Un reciente estudio de la Universidad Ben-Gurión del Néguev y el Instituto Weizmann de Ciencias sugiere que procesos de aprendizaje pueden conducir a redes de neuronas a funcionar en las proximidades de un estado límite.
Por una parte, la adaptación a trabajar en este estado podría permitir el máximo rendimiento en la capacidad de procesar la información sensorial entrante.
Por otro lado, también puede suponer un riesgo llegar a un régimen indeseable de representaciones neurales ficticias, a saber, alucinaciones.
El estudio proporciona una base teórica para la idea de que el cerebro opera cerca de un estado crítico, y es importante tanto para la caracterización de la dinámica saludable del cerebro y la comprensión de los mecanismos potenciales para el desarrollo de trastornos cerebrales.
El estudio fue publicado el 16 de febrero de 2016 en la revista PLoS Computational Biology por el investigador de la Universidad Ben Gurión Dr. Oren Shriki, del Departamento de Ciencias Cognitivas y Cerebrales, en colaboración con Dovi Yellin del Departamento de Neurobiología del Instituto Weizmann de Ciencias.
Las redes neuronales en el cerebro incluyen conexiones de alimentación hacia adelante que transmiten información de una etapa de proceso a otra. Sin embargo, las neuronas en cada etapa de procesamiento también hablan entre sí a través de conexiones recurrentes. Las redes recurrentes presentan un rico repertorio de comportamientos dinámicos. En particular, pueden mantener la actividad, incluso sin llegar a un estado de alucinación.
Una cuestión importante es cómo las conexiones recurrentes contribuyen a la representación de la información en el cerebro, y cómo deben evolucionar para optimizar la representación de la información.
Los investigadores desarrollaron y estudiaron un modelo matemático de una red neuronal, que incluye tanto las conexiones de alimentación directa de una capa de neuronas a otra, y las conexiones entre las neuronas recurrentes en la segunda capa, que representa la información.
Similar a las redes neuronales reales en el cerebro, el modelo de red se presenta con entradas sensoriales externas, y las conexiones recurrentes entre las neuronas evolucionan a través de un proceso de aprendizaje.
Las reglas de plasticidad que rigen los cambios en las conexiones recurrentes están diseñadas para mejorar la representación de la información. Los investigadores encontraron que la red tiende a operar cerca de la frontera entre el procesamiento de la información normal y un estado de “alucinaciones”.
Esto se puede explicar a través de una simple analogía: imagínese que usted tiene que hablar a través de un micrófono a una gran audiencia. Si se aumenta el volumen del amplificador, en algún momento se empieza a escuchar un tono agudo, que resulta de retroalimentación entre el micrófono y el amplificador. Para evitar este tono, que no transmite la información, pero aún así mantener un alto volumen, disminuye ligeramente el volumen. Del mismo modo, una sensibilidad óptima a entradas externas se consigue cuando la dinámica recurrente en la red neuronal es suficiente para amplificar las entradas externas fuertes, pero no demasiado dominantes para generar alucinaciones.
Estos resultados proporcionan una visión de lo que pueden causar varios trastornos neurológicos y psiquiátricos. En particular, estas redes son muy sensibles a pequeños cambios en la fuerza de las conexiones entre las neuronas.
Tales cambios pequeños pueden cambiar de una red neuronal sana en alucinaciones y se manifiestan como un trastorno neurológico. Por ejemplo, se sabe que durante la privación sensorial, la gente empieza a tener alucinaciones.
El modelo propone una interesante explicación para este fenómeno: cuando se atenúan las entradas a la red, la red se aproxima al punto crítico para ampliar las entradas, pero también puede cruzar al régimen no deseado de las alucinaciones.