¿Cómo se representa físicamente la información en el cerebro?

Existe una pregunta estrella en todo cerebro reflexivo, sobretodo cuando nos ponemos filosóficos y nos da por especular sobre el origen de las cosas: ¿Cómo retiene una neurona un pensamiento, una imagen o un recuerdo? Es decir, ¿Cómo se representa físicamente la información en el cerebro? Hoy respondemos a estas preguntas a través de lo que nos cuentan los avances de la ciencia, desde una perspectiva muy actualizada, aunque aún nos queda mucho por descubrir…

Las neuronas

El cerebro consiste en uno o varios billones de neuronas densamente interconectadas. El axón (salida) de la neurona se ramifica y está conectada a las dendritas (entradas) de otras neuronas a través de uniones llamadas sinapsis. La eficacia de la sinapsis es modificable durante el proceso de aprendizaje de la red.

Cada neurona comparte muchas características con otras células del cuerpo humano pero tiene propiedades particulares y especiales para recibir, procesar y transmitir señales electroquímicas a través de todas las interconexiones del sistema de comunicación del cerebro.

Las sinapsis

Vamos al grano, ¿Qué sucede ahí adentro, pues?  El sentido común nos podría llevar a creer que las sinapsis son como una especie de ficheros o documentos que contienen en forma “escrita” la lista de las cosas que sabemos o en forma de “imagen o foto” los recuerdos, las situaciones y las experiencias. Pero las sinapsis no contienen la lista de las cosas que sabemos como si fueran ficheros de ordenador. La forma con la que las sinapsis almacenan cosas es un poco más complicada de entender.

Las sinapsis no contienen la lista de las cosas que sabemos como si fueran ficheros de ordenador.

Primero conviene aclarar que el cerebro no representa meramente aspectos de la realidad exterior, sino que también registra como el cuerpo explora el mundo y va reaccionando al mismo. ¿Cómo es? ¿Cómo registra el cerebro toda esta energía? ¿Cómo todas estas frecuencias vibratorias de luz, sonido, forma, abstracciones aparecen representadas en las sinapsis? ¿Cómo guardamos un recuerdo?

Los patrones de activación

La respuesta es que se guardan patrones de activación, esto es que depende de la información que nos llega unas neuronas u otras se activan simultáneamente con un nivel de fuerza (no es lo mismo activarse con fuerza 1, 2 o 3 por ejemplo). Pero no es la activación de una sola neurona la que guarda esa imagen, sino que funciona en red y las frecuencias de cada neurona al activarse se guardan como una constelación.

¡Si, imaginaros las constelaciones estelares! una forma un carro, otra una persona, otra una osa, y cada constelación es diferente, ¿verdad?, por eso podemos distinguirlas.

La metáfora de las constelaciones la explico para entender cómo funcionan los patrones de activación que son zonas del cerebro que se activan de manera simultánea para representar un solo objeto con todas sus características: una mesa es una mesa y no le damos más vueltas pero al pensarla guardamos sus propiedades: tamaño, forma de las patas, material, color, si tiene detalles tallados por ejemplo y hasta el olor a madera si fuera el caso.

constelaciones

Las ecuaciones matemáticas

El cerebro hace esto a nivel neuronal de forma matemática: cada entrada se multiplica por su peso correspondiente análogo al grado de conexión de la sinapsis. Todas las entradas ponderadas se suman y se determina el nivel de excitación o activación de la neurona. Cada “constelación” con el nivel de activación correspondiente de cada neurona seria lo que podemos recuperar o entender después como una imagen (fotografía mental de mesa), símbolo (reconocimiento de las letras del abecedario por ejemplo), como un recuerdo (sensación corporal al recibir un beso o un paisaje con olores, colores y formas).

Por si es de vuestro interés profundizar más, os explico brevemente el procedimiento matemático de cómo las neuronas no tienen un comportamiento arbitrario sino que siguen regularidades que pueden representarse a través de operaciones numéricas:

En una red tenemos un patrón de entrada que es (x, y).  La neurona de salida tiene un activación de (p). Para calcular la activación de la neurona de salida (p), que no es arbitrario, primero hemos de calcular su netinput. Una vez computado el netinput hemos de computar la activación de la neurona. La función de activación de la neurona de salida es la función identidad (la activación y el netinput son idénticos). Como la función de activación es la función identidad, la activación de la neurona será igual a su netinput, es decir (p). Si cambiamos el patrón de entrada por otro diferente tendremos un patrón de salida distinto.

Las neuronas no tienen un comportamiento arbitrario sino que siguen regularidades que pueden modelizarse a través de operaciones numéricas.

unet-massive-scale-dnn-on-spark-2-638

Datos bibliográficos:

  • Damasio, H., & Damasio, A. R. (1992). Cerebro y lenguaje. Investigación y ciencia, (194), 58-66.
  • Olabe, X. B. (1998). Redes Neuronales Artificiales y sus Aplicaciones. Publicaciones de la Escuela de Ingenieros.
Anuncios