{"id":1343,"date":"2021-10-06T16:05:20","date_gmt":"2021-10-06T19:05:20","guid":{"rendered":"http:\/\/datamining.dc.uba.ar\/predictivos\/?p=1343"},"modified":"2021-10-06T16:15:38","modified_gmt":"2021-10-06T19:15:38","slug":"dos-docentes-de-la-maestria-realizan-aportes-relevantes-en-neurociencia-computacional","status":"publish","type":"post","link":"https:\/\/datamining.dc.uba.ar\/predictivos\/?p=1343","title":{"rendered":"Dos docentes de la Maestr\u00eda realizan aportes relevantes en Neurociencia Computacional"},"content":{"rendered":"

Por Ignacio Uman<\/strong> – Investigadores del Laboratorio de Inteligencia Artificial Aplicada (LIAA) desarrollan modelos computacionales para estudiar el movimiento de los ojos, a la hora de buscar un objeto o leer un texto y determinar si los algoritmos de procesamiento son capaces de modelar la actividad cerebral al momento que realizamos esta tarea perceptual. Para conocer m\u00e1s sobre los proyectos, conversamos con Bruno Bianchi y Gast\u00f3n Buj\u00eda, quienes son integrantes del LIAA adem\u00e1s de docentes\u00a0de la Maestr\u00eda en Data Mining y del Departamento de Computaci\u00f3n FCEN-UBA.<\/strong><\/span><\/p>\n

El cerebro humano sigue siendo un gran desconocido, pero hace 30 o 40 a\u00f1os lo era a\u00fan m\u00e1s. Los significativos avances en Neurociencia han permitido comprender rigurosamente c\u00f3mo funciona el cerebro, cu\u00e1l es el rol de la percepci\u00f3n, la memoria, el lenguaje y las emociones, para la adquisici\u00f3n de nuevos conocimientos.<\/span><\/p>\n

En este sentido, la Neurociencia Cognitiva surgi\u00f3 como entidad propia en la d\u00e9cada del 80, impulsada por las t\u00e9cnicas de neuroimagen (por ej., Electroencefalogramas o <\/span>EyeTracking<\/span><\/i>), las cuales permitieron visualizar el cerebro en vivo y estudiar diferentes funciones psicol\u00f3gicas complejas, hasta entonces vedadas al investigador. Esta disciplina se centra en el estudio de los mecanismos neurales implicados en los procesos psicol\u00f3gicos que caracterizan la cognici\u00f3n humana, entendida en un sentido amplio, que abarca no solamente los procesos estrictamente cognitivos (atenci\u00f3n, memoria, lenguaje, etc.), sino tambi\u00e9n los procesos emocionales, cuya importancia para la propia cognici\u00f3n ha comenzado a recibir el reconocimiento que merece en el \u00e1mbito acad\u00e9mico.\u00a0\u00a0<\/span><\/p>\n

\"\"<\/a>\u00bfQu\u00e9 sucede cuando a la neurociencia cognitiva se le suman nuevas herramientas de c\u00f3mputo, para poder desarrollar modelos computacionales que intenten representar la actividad del cerebro? <\/b>Desde el<\/span> Laboratorio de Inteligencia Artificial Aplicada (LIAA-UBA)<\/b><\/a>, <\/span>que pertenece al DC\/ICC,<\/span> se realizan numerosos experimentos emp\u00edricos relacionados con el entendimiento de la cognici\u00f3n en escenarios naturales, utilizando t\u00e9cnicas cl\u00e1sicas de la neurociencia como <\/span>EyeTracking<\/span><\/i> o EEG (ver entrevista del ICC al investigador Juan Kamienkowski:<\/span> \u201cUna mirada a la neurociencia computacional\u201d<\/b><\/a>). Dado que el procesamiento de esas se\u00f1ales requiere mucho esfuerzo tanto te\u00f3rico como computacional, se desarrollan algoritmos y modelos para estudiar operaciones unitarias en procesos de b\u00fasqueda visual, pudiendo ayudar a representar la informaci\u00f3n que est\u00e1 siendo procesada e integrada en cada paso de estas rutinas visuales complejas.\u00a0<\/span><\/p>\n

\u201c<\/span>Nuestro proyecto involucra una primera tarea que se llama \u2018free viewing\u2019, observaci\u00f3n libre en la que se le da al sujeto una imagen y observamos c\u00f3mo la explora, en qu\u00e9 parte mira, lo cual va a cambiar dependiendo de la imagen en s\u00ed misma, si tiene muy centrado el horizonte o directamente no se ve el horizonte<\/span><\/i>\u201d, puntualiza <\/span>Gast\u00f3n Buj\u00eda<\/b>, licenciado en matem\u00e1tica (UBA) y doctorando del LIAA. En este aspecto, Buj\u00eda aclara que est\u00e1n desarrollando modelos denominados \u201cde saliencia\u201d, los cuales reconocen la presencia de un est\u00edmulo en la informaci\u00f3n, que se destaca entre los dem\u00e1s hasta el punto de dirigir la mirada exclusivamente hacia ese est\u00edmulo. \u201c<\/span>Estos modelos de saliencia tratan de predecir qu\u00e9 lugares de la imagen atraen m\u00e1s nuestra vista: si es un rostro por ejemplo va a tener m\u00e1s prominencia que el resto de los elementos de la imagen, o si hay carteles vamos a mirar las letras<\/span><\/i>\u201d, explica el matem\u00e1tico. Y comenta que el objetivo es poder vincular esta tarea, denominada como \u201cmapas de saliencia\u201d, con la tarea general de b\u00fasqueda visual. \u201c<\/span>Al recorrer la imagen inteligentemente, estos modelos de saliencia nos permiten codificar el significado de la imagen. Cuando uno vea una cara va a saber que es muy saliente, entonces en este proceso de b\u00fasqueda visual en un escenario natural, el modelo la va a codificar<\/span><\/i>\u201d, complementa.<\/span><\/p>\n

