CURSO: MODELADO DE SISTEMAS NEURONALES
Coordinación: Francisco Tamarit (FaMAF, Universidad Nacional de Córdoba).
Introducción al modelado de la dinámica neuronal
Expositora: Inés Samengo
La membrana celular de las neuronas tiene propiedades biofísicas específicas, que permiten que las céulas generen disparos (o potenciales de acción) cuando son convenientemente estimuladas. Se dará una breve descripción de esas propiedades, para luego plantear las ecuaciones dinámicas que rigen la evolución del potencial de membrana de una neurona con diversas conductancias iónicas. Dependiendo de las características particulares de cada neurona (es decir, dependiendo del tipo de canales iónicos presentes en la membrana celular), las ecuaciones dinámicas muestran comportamientos cualitativamente distinos. Esta diversidad de comportamientos hace que distintas neuronas procesen la información que reciben de manera distinta. En esta charla, se estudiarán dos tipos de comportamientos dinámicos característicos, propios de las neuronas llamadas "integradoras" y aquellas denominadas "resonadoras." Se analizarán las propiedades de estas neuronas en el espacio de las fases, y por último, se discutirá de qué manera cada uno de estos comportamientos da origen a códigos neuronales distintos.
Sinapsis, redes neuronales, y oscilaciones en el cerebro
Expositor: Germán Mato
Partiendo de los modelos de neuronas de diparo analizaremos brevemente los mecanismos sinapticos de interaccion entre las mismas. Daremos una breve descripcion del problema biologico y de modelos matematicos que describen la interaccion entre neuronas. Basicamente las interacciones sinapticas pueden ser de dos tipos, excitatorias en las cuales la actividad de una neurona favorece el disparo de otra neurona post-sinaptica, or inhibitoria, en la que el disparo de una neurona pre-sinaptica dificulta la produccion de un disparo en la neurona post-sinaptica. Si bien las complejidades en redes neuronales biologicas son extremadamente dificiles de modelar en detalle, el analisis de ensambles de neuronas conectadas con modelos sencillos de sinapis permite entender y reproducir varios procesos que ocurrence en el cerebro. Como ejemplo de los mismos, nostros analizaremos oscilaciones colectivas que emergen en redes neuronales.
Caracterización de sistemas sensoriales
Expositor: Leonardo Franco
Construimos nuestro conocimiento del mundo a través de nuestros sentidos. ¿Cómo surgen estas percepciones a través de la actividad neuronal iniciada por los estímulos sensoriales ? Se comenzará con una descripción general del sistema nervioso de los mamíferos, analizando algunas ideas y principios generales de la organización neuronal. Se analizar luego algunas características de la corteza visual, una de las áreas más desarrolladas del cerebro, capaz de llevar a cabo tareas de reconocimiento de objetos y movimientos usando diferentes estrategias en una manera muy eficiente todavía no igualada por los sistemas artificiales. Se presentarán algunos modelos basados en redes neuronales orientados al reconocimiento de objetos . Finalmente, se discutirá cómo la información es codificada y transmitida entre las diferentes regiones del cerebro, analizando códigos de frecuencia media de disparos y códigos temporales. Se presentarán algunos resultados experimentales.
Modelado de procesos complejos: De la percepción a la acción
Tráfico, integración y síntesis de información: Algunos aspectos relevantes de la máquina que “construye” la realidad
Expositor: Mariano Sigman
En primer lugar se discutirán algunos aspectos básicos de la teoría de la información en el contexto de la percepción como la Teoría Gestaltiana, (fundamentalmente del sistema visual) las ilusiones perceptuales y el aprendizaje estadístico en bebes, la asimilación de estructura como sucede en la segmentación del lenguaje fluido en palabras y el desarrollo de categorías, como la percepción de fonemas. Se presentaran ejemplos de algoritmos basados en estos principios que logran resolver problemas cognitivos de alta complejidad, como el reconocimiento de caras o voces.
En segundo lugar se presentaran algunas restricciones estructurales y arquitectónicas que condicionan el tráfico y procesamiento de información en el sistema nervioso, presentando varios ejemplos: 1) Un principio organizacional común a numerosas estructuras cognitivas: la precombinación progresiva de información conformando estructuras jerárquicas.2) Cronometria y variabilidad en tiempos de respuesta. ¿Cuales son las subcomponentes de una tarea cognitiva? 3) Organización de procesos conscientes e inconscientes, procesamiento en paralelo de información subliminal y el acceso restringido a procesos conscientes o de control ejecutivo. 4) Grafos semánticos. Se presentara la idea de flujo de ideas y de asociación de significados como un ejemplo de flujo de información y se discutirá la evidencia experimental, desde los clásicos experimentos de asociación de significados hasta los experimentos más modernos con técnicas de imágenes. 5) La emergencia del símbolo. Se discutirá la coexistencia en los mismos circuitos de calculo analógico y discreto, proponiendo que el primero forma parte de un sistema “mas primitivo”.
A partir de estos ejemplos y de una observación muy simple (la gran facilidad con la que resolvemos cómputos extremadamente complicados como reconocer caras y la gran ineficiencia con la que resolvemos cómputos extremadamente simples como multiplicar 7895*3579) se propondrán algunas diferencias criticas entre el sistema nervioso y las “computadoras tradicionales” como la existencia de procesadores activos y adaptativos, de una arquitectura masivamente paralela con un sistema eficiente de control con “buenas propiedades de escalado”, la existencia de “addressing” de la información y los cómputos en un sistema con una muy limitada memoria de trabajo.