Tendencias21

Recordamos lo que no vemos gracias a un complejo sistema neuronal

Foto: Anthony Tran en Unsplash.

Aunque tradicionalmente se pensaba que la memoria visual a corto plazo era un sistema neuronal relativamente sencillo basado en un único tipo de información, como puede ser el color de una rosa como dato para poder recordarla, un estudio de especialistas de la Universidad Ruhr de Bochum, en Alemania, y la Universidad Normal de Beijing, en China, ha demostrado que en realidad este mecanismo cerebral es sumamente complejo e integra diversos tipos de información.

De acuerdo a un comunicado, la memoria visual a corto plazo no se sustenta en una única tipología de actividad cerebral. Por el contrario, diversos mecanismos confluyen para garantizar su efectividad, permitiéndonos recordar objetos por un pequeño lapso de tiempo aunque no los estemos visualizando. Los científicos comprobaron que varios tipos de información se retienen en forma simultánea durante este proceso. Los hallazgos fueron publicados en la revista Proceedings of the National Academy of Sciences (PNAS).

Según los descubrimientos del equipo internacional de neurocientíficos, el mecanismo que hace posible la memoria visual a corto plazo trabaja en base a diversas “capas” de información que se van superponiendo, y no a partir de un único grupo de datos, como pueden ser los relacionados al color. De esta forma, cuando apreciamos una naranja en primer término destacamos solamente su tonalidad y sus características al tacto. Posteriormente sumamos la forma esférica y la identificamos con la mencionada fruta. Ese es el sistema que nos permite recordar con la memoria visual a corto plazo.

Actividad cerebral y redes neuronales profundas

Para llegar a estas conclusiones, los investigadores registraron la actividad cerebral en pacientes con epilepsia, empleando electrodos que se insertaron en el cerebro para planificar una intervención quirúrgica. Durante las pruebas realizadas por los especialistas, los participantes apreciaron imágenes de objetos comunes, como por ejemplo frutas, y tuvieron que recordarlas por un corto tiempo. Los resultados fueron analizados con técnicas de electroencefalografía (EEG) compleja, y además se intercalaron con trabajos sobre redes neuronales profundas.

Precisamente estas redes artificiales pueden ser muy importantes para interpretar la actividad cerebral. En estudios previos ya había logrado comprobarse que las redes neuronales profundas procesan la información visual de una forma similar a la metodología que sigue el cerebro humano. Como se indicó anteriormente, el proceso se realiza en diversas etapas que van sumando complejidad a la información: primero se procesas características simples como el color, para posteriormente sumar atributos como la forma o la denominación socialmente aceptada del objeto en cuestión.

Cada vez más complejo

Esta complejidad creciente es la que posteriormente permite, tanto al cerebro humano como a las redes neuronales profundas, recordar el objeto aunque no lo estemos viendo. Al comparar los diferentes pasos en el trabajo de la red neuronal con los datos cerebrales de los pacientes, los científicos lograron identificar los patrones en el procesamiento de propiedades visuales que corresponden a las características más simples, como el color de una fruta, y aquellos relacionados con condiciones más complejas, como el nombre o identificación del objeto.

En conclusión, los especialistas lograron determinar que los objetos no se representan de una única forma en la memoria visual a corto plazo, sino de muchas maneras diferentes y simultáneas. En la fase de memorización, tanto la información de las características simples como la relacionada con los atributos más complejos de los objetos se retienen al mismo tiempo. En definitiva, el proceso que da lugar a este tipo de memoria es mucho más rico y complejo de lo que se pensaba hasta el momento.

Referencia

Stable maintenance of multiple representational formats in human visual short-term memory. Jing Liu, Hui Zhang, Tao Yu, Duanyu Ni, Liankun Ren, Qinhao Yang, Baoqing Lu, Di Wang, Rebekka Heinen, Nikolai Axmacher, Gui Xue. PNAS (2020).DOI:https://doi.org/10.1073/pnas.2006752117

Foto: Anthony Tran en Unsplash.