otro factor que contribuye a la separación efectiva de patrones es la conectividad amplia y difusa de EC a DG y CA3, a través de la vía perforante. Esto permite que muchas características diferentes en EC se combinen aleatoriamente en DG y CA3, lo que les permite ser sensibles a combinaciones o conjunciones de entradas. Debido al alto umbral inhibitorio asociado con activaciones escasas, esto significa que una neurona dada en estas áreas debe recibir excitación significativa de múltiples de estas fuentes de entrada difusas. En otras palabras, estas neuronas tienen representaciones conjuntivas.

La separación de patrones es importante para permitir que el hipocampo codifique rápidamente episodios novedosos con un mínimo de interferencia en el aprendizaje previo, ya que los patrones de neuronas involucradas se superponen relativamente poco.

Finalización de Patrón: Recordación Cued

Si bien la separación de patrones es importante para codificar nuevas memorias, esta codificación sería inútil a menos que estas memorias puedan ser recuperadas posteriormente. Este proceso de recuperación también se conoce como finalización de patrón, donde una señal de recuperación parcial activa la finalización del patrón original completo asociado con la memoria. Por ejemplo, si te señalo con la pregunta: “¿Fuiste al campamento de verano cuando eras niño?” puedes modelar completo desde esto hasta recuerdos del campamento de verano, o no, según sea el caso. Lo sorprendente de la memoria humana es que es memoria direccionable por contenido; cualquier subconjunto suficientemente específico de información puede servir como una señal de recuperación, lo que permite la recuperación de memorias episódicas previamente codificadas. Por el contrario, se accede a la memoria en una computadora mediante una dirección de memoria o un puntero variable, que no tiene relación con el contenido real almacenado en esa memoria. Los motores de búsqueda web modernos como Google demuestran la importancia de la direccionabilidad del contenido, y funcionan de manera muy similar al sistema de memoria humana, tomando los términos de búsqueda como señales de recuperación para encontrar “recuerdos” relevantes (páginas web) con información relacionada. Como probablemente sepa al buscar en la web, cuanto más específico pueda hacer su consulta, más probable es que recupere información relevante; el mismo principio también se aplica a la memoria humana.

En el hipocampo, la finalización del patrón se ve facilitada por las conexiones recurrentes entre las neuronas CA3, las cuales las pegan juntas durante la codificación, de tal manera que un subconjunto de neuronas CA3 puede desencadenar el recuerdo del resto. Además, los cambios sinápticos durante la codificación en la vía perforante hacen que sea más probable que las neuronas DG y CA3 originales se reactiven mediante una señal de recuperación parcial.

Curiosamente, existe una tensión o compensación directa entre la separación de patrones y la finalización del patrón, y los parámetros detallados de la anatomía del hipocampo pueden verse como optimizando esta compensación (O'Reilly & McClelland, 1994). La separación de patrones hace que sea más probable que el sistema trate la señal de recuperación como un estímulo novedoso y, por lo tanto, codifique un nuevo patrón de engrama distinto en CA3, en lugar de completarlo al anterior. De igual manera, si el sistema es demasiado bueno en la finalización del patrón, reactivará los viejos recuerdos en lugar de codificar nuevos patrones separados, para episodios verdaderamente novedosos. Aunque los parámetros anatómicos en nuestro modelo ayudan a encontrar un buen equilibrio entre estas diferentes fuerzas de terminación y separación, también es probable que el hipocampo se beneficie de influencias estratégicas de otras áreas cerebrales, por ejemplo, áreas de control ejecutivo de la corteza prefrontal, para enfatizar cualquiera de las terminación o separación dependiendo de si las demandas actuales requieren recuperación o codificación, respectivamente. Exploraremos este tema más a fondo en el Capítulo de la Función Ejecutiva.

