Un estudio anula la antigua teoría del aprendizaje cerebral
Durante décadas, los científicos pensaron que el aprendizaje se produce en las sinapsis o en las numerosas uniones entre las células cerebrales. Pero ahora, un nuevo estudio propone que el aprendizaje ocurre en unas pocas dendritas, las ramas que alimentan las entradas a la célula cerebral o neurona.
En un artículo que ahora se publica en la revista Informes científicos, los autores describen cómo llegaron a esta conclusión después de estudiar modelos informáticos de neuronas y cultivos celulares.
En la vasta red neuronal del cerebro, las neuronas se comportan como pequeños microchips que reciben entradas a través de sus dendritas y, cuando se alcanzan ciertas condiciones, crean salidas utilizando sus axones.
Los axones, a su vez, están conectados a las dendritas de otras neuronas a través de enlaces llamados sinapsis. Hay muchas más sinapsis por neurona que dendritas.
Un resultado significativo de la nueva investigación es que, debido a que propone que el aprendizaje tiene lugar en dendritas y no en sinapsis, los parámetros de aprendizaje para cada neurona son mucho menores de lo que se pensaba.
“En este nuevo proceso de aprendizaje dendrítico”, señala el autor principal del estudio, el Prof. Ido Kanter, del Centro Interdisciplinario de Investigación del Cerebro Gonda en la Universidad Bar-Ilan en Israel, “hay algunos parámetros adaptativos por neurona, en comparación con miles de pequeños y sensibles en el escenario del aprendizaje sináptico ".
El aprendizaje ocurre más rápido de lo que pensamos
Otro resultado importante del nuevo estudio es que el proceso de aprendizaje ocurre mucho más rápido en el nuevo modelo dendrítico que en el modelo sináptico tradicional.
Los resultados pueden tener implicaciones importantes para los tratamientos de los trastornos cerebrales y el diseño de aplicaciones informáticas, como los "algoritmos de aprendizaje profundo" y la inteligencia artificial, que se basan en imitar la forma en que funciona el cerebro.
Los investigadores anticipan que, en el caso de este último, su estudio abre la puerta al diseño de funciones más avanzadas y velocidades de procesamiento mucho más rápidas.
El modelo de aprendizaje tradicional y sináptico tiene sus raíces en el trabajo pionero de Donald Hebb que se publicó en 1949 en el libro La organización del comportamiento.
Ese modelo, al que el profesor Kanter y sus colegas se refieren como "aprendizaje por enlaces", propone que los "parámetros de aprendizaje" que cambian durante el proceso de aprendizaje reflejan el número de sinapsis, o enlaces, por neurona, que son las unidades computacionales. en la red neuronal.
"Aprendizaje por nodos"
En su nuevo modelo, al que se refieren como "aprendizaje por nodos", los investigadores proponen que los parámetros de aprendizaje no reflejan el número de sinapsis, de las cuales hay muchas por neurona, sino el número de dendritas, o nodos, de los cuales existen son solo unos pocos por neurona.
Por lo tanto, explican, "en una red de neuronas conectadas", el número de parámetros de aprendizaje por neurona en el modelo sináptico es "significativamente mayor" que el número en el modelo dendrítico.
El objetivo principal de su estudio fue comparar las "propiedades dinámicas cooperativas entre escenarios de aprendizaje sináptico (enlace) y dendrítico (nodal)".
Los autores del estudio concluyen que sus resultados "indican claramente que se produce un proceso de aprendizaje más rápido y mejorado en las dendritas neuronales, de forma similar a lo que se atribuye actualmente a las sinapsis".
Las sinapsis débiles juegan un papel clave en el aprendizaje
Otro hallazgo significativo del estudio es que parece que las sinapsis débiles, que representan la mayor parte del cerebro y se pensaba que desempeñaban un papel insignificante en el aprendizaje, son en realidad muy importantes.
Los autores señalan que "la dinámica se rige principalmente de manera contradictoria por los eslabones débiles".
Parece que, en el modelo dendrítico, las sinapsis débiles hacen que los parámetros de aprendizaje oscilen en lugar de moverse a "extremos fijos poco realistas", como en el modelo sináptico.
El profesor Kanter resume los resultados haciendo comparaciones con cómo deberíamos medir la calidad del aire.
"¿Tiene sentido", pregunta, "medir la calidad del aire que respiramos a través de muchos sensores satelitales diminutos y distantes a la altura de un rascacielos, o mediante el uso de uno o varios sensores en las proximidades de la nariz?"
"De manera similar, es más eficiente para la neurona estimar sus señales entrantes cerca de su unidad computacional, la neurona".
Prof. Ido Kanter
