La magia de la cognicion

Les quiero contar sobre las computadoras mas poderosas que existen sobre la faz de la tierra, quizás en todo el universo. Los que me conocen ya saben que me estoy refiriendo a un material húmedo, un poco blando, de un color rosáceo, con un montón de pliegues y aparentemente desordenado y poco elegante, que la mayoría de nosotros llevamos medio colgando centrado entre ambos hombros y arriba de nuestras narices. El famoso escritor británico Oscar Wilde sentencio: “Los grandes acontecimientos del mundo tienen lugar en la mente.” Nuestros cerebros nos permiten comunicarnos, sentir y pensar, permitieron a nuestros antepasados distinguir predadores de amigos y buscar alimentos, dieron lugar a la agricultura, nos permitieron desarrollar la matemática y probar el teorema de Fermat entre tantos otros, llegar a la luna y explorar otros planetas, sintetizar antibióticos, y fabricar esas otras computadoras artificiales y rudimentarias que tanto nos entretienen. Nuestros cerebros han cambiado el curso de la evolución natural.

Como es posible que un tejido biológico, formado por nada mas y nada menos que moléculas orgánicas e inorgánicas en movimiento pueda dar lugar a la magia de la cognición? Las bases centrales del estudio del cerebro fueron establecidas por un español, Santiago Ramón y Cajal. Parece que fuesen dos o tres personas, “Santiago” “Ramón” y “Cajal”, pero es solo uno. Pero un gigante. Un grande entre los grandes. Ramón y Cajal quería ser artista pero sus padres le dijeron “de ninguna manera” y lo forzaron a estudiar medicina. Combinando la tradición y su pasión, se dedico su vida a observar y dibujar las células del cerebro. Las neuronas. El secreto del cerebro esta escondido en las complejas redes neuronales que conectan millones de neuronas. Nuestras memorias, nuestras decisiones, nuestros sentimientos están codificados en los patrones de conexión y comunicación entre neuronas.

Les doy un ejemplo. Que significa ver y reconocer la cara de un amigo? La luz reflejada en la cara llega a nuestras ojos, a nuestras retinas y es convertida en una señal eléctrica, casi como pixeles en una cámara digital. A partir de ahí, las señales eléctricas viajan, en un formato binario, esencialmente un conjunto de ceros y unos, desplazándose a enormes velocidades, pasando de una neurona a otra, extrayendo características esenciales de la información de esa cara, transformando esos pixeles en nuevos códigos, nuevos formatos y construyendo una realidad, una interpretación del mundo visual que nos rodea. Lo que terminamos percibiendo, no es nada mas, y nada menos, que una interpretación, nuestra manera de construir nuestro mundo interno en un código biológico de ceros y unos a partir de esas señales externas. En una pequeña fracción de un segundo, en menos tiempo de lo que nos lleva parpadear, podemos comparar esas secuencias de pulsos eléctricos con nuestras memorias y reconocer a la persona que tenemos en frente.

Esto quizás pueda no parece tan sorprendente. Al fin y al cabo, cualquier niño puede reconocer a sus familiares y amigos sin tener que cursar calculo avanzado. Y sin embargo, las otras computadoras, las artificiales, todavía no saben hacerlo muy bien. De hecho, aquellas tareas que a nosotros nos parecen difíciles como calcular la raíz cuadrada del numero 7, son muy fáciles de ejecutar para las computadoras artificiales. En contraste, todas esas tareas de sentido común que nos resultan tan intuitivas como reconocer las caras de nuestros amigos y entender sus chistes, son muy difíciles de enseñar a las computadoras artificiales.