Exploración

Ahora, exploremos cómo el hipocampo codifica y recuerda recuerdos, usando la tarea AB-AC. Simplemente haga clic en la siguiente exploración y siga las instrucciones desde allí:

• Hipocampo

Sistemas Complementarios de Aprendizaje

Como se señaló anteriormente, cuando McCloskey & Cohen descubrieron por primera vez el fenómeno de la interferencia catastrófica, concluyeron que las redes neuronales son fatalmente defectuosas y no deben considerarse modelos viables de cognición humana. Esto es lo mismo que sucedió con Minksky y Papert en 1969, en el contexto de redes que carecen de una capa oculta y así no pueden aprender mapeos más difíciles como XOR (ver Capítulo de Aprendizaje para más detalles). En ambos casos, hay soluciones listas para estos problemas, pero la gente parece muy dispuesta a aprovechar una excusa para descontar el modelo de red neuronal de la mente. Quizás sea demasiado reduccionista o de otra manera aterrador pensar que todo lo que sucede en tu cerebro realmente podría reducirse a meras neuronas... Sin embargo, este problema puede no ser exclusivo de las redes neuronales —los investigadores suelen descontar diversas teorías de la mente, incluyendo modelos bayesianos por ejemplo, cuando no concuerdan con algún patrón de datos. El truco es identificar cuando alguna teoría dada es fundamentalmente defectuosa dados los datos desafiantes; el diablo está en los detalles, y muchas veces hay formas de conciliar o refinar una teoría existente sin “tirar al bebé con el agua del baño”.

Figura\(8.6\): Resumen de la perspectiva de los Sistemas Complementarios de Aprendizaje sobre los roles funcionales del Hipocampo vs Neocórtex, en el contexto de la memoria sobre los estacionamientos. El hipocampo puede codificar rápidamente de una manera relativamente libre de inteferencia donde estacionó su automóvil hoy, a diferencia de días anteriores. Por el contrario, el neocórtex puede integrarse a través de muchas experiencias diferentes (usando una tasa de aprendizaje lenta) para extraer una estrategia general de estacionamiento que refleje los efectos de muchos factores diferentes sobre la probabilidad de encontrar estacionamiento en un lote dado. Las demandas funcionales para estos dos tipos diferentes de aprendizaje están en conflicto directo, por lo que la mejor funcionalidad general se puede lograr al tener dos sistemas de aprendizaje complementarios, cada uno optimizado por separado para estas diferentes funciones.

Aparte de tales reflexiones, existen (al menos) dos posibles soluciones al problema de interferencia catastrófica. Una sería mejorar de alguna manera el desempeño de un modelo genérico de red neuronal en tareas de memoria episódica, inevitablemente reduciendo el solapamiento de una forma u otra entre las representaciones que se forman. El otro sería introducir un sistema de memoria episódica especializado, es decir, el hipocampo, que tiene parámetros específicamente optimizados para el aprendizaje rápido de baja interferencia a través de la separación de patrones, conservando al mismo tiempo la funcionalidad genérica de la red neuronal como modelo de aprendizaje neocortical. La ventaja de esta última perspectiva, conocida como el marco de los sistemas de aprendizaje complementarios (CLS) (McClelland, McNaughton & O'Reilly, 1995; Norman y O'Reilly, 2003), es que las cosas que haces para mejorar el modelo neuronal genérico en la memoria episódica realmente interfieren con su capacidad para ser un buen modelo de neocórtex. Específicamente, el aprendizaje neocortical para cosas como el reconocimiento de objetos (como vimos en el Capítulo de Percepción) y la inferencia semántica (como veremos en el Capítulo del Lenguaje) realmente se benefician de representaciones distribuidas altamente superpuestas y de un aprendizaje intercalado lento. Estas representaciones distribuidas superpuestas permiten que los patrones de actividad neuronal codifiquen estructuras complejas de similitud de alta dimensión entre elementos (objetos, palabras, etc.), lo cual es crítico para obtener una comprensión del mundo de “sentido común”. La Figura 8.6 resume este compromiso fundamental entre el aprendizaje estadístico o semántico (asociado al neocórtex) y la memoria episódica (asociada al hipocampo).

Consistente con esta compensación básica, las personas con habilidades de memoria episódica excepcionales (como se discutió anteriormente) a menudo sufren de una dificultad proporcional para generalizar el conocimiento a través de episodios. Aún más extremos, los sabios autistas de la memoria, que pueden memorizar todo tipo de información detallada sobre diversos temas, generalmente muestran una falta aún más profunda de razonamiento de sentido común y capacidad general para sobrevivir en el mundo real. En estos casos, se especuló que el neocórtex también funciona mucho más como un hipocampo, con patrones de actividad más escasos, lo que resulta en una mayor capacidad general para memorizar detalles específicos, pero correspondientemente malas habilidades para generalizar a través de experiencias para producir razonamiento de sentido común (McClelland, 2000) .

