Spaun, un cerebro virtual que genera representaciones

No sé si el mundo es voluntad, pero sí que es representación. Aclarar qué es una representación o cómo la mente construye representaciones del mundo es uno de los problemas fundamentales en la Filosofía de la mente, incluso para aquellos que se declaran abiertamente antirrepresentacionalistas.

Chris Eliamisth

Chris Eliamisth

El carácter interdisciplinar de las neurociencias y de la filosofía de la mente o de la neurofilosofía se muestra precisamente cuando se abordan estos problemas. El equipo de investigadores del Centre for Theoretical Neuroscience de la Universidad de Waterloo en Canadá dirigido por Chris Eliasmith acaba de publicar una investigación (Science. 30 Noviembre, 2012 Vol 338) en la que mediante el diseño de un modelo virtual de un cerebro capaz de realizar tareas que requieren del uso de representaciones, se pueden empezar a analizar estas viejas cuestiones desde la nueva perspectiva que ofrece la Neurosemántica.

El modelo virtual de cerebro se llama “Spaun” (Semantic Pointer Architecture Unified Network) y en términos muy generales se presenta como una contribución más al intento de ofrecer una explicación de la conducta humana en términos neurobiológicos. Desde una perspectiva filosófica el proyecto encajaría dentro de una explicación naturalista, de carácter fisicalista, del contenido representacional.

El modelo en cuestión dispone de 2,5 millones de neuronas virtuales y utiliza las herramientas conceptuales y matemáticas que ofrece la Teoría de Sistemas Dinámicos para simular tareas propias de la cognición que integren las restricciones que tienen los sistemas biológicos reales. En definitiva, no se trata de crear un modelo artificial abstracto, sino de diseñar un modelo que explique y simule la actividad que genera un cerebro. Para ello Spaun incorpora en su diseño las estructuras anatómicas del cerebro y los mecanismos de disparo propios de las neuronas.

Spaun es un indicador semántico (semantic pointer) que realiza representaciones en un espacio n-dimensional mediante un método basado en un proceso de compresión y descompresión. En un espacio semántico n-dimensional, como los que se encuentra descritos en los ya clásicos trabajos de Paul y Patricia Churchalnd, una representación es un vector que indica un punto en ese espacio, de manera que, por ejemplo, aquellas representaciones que tengan un significado parecido, ocuparán lugares muy próximos dentro de ese espacio semántico. El significado de una representación vendría dado por su vector de activación correspondiente. Lo que la Teoría de Sistemas Dinámicos (TSD) añade es la posibilidad de estudiar cómo evolucionan los espacios a través del tiempo.

La TSD considera a los agentes cognitivos como un único sistema integrado compuesto por cerebro, cuerpo y entorno. De esta manera los modelos teóricos que se desarrollan pueden ser estudiados teniendo en cuenta las limitaciones que supone tratar con sistemas biológicos reales, superando así los problemas que presentan los modelos estrictamente computacionales o simbólicos presos todavía de un esquema cartesiano que escinde al sujeto de su medio.

Arquitectura funcional de Spaun. Crédito. C. Eliasmith at al. Science (2012)

La descripción de Spaun se hace desde una doble perspectiva. De un lado tenemos la estructura anatómica del modelo. Esta estructura se corresponde con el modelo anatómico que se define a partir del estudio de las áreas cerebrales y de las propiedades específicas de las poblaciones de neuronas. De otro, se dispone de una descripción funcional del modelo que incluye las funciones que puede realizar el sistema y que se corresponden con las áreas anatómicas descritas. Así, por ejemplo, el área visual se estructura en capas jerarquizadas que permiten recibir las señales del entorno y enviarlas a través del sistema representando patrones espaciales. Cada capa recoge las señales que recibe de la capa anterior, las agrupa y las envía al siguiente nivel simulando las funciones de las capas visuales del cerebro, del córtex visual estriado y del córtex visual interior en el que finalmente se produce la representación de objetos complejos.

Credito. C. Eliasmith et al. Science

Funcionalmente Spaun se organiza en cinco subsistemas que incluyen desde un sistema visual capaz de codificar y decodificar entradas de señales hasta un sistema motor de salida que permite dar una respuesta mediante un brazo articulado virtual.

Para comprender como Spaun puede generar una representación hay que entender el funcionamiento de NEF. NEF (Neural Engineering Framework) es una teoría aplicable a sistemas neurobiológicos que permite entender las representaciones como procesos de codificación no lineal y decodificación lineal de disparo de neuronas. Los procesos dinámicos que caracterizan las representaciones son tratados mediante un conjunto de herramientas matemáticas desarrolladas en la década de los 60 para describir el comportamiento de sistemas físicos complejos. La conducta de los sistemas físicos puede ser descrita a partir de ecuaciones diferenciales que se construyen sobre el valor que van tomando un conjunto de variables.