En los últimos años, se han desarrollado nuevas herramientas que nos permiten interrogar el cerebro de una manera que hubiese sido inconcebible una década atrás. Estamos empezando a caracterizar y describir los circuitos neuronales que llevamos dentro del cerebro a gran escala. Quizás en un futuro no muy lejano podamos tener mapas de nuestros cerebros similares a los que usan los ingenieros para diseñar computadoras. También estamos empezando a poder escuchar como grandes grupos de neuronas conversan unas con otras. Elucidar como funciona el cerebro humano esta cambiando la historia. Entender los circuitos neuronales

 va a permitirnos tratar las devastadoras enfermedades que afligen al cerebro. Imagínense un mundo sin la enfermedad de Parkinson ni la de Alzheimer. Descifrar los circuitos neuronales también va a permitirnos construir robots que sean mas inteligentes que nosotros mismos, con fundamentales consecuencias en prácticamente todos los ámbitos. Imagínense un mundo en el cual los robots pinten mejor que Picasso, escriban música mejor que la de Bach y puedan hacer descubrimientos mejor que Einstein. La primera maquina ultra-inteligente que podamos construir quizás sea la ultima invención que necesitemos hacer, porque a partir de entonces esa maquina va a poder hacer el resto. Y, quizás tan o mas importante que todo esto, decodificar la magia de la cognición va a permitirnos entender quienes somos.

Representaciones holisticas

El sentido de la vista informa nuestros pensamientos, emociones y acciones. La información visual fluye desde la retina, a través de una cascada de procesos en la corteza cerebral hacia los altos comandos del cerebro. Un paso importante para describir las funciones cognitivas es entender y caracterizar en forma cuantitativa los circuitos neuronales responsables por la transformación de las señales en forma de pixeles al formato complejo y relevante para el comportamiento y las decisiones visuales.

Recientemente, Rutishauser y colegas atacaron este problema con coraje registrando la actividad de neuronas individuales en el cerebro humano mientras los sujetos veían y reconocían imágenes de caras [1]. Los investigadores estudiaron la amígdala, un área del cerebro que juega un rol central en el procesamiento de emociones [2]. Las regiones del cerebro que controlan los comportamientos complejos son difíciles de estudiar y la amígdala no es una excepción para esta regla. Estudios previos en rodentes y en primates no humanos pueden usar técnicas electrofisiológicas para monitorear la actividad de neuronas individuales, pero en general no es trivial diseñar paradigmas de comportamiento para examinar el rico reportorio de emociones humanas. Por contraste, estudios en humanos pueden acceder a estas emociones pero las investigaciones no invasivas de la amígdala sufren de una resolución espacial y temporal bastante pobre. Rutishauser et al. [1] combinaron lo mejor de ambos mundos al registrar la actividad de neuronas individuales en pacientes epilépticos en quienes se usaron electrodos invasivos por razones clínicas [3, 4]. Este tipo de mediciones provee información sobre el funcionamiento del cerebro humano al nivel de los átomos esenciales de la cognición.

            Estudios previos han revelado que las neuronas en la amígdala (tanto en humanos como en monos) responden a estímulos visuales complejos incluyendo caras y otros objetos [5-8]. Sin embargo, no era claro si estas respuestas requerían presentación del estimulo visual completo o bien si ciertas partes o características parciales del estimulo pueden ser suficientes para dar lugar a una respuesta selectiva. Dado que la amígdala esta involucrada en el reconocimiento de emociones, la integración de diferentes características de un estimulo en una percepción global puede proveer pistas esenciales sobre como se procesan las emociones en el cerebro. Rutishauser et al. [1] plantearon la hipótesis especulando que la representación de información en la amígdala puede tener  características “holísticas”, es decir, que las neuronas serian particularmente sensibles a la presentación de estímulos completos en contraste con partes incompletas de estímulos. Los autores utilizaron un paradigma experimental en el cual imágenes de caras eran presentadas a través de “agujeros”, de tal forma que solo información parcial sobre el estimulo es accesible. El sujeto tiene que determinar la categoría a la cual pertenece el estimulo en base a esta información parcial.

Que opinan las neuronas en la amígdala sobre todo este asunto de las representaciones holísticas? Rutishauser et al. [1] encontraron que muchas de las neuronas en la amígdala (pero no todas) preferían estímulos completos y no partes de estímulos. Estas neuronas demostraron una alta sensibilidad en sus respuestas aun ante pequeños grados de oclusión en los estímulos.