Amnesia: Anterógrada vs. Retrógrada

Habiendo visto cómo funciona el hipocampo intacto, tal vez te estés preguntando qué sale mal para producir amnesia. La versión hollywoodense de la amnesia implica recibir un golpe en la cabeza, seguido de un completo olvido de todo lo que sabes (por ejemplo, tu cónyuge se convierte en un extraño). Entonces por supuesto otro buen golazo restaura esos recuerdos, pero no antes de que hayan surgido muchas travesuras estrafalarias. En realidad, hay muchas fuentes diferentes de amnesia, y los investigadores de la memoria suelen enfocarse en el tipo que es causado por el daño directo al hipocampo y estructuras relacionadas, conocido como amnesia del hipocampo. El caso más célebre de esto es una persona conocida por la ciencia como H.M. (Henry Molaison), a quien le quitaron el hipocampo para prevenir la epilepsia de otro modo intratable, en 1957. Posteriormente desarrolló la incapacidad de aprender nueva información episódica (amnesia anterógrada), así como cierto grado de olvido de conocimientos previamente aprendidos (amnesia retrógrada). Pero recordó cómo hablar, los significados de diferentes palabras y objetos, cómo andar en bicicleta, y pudo aprender todo tipo de nuevas habilidades motoras. Esto fue un claro indicio de que el hipocampo es crítico para aprender sólo algunos tipos de nuevos conocimientos.

Estudios más cuidadosos con HM mostraron que también podía aprender nueva información semántica, pero que esto ocurrió de manera relativamente lenta, y el conocimiento aprendido era más quebradizo en la forma en que se podía acceder a él, en comparación con las personas neurológicamente intactas. Esto aclara aún más que el hipocampo es crítico para el aprendizaje episódico, pero no semántico. Sin embargo, para la mayoría de las personas la información semántica puede aprenderse inicialmente a través del hipocampo, y luego adquirirse más lentamente por el neocórtex a lo largo del tiempo. Un indicio de que este proceso ocurre es que HM perdió sus recuerdos más recientes antes de la cirugía, más que los recuerdos más antiguos (es decir, un gradiente retrógrado temporalmente, también conocido como gradiente Ribot). Así, los recuerdos más antiguos se habían consolidado de alguna manera fuera del hipocampo, sugiriendo que este proceso gradual de aprendizaje de la información del neocórtex que inicialmente se codifica en el hipocampo, en realidad se está llevando a cabo. Discutimos este proceso en la siguiente sección.

Ciertos fármacos pueden ocasionar un caso selectivo de amnesia anterógrada. Por ejemplo, las benzodiazepinas (incluyendo el ampliamente estudiado fármaco midazolam) activan las neuronas inhibidoras de GABA en todo el cerebro, pero los receptores de benzodiazepenos (GABA-A) se expresan densamente en el hipocampo, y debido a los altos niveles de inhibición, es muy sensible a esto. A la dosis correcta, esta inhibición es suficiente para evitar que la plasticidad sináptica ocurra dentro del hipocampo, para formar nuevos recuerdos, pero los recuerdos aprendidos previamente aún pueden reactivarse. Esto da lugar entonces a un caso más puro de amnesia anterógrada, sin retrógrada. Experimentalmente, el midazolam perjudica la codificación de memoria rápida dependiente del hipocampo, pero evita otras formas de aprendizaje integrativo como el aprendizaje por refuerzo (por ejemplo, Hirshman et al, 2001; Frank, O'Reilly y Curran, 2006).

Otra fuente de amnesia proviene del síndrome de Korsakoff, por lo general resultante de la falta de vitamina B1 debido al alcoholismo a largo plazo. Esto aparentemente afecta partes del tálamo y los cuerpos mamilares, que a su vez influyen en el hipocampo a través de diversas vías neuromoduladoras, incluyendo la inervación GABA desde el tabique medial, que luego puede influir en la dinámica de aprendizaje y recuerdo en el hipocampo.

