Investigación del papel de las correlaciones del ruido en el aprendizaje

Los cerebros de los mamíferos representan información utilizando códigos de población distribuidos que proporcionan una serie de ventajas, desde robustez hasta una alta capacidad de representación. Sin embargo, para las neuronas de lectura posteriores, dichos códigos plantean formidables problemas de aprendizaje de alta dimensión, ya que se debe ajustar una gran cantidad de conexiones sinápticas durante el aprendizaje en busca de una lectura adecuada. Nuestro trabajo teórico reciente planteó la hipótesis de que estos problemas de aprendizaje de alta dimensión pueden simplificarse mediante sesgos inductivos implementados a través de correlaciones de ruido independientes del estímulo que expresan el grado en que un par de neuronas covarían en sus fluctuaciones de prueba a prueba. Si bien tradicionalmente se ha considerado que las correlaciones de ruido imponen limitaciones a la capacidad de representación, nuestro trabajo reciente demuestra que simultáneamente limitan el aprendizaje de lectura. En algunos casos biológicamente relevantes, teóricamente podrían acelerar el aprendizaje dando forma a la geometría del espacio neuronal subyacente para centrar el gradiente de aprendizaje en dimensiones relevantes para la tarea. Sin embargo, este supuesto papel de las correlaciones del ruido en la configuración del aprendizaje aún no se ha probado empíricamente. Aquí, los investigadores elaboran un marco experimental para probar el papel previsto de las correlaciones del ruido, medidas a través de la covariación en patrones de actividad BOLD multivóxel de resonancia magnética funcional para un estímulo determinado, en el aprendizaje en contextos tanto familiares como nuevos. En contextos familiares, se pueden inducir correlaciones de ruido útiles mediante entradas de arriba hacia abajo de la corteza prefrontal que señalan dimensiones relevantes de la tarea. Por lo tanto, la fuerza de las correlaciones de ruido en las dimensiones relevantes para la tarea predeciría un aprendizaje más rápido sobre las características relevantes para la tarea. Por otro lado, en contextos nuevos cuando se desconocen las dimensiones relevantes de la tarea, las correlaciones de ruido pueden forzar gradientes en dimensiones irrelevantes para la tarea y, por lo tanto, perjudicar el aprendizaje. Por lo tanto, la supresión de las correlaciones de ruido, que podrían lograrse mediante señales neuromoduladoras, puede acelerar el aprendizaje al reducir el sesgo temprano durante el aprendizaje o después de un cambio en el estímulo relevante para la tarea. A lo largo de nuestros objetivos, los investigadores desarrollan un plan para probar las predicciones más básicas de nuestro modelo computacional utilizando fMRI para caracterizar la geometría de las correlaciones de ruido y la pupilometría como indicador de la señalización neuromoduladora en sujetos humanos. La investigación prevista proporcionará la primera prueba empírica del papel de las correlaciones del ruido en el aprendizaje.