Curso de Psicología Cognitiva, Parte 5: NEUROCIENCIA E I.A. DE LA PERCEPCIÓN

Hemos visto que en la actualidad se reconocen seis tipos de percepción:

1. Visual
2. Háptica (tacto)
3. Olfativa
4. Gustativa
5. Auditiva
6. Propioceptiva

En esta clase revisaremos someramente cada uno de ellos, pero antes deberemos dar un nuevo marco explicativo.

LA PERCEPCIÓN DESDE LA IA Y LA NEUROCIENCIA

La percepción puede ser estudiada desde diferentes perspectivas, ya vimos la semana pasada que como fenómeno viene siendo estudiada desde hace varios miles de años, y que incluso ya hacia fines del siglo XIX había empezado a ser investigada científicamente como un fenómeno por sí mismo (y ya no dependiendo de otras disciplinas). Los avances de la Gestalt en este sentido aún son valorados. Sin embargo, la mayoría de los conocimientos sobre percepción que se tienen hoy día fueron desarrollados durante la época clásica de la Ciencia Cognitiva (1956-1985).

Fueron las disciplinas de la Inteligencia Artificial y de la Neurociencia las que establecieron las bases contemporáneas del estudio de la percepción. La Inteligencia Artificial desde fines de los 60 se dedicó a modelar dispositivos computacionales que pudieran “ver”. La neurociencia se encargó de describir con sumo cuidado cómo era procesada la percepción por el cerebro. Este es uno de los campos en que se ha producido una mayor interacción entre estas dos disciplinas. Al punto de que la arquitectura descubierta por la neurociencia ha sido la que ha guiado la implementación en IA.

El modelo fundamental de la percepción en neurociencia

La neurociencia considera que el sistema perceptivo (humano y en los mamíferos) contempla principalmente la “codificación de estímulos” (externos e internos). Estos estímulos pueden ser señales luminosas, sonoras, químicas, etc; que provienen desde las fuentes a percibir. El organismo humano está provisto de ciertos órganos especializados en la captación de estos estímulos (los órganos asociados a los cinco sentidos).

Rombouts (Alegoría de los Cinco Sentidos, c.1600)

La existencia de órganos perceptivos no asegura la percepción, en el modelo de Von Neumann (1951) que vimos la semana pasada podemos asimilar los órganos a los Periféricos de Entrada, pero este es sólo el primer paso.

El modelo general de la percepción considera la existencia de los órganos y también de un aparato llamado Sistema Nervioso Central:

El Sistema Nervioso Central está constituido por el Cerebro y la Espina Dorsal, hay además un Sistema Nervioso Periférico que inerva desde el central para llegar desde la columna hacia todo el cuerpo, a través de los llamados plexos.

La espina dorsal es en este esquema el medio de transporte de las señales hacia el cerebro donde serán procesadas, se trata de señales químicas que van transportándose desde los órganos hasta las regiones corticales del cerebro.

Transducción

Una primera cuestión es cómo las señales externas se convierten en señales internas químicas. Es lo que se denomina transducción. Cada órgano contiene ciertas células que son sensibles a cierto tipo de estímulos. Cuando se presenta el estímulo la célula especializada reacciona “disparando” señales químicas. Así, por ejemplo, en el ojo hay unos 120 millones de bastones, células sensibles a la luz sin importar su color, y unos 6,5 millones de conos, células sensibles a la luz de color, divididos en receptores de verde, rojo y azul (esto ya había sido intuido por Thomas Young en 1802), estos distintos tipos de células fueron muy estudiados por George Wald, entre otros y en 1964 propusieron un primer modelo de recepción de colores.

Viaje por el SNC

Se supone que cada uno de los “disparos” de las celulas nerviosas receptivas avanza en una cadena a través del SNC de la siguiente manera: tenemos la célula nerviosa con su clásica constitución[1]…

Esta célula se conecta con otras recibiendo información a través de las dendritas y emitiendo información a través de su único axón. En un dibujo más microscópico todavía…

Vemos como las señales (neurotransmisores) salen desde el axón para encontrarse con las enzimas de las dendritas de otras células. Una vez que estas han captado la información gatillan un nuevo “disparo” y así sucesivamente hasta llegar al tálamo.

Una vez en el tálamo la información será enviada al centro de procesamiento correspondiente…

Será al fin en las regiones de la corteza donde se procese finalmente la información. En las zonas 17, 18,19 del lóbulo occipital (mapa de Brodmann) se procesa la visión. En las 41 y 42 del temporal la audición, en la zona 34 del temporal interno el olfato, etc.

EL MODELO DE LA IA

Los computadores de alguna manera se han creado siguiendo un esquema muy similar al que presenta la implementación física del procesamiento de la información por humanos. Esto se puede entender muy bien si comparamos el sistema de Neumann con el esquema que hemos seguido aquí. En un nivel macro parece que las cosas son muy similares, es en el nivel micro donde no es tan claro.

Sin embargo, en el ámbito de la Inteligencia Artificial desde mediados de los años 80 ha cobrado una fuerte importancia el desarrollo de sistemas llamados de redes neurales.

Las redes neurales son réplicas muy simplificadas de la estructura del sistema nervioso en el nivel microscópico. Fueron inventadas por Pitts y McCulloch en 1943, aunque el primer desarrollo en simulación de percepción correspondió a Rosenblatt en 1962, el esquema es el siguiente:

Hay una serie de unidades de entrada que se conectan con las denominadas unidades ocultas. Al igual que las células receptoras biológicas, las unidades de entrada son sensibles a ciertos estímulos y gatillan información hacia las unidades ocultas. Estas reaccionan a los estímulos y gatillan a su vez para dar una respuesta (salida).

Ciertamente el tema central del funcionamiento de las redes neurales es la manera como se conectan los receptores con las capas ocultas y estas con las capas de salida. Puede que el “cableado” no sea el correcto y la salida sea entonces errónea.

Es por ello que estos modelos tienen implementados modelos de aprendizaje, el más conocido de ellos es el backpropagation. Desde la salida se vuelve la información hacia las capas ocultas para retroalimentar el sistema y perfeccionar la respuesta.

Así por ejemplo se puede corregir el “peso” de la señal de una unidad de entrada para que el resultado final sea más adecuado. Este esquema permite recablear la red neural, algo que también ocurre en el cerebro y que ya había descubierto Donald Hebb.

La próxima semana entraremos de lleno en los conocimientos actuales sobre los sentidos y veremos algunas implementaciones de IA que los simulan.