Consolidación de la Memoria del Hipocampo al Neocórtex

¿Por qué soñamos? ¿Hay algo útil sucediendo en nuestro cerebro mientras dormimos, o es solo ruido aleatorio y asociaciones sin sentido desconcertadas? ¿De verdad puedes aprender un idioma extranjero mientras duermes? Nuestra fascinación perdurable por los misterios del sueño y el sueño puede explicar la emoción que rodea la idea de que los recuerdos pueden migrar de alguna manera del hipocampo al neocórtex mientras dormimos. Este proceso, conocido como consolidación de la memoria, estuvo motivado inicialmente por la observación de que los recuerdos más recientes tenían más probabilidades de perderse cuando las personas sufren de amnesia adquirida, como en el caso de H.M. discutido anteriormente. Más recientemente, los registros neuronales en el hipocampo durante la vigilia y el sueño han revelado que los patrones de actividad que ocurren mientras una rata corre un laberinto parecen ser reactivados también cuando el animal está entonces dormido. Sin embargo, los niveles medidos de reactivación son relativamente débiles en comparación con los patrones que estuvieron activos durante el comportamiento real, por lo que no está claro qué tan fuerte se podría generar una señal de aprendizaje a partir de esto. Además, existe una controversia considerable sobre la presencia de gradientes retrógrados temporalmente graduados en estudios con animales bien controlados, lo que plantea algunas dudas sobre la existencia del fenómeno de consolidación en primer lugar. Sin embargo, en conjunto parece seguro concluir que este proceso ocurre al menos en cierta medida, en al menos algunas situaciones, aunque no sea completamente ubicuo. En humanos, se cree que las oscilaciones de onda lenta durante el sueño no REM están asociadas con la consolidación de la memoria. De hecho, un estudio reciente mostró que la inducción externa de oscilaciones de onda lenta durante el sueño en realidad resultó en recuerdos posteriores dependientes del hipocampo mejorados para elementos codificados justo antes del sueño (Marshall et al., 2006)

Una predicción desde la perspectiva de los sistemas de aprendizaje complementarios respecto a este proceso de consolidación es que la información codificada en el neocórtex será de un carácter diferente al inicialmente codificado por el hipocampo, debido a la naturaleza muy diferente del aprendizaje y representaciones en estos dos sistemas. Así, en la medida en que las memorias episódicas puedan ser codificadas en el neocórtex, se volverán más “semanticizadas” y generalizadas, integrándose con otras memorias existentes, en comparación con las representaciones separadas por patrones más distintas y nítidas originalmente codificadas en el hipocampo. La evidencia disponible parece apoyar esta idea, por ejemplo comparando la naturaleza de los recuerdos intactos de la amnésica del hipocampo con los controles neurológicamente intactos.

El papel del espacio en el hipocampo

Una gran cantidad de investigación sobre el hipocampo se lleva a cabo en la rata, y la navegación espacial es una de las funciones conductuales más importantes para una rata. Así, quizás no sea demasiado sorprendente que el hipocampo de rata exhiba un robusto disparo de células de lugar (como se muestra en las figuras anteriores), donde las neuronas DG, CA3 y CA1 individuales responden a una ubicación particular en el espacio. Una neurona dada tendrá un lugar diferente de ubicación celular en diferentes ambientes, y no parece haber ningún tipo de topografía u otra organización sistemática para estas células de lugar. Esto es consistente con la naturaleza aleatoria y difusa de las proyecciones de la vía perforante en estas áreas, y los efectos de la separación de patrones.

Más recientemente, se ha descubierto la codificación espacial en la corteza entorinal, en forma de células de cuadrícula. Estas celdas de rejilla forman una celosía hexagonal regular o rejilla sobre el espacio, y parecen depender de diversas formas de oscilaciones. Estas celdas de cuadrícula pueden entonces proporcionar la información espacial bruta que se integra en las células del lugar dentro del hipocampo propiamente dicho. Además, se han encontrado células de dirección de la cabeza en varias áreas diferentes que se proyectan hacia el hipocampo, y estas células proporcionan una buena señal de cálculo muerto sobre hacia dónde se enfrenta la rata en función de la acumulación de movimientos recientes.

La combinación de todos estos tipos de células proporciona una base sólida para la navegación espacial en la rata, y se han desarrollado diversos modelos computacionales que muestran cómo estas diferentes señales pueden trabajar juntas para apoyar el comportamiento de navegación. Un modelo de exploración de este dominio estará disponible en una futura edición.

