IA deduce lo que ven ratones mediante actividad cerebral

Fuente: Pixx|Teufel/Pixabay

Un nuevo estudio muestra cómo un algoritmo de aprendizaje automático de inteligencia artificial (IA) puede decodificar la actividad cerebral de los ratones para predecir lo que ven con un 95% de precisión.

“Asignar acciones conductuales a la actividad neuronal es un objetivo fundamental de la neurociencia”, escribieron los coautores del estudio Steffen Schneider, Jin Hwa Lee y Mackenzie Weygandt Mathis del Brain Mind Institute & Neuro X Institute, École Polytechnique Fédérale de Lausanne (EPFL). “A medida que aumenta nuestra capacidad para registrar grandes datos neuronales y de comportamiento, existe un interés creciente en modelar la dinámica neuronal durante los comportamientos adaptativos para probar las representaciones neuronales”.

Los investigadores de EPFL buscaron utilizar el aprendizaje automático de IA para descubrir la dinámica neuronal entre el comportamiento y la actividad cerebral mediante el uso de un método de reducción de dimensionalidad no lineal.

“Entonces, hace aproximadamente 10 años, estábamos en el punto en el que podíamos decodificar formas muy simples de los cerebros de animales o humanos”, dijo Mathis, investigador principal del estudio y presidente de Neurociencia Integrativa en EPFL, en un video. “Pero ahora estamos en el punto en el que podemos decodificar literalmente fotogramas de películas que nunca antes se habían hecho”.

Los científicos lograron esto con ajustes matemáticos. Modificaron la función de pérdida de un algoritmo de IA que realiza un aprendizaje contrastivo para que pueda usar flujos de datos tanto discretos como continuos. El nuevo algoritmo de aprendizaje profundo llamado CEBRA combina la actividad cerebral y los datos de comportamiento para aprender características.

El estudio utilizó datos de picos sintéticos para la evaluación comparativa, datos electrofisiológicos multicelulares del área del hipocampo de ratas, registros electrofisiológicos de la corteza somatosensorial (S1) en monos rhesus y datos de la corteza visual de ratones del Instituto Allen que se produjeron a través de calcio de dos fotones. imágenes (2PCI), que es un método in vivo para registrar la actividad neuronal en cerebros intactos.

En IA, el aprendizaje contrastivo es un método emergente de aprendizaje profundo para tareas de visión por computadora que utiliza muestras contrastantes positivas y negativas entre sí para aprender atributos comunes y diferentes.

Los investigadores muestran que pudieron decodificar con éxito lo que ve un ratón mientras ve una película utilizando el algoritmo de IA con una precisión superior al 95%. Según los científicos de la EPFL, su algoritmo de IA superó significativamente a los métodos de decodificación de línea de base del algoritmo ingenuo Bayes o k-vecinos más cercanos (kNN).

“CEBRA, por supuesto, no tiene que tratarse solo de decodificar el estado del cerebro para ver películas, sino que en realidad puede generalizarse a otros dominios”, enfatizó Mathis.

El nuevo algoritmo de aprendizaje profundo llamado CEBRA se puede utilizar para avanzar en la investigación en campos que examinan sistemas complejos con datos que involucran una serie de tiempo o actividad y comportamiento cerebral conjunto, como la neurociencia, las interfaces cerebro-computadora (ICC) o las interfaces cerebro-máquina (ICM), etología (comportamiento animal) e incluso expresión génica.

Derechos de autor © 2023 Cami Rosso. Todos los derechos reservados.