El funcionamiento de la Teoría Control para describir el comportamiento de un sistema físico queda recogido en el siguiente esquema

NEF

NEF (Eliasmith C. , 2009 y (Eliasmith, C. y Anderson, C. H., 2003)

El vector x(t) reúne las variables que describen el estado del sistema a partir de las entradas que recibe en un tiempo dado. Estas entradas se representan mediante el vector u(t) que también se usa para determinar las salidas futuras que el sistema ofrece (vector y(t)). Las matrices B, A, C y D actúan sobre cada uno de los vectores y ayudan a definir la conducta del sistema mediante la función de transferencia que realiza la integral o.

El modelo NEF puede ser modificado para que incorpore aspectos propios de la dinámica interna de las poblaciones de neuronas. La idea central es que un grupo de disparos de neuronas puede representar un vector en un espacio en un tiempo dado y que las conexiones entre un grupo de neuronas pueden computar las funciones de ese vector. Lo realmente interesante de este modelo es que permite entender las representaciones como procesos de codificación y de decodificación transformacionales de señales.

Una descripción naturalizada de las representaciones como esta evita las objeciones que se hacen a las teorías representacionalistas clásicas en las que el contenido de una representación depende de nuestra capacidad para operar proposicionalmente (Fodor), o de la habilidad para manipular símbolos (Teoría Computacional de la Mente).

Lo que hace Spaun es usar los patrones de disparo de las neuronas para implementar las representaciones neuronales que constituyen los indicadores semánticos. El proceso se realiza mediante la compresión y descompresión de señales. Por ejemplo, el número de células del córtex visual decrece desde el córtex visual primario al córtex temporal inferior que constituye la última etapa del sistema visual y se encarga del reconocimiento de objetos (Áreas 20 and 21 de Brodman). El sistema opera comprimiendo las señales que envía desde las capas iniciales a las finales que son descomprimidas cuando llegan al sistema motor y se ejecuta un movimiento. La compresión permite enviar paquetes de señales para que puedan ser manipuladas de un modo más eficiente, lo que facilita la generación de representaciones.

Más vídeos de Spaun resolviendo tareas

La tarea principal de Spaun es el reconocimiento de números o de letras que posteriormente debe copiar mediante un brazo articulado. Estas tareas incluyen el reconocimiento de imágenes, reconocimiento de series mediante su memoria de trabajo, el aprendizaje y otras habilidades que no pueden ejecutar los sistemas artificiales que se basan exclusivamente en modelos de disparos de redes neuronales. Además de copiar y dibujar, Spaun puede pasar con facilidad test de inteligencia (test de Raven) en los que hay que inferir, a partir de unas imágenes previas, la imagen que falta en una serie. (Ejemplo de un test de Raven)

Los resultados de estos test muestran que Spaun no sólo alcanza un nivel de aciertos del 88% frente al 89% de los humanos, sino que es capaz de ofrecer respuestas flexibles como hacen los sistemas biológicos.

Aunque la arquitectura de Spaun está diseñada para responder únicamente al tipo de tareas descritas, el modelo permitirá comprobar la viabilidad de teorías sobre el funcionamiento del cerebro y la posibilidad de que la neurosemántica ofrezca una explicación al problema de la representación, el último refugio del dualismo.

Referencias

  • Churchland, P. S. (1986). Neurophilosophy. Cambridge: MIT Press
  • Churchland, P. M. (1993). A Neurocomputational Perspective. Cambridge: The MIT Press.
  • Churchland, P. M. (1996). The Engine of Reason, the Seat of the Soul. Cambridge, Massachusetts: MIT Press.
  • Eliasmith, C y (varios) (2012) «A large-Scale Model of the Functioning Brain» Science. 30 de noviembre, Vol. 338
  • Eliasmith, C. y Anderson, C. H. (2003). Neural Engineering. Computation, Representation, and Dynamics in Neurobiological Systems. Cambridge: MIT Press.
  • Eliasmith, C. (2009). Neurocomputational Model: Theory, application, philosophical consequences. En J. Bickle, The Oxford Handbook of Philosophy and Neuroscience (págs. 346-370). Oxford: Oxford University Press.
  • van Gelder, T. (1998). The dynamical hypothesis in cognitive science. Behavioral and Brain Sciences (21) , 615-665

Acerca de José Luis Fernández Moreno

Profesor de Filosofía (Secundaria). Intereses: Neurofilosofía Ver todas las entradas de José Luis Fernández Moreno

Responder

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Cerrar sesión / Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Cerrar sesión / Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Cerrar sesión / Cambiar )

Google+ photo

Estás comentando usando tu cuenta de Google+. Cerrar sesión / Cambiar )

Conectando a %s

A %d blogueros les gusta esto: