Individuos con memoria autobiográfica superior también tienen memorias falsas

La habilidad para recordar eventos del pasado constituye una de las componentes esenciales de quienes somos. Reflexione por un momento sobre usted y como seria su vida sin esos recuerdos. La formación de memorias es probable que haya jugado un rol central durante la evolución al conferir a diferentes especies el poder de aprender de sus errores y reutilizar información útil como la ubicación de fuentes de alimentos.

            Las personas difieren notablemente en sus habilidades para recordar información. En particular, estudios recientes han identificado atletas profesionales de las memorias autobiográficas. Cuan superiores son estas personas en recordar su pasado? Los resultados son impresionantes. Por ejemplo, un investigador preguntó sobre los eventos que ocurrieron el 19 de Octubre, 1987. Si usted es como yo, no podrá reportar nada. Luego de cierto escrutinio, quizás pueda reportar eventos que ocurrieron ese año y tal vez incluso localizar algunos de esos eventos a meses específicos mediante una combinación de memoria y lógica. Uno de estos individuos con asombrosa memoria autobiográfica respondió: “Fue un Lunes. Ese fue el día en el que hubo una gran caída de la bolsa de valores y la chelista Jacqueline du Pre murió ese día.” Wow.

           

Resulta intrigante que esos expertos autobiógrafos no son mejores que usted y yo en estudios normales de memoria no autobiográfica. Por ejemplo, si se les pide que recuerden una larga lista de palabras y se los testea una hora o un día después, la cantidad de palabras que recuerdan es similar a la de controles de similar edad y sexo.  Quizás estos individuos mantienen diarios personales increíblemente detallados, y los revisan una y otra vez en forma cotidiana pero los estudios sugieren que esto no es cierto para todos los prodigios de la historia del yo.

Un elegante estudio reciente examino individuos con memoria autobiográfica superior en tareas que involucran la formación de memorias falsas. Varios estudios  han documentado la noción de que las memorias son maleables y pueden ser distorsionadas. En uno de múltiples paradigmas desarrollados para estudiar las memorias falsas, se le muestra a los participantes una serie de imágenes que describen una historia. Luego de un cierto tiempo, alrededor de una hora, los participantes escuchan una narrativa de la misma historia que introduce información incorrecta. Finalmente, se interroga a los participantes con un cuestionario sobre la historia y estos suelen reportar “haber visto” eventos que nunca se les mostro en la serie de imágenes pero que son falsamente reconstruidos a partir de la narrativa. Nos pasa a todos. La formación de memorias falsas es un problema serie en la corte, donde los testigos pueden estar convencidos de recordar eventos que nunca ocurrieron.

Volvamos a los autobiógrafos. Uno puede razonar que si una persona puede recordar que el 19 de Octubre de 1987 fue Lunes, esa persona no va a ser fácilmente engañada para crear memorias falsas. Resulta que esta hipótesis que parece tan lógica es errónea. Los individuos con memoria autobiográfica superior son tan susceptibles a la formación de memorias falsas como usted y yo (en tests de laboratorio que involucran información no autobiográfica). Estos individuos reportar recordar palabras que no se les mostraron, reportan haber visto eventos que nunca ocurrieron y pueden aseverar haber visto en televisión noticias que nunca se mostraron.

Nuestras memorias son reconstrucciones, con una gran componente de realidad y con unos toques mágicos agregados de fantasía, deducción lógica, embelesamiento, distorsiones sentimentales y otros trucos. Los investigadores pueden manipular la formación de memorias falsas implantando en forma astuta semillas de información incorrecta aquí y allá. Y hasta ahora, nadie ha encontrado individuos que sean inmunes a estos juegos de la memoria. Aun individuos con memoria autobiográfica extraordinaria pueden cometer errores. Aun si usted recuerda que la violinista Josephine du Pre murió un Lunes, 19 de Octubre de 1987, es susceptible a la formación de memorias falsas.

Referencias

False memories in highly superior autobiographical memory individuals.

Patihis L, Frenda SJ, Leport AK, Petersen N, Nichols RM, Stark CE, McGaugh JL, Loftus EF. Proc Natl Acad Sci U S A. 2013 Dec 24;110(52):20947-52. doi: 10.1073/pnas.1314373110. Epub 2013 Nov 18.

Asociaciones no tan libres

Nuestros cerebros son excelentes en formar asociaciones. Imágenes, sonidos, aromas, acciones y palabras se conectan para formar la esencia de nuestras representaciones internas. El grupo de investigación de Miyashita en Japón ha realizado una serie de elegantes experimentos demostrando que las neuronas individuales en los cerebros de los monos tienen un poder increíble de formar este tipo de asociaciones [1-3].

En estos experimentos, se les muestra a los monos una serie de imágenes abstractas como las que se ilustran en la figura de abajo. Los monos son entrenados durante varios meses para memorizar asociaciones entre pares específicos de dichas imágenes. Por ejemplo, aprenden que la imagen A va con F mientras que la imagen B va con J. Luego del entrenamiento, los investigadores evalúan la habilidad de los monos de recordar estas asociaciones como se muestra en la figura. El mono ve una imagen (digamos A) y luego de un pequeño intervalo, tiene que decidir si el match es B o F. Una respuesta correcta es compensada mediante una alícuota de su jugo favorito.

