Un cerebro artificial revela los secretos de la ilusión óptica

Una investigación desarrollada en la Universidad de Cambridge ha permitido crear nuevos modelos informáticos que funcionan a modo de un cerebro artificial: el propósito es arrojar luz sobre el procesamiento de imágenes en movimiento que realiza el cerebro humano, el cual presenta habitualmente contradicciones y misterios conocidos como ilusiones ópticas. ¿Es posible creer completamente en aquello que vemos?

Aunque los esfuerzos científicos se siguen multiplicando, todavía es muy complejo medir y determinar con precisión cada uno de los fenómenos que tienen lugar en el cerebro humano cuando percibe imágenes en movimiento, al igual que en otras experiencias ópticas. Este sistema de percepción visual sigue siendo todavía un misterio en muchos aspectos.

A pesar de los notables avances tecnológicos, aún ningún procedimiento es capaz de describir por completo los procesos cerebrales que interactúan en esta clase de fenómenos. Avanzar en estas cuestiones sería vital para poder desarrollar nuevos conocimientos y aplicaciones, por ejemplo en el campo médico.

Es habitual que experimentemos en la vida cotidiana alguna de las llamadas ilusiones ópticas, momentos en los cuales nos preguntamos si puede ser real aquello que estamos observando. En otras ocasiones, la información que nos entregan nuestros ojos nos puede parecer absolutamente cierta, pero quizás no siempre es así…

Red neuronal artificial

Según un comunicado de la universidad británica, los investigadores a cargo del nuevo estudio crearon y entrenaron una red neuronal artificial dedicada a estimar la velocidad y la dirección de una enorme cantidad de secuencias de imágenes analizadas, provenientes de datos de estudios de percepción del movimiento humano que fuero acumulados durante varias décadas.

El principal avance del nuevo sistema, llamado MotionNet, es su diseño orientado a coincidir estrechamente con las estructuras de procesamiento de movimiento dentro de un cerebro humano. Esta condición permite a los investigadores explorar características del procesamiento visual humano que no se pueden medir directamente en nuestro cerebro.

En otras palabras, el nuevo sistema creado a partir de la investigación británica, que fue publicada en la revista Journal of Vision, utiliza la red artificial para describir cómo se combina la información del espacio y el tiempo en el cerebro al momento de producir nuestras percepciones de las imágenes en movimiento, sean éstas precisas o erróneas.

Confusiones peligrosas

Más allá de poder describir algunas de las habituales ilusiones ópticas que suelen experimentar las personas en su vida diaria, las implicancias de esta red artificial y la profundización de sus aplicaciones puede tener importantes consecuencias. Es que aunque el ser humano posee una importante destreza para calcular distancias y patrones de movimiento mediante el sistema de la visión, también puede incurrir en peligrosos errores.

Por ejemplo, pensar que las cosas se están moviendo a una velocidad diferente a la real puede tener consecuencias catastróficas. En ocasiones, podemos estar conduciendo en condiciones de niebla y subestimar la velocidad que llevamos, debido a que los paisajes más oscuros y confusos visualmente parecen pasar más lento con relación a la velocidad real.

En el mismo sentido, se ha demostrado en estudios previos que determinados grupos de neuronas están sesgadas hacia velocidades lentas, en consecuencia cuando la visibilidad es baja tienden a hacernos pensar que los objetos se mueven más lentamente. Teniendo en cuenta el ejemplo anterior, esta “ilusión óptica” puede llegar a ser muy peligrosa.

En resumen, sabiendo que el nuevo sistema artificial está resolviendo problemas visuales de una manera muy similar al funcionamiento del cerebro humano, los investigadores esperan hallar muchas respuestas en torno a los misterios que aún existen sobre cómo funciona esta parte de nuestro cerebro.

Referencia

Exploring and explaining properties of motion processing in biological brains using a neural network. Rideaux, R. and Welchman, A.E. Journal of Vision (2021).DOI:https://doi.org/10.1167/jov.21.2.11

Foto: Joshua Coleman en Unsplash.

Video: Universidad de Cambridge.