Imagina que estás sentado en un tren. Miras por la ventana y ves otro tren en una vía adyacente que parece estar en movimiento. Pero, ¿tu tren se ha detenido mientras el otro tren se está moviendo, o te estás moviendo mientras el otro tren está detenido?
La misma experiencia sensorial, ver un tren, puede generar dos percepciones muy diferentes, lo que lo lleva a sentir una sensación de usted mismo en movimiento o una sensación de estar estacionario mientras un objeto se mueve a su alrededor.
Los cerebros humanos se enfrentan constantemente a entradas sensoriales tan ambiguas. Para resolver la ambigüedad y percibir correctamente el mundo, nuestro cerebro emplea un proceso conocido como inferencia causal.
La inferencia causal es clave para el aprendizaje, el razonamiento y la toma de decisiones, pero los investigadores actualmente saben poco sobre las neuronas involucradas en el proceso.
En un nuevo artículo publicado en la revista eLifeinvestigadores de la Universidad de Rochester, incluido Greg DeAngelis, profesor de Ciencias Cognitivas y del Cerebro de George Eastman, y sus colegas de la Universidad Sungkyunkwan y la Universidad de Nueva York, describen un nuevo mecanismo neuronal involucrado en la inferencia causal que ayuda al cerebro a detectar el movimiento de los objetos durante auto-movimiento.
La investigación ofrece nuevos conocimientos sobre cómo el cerebro interpreta la información sensorial y puede tener aplicaciones en el diseño de dispositivos de inteligencia artificial y en el desarrollo de tratamientos y terapias para tratar trastornos cerebrales.
«Si bien se ha aprendido mucho sobre cómo el cerebro procesa el movimiento visual, la mayoría de los estudios de laboratorio de las neuronas han ignorado las complejidades introducidas por el movimiento propio», dice DeAngelis. «En condiciones naturales, identificar cómo se mueven los objetos en el mundo es mucho más desafiante para el cerebro».
Ahora imagina un león inmóvil y agazapado esperando para detectar una presa; es fácil para el león detectar una gacela en movimiento. Al igual que el león inmóvil, cuando un observador está inmóvil, le resulta fácil detectar cuándo se mueven los objetos en el mundo, porque el movimiento en el mundo se corresponde directamente con el movimiento en la retina. Sin embargo, cuando el observador también se está moviendo, sus ojos se están moviendo en todas partes de su retina a medida que se mueve en relación con los objetos de la escena. Esto provoca un patrón de movimiento complejo que dificulta que el cerebro detecte cuándo un objeto se mueve en el mundo y cuándo está estacionario; en este caso, el cerebro tiene que distinguir entre el movimiento de la imagen que resulta del propio observador y el movimiento de la imagen de otros objetos a su alrededor.
Los investigadores descubrieron un tipo de neurona en el cerebro que tiene una combinación particular de propiedades de respuesta, lo que hace que la neurona sea adecuada para contribuir a la tarea de distinguir entre el movimiento propio y el movimiento de otros objetos.
«Aunque el cerebro probablemente usa múltiples trucos para resolver este problema, este nuevo mecanismo tiene la ventaja de que se puede realizar en paralelo en cada región local del campo visual y, por lo tanto, puede ser más rápido de implementar que los procesos más globales», dice DeAngelis. . «Este mecanismo también podría ser aplicable a vehículos autónomos, que también necesitan detectar rápidamente objetos en movimiento».
Además, la investigación puede tener aplicaciones importantes en el desarrollo de tratamientos y terapias para trastornos neuronales como el autismo y la esquizofrenia, condiciones en las que se cree que la inferencia casual está alterada.
«Si bien el proyecto es ciencia básica centrada en la comprensión de los mecanismos fundamentales de la inferencia causal, este conocimiento debería eventualmente ser aplicable al tratamiento de estos trastornos», dice DeAngelis.
Fuente de la historia:
Materiales proporcionado por Universidad de Rochester. Original escrito por Lindsey Valich. Nota: el contenido se puede editar por estilo y longitud.