            En un estudio reciente, los autores usaron un dispositivo denominado “tetrode” para interrogar las respuestas de múltiples neuronas en una zona particular del sistema visual conocida como corteza temporal inferior [1]. Estudios previos han demostrado que esta región del cerebro juega un rol critico en el reconocimiento visual de objetos [4, 5]. Por ejemplo, monos con lesiones en esta áreas del cerebro encuentran grandes dificultades en aprender a discriminar nuevas formas visuales. Las neuronas de este vecindario cerebral tienen sus caprichos y preferencias, respondiendo a ciertas imágenes pero no a otras. Continuando con los ejemplos anteriores, una neurona puedo responder en forma vigorosa ante la presentación de la imagen A sin siquiera mosquearse ante la imagen B. Después del entrenamiento, los investigadores mostraron que las preferencias de algunas de las comenzaron a revelar el tipo de asociaciones impuestas al nivel del comportamiento. En otras palabras, una neurona respondía ante la imagen A y también ante la imagen F (pero no ante B o J) mientras que otra respondía ante B y J (pero no ante A o F). Obviamente, los monos no nacen con asociaciones intrínsecas para A y F. Estas asociaciones deben desarrollarse durante el riguroso entrenamiento en el que participan los monos.

Algunas de las neuronas retenían sus preferencias a imágenes individuales mientras que otras se convertían en neuronas mas asociativas. Mediante un examen cuantitativo de los tiempos exactos en los cuales estos pares de neuronas disparaban, los autores pudieron inferir conexiones e interacciones entre neuronas (imagínese sosteniendo una conversación con una amigo, considerando los eventos secuenciales en los patrones de las voces, uno puede inferir que la conversación transcurre con este amigo y no con otra persona). Sorprendentemente, las neuronas que preferían imágenes individuales (digamos A) estaban directamente conectadas a las neuronas que respondían a los matches correspondientes (como A y F). Estas observaciones parecen sugerir que existe una jerarquía de neuronas que responden a imágenes individuales y que, junto con otras neuronas, dan lugar a neuronas asociativas que mantienen información sobre combinaciones de estímulos.

Referencias

1.         Hirabayashi, T., Takeuchi, D., Tamura, K., and Miyashita, Y. (2013). Microcircuits for Hierarchical Elaboration of Object Coding Across Primate Temporal Areas. Science 341, 191-195.

2.         Sakai, K., and Miyashita, Y. (1991). Neural organization for the long-term memory of paired associates. Nature 354, 152-155.

3.         Miyashita, Y., and Chang, H.S. (1988). Neuronal correlate of pictorial short-term memory in the primate temporal cortex. Nature 331, 68-71.

4.         Logothetis, N.K., and Sheinberg, D.L. (1996). Visual object recognition. Annual Review of Neuroscience 19, 577-621.

5.         Tanaka, K. (1996). Inferotemporal cortex and object vision. Annual Review of Neuroscience 19, 109-139.

Me voy a llevar un cerebro humano con esta compra

A medida que aprendemos mas sobre el complejo mundo de las neuronas, sus conexiones y funciones, muchos de nosotros nos tentamos con la idea de simular circuitos neuronales en programas computacionales. La ciencia y el arte de construir circuitos neuronales in silico tiene varios nombres incluyendo Neurociencia Computacional, Redes Neuronales, Inteligencia Artificial y muchos otros.

Una versión interesante e intrigante de estos esfuerzos fue publicada recientemente en Science (“A large-scale model of the functioning brain. Science 30:1202-1205 (2012)”). Los autores querían construir un modelo computacional que pudiera implementar múltiples actividades incluyendo copiar imágenes, reconocer formas, contar y aun formas elementales de razonamiento. Con este objetivo en la mente, decidieron diseñar un modelo compuesto por 2.5 millones de neuronas. Si bien este numero puede parecer un montón de neuronas, de hecho, el cerebro humano probablemente tenga alrededor de 10¹¹ neuronas (aproximadamente 100,000 millones de neuronas). Pero no necesitamos simularlas a todas, mas sobre esto después.

            Dotaron a las neuronas del modelo con varias propiedades que tiene sentido en el contexto de lo que sabemos sobre Neurociencias. Por ejemplo, las neuronas del modelo disparan potenciales de acción al igual que las neuronas biológicas. Algunas de las neuronas del modelo son altamente especializadas. Hay neuronas que reciben información visual, intentando capturar la actividad en una retina. Otras neuronas dirigen un brazo simulado que es capaz de simular movimientos. Y muchas neuronas están involucradas en los íntimos detalles de la  cognición, implementando las tareas, asegurándose que la información es interpretada en forma adecuada para generar el procedimiento motor deseado.  Si bien muchos componentes de este modelo eran bien conocidos, es bueno ver todas estas ideas actuando en forma sinergistica y conjunto, tomando pasos iniciales para intentar simular un cerebro de verdad.

