La adaptabilidad del cerebro a veces parece interminable. Pero las observaciones del cerebro en el proceso de aprendizaje sugieren que sus redes neuronales pueden ser sorprendentemente inflexibles e ineficientes.
El principal atributo de la inteligencia es la capacidad de aprendizaje. Como lo han demostrado décadas de investigación, nuestro cerebro exhibe una "plasticidad" bastante grande, es decir, la capacidad de las neuronas para cambiar las conexiones en respuesta a estímulos externos. Pero los investigadores de la Universidad Carnegie Melon y la Universidad de Pittsburgh descubrieron recientemente limitaciones inesperadas a nuestras habilidades de aprendizaje. El cerebro puede ser flexible y adaptable, pero, al menos durante cortos períodos de tiempo, aprende a través de la repetición ineficaz de trucos en su repertorio nervioso, en lugar de crear una red de conexiones desde cero.
"Cuando juego
squash , me veo como un jugador de tenis", dice Byron Yu, ingeniero biomédico y neurocientífico de la Universidad Carnegie Mallon, y uno de los líderes en el estudio. Yu jugó al tenis por muchos años. Tiene problemas para jugar squash porque usa raquetas más cortas y realiza tiros más rápidos y difíciles, a diferencia de los que se usan en la cancha de tenis. Sin embargo, cuando juega squash, se desliza al estilo de usar raquetas, a lo que está acostumbrado a una larga experiencia de jugar tenis. El cerebro no es tan fácil de separarse de lo que ya sabe.
Al observar el cerebro durante el entrenamiento, Yu y sus colegas encontraron evidencia de una falta similar de plasticidad a nivel de las neuronas. Este descubrimiento y la investigación relacionada pueden ayudar a explicar por qué algunas cosas son más difíciles de aprender que otras.
Hace varios años, Yu,
Aaron Batista de la Universidad de Pittsburgh y miembros de sus laboratorios comenzaron a usar interfaces cerebro-computadora (IMC) como herramientas para hacer descubrimientos en neurobiología. Estos dispositivos tienen un chip del tamaño de una uña que puede rastrear la actividad eléctrica de los stonerons inmediatamente en la corteza motora que controla los movimientos. Al rastrear la secuencia de picos de voltaje que pasan a través de las neuronas individuales, el IMC puede calcular la "velocidad de los picos" que caracteriza el comportamiento de cada neurona durante una tarea determinada.
"Puede imaginar las dificultades asociadas con la excavación de estos datos en un montón en un intento de determinar qué está haciendo el cerebro", dijo Y. "Nuestros ojos no están muy entrenados para notar patrones ocultos en dichos datos". Pero el análisis estadístico avanzado del que es capaz el chip puede hacer esto, y estos patrones se pueden usar para determinar la actividad nerviosa asociada con las intenciones del sujeto de hacer ciertos movimientos. Por ejemplo, el sistema puede distinguir entre las intenciones del sujeto de prueba de alcanzar la mano izquierda con la mano hacia arriba, hacia la izquierda o hacia la derecha.
Los investigadores pueden usar la salida de IMC para traducir la actividad nerviosa asociada con ciertos movimientos en comandos para el cursor en la pantalla de una computadora. Por prueba y error, las personas o los animales están entrenados para usar dicha interfaz, imaginando cómo mueven la mano, digamos, a la izquierda y mueven el cursor en la misma dirección.
Cuando Yu, Batista y sus colegas rastrearon la corteza motora del mono, que realizaba simples movimientos de las manos una y otra vez, descubrieron que las neuronas no se activaban de forma independiente. El comportamiento de los cientos de neuronas medidas podría describirse estadísticamente a través del comportamiento de 10 neuronas que activaron o suprimieron el trabajo de sus vecinos de varias maneras. En el análisis, este resultado se mostró como un conjunto de puntos que llenaban una cantidad muy pequeña en un espacio de datos de 100 dimensiones.
"Llamamos a este volumen una variedad intrínseca porque creemos que esta característica es realmente característica del cerebro", dijo
Stephen Chase , profesor de ingeniería biomédica en la Universidad Carnegie Malon. "La dimensión de este espacio predice con precisión las capacidades de las neuronas".
