Hispanopedia WikiEl marco de predicción de la memoria es una teoría sobre el funcionamiento del cerebro creada por Jeff Hawkins y descrita en su libro de 2004, Sobre la inteligencia . Esta teoría aborda el papel del neocórtex de los mamíferos y sus conexiones con el hipocampo y el tálamo en la correspondencia entre las entradas sensoriales y los patrones de memoria almacenados , y cómo este proceso conduce a predicciones de lo que sucederá en el futuro.
Descripción general
La teoría se basa en las similitudes observadas entre las estructuras cerebrales (especialmente el tejido neocortical ) que se utilizan para una amplia gama de comportamientos en los mamíferos. La teoría postula que la notable uniformidad en la disposición física del tejido cortical refleja un principio o algoritmo único que subyace a todo el procesamiento de la información cortical. Se hipotetiza que el principio básico de procesamiento es un bucle de retroalimentación/recuperación que involucra tanto la participación cortical como extracortical (esta última, en particular, del tálamo y el hipocampo ).
La teoría básica: reconocimiento y predicción en jerarquías bidireccionales
El concepto central del marco de predicción de memoria es que las entradas ascendentes se comparan en una jerarquía de reconocimiento y evocan una serie de expectativas descendentes codificadas como potenciaciones. Estas expectativas interactúan con las señales ascendentes para analizar dichas entradas y generar predicciones de las entradas esperadas subsiguientes. Cada nivel de la jerarquía recuerda secuencias temporales de patrones de entrada observadas con frecuencia y genera etiquetas o "nombres" para estas secuencias. Cuando una secuencia de entrada coincide con una secuencia memorizada en un nivel dado de la jerarquía, una etiqueta o "nombre" se propaga hacia arriba, eliminando así detalles en los niveles superiores y permitiéndoles aprender secuencias de orden superior. Este proceso produce una mayor invariancia en los niveles superiores. Los niveles superiores predicen la entrada futura comparando secuencias parciales y proyectando sus expectativas a los niveles inferiores. Sin embargo, cuando se produce una discrepancia entre la entrada y las secuencias memorizadas/predichas, una representación más completa se propaga hacia arriba. Esto provoca que se activen "interpretaciones" alternativas en los niveles superiores, lo que a su vez genera otras predicciones en los niveles inferiores.
Consideremos, por ejemplo, el proceso de la visión . La información ascendente comienza con señales retinianas de bajo nivel (que indican la presencia de elementos visuales simples y contrastes). En niveles superiores de la jerarquía, se extrae información cada vez más significativa sobre la presencia de líneas , regiones , movimientos , etc. Aún más arriba en la jerarquía, la actividad corresponde a la presencia de objetos específicos y, posteriormente, a los comportamientos de estos objetos. La información descendente completa los detalles sobre los objetos reconocidos y también sobre su comportamiento esperado a medida que avanza el tiempo.
La jerarquía sensorial induce una serie de diferencias entre los distintos niveles. A medida que se asciende en la jerarquía, las representaciones aumentan:
- Extensión: por ejemplo, áreas más grandes del campo visual o regiones táctiles más extensas.
- Estabilidad temporal: las entidades de nivel inferior cambian rápidamente, mientras que las percepciones de nivel superior tienden a ser más estables.
- Abstracción : mediante el proceso de extracción sucesiva de características invariantes, se reconocen entidades cada vez más abstractas.
La relación entre el procesamiento sensorial y motor es un aspecto importante de la teoría básica. Se propone que las áreas motoras de la corteza presentan una jerarquía conductual similar a la sensorial, donde los niveles inferiores corresponden a órdenes motoras explícitas dirigidas a la musculatura y los niveles superiores a prescripciones abstractas (por ejemplo, «cambiar el tamaño del navegador»). Las jerarquías sensorial y motora están estrechamente vinculadas: la conducta genera expectativas sensoriales y las percepciones sensoriales impulsan los procesos motores.
Finalmente, todos los recuerdos en la jerarquía cortical deben aprenderse; esta información no está preprogramada en el cerebro. Por lo tanto, se teoriza que el proceso de extraer esta representación del flujo de entradas y comportamientos es un proceso que ocurre continuamente durante la cognición .