Los modelos computacionales pueden ayudarnos a interpretar estos descubrimientos experimentales. El problema de reconocimiento de estímulos a partir de información parcial ha recibido atención en la literatura. Completar un estimulo a partir de información parcial es relevante para el estudio en discusión porque los sujetos tenían que categorizar la imagen y parecería que este proceso de poner todas las partes juntas para formar un todo es un paso necesario para la formación de una representación holística. La literatura de ciencias de la computación describe “redes de atractores” (attractor networks), que tienen la propiedad de poder completar patrones a partir de inputs parciales mediante reglas que dictaminan la dinámica que rige la actividad de las unidades del modelo, comenzando desde puntos arbitrario y progresando hacia memorias pre-establecidas [9]. Algunos investigadores han especulado que las respuestas de neuronas en un área del cerebro denominada hipocampo, se asemejan a los patrones dinámicos observados en este tipo de redes neuronales simuladas [10]. Bajo la suposición de que estas similitudes se extienden a la amígdala, es tentador especular que el tipo de conectividad y dinámica en redes de atractores forma el estandarte de las representaciones holísticas que describe Rutishauser.

            Los modelos computacionales también subrayan algunas de las dificultades en las definiciones sobre estímulos parciales y completos. Suele existir una distinción antropomórfica entre todos y partes. Una inspección mas detalladle muestra que estas definiciones no son nada triviales. No es una cara entera una parte de un individuo todo? O bien, por que no considerar los ojos como un todo separado? Es la letra “F” una letra entera o es una parte de la letra “E”? O una parte de la palabra “Fantástico”? Quizás la distinción entre todos y partes pueda ser adjudicada al contexto, o bien al grado de familiaridad con ciertas combinaciones especificas de partes que suelen co-aparecer en forma conjunta en ciertas configuraciones. En contraste con otras profesiones, en Ciencia, un buen estudio suele dar lugar a nuevas preguntas, como es el caso en el trabajo de Rutishauser et al.

*Una versión mas completa de este articulo apareció en:

Tang H and Kreiman G. (2011). Face Recognition: Vision and Emotions beyond the Bubble. Current Biology 21:21. 

Referencias

1.         Rutishauser, U., Tudusciuc, O., Neumann, D., Mamelak, A., Heller, C., Ross, I., Philpott, L., Sutherling, W., and Adolphs, R. (2011). Single-unit responses selective for whole faces in the human amygdala. Current Biology.

2.         Adolphs, R., Tranel, D., Damasio, H., and Damasio, A. (1994). Impaired recognition of emotion in facial expressions folowing bilateral damage to the amygdala. Nature 372, 669-672.

3.         Engel, A.K., Moll, C.K., Fried, I., and Ojemann, G.A. (2005). Invasive recordings from the human brain: clinical insights and beyond. Nat Rev Neurosci 6, 35-47.

4.         Kreiman, G. (2007). Single neuron approaches to human vision and memories. Current Opinion in Neurobiology 17, 471-475.

5.         Fried, I., MacDonald, K.A., and Wilson, C. (1997). Single neuron activity in human hippocampus and amygdala during recognition of faces and objects. Neuron 18, 753-765.

6.         Gothard, K.M., Battaglia, F.P., Erickson, C.A., Spitler, K.M., and Amaral, D.G. (2007). Neural responses to facial expression and face identity in the monkey amygdala. J Neurophysiol 97, 1671-1683.

7.         Leonard, C.M., Rolls, E.T., Wilson, F.A.W., and Baylis, G.C. (1985). Neurons in the amygdala of the monkey with responses selective for faces. Behavioural Brain Research 15, 159-176.

8.         Kreiman, G., Koch, C., and Fried, I. (2000). Category-specific visual responses of single neurons in the human medial temporal lobe. Nature Neuroscience 3, 946-953.

9.         Hopfield, J.J. (1982). Neural networks and physical systems with emergent collective computational abilities. PNAS 79, 2554-2558.

10.       Deco, G., and Rolls, E.T. (2004). Computational Neuroscience of Vision, (Oxford Oxford University Press).