Ondas Theta

Figura\(8.7\): Diferentes áreas del sistema hipocampal se disparan fuera de fase con respecto al ritmo theta global, produciendo dinámicas que optimizan la codificación vs. recuperación. Consideramos la fuerza de las entradas EC y CA3 a CA1. Cuando la entrada EC es fuerte y CA3 es débil, CA1 puede aprender a codificar las entradas EC. Esto sirve como una fase positiva para una dinámica de aprendizaje impulsada por errores en el marco de Leabra. Cuando CA3 es fuerte y EC es débil, el sistema recupera información impulsada por el aprendizaje previo de CA3 -> CA1. Esto sirve como una fase menos para el aprendizaje impulsado por errores de Leabra, relativo al estado de codificación de la fase positiva. (adaptado de Hasselmo et al, 2002)

Una propiedad importante del hipocampo es una oscilación general en la velocidad de disparo neural, en la llamada banda de frecuencia theta en ratas, que oscila entre aproximadamente 8-12 veces por segundo. Como se muestra en la Figura 8.7, diferentes áreas del hipocampo están desfasadas entre sí con respecto a esta oscilación theta, y esto plantea la posibilidad de que estas diferencias de fase puedan permitir que el hipocampo aprenda de manera más efectiva. Hasselmo et al (2002) argumentaron que esta relación de fase theta permite al sistema alternar entre la codificación de nueva información vs. la recuperación de información existente. Esta es una idea atractiva, porque como comentamos anteriormente, puede haber un beneficio alterando los parámetros del hipocampo para optimizar la codificación o recuperación en base a varios otros tipos de demandas.

El software emergente ahora admite una extensión a esta idea básica de codificación theta vs. recuperación que permite al aprendizaje impulsado por errores de Leabra dar forma a dos vías diferentes de aprendizaje en el hipocampo, todo dentro de un ensayo estándar de procesamiento (ver KetzMorkondaoreilly13 para el artículo publicado). Cada vía tiene un estado efectivo de activación de fase negativo y positivo (aunque de hecho comparten la misma fase positiva). La vía principal, entrenada en la diferencia de fase estándar de menos a más, implica la recuperación impulsada por CA3 del patrón de actividad de CA1 correspondiente, que luego puede reactivar EC y así sucesivamente hacia la corteza. La segunda vía, entrenada usando una fase inicial especial de sedimentación dentro de la fase menos, es el autocodificador invertible CA1 <-> EC, lo que asegura que CA1 pueda reactivar realmente la EC si es recordada correctamente. En nuestro modelo estándar de hipocampo explorado anteriormente, esta vía de auto-codificador se entrena de antemano en todos los subpatrones posibles dentro de un solo subgrupo de unidades EC y CA1 (que llamamos una “ranura”). Este nuevo modelo sugiere cómo este codificador automático se puede aprender a través del ciclo de fase theta.

Consulte Hippocampus Theta Phase para obtener detalles sobre esta versión de fase theta del hipocampo, que se recomienda usar para cualquier aplicación de hipocampo que requiera computacionalmente.

También se piensa que las oscilaciones theta juegan un papel crítico en las activaciones de celdas de cuadrícula en las capas EC, y quizás también pueden servir para codificar información de secuencia temporal, porque el disparo de actividad de campo de lugar muestra una procesión de fase theta, con diferentes campos de lugar disparando en diferentes puntos dentro de la onda theta desplegada. Cubriremos estos temas con mayor detalle en una revisión posterior.

La función del subiculum

El subículo a menudo se descuida en las teorías de la función del hipocampo y, sin embargo, probablemente juega varios papeles importantes. Anatómicamente, se encuentra en una ubicación similar a la corteza entorinal (EC) en relación con las otras áreas del hipocampo, pero en lugar de estar interconectada con áreas neocorticales, está interconectada más directamente con áreas subcorticales (Figura 8.2). Así, por analogía con la CE, podemos pensarla como la vía de entrada/salida para la información subcortical hacia/desde el hipocampo. Una función muy importante que puede realizar el subículo es computar la novedad relativa de una situación dada, y comunicarla a los sistemas de dopamina del mesencéfalo y de ahí a los ganglios basales, para modular el comportamiento apropiadamente (Lisman & Grace, 2005). La novedad puede tener complejas consecuencias afectivas, siendo ansiogénicas (productoras de ansiedad) y motivacionales para impulsar una mayor exploración, y generalmente aumenta los niveles generales de excitación. El hipocampo es excepcionalmente capaz de determinar qué tan novedosa es una situación, teniendo en cuenta la conjunción completa de la información espacial relevante y otra información contextual. El subículo podría potencialmente calcular la novedad comparando los estados CA1 y EC durante la fase de recuperación de la oscilación theta, por ejemplo, pero esto es puramente conjetura en este punto. Incorporar esta señal novedosa es un objetivo importante para futuros modelos computacionales.