            Los autores tienen un simpático sitio en la web donde se pueden ver videos de las simulaciones y las tareas que el modelo puede resolver. Las simulaciones son tan entretenidas que los autores decidieron otorgarle un nombre a su modelo: “Spaun”, lo cual significa nada menos y nada mas que Semantic Pointer Architecture Unified Network. Spaun es incluso capaz de pasar varios tests de coeficiente intelectual (IQ, lo cual puede llevar a mucha gente a ponderar sobre la utilidad de esos tests!)

            Existe un fuerte interés en la comunidad de Neurociencia Computacional en tratar de descifrar los algoritmos mediante los cuales el cerebro puede resolver tareas complejas. Relacionada a la noción de dotar a las computadoras con la capacidad de resolver problemas difíciles, también nos gustaría enseñarles a las computadoras cómo aprender. Parte de la magia que realizan nuestros cerebros es la capacidad de rápidamente aprender, adaptarse e inventar nuevas formas de hacer las cosas. Simplemente almacenar información y el aprendizaje de memoria no es suficiente. Apartándonos del tema central, muchos maestros y programas de estudio aun no entienden esta idea: las computadoras ya son mucho mejores que nosotros en repetir información. Pero esto será tema para otro blog.

            Como será un modelo que implementa la cognición humana? Aun no lo sabemos. Ignorando cuestiones de músculos computacionales, no es el caso de que podamos simplemente simular 10¹¹ neuronas y comenzar a vender cerebros humanos. Una simulación realista de cada nanómetro de la corteza no es el objetivo. La belleza y el poder de los modelos proviene de la abstracción y de la posibilidad de capturar las reglas criticas de computación.

            Una encantadora historia corta  del escritor argentino Borges ilustra claramente este punto al describir la utilidad de los mapas (como un modelo en 2 dimensiones) y cuan inútil seria crear modelos en escala real donde un kilometro es representado por un kilometro. Aun nos falta un largo trecho para entender como los circuitos neuronales realizan los trucos de magia que parecen tan sencillos. Sin embargo, como muestra nuestro nuevo amigo Spaun, existen rápidos avances y gran entusiasmo en la comunidad y muchos de nosotros trabajamos largas horas para tratar de descifrar las respuestas.

            Vamos a poder construir un cerebro humano algún día? O simular un cerebro humano? La pregunta no es realmente si vamos a poder o no sino mas bien cuando lo tendremos listo. Imaginen las posibilidades.

Mecánica cuántica en la mente?

Una de las mas grandes aventuras de todos los tiempos para la Ciencia involucra tratar de entender como funcionan nuestros cerebros. Nuestra capacidad de percibir los hermosos colores de un arco iris, de construir maquinas, de transportarnos hasta la luna, de demostrar teoremas matemáticos o de enamorarnos depende de los complejos circuitos de neuronas en nuestros cerebros. Francis Crick expreso esta idea de una manera particularmente provocativa: “No sos nada mas que un grupo de neuronas”.  (Crick, La hipótesis asombrosa, 1994).

Recientemente leí un libro excelente intitulado “Física en la mente” (mi traducción, titulo del original “Physics in Mind”) escrito por Werner Loewenstein. Este libro nos conduce por un exquisito camino que comienza con el Big Bang y termina discutiendo hasta que punto la mecánica cuántica juega un rol en las elucubraciones y computaciones de nuestros cerebros. Con una prosa precisa, entusiasta y a menudo provocativa, Loewenstein se atreve a examinar las preguntas fundamentales en la interface entre Física, Biología, Neurociencia y Filosofía.

El autor argumenta que para poder entender la conciencia, será necesario la interpretación de fenómenos cognitivos bajo el microscopio del formalismo cuántico. El autor esta en solida compañía en estas aseveraciones. Gigantes del calibre de Roger Penrose y muchos otros han propuesto ideas relacionadas. Sin embargo, no me queda claro.

La Física ha hecho grandes avances mediante el estudio de modelos sencillos. Einstein enuncio que los modelos deben ser tan sencillos como sea posible. Hay belleza, elegancia y enorme poder en pensar en elefantes cuyo peso esta concentrado en un solo punto.

Física teórica es un campo de estudio bien establecido con varios siglos de éxitos. En comparación, Neurociencia, y en particular Neurociencia Teórica, es un nuevo y joven integrante de las aventuras de la ciencia. Antes de postular modelos complejos, debemos intentar explotar modelos clásicos y sencillos y ver hacia donde nos llevan. Esto implica que tenemos que comenzar con neuronas, sinapsis y circuitos en nuestros esfuerzos para intentar explicar el funcionamiento de la mente. Es probable que caminemos en la dirección errónea y que nos tropecemos en repetidas ocasiones. Pero el potencial de lo que podemos conseguir con modelos sencillos es enorme. Si podemos desarrollar una “teoría clásica” de la mente basada en conjuntos de neuronas y sus interacciones, vamos a poder entender mejor quienes somos, tratar numerosas enfermedades neurológicas y construir maquinas inteligentes.