Leia outros artigos :
 |
| neurônios |
O ruído neural mostra a incerteza de nossas memórias
A vibração elétrica de nossas memórias de trabalho reflete nossa incerteza sobre seu conteúdo.
🔵 Siga nosso blog site no Google News para obter as últimas atualizações 📰 aqui
No momento entre ler um número de telefone e digitá-lo em seu telefone, você pode descobrir que os dígitos se extraviaram misteriosamente - mesmo que você tenha gravado os primeiros em sua memória, os últimos ainda podem se confundir inexplicavelmente. O 6 foi antes do 8 ou depois dele? Tem certeza?
Manter esses fragmentos de informação por tempo suficiente para agir sobre eles se baseia em uma habilidade chamada memória de trabalho visual. Durante anos, os cientistas debateram se a memória de trabalho tem espaço para apenas alguns itens de cada vez, ou se tem espaço limitado para detalhes: talvez a capacidade de nossa mente esteja espalhada por algumas lembranças cristalinas ou uma infinidade de coisas mais duvidosas. fragmentos.
A incerteza na memória de trabalho pode estar ligada a uma maneira surpreendente como o cérebro monitora e usa a ambiguidade, de acordo com um artigo recente na Neuron de pesquisadores de neurociência da Universidade de Nova York. Usando o aprendizado de máquina para analisar varreduras cerebrais de pessoas envolvidas em uma tarefa de memória, eles descobriram que os sinais codificavam uma estimativa do que as pessoas pensavam ter visto – e a distribuição estatística do ruído nos sinais codificava a incerteza da memória. A incerteza de suas percepções pode ser parte do que seu cérebro está representando em suas lembranças. E esse senso de incertezas pode ajudar o cérebro a tomar melhores decisões sobre como usar suas memórias.
As descobertas sugerem que “o cérebro está usando esse ruído”, disse Clayton Curtis , professor de psicologia e neurociência da NYU e autor do novo artigo.
O trabalho se soma a um crescente corpo de evidências de que, mesmo que os humanos não pareçam adeptos de entender estatísticas em suas vidas cotidianas, o cérebro interpreta rotineiramente suas impressões sensoriais do mundo, tanto atuais quanto lembradas, em termos de probabilidades. O insight oferece uma nova maneira de entender quanto valor atribuímos às nossas percepções de um mundo incerto.
Previsões baseadas no passado
Neurônios no sistema visual disparam em resposta a visões específicas, como uma linha inclinada, um padrão específico, ou mesmo carros ou rostos, enviando um clarão para o resto do sistema nervoso. Mas, por si só, os neurônios individuais são fontes barulhentas de informação, então “é improvável que neurônios individuais sejam a moeda que o cérebro está usando para inferir o que vê”, disse Curtis.
Mais provavelmente, o cérebro está combinando informações de populações de neurônios. É importante, então, entender como ele faz isso. Pode, por exemplo, ser a média das informações das células: se alguns neurônios disparam mais fortemente ao ver um ângulo de 45 graus e outros a 90 graus, então o cérebro pode ponderar e calcular a média de suas entradas para representar um ângulo de 60 graus. no campo de visão dos olhos. Ou talvez o cérebro tenha uma abordagem do tipo "o vencedor leva tudo", com os neurônios de disparo mais fortes tomados como indicadores do que é percebido.
“Mas há uma nova maneira de pensar sobre isso, influenciada pela teoria bayesiana”, disse Curtis.
A teoria bayesiana – nomeada em homenagem ao seu desenvolvedor, o matemático do século XVIII Thomas Bayes, mas descoberta e popularizada de forma independente mais tarde por Pierre-Simon Laplace – incorpora a incerteza em sua abordagem da probabilidade. A inferência bayesiana aborda com que confiança se pode esperar que um resultado ocorra, dado o que se sabe das circunstâncias. Aplicada à visão, essa abordagem pode significar que o cérebro dá sentido aos sinais neurais construindo uma função de probabilidade: com base em dados de experiências anteriores, quais são as visões mais prováveis de terem gerado um determinado padrão de disparo?
Laplace reconheceu que as probabilidades condicionais são a maneira mais precisa de falar sobre qualquer observação e, em 1867, o médico e físico Hermann von Helmholtz as conectou aos cálculos que nossos cérebros podem fazer durante a percepção. No entanto, poucos neurocientistas deram muita atenção a essas ideias até os anos 1990 e início dos anos 2000, quando os pesquisadores começaram a descobrir que as pessoas faziam algo como inferência probabilística em experimentos comportamentais, e os métodos bayesianos começaram a se mostrar úteis em alguns modelos de percepção e controle motor.
“As pessoas começaram a falar sobre o cérebro como sendo bayesiano”, disse Wei Ji Ma , professor de neurociência e psicologia da NYU e outro dos autores do novo artigo da Neuron .
Em uma revisão de 2004, Alexandre Pouget (agora professor de neurociência na Universidade de Genebra) e David Knill, da Universidade de Rochester, defenderam uma “ hipótese de codificação bayesiana ”, que postula que o cérebro usa distribuições de probabilidade para representar informações sensoriais .
Escaneando Memórias
Na época, quase não havia evidências disso em estudos de neurônios. Mas em 2006, Ma, Pouget e seus colegas da Universidade de Rochester apresentaram fortes evidências de que populações de neurônios simulados poderiam realizar cálculos de inferência bayesiana ideais. Outros trabalhos de Ma e outros pesquisadores nos últimos doze anos ofereceram confirmações adicionais de eletrofisiologia e neuroimagem de que a teoria se aplica à visão usando programas de aprendizado de máquina chamados decodificadores Bayesianos para analisar a atividade neural real.
Os neurocientistas usaram decodificadores para prever o que as pessoas estão vendo a partir de exames de fMRI (ressonância magnética funcional) de seus cérebros. Os programas podem ser treinados para encontrar as ligações entre uma imagem apresentada e o padrão de fluxo sanguíneo e atividade neural no cérebro que resulta quando as pessoas a veem. Em vez de fazer uma única suposição – que o sujeito está olhando em um ângulo de 85 graus, por exemplo – os decodificadores Bayesianos produzem uma distribuição de probabilidade. A média da distribuição representa a previsão mais provável do que o sujeito está olhando. Acredita-se que o desvio padrão, que descreve a largura da distribuição, reflita a incerteza do sujeito sobre a visão (é 85 graus ou poderia ser 84 ou 86?).
No estudo recente, Curtis, Ma e seus colegas aplicaram essa ideia à memória de trabalho. Primeiro, para testar se o decodificador Bayesiano poderia rastrear as memórias das pessoas em vez de suas percepções, eles fizeram sujeitos em uma máquina de ressonância magnética olharem para o centro de um círculo com um ponto em seu perímetro. Depois que o ponto desapareceu, os voluntários foram solicitados a desviar o olhar para onde eles se lembravam do ponto.
Fonte:https://www.quantamagazine.org/neural-noise-shows-the-uncertainty-of-our-memories-20220118/
🔴Reportar uma correção ou erro de digitação e tradução :Contato