En el proyecto se utilizan, por un lado, modelos probabil\u00edsticos bayesianos que van representando el proceso de decisi\u00f3n del sujeto en la detecci\u00f3n activa (<\/span>active sensing<\/span><\/i>) de la informaci\u00f3n que se procesa en el entorno, para encontrar el objeto que est\u00e1 buscando. Por otro lado, los modelos de saliencia involucran redes neuronales de aprendizaje profundo (<\/span>deep learning<\/span><\/i>), modelos convolucionales que est\u00e1n preentrenados en grandes datasets de observaci\u00f3n en im\u00e1genes naturales, a partir de diversos experimentos de <\/span>EyeTracking<\/span><\/i> realizados en el laboratorio. Estos registros finalmente se procesan para obtener conclusiones relevantes sobre nuestra percepci\u00f3n visual y atenci\u00f3n. Para lograr esto,cada experimento se realiza con m\u00e1s de 100 im\u00e1genes e involucra entre 30 a 60 personas que dejan sus registros de b\u00fasqueda visual, cantidad que usualmente var\u00eda dependiendo de la tarea a realizar.<\/span><\/p>\n

Entre las posibles aplicaciones del modelado computacional para la b\u00fasqueda visual, Buj\u00eda menciona la conducci\u00f3n de veh\u00edculos aut\u00f3nomos, la renderizaci\u00f3n de im\u00e1genes de realidad virtual y, por \u00faltimo, una orientaci\u00f3n hacia el diagn\u00f3stico cl\u00ednico que tiene que ver con poder medir trastornos del espectro autista en ni\u00f1os y ni\u00f1as, a partir de c\u00f3mo observan un rostro.<\/span><\/p>\n

Neurociencia computacional, psicoling\u00fc\u00edstica y procesamiento visual de las palabras<\/b><\/p>\n

Al mismo tiempo, en el Laboratorio de Inteligencia Artificial Aplicada se realizan estudios experimentales durante el proceso de lectura, que combinan el an\u00e1lisis de los movimientos oculares de los sujetos con la electroencefalograf\u00eda (EEG). El prop\u00f3sito de estos trabajos es tratar de entender qu\u00e9 sucede en el cerebro mientras leemos. \u201c<\/span>El movimiento ocular y la electroencefalograf\u00eda son \u00e1reas que ven\u00edan muy separadas, porque tratar de hacer todo esto junto, es decir, hacer que la persona lea moviendo los ojos cuando tiene puesto el gorro de EEG, no es nada sencillo de lograr<\/span><\/i>\u201d, aclara Bruno Bianchi<\/strong>, bi\u00f3logo, Doctor en Ciencias Biol\u00f3gicas y postdoctorando del LIAA. Bianchi comenta que el mismo movimiento del ojo genera un potencial el\u00e9ctrico que interfiere con el que se quiere medir del cerebro. \u201c<\/span>En los \u00faltimos a\u00f1os, los avances de la computaci\u00f3n y los algoritmos que tenemos a disposici\u00f3n han permitido poder separar la electricidad que viene del cerebro con la electricidad proveniente de los ojos. Claro que cuando leemos lo hacemos con los ojos en movimiento, no con los ojos quietos, y esto genera una serie de procesos complejos en nuestro cerebro<\/span><\/i>\u201d, complementa el integrante del laboratorio.<\/span><\/p>\n

Cuando en los experimentos el sujeto va leyendo cada palabra de un texto de la literatura, se desencadenan los siguientes procesos: el sujeto se da cuenta que es una palabra, reconoce las letras que tiene, reconoce la palabra y su significado, e integra la palabra con el contexto que viene leyendo. El tiempo de lectura de cada palabra var\u00eda de acuerdo a si ya es previamente conocida por el sujeto o no.<\/span><\/p>\n