Otros términos
Hawkins posee una amplia formación como ingeniero eléctrico. Otra forma de describir la teoría (insinuada en su libro) es como una jerarquía de aprendizaje de máquinas de estados estocásticas de alimentación directa . Desde esta perspectiva, el cerebro se analiza como un problema de codificación, similar a los códigos de corrección de errores predictivos del futuro. La jerarquía es de abstracción , donde los estados de las máquinas de nivel superior representan condiciones o eventos más abstractos, y estos estados predisponen a las máquinas de nivel inferior a realizar ciertas transiciones. Las máquinas de nivel inferior modelan dominios limitados de experiencia, o controlan o interpretan sensores o efectores. El sistema en su conjunto controla el comportamiento del organismo. Dado que la máquina de estados es de alimentación directa, el organismo responde a eventos futuros predichos a partir de datos pasados. Al ser jerárquica, el sistema exhibe flexibilidad conductual, generando fácilmente nuevas secuencias de comportamiento en respuesta a nuevos datos sensoriales. Como el sistema aprende, el nuevo comportamiento se adapta a las condiciones cambiantes.
Es decir, el propósito evolutivo del cerebro es predecir el futuro, si bien de forma limitada, para así poder modificarlo.
Implementación neurofisiológica
Se postula que las jerarquías descritas anteriormente se originan principalmente en la neocorteza de los mamíferos. En particular, se supone que la neocorteza consta de un gran número de columnas (como también lo infirió Vernon Benjamin Mountcastle a partir de consideraciones anatómicas y teóricas). Cada columna está sintonizada con una característica particular en un nivel determinado de la jerarquía. Recibe información ascendente de los niveles inferiores e información descendente de los niveles superiores. (Otras columnas del mismo nivel también alimentan una columna determinada y sirven principalmente para inhibir la activación de representaciones exclusivas). Cuando se reconoce una entrada —es decir, cuando se alcanza un acuerdo aceptable entre las fuentes ascendentes y descendentes— una columna genera salidas que, a su vez, se propagan tanto a los niveles inferiores como a los superiores.
Corteza
Estos procesos se corresponden bien con capas específicas dentro de la corteza de los mamíferos. (Las capas corticales no deben confundirse con diferentes niveles de la jerarquía de procesamiento: todas las capas en una sola columna participan como un solo elemento en un único nivel jerárquico). La entrada ascendente llega a la capa 4 (L4), desde donde se propaga a L2 y L3 para el reconocimiento del contenido invariante. La activación descendente llega a L2 y L3 a través de L1 (la capa mayoritariamente axonal que distribuye la activación localmente entre las columnas). L2 y L3 comparan la información ascendente y descendente, y generan los "nombres" invariantes cuando se logra una coincidencia suficiente, o las señales más variables que ocurren cuando esto falla. Estas señales se propagan hacia arriba en la jerarquía (a través de L5) y también hacia abajo en la jerarquía (a través de L6 y L1).
Tálamo
Para explicar el almacenamiento y el reconocimiento de secuencias de patrones, se sugiere la combinación de dos procesos. El tálamo inespecífico actúa como una "línea de retardo"; es decir, L5 activa esta área cerebral, que a su vez reactiva L1 tras un breve retraso. De este modo, la salida de una columna genera actividad en L1, que coincidirá con la entrada de una columna posterior dentro de la secuencia. Este ordenamiento temporal opera en conjunto con la identificación de la secuencia a un nivel superior, la cual permanece invariable en el tiempo; por lo tanto, la activación de la representación de la secuencia permite predecir los componentes de nivel inferior de forma secuencial. (Además de esta función en la secuenciación, el tálamo también actúa como estación intermedia sensorial ; al parecer, estas funciones involucran distintas regiones de esta estructura anatómicamente heterogénea).