En 2014, los investigadores
descubrieron que es más fácil para los sujetos aprender nuevas tareas si se incluyen combinaciones de neuronas que pertenecen a un conjunto característico, y no aquellas que se encuentran fuera de él, en este proceso. Según Yu, esto tiene sentido, ya que las tareas que caen en un conjunto característico hacen solicitudes al cerebro correspondientes a la estructura nerviosa subyacente. Al finalizar el estudio, el grupo cambió a la pregunta de cómo cambia la actividad nerviosa durante el entrenamiento; esto se describe en un
trabajo publicado recientemente en la revista Nature Neuroscience.
Para entender lo que está sucediendo en el cerebro, los investigadores primero dieron primates equipados con IMC para sentirse cómodos moviendo el cursor hacia la izquierda y hacia la derecha. Luego, el equipo cambió los requisitos de qué tipo de actividad nerviosa es necesaria para mover el cursor, y comenzó a observar qué nuevos patrones de actividad nerviosa, correspondientes al nuevo conjunto de puntos del conjunto característico, serán utilizados por los animales.
Los investigadores esperaban ver evidencia de una estrategia de aprendizaje llamada "reestructuración", durante la cual el animal comenzaría a usar un nuevo patrón de neuronas en funcionamiento que encajaría más naturalmente en esta tarea. "La perestroika es la mejor estrategia que pueden usar los animales que están sujetos a las limitaciones de un conjunto característico de neuronas", dijo
Matthew Golub , un postdoc que participó en este proyecto con Yu y Chase y ahora trabaja en la Universidad de Stanford. O el cerebro del mono podría comenzar a aprender a través del "reescalado", un proceso en el cual las neuronas involucradas en la tarea de aprendizaje primaria aumentarían o disminuirían el número de explosiones hasta que encuentren algún tipo de flujo de trabajo.
Pero, para la asombrosa sorpresa de los investigadores, ni la perestroika ni el cambio de escala ocurrieron. En cambio, los investigadores observaron un proceso extremadamente ineficaz de "reasociación". Los sujetos fueron entrenados en una nueva tarea, simplemente usando secuencias nerviosas existentes, cambiando su propósito. Las secuencias que previamente movían el cursor hacia la izquierda comenzaron a moverlo hacia la derecha y viceversa. "Se dedicaron a la reutilización", dijo Golub, solo bajo nuevas condiciones.
¿Por qué el cerebro debería usar una estrategia de aprendizaje menos efectiva? Los resultados de los descubrimientos del grupo muestran que así como el trabajo de toda la arquitectura nerviosa está limitado por la actividad de un conjunto característico, el trabajo de las neuronas de este conjunto tiene restricciones en la reorganización de su actividad. Batista sugiere que los cambios en las conexiones sinápticas entre las neuronas que tendrían que hacerse para la reestructuración serían demasiado complejas para hacerlas lo suficientemente rápidas. "La plasticidad a corto plazo puede ser más limitada de lo que esperábamos", dijo. - Aprender significa olvidar. El cerebro rechaza a regañadientes las habilidades adquiridas con las que ya sabe manejar ".
Chase comparó la corteza motora con una antigua centralita telefónica, en la que las conexiones neuronales, como los cables, conectan las entradas de secciones de la corteza a las salidas del cerebelo. Como él dijo, durante los experimentos "el cerebro simplemente cambia el esquema de conexión del cable", aunque los matices de este proceso aún no están claros.
"La estrategia de cambio rápido implica cambiar las conexiones de entrada de la corteza", dijo Yu. Pero también señaló que la actividad cerebral fue monitoreada en sus experimentos durante 1-2 horas. Los investigadores aún no pueden descartar la posibilidad de que la reasociación sea un paso intermedio para enseñar al cerebro nuevas tareas; durante un período de tiempo más largo, aún puede ocurrir la reconstrucción o reescalado.
Si es así, esto puede explicar la diferencia en la forma en que los recién llegados y expertos manejan la información nueva relacionada con intereses comunes. "Los principiantes tienen que trabajar con lo que tienen, y los expertos se dedican a la consolidación del conocimiento", dijo Batista. "Esta puede ser la base neuronal de este conocido fenómeno".