\u201c\u00bfEs lo mismo leer de a una palabra a la vez, una palabra por segundo, que leer naturalmente muchas palabras moviendo los ojos? Es una pregunta que todav\u00eda no tiene una respuesta clara, un interrogante que reci\u00e9n se est\u00e1 empezando a desentra\u00f1ar con los experimentos que hacemos en el laboratorio, continuando gran parte de los avances que vienen del campo de la psicoling\u00fc\u00edstica<\/span><\/i>\u201d, sostiene Bianchi. El postdoctorando del LIAA relata que est\u00e1n intentando adaptar algunos de los experimentos que originalmente hac\u00edan en el laboratorio para poder desarrollarlos de manera virtual, a fin de poder ampliar la muestra a miles de participantes. El proyecto se realiza en colaboraci\u00f3n con el Instituto de Ling\u00fc\u00edstica de la Facultad de Filosof\u00eda y Letras-UBA, el Laboratorio de Neurociencia de la Universidad Torcuato Di Tella y la Universidad de Potsdam (Berl\u00edn, Alemania).<\/span><\/p>\n

Algunos de los resultados de estas investigaciones fueron publicados en un reciente <\/span>art\u00edculo<\/span><\/a> en Scientific Reports de la prestigiosa editorial Nature y en la tesis de doctorado de Bianchi \u201c<\/span>Bases cerebrales de las predicciones durante la lectura de textos naturales: an\u00e1lisis de Movimientos Oculares, EEG y modelos de lenguaje natural<\/span><\/a>\u201d, dirigida por Juan Kamienkowski y defendida en marzo de 2021. \u201c<\/span>Mi trabajo se centr\u00f3 en entender qu\u00e9 pasa en el cerebro cuando predecimos palabras que todav\u00eda no le\u00edmos. Una de las preguntas asociadas a este problema es qu\u00e9 pasar\u00eda en el cerebro cuando leemos oraciones que ya conocemos<\/span><\/i>\u201d, describe el investigador.<\/span><\/p>\n

En este punto, parecer\u00eda que a partir de leer una frase conocida previamente, como \u201c<\/span>en casa de herrero cuchillo de palo<\/span><\/i>\u201d, el sistema de predicci\u00f3n estar\u00eda cambiando, lo cual har\u00eda que nuestro cerebro lea de otra manera, ya sea de manera m\u00e1s r\u00e1pida (en aproximadamente un cuarto de segundo) o salteando la oraci\u00f3n. Apoy\u00e1ndose en el uso de algoritmos de procesamiento de se\u00f1ales, as\u00ed como de algoritmos probabil\u00edsticos y de procesamiento del lenguaje natural (PLN), los investigadores trabajan en el modelado computacional de estas predicciones producto de la compleja actividad cerebral.<\/span><\/p>\n

\u00bfSon capaces estos algoritmos de PLN de modelar algo similar a lo que sucede en esta actividad cerebral? \u201c<\/span>Responder esta pregunta nos va a permitir, por un lado, a partir de conocer los algoritmos, entender el cerebro y por otro lado a partir de entender el cerebro, entender los algoritmos. Dado que a\u00fan no est\u00e1 del todo claro este modelado del lenguaje, debemos seleccionar aquellas partes de los modelos de lenguaje que mejor simulan lo que pasa en el cerebro, un objetivo propio de la inteligencia artificial<\/span><\/i>\u201d, reflexiona Bianchi.<\/span><\/p>\n

El licenciado y doctor en bi\u00f3log\u00eda comenta que si la investigaci\u00f3n puede asegurar que las respuestas que devuelven los modelos de lenguaje de las computadoras (por ej. en los modelos GPT2 \u00f3 GPT3) ser\u00e1n muy parecidas a las que dar\u00eda un humano, o a lo que har\u00eda un cerebro humano procesando el lenguaje, tal vez el d\u00eda de ma\u00f1ana no nos podr\u00edamos dar cuenta de la diferencia entre una computadora y un humano. \u201c<\/span>M\u00e1s all\u00e1 de que las t\u00e9cnicas avanzadas se fueron refinando much\u00edsimo, un modelo de lenguaje que logre esto nos permitir\u00eda comunicarnos con una computadora como si fuese un humano<\/span><\/i>\u201d, concluye Bianchi. Sin dudas, uno de los desaf\u00edos a futuro es que los modelos de procesamiento del lenguaje natural que combinan los movimientos oculares con estudios sobre se\u00f1ales cerebrales puedan entender c\u00f3mo procesamos visualmente una palabra o un texto literario, y as\u00ed poder generar un sistema de predicciones m\u00e1s robusto que permita representar esa compleja informaci\u00f3n cada vez mejor.<\/span><\/p>\n

\n

Acerca de los entrevistados<\/b><\/p>\n

\"\"<\/a>Gast\u00f3n Buj\u00eda<\/b> es Licenciado en Ciencias Matem\u00e1ticas de la Universidad de Buenos Aires. Es doctorando del LIAA-UBA, docente de Organizaci\u00f3n del Computador 1 en el Departamento de Computaci\u00f3n y de Aprendizaje Autom\u00e1tico en la Maestr\u00eda en Data Mining.<\/span><\/p>\n

 <\/p>\n

 <\/p>\n

 <\/p>\n

 <\/p>\n

\"\"<\/a>Bruno Bianchi<\/b> es Licenciado y Doctor en Ciencias Biol\u00f3gicas de la Universidad de Buenos Aires. Es postdoctorando del LIAA-UBA, docente de Algoritmos y Estructuras de Datos 1 en el Departamento de Computaci\u00