MADRID, 19 Sep. (EUROPA PRESS) -
Un equipo del Instituto de Óptica del Consejo Superior de Investigaciones Científicas (IO-CSIC) ha creado un modelo matemático que permite explicar el funcionamiento de las neuronas de la corteza visual, lo que posibilitaría diseñar redes neuronales artificiales que emulen mejor el cerebro.
Los resultados del estudio, publicado en la revista 'Journal of Neuroscience', han mostrado la capacidad de este modelo para el diseño de redes neuronales artificiales más precisas que puedan replicar algunas propiedades cerebrales, como la estabilidad respecto a perturbaciones.
"Nuestro modelo proporciona una mejor comprensión de los procesos neuronales, ya que es capaz de explicar una serie de resultados experimentales para los que los enfoques tradicionales no son satisfactorios", ha afiramdo uno de los autores del trabajo, el investigador del IO-CSIC Marcelo Bertalmío.
Así se ha referido al modelo clásico propuesto en 1959 por Hubel y Wiesel, el cual describe la organización jerárquica del procesamiento visual en la corteza visual, una formulación que los investigadores consideran que no logra explicar el papel exacto de las dendritas, que sirven como receptores de los impulsos nerviosos y cuyas propiedades son clave para la transmisión de la información.
Los científicos del IO-CSIC, en colaboración con el Centro Nacional para la Investigación Científica de Francia (CNRS), han realizado abstracciones matemáticas de algunos procesos que ocurren dentro de las neuronas, y que hasta ahora no se incluían en el modelo clásico por su complejidad.
"También porque se pensaba que no sería necesario, ya que se creía que el modelo clásico iba a ser capaz de explicar cualquier fenómeno", ha añadido Bertalmío.
Estas redes neuronales permiten a los programas reconocer patrones y resolver problemas comunes en Inteligencia Artificial (IA), así como en sus técnicas de aprendizaje automático y aprendizaje profundo.
Ahora, los investigadores buscarán extender el modelo para que considere variaciones temporales, validarlo en resultados experimentales de neurociencia y percepción visual, así como su utilización en aplicaciones de visión por computadora.