Hipocampo
Otra estructura cerebral anatómicamente diversa que se hipotetiza que desempeña un papel importante en la cognición jerárquica es el hipocampo . Es bien sabido que el daño a ambos hipocampos perjudica la formación de la memoria declarativa a largo plazo ; las personas con dicho daño son incapaces de formar nuevos recuerdos de naturaleza episódica, aunque pueden recordar recuerdos anteriores sin dificultad y también pueden aprender nuevas habilidades. En la teoría actual, se considera que los hipocampos constituyen el nivel superior de la jerarquía cortical; están especializados en retener recuerdos de eventos que se propagan hasta la cima. A medida que dichos eventos se ajustan a patrones predecibles, se vuelven memorizables en niveles inferiores de la jerarquía. (Este movimiento de recuerdos hacia abajo en la jerarquía es, por cierto, una predicción general de la teoría). Por lo tanto, los hipocampos memorizan continuamente eventos "inesperados" (es decir, aquellos no predichos en niveles inferiores); si se dañan, todo el proceso de memorización a través de la jerarquía se ve comprometido.
En 2016, Hawkins planteó la hipótesis de que las columnas corticales no solo capturaban una sensación, sino también la ubicación relativa de esa sensación, en tres dimensiones en lugar de dos ( captura situada ), en relación con lo que la rodeaba. [ 1 ] "Cuando el cerebro construye un modelo del mundo, todo tiene una ubicación relativa a todo lo demás" [ 1 ] —Jeff Hawkins.
Algunas investigaciones neurocientíficas con animales respaldan la idea de que el hipocampo integra información nueva con recuerdos existentes para formar modelos predictivos. Este proceso permite una resolución de problemas más eficiente y una mejor adaptación a nuevas tareas. [ 2 ] [ 3 ]
Éxitos explicativos y predicciones
El marco de predicción de la memoria explica varios aspectos psicológicamente relevantes de la cognición. Por ejemplo, la capacidad de los expertos en cualquier campo para analizar y recordar sin esfuerzo problemas complejos dentro de su especialidad es una consecuencia natural de la formación de jerarquías conceptuales cada vez más refinadas. Asimismo, el proceso de « percepción » a « comprensión » se entiende fácilmente como resultado de la correspondencia entre las expectativas descendentes y ascendentes . Las discrepancias, por el contrario, generan la exquisita capacidad de la cognición biológica para detectar percepciones y situaciones inesperadas. (Las deficiencias en este sentido son una característica común de los enfoques actuales de la inteligencia artificial).
Además de estas explicaciones subjetivamente satisfactorias, el marco teórico también plantea varias predicciones comprobables . Por ejemplo, el importante papel que desempeña la predicción en las jerarquías sensoriales exige actividad neuronal anticipatoria en ciertas células de la corteza sensorial. Asimismo, las células que identifican ciertas invariantes deberían permanecer activas en presencia de estas, incluso si cambian las entradas subyacentes. Los patrones predichos de actividad ascendente y descendente —siendo la primera más compleja cuando no se cumplen las expectativas— pueden detectarse, por ejemplo, mediante resonancia magnética funcional ( RMf ).
Si bien estas predicciones no son del todo específicas de la teoría propuesta, son lo suficientemente claras como para permitir la verificación o el rechazo de sus principios fundamentales. Véase « Sobre la inteligencia» para obtener más detalles sobre las predicciones y los hallazgos.
Contribución y limitaciones
Por diseño, la teoría actual se basa en el trabajo de numerosos neurobiólogos, y podría argumentarse que la mayoría de estas ideas ya habían sido propuestas por investigadores como Grossberg y Mountcastle . Por otro lado, la novedosa separación del mecanismo conceptual (es decir, el procesamiento bidireccional y el reconocimiento invariante) de los detalles biológicos (es decir, las capas, columnas y estructuras neuronales) sienta las bases para el pensamiento abstracto sobre una amplia gama de procesos cognitivos.
La limitación más significativa de esta teoría es su actual falta de detalle. Por ejemplo, el concepto de invariancia desempeña un papel crucial; Hawkins propone " células de nombre " para al menos algunas de estas invariantes. (Véase también Conjunto neuronal#Codificación para las neuronas abuela que realizan este tipo de función, y neuronas espejo para una perspectiva del sistema somatosensorial ). Sin embargo, dista mucho de ser obvio cómo desarrollar una definición matemáticamente rigurosa que abarque la carga conceptual necesaria en los dominios presentados por Hawkins. Del mismo modo, una teoría completa requerirá detalles creíbles tanto sobre la dinámica a corto plazo como sobre los procesos de aprendizaje que permitirán que las capas corticales se comporten como se espera.
IBM está implementando el modelo de Hawkins.
modelos de aprendizaje automático
La teoría de la predicción de la memoria postula que todas las regiones del neocórtex emplean un algoritmo común. Esta teoría ha dado lugar a diversos modelos de software que buscan simular dicho algoritmo mediante una estructura de memoria jerárquica. El año en la lista a continuación indica la última actualización del modelo.
Modelos basados en redes bayesianas
Los siguientes modelos utilizan la propagación de creencias o la revisión de creencias en redes bayesianas conectadas individualmente .
- Memoria temporal jerárquica (HTM), un modelo, una plataforma de desarrollo relacionada y código fuente de Numenta, Inc. (2008).
- HtmLib , una implementación alternativa de algoritmos HTM por Greg Kochaniak con una serie de modificaciones para mejorar la precisión y la velocidad del reconocimiento (2008).
- Proyecto Neocortex , un proyecto de código abierto para el modelado de un marco de predicción de la memoria (2008).
- Página de investigación de Saulius Garalevicius , artículos de investigación y programas que presentan resultados experimentales con un modelo del marco de predicción de la memoria, una base para el proyecto Neocortex (2007).
- George, Dileep (2005). "Un modelo bayesiano jerárquico de reconocimiento de patrones invariantes en la corteza visual" (Documento). IEEE. pp. 1812–1817 . Un artículo que describe un modelo bayesiano anterior a HTM, escrito por el cofundador de Numenta. Este es el primer modelo de marco de predicción de memoria que utiliza redes bayesianas, y todos los modelos mencionados anteriormente se basan en estas ideas iniciales. El código fuente de Matlab de este modelo ha estado disponible para su descarga gratuita durante varios años.
Otros modelos
- Implementación de MPF , un artículo de Saulius Garalevicius que describe un método de clasificación y predicción en un modelo que almacena secuencias temporales y emplea aprendizaje no supervisado (2005).
- M5 , una máquina de patrones para Palm OS que almacena secuencias de patrones y recupera los patrones relevantes para su entorno actual (2007).
- BrainGame , una clase de predictores de código abierto que aprende patrones y puede vincularse con otros predictores (2005).
Véase también
- Teoría de resonancia adaptativa , una arquitectura de red neuronal desarrollada por Stephen Grossberg .
- Neurociencia computacional
- Darwinismo neuronal
- Codificación predictiva
- Aprendizaje predictivo
- Memoria distribuida dispersa
Referencias
- 1 2 Metz, Cade (15 de octubre de 2018). "Una nueva visión de cómo pensamos" . The New York Times . págs. B1, B4. Véase: 'Claridad con una taza de café'
- ↑ Miller, Adam MP; Jacob, Alex D.; Ramsaran, Adam I.; De Snoo, Mitchell L.; Josselyn, Sheena A.; Frankland, Paul W. (2023-06-21). " Surgimiento de un modelo predictivo en el hipocampo" . Neuron . 111 (12): 1952–1965.e5. doi : 10.1016/j.neuron.2023.03.011 . ISSN 0896-6273 . PMC 10293047. PMID 37015224 .
- ↑ Tse, Dorothy; Langston, Rosamund F.; Kakeyama, Masaki; Bethus, Ingrid; Spooner, Patrick A.; Wood, Emma R.; Witter, Menno P.; Morris, Richard GM (2007-04-06). "Esquemas y consolidación de la memoria". Science . 316 (5821): 76– 82. doi : 10.1126/science.1135935 . ISSN 1095-9203 . PMID 17412951 .
Lecturas adicionales
- Jeff Hawkins (2004), Sobre la inteligencia , Nueva York: Henry Holt. Bibliografía, índice, 251 páginas. ISBN 0-8050-7456-2
Enlaces externos
- Código fuente y datos del algoritmo de visión jerárquica , similar al marco de predicción de memoria (del Centro de Aprendizaje Biológico y Computacional del MIT ).
- Grupo de artículos sobre neurociencia e IA – Grupo de artículos y documentos que respaldan la teoría MPF de Jeff.
- MIT Technology Review , lunes 12 de febrero de 2007: Construyendo el Cortex en silicio.
- Revisión de creencias
- Memoria
- Circuitos neuronales
