16 de julio de 2019

Así influyen las expectativas en la percepción

Así influyen las expectativas en la percepción
Percepción de la realidad y expectativas.GETTY IMAGES/ISTOCKPHOTO / SULTAN - ARCHIVO

MADRID, 16 Jul. (EUROPA PRESS) -

Neurocientíficos del Instituto Tecnológico de Massachusetts (MIT) han descubierto señales cerebrales distintivas que codifican las expectativas, también denominada 'creencias previas', y cómo el cerebro utiliza estas señales para tomar decisiones sensatas ante la incertidumbre, según publican este lunes en la revista 'Neuron'.

Durante décadas, las investigaciones han demostrado que nuestra percepción del mundo está influenciada por nuestras expectativas. Estas expectativas nos ayudan a dar sentido a lo que percibimos en el presente, basado en experiencias pasadas similares. El proceso de combinar el conocimiento previo con evidencia incierta se conoce como integración bayesiana y se cree que afecta ampliamente nuestras percepciones, pensamientos y acciones.

"La forma en que estas creencias influyen en la actividad cerebral y sesga nuestras percepciones fue la pregunta que queríamos responder", explica Mehrdad Jazayeri, profesor Robert A. Swanson de Desarrollo de Carrera de Ciencias de la Vida, miembro del Instituto McGovern para la Investigación del Cerebro del MIT, y autor principal del estudio.

Los investigadores entrenaron a los animales para realizar una tarea de sincronización en la que tenían que reproducir diferentes intervalos de tiempo. Realizar esta tarea es desafiante porque nuestro sentido del tiempo es imperfecto y puede ir demasiado rápido o demasiado lento.

Sin embargo, cuando los intervalos están dentro de un rango fijo, la mejor estrategia es sesgar las respuestas hacia la mitad del rango. Esto es exactamente lo que hicieron los animales. Además, el registro de las neuronas en la corteza frontal reveló un mecanismo simple para la integración bayesiana: la experiencia previa distorsionó la representación del tiempo en el cerebro, de modo que los patrones de actividad neuronal asociados con diferentes intervalos estaban sesgados hacia aquellos que estaban dentro del rango esperado.

Los estadísticos han sabido durante siglos que la integración bayesiana es la estrategia óptima para manejar información incierta. Cuando no estamos seguros de algo, dependemos automáticamente de nuestras experiencias anteriores para optimizar el comportamiento.

"Si no puedes decir qué es algo, pero según tu experiencia anterior tienes alguna expectativa de lo que debería ser, entonces usarás esa información para guiar tu juicio --señala Jazayeri--. Hacemos esto todo el tiempo".

En este nuevo estudio, Jazayeri y su equipo querían entender cómo el cerebro codifica las creencias anteriores y poner esas creencias en uso para controlar el comportamiento. Con ese fin, los investigadores adiestraron animales para reproducir un intervalo de tiempo, utilizando una tarea llamada 'ready-set-go-go'. En esta tarea, los animales miden el tiempo entre dos destellos de luz ('listo' y 'establecido') y luego generan una señal de 'adelante' haciendo una respuesta retardada después de que haya transcurrido la misma cantidad de tiempo.

Entrenaron a los animales para realizar esta tarea en dos contextos. En el escenario 'Corto', los intervalos variaron entre 480 y 800 milisegundos, y en el contexto 'Largo', los intervalos fueron entre 800 y 1.200 milisegundos. Al comienzo de la tarea, los animales recibieron información sobre el contexto (a través de una señal visual) y, por lo tanto, sabían que podían esperar intervalos de un rango más corto o más largo.

Jazayeri había demostrado previamente que los humanos que realizan esta tarea tienden a desviar sus respuestas hacia la mitad del rango. Aquí, encontraron que los animales hacen lo mismo. Por ejemplo, si los animales creían que el intervalo sería corto y se les daba un intervalo de 800 milisegundos, el intervalo que producían era un poco más corto que 800 milisegundos. A la inversa, si creían que sería más largo y se les daba el mismo intervalo de 800 milisegundos, producían un intervalo un poco más largo que 800 milisegundos.

"Las pruebas que fueron idénticas en casi todas las formas posibles, excepto la creencia del animal condujo a comportamientos diferentes", dice Jazayeri. "Eso fue una prueba experimental convincente de que el animal confía en su propia creencia".
Una vez que establecieron que los animales se basaban en sus creencias anteriores, los investigadores se dispusieron a descubrir cómo el cerebro codifica las creencias anteriores para guiar el comportamiento. Registraron la actividad de alrededor de 1,400 neuronas en una región de la corteza frontal, que previamente han demostrado que está involucrada en el tiempo.

Durante la época de 'preparación', el perfil de actividad de cada neurona evolucionó a su manera, y aproximadamente el 60 por ciento de las neuronas tenía diferentes patrones de actividad según el contexto (corto versus largo). Para dar sentido a estas señales, los investigadores analizaron la evolución de la actividad neuronal en toda la población a lo largo del tiempo y encontraron que las creencias anteriores sesgaron las respuestas de comportamiento al distorsionar la representación neuronal del tiempo hacia la mitad del rango esperado.

Los investigadores creen que las experiencias anteriores cambian la fuerza de las conexiones entre las neuronas. La fuerza de estas conexiones, también conocidas como sinapsis, determina cómo las neuronas actúan unas sobre otras y restringe los patrones de actividad que puede generar una red de neuronas interconectadas.

El descubrimiento de que las experiencias anteriores distorsionan los patrones de actividad neuronal proporciona una ventana a cómo la experiencia altera las conexiones sinápticas. "El cerebro parece integrar experiencias previas en conexiones sinápticas para que los patrones de actividad cerebral estén sesgados de manera apropiada", dice Jazayeri.

Como una prueba independiente de estas ideas, los investigadores desarrollaron un modelo de computadora que consiste en una red de neuronas que podrían realizar la misma tarea lista para usar. Usando técnicas tomadas del aprendizaje automático, pudieron modificar las conexiones sinápticas y crear un modelo que se comportaba como los animales.

Estos modelos son extremadamente valiosos ya que proporcionan un sustrato para el análisis detallado de los mecanismos subyacentes, un procedimiento que se conoce como "ingeniería inversa". Sorprendentemente, el modelo de ingeniería inversa reveló que resolvió la tarea de la misma manera que lo hizo el cerebro de los monos. El modelo también tenía una representación distorsionada del tiempo según la experiencia anterior.

Los investigadores utilizaron el modelo informático para diseccionar aún más los mecanismos subyacentes mediante experimentos de perturbación que actualmente son imposibles de realizar en el cerebro. Usando este enfoque, pudieron demostrar que al desobstruir las representaciones neuronales se elimina el sesgo en el comportamiento. Este importante hallazgo validó el papel crítico de la deformación en la integración bayesiana del conocimiento previo.

Los investigadores ahora planean estudiar cómo el cerebro se acumula y afina lentamente las conexiones sinápticas que codifican las creencias anteriores cuando un animal está aprendiendo a realizar la tarea de sincronización.