INTRODUCCI脫N A NEUROCIENCIA: NEURAL NETWORKS I

La聽convergencia聽entre la neurolog铆a y las ciencias de la computaci贸n es una tendencia innegable.聽Cada vez aprendemos m谩s sobre nuestro cerebro gracias a los avances en聽Machine Learning聽y viceversa: descubrimos c贸mo construir y mejorar nuestros modelos inform谩ticos en base a los descubrimientos de la neurociencia. Es por ello que, si queremos trabajar con deep learning y redes neuronales, debemos tener, al menos, unas nociones b谩sicas de neurociencia.

La base de todo: la neurona

Si nuestro cerebro fuera una especie de escenario, la estrella indiscutible ser铆a la neurona. El tama帽o de una neurona es variable, siempre en el orden de la millon茅sima de metro (碌m), pero no pensemos que todas las neuronas son iguales:

Introducci贸n a neurociencia - primer paso para desarrollar Neural Networks

En estos fant谩sticos bocetos de tejido neuronal hechos por Don Santiago Ram贸n y Cajal, se aprecian distintos tipos de neuronas:

  • Neuronas piramidales (Pyramidal Neurons), se pueden observar en el dibujo de la izquierda marcadas en rojo. Son t铆picas del c贸rtex visual y se caracterizan por su cuerpo triangular y porque sus axones forman el sistema piramidal (pyramidal tract) que las conecta con el sistema motor.
  • C茅lulas de Purkinje (Purkinje Cells), con sus caracter铆sticas ramificaciones que se pueden ver en el dibujo central.
  • C茅lulas del col铆culo superior (optic tectum), dependiendo de la profundidad a la que se sit煤en, presentan una ramificaci贸n mas o menos densa.

En tiempos de Ram贸n y Cajal, dos de las principales hip贸tesis que pugnaban por proponer una explicaci贸n satisfactoria a la inc贸gnita de la estructura del cerebro eran:

  • Por un lado la teor铆a reticular, que propon铆a que el cerebro era una 煤nica red continua de tejido. Uno de sus m谩ximos defensores fue el italiano Camillo Golgi.
  • Por otro lado la teor铆a neuronal, que propon铆a que el cerebro en realidad era un conjunto de c茅lulas individuales. Su principal cabeza visible fue Ram贸n y Cajal.

Parad贸jicamente, los avances logrados por el propio Golgi en las t茅cnicas de tintado de tejido nervioso permitieron a Ram贸n y Cajal no solo hacer los magn铆ficos grabados mostrados m谩s arriba, sino demostrar que la teor铆a neuronal era la que explicaba la realidad del cerebro. Ambos obtuvieron el premio Nobel de Medicina en 1906 por sus avances en el conocimiento del cerebro.

Doctrina neuronal

Los pilares fundamentales de la teor铆a encabezada por Ram贸n y Cajal son los siguientes:

  • Desde un punto de vista estructural y funcional, la neurona es la unidad fundamental del cerebro.
  • Las neuronas son estructuras discretas y no continuas con respecto a otras c茅lulas (esto es fundamentalmente as铆 para la mayor铆a de las partes del cerebro).
  • En una neurona, la informaci贸n fluye desde las dendritas hasta el ax贸n a trav茅s del cuerpo celular de la misma (de nuevo hay algunas excepciones, pero esta es la regla general)

En este esquema (obtenido del curso de neurociencia de la Universidad de Washington), se puede apreciar cual es el aspecto de una neurona que responda al esquema ideal planteado por la doctrina neuronal:

Introducci贸n a neurociencia - primer paso para desarrollar Neural Networks

En la parte izquierda se muestra como la entrada de la neurona procede de los axones de otras neuronas. Estas 鈥渆ntradas鈥 se traducen en alg煤n tipo de actividad en la neurona destino que da lugar a una reacci贸n conocida como EPSP (Excitatory Post-Synaptic Potential). En la realidad, las entradas proceden de muchas neuronas diferentes y participar谩n en la respuesta de la c茅lula mediante la suma de todos los EPSP provocados. De este modo si como resultado de esa suma, se alcanza un determinado umbral o threshold, se generar谩 una salida en la forma de un potencial de acci贸n (action potential) o spike.

En resumen,

  • Varios EPSPs se generan en la neurona gracias a las entradas procedentes de otras neuronas.
  • En el cuerpo celular de la misma, se produce la suma o agregaci贸n de estos EPSPs.
  • Si la suma alcanza un determinado umbral, como salida se genera un spike o un potencial de acci贸n.

Los modelos de redes neuronales se basan en estos principios para funcionar.

En el pr贸ximo art铆culo hablaremos de la sinapsis聽y en el siguiente profundizaremos en la doctrina sin谩ptica. Si os ha gustado y quer茅is seguir profundizando… 隆hac茅dnoslo saber!


Alejandro Arranz, Data Engineer en datahack

M脕STER EXPERTO EN BIG DATA & ANALYTICS

Gracias al Master en Big Data Analytics 100% Online tendr谩s amplios conocimientos sobre las herramientas y t茅cnicas anal铆ticas necesarias para la modelizaci贸n de los principales retos de negocio, con el fin de mejorar la toma de decisiones a trav茅s de los datos y el conocimiento.

Deja un comentario

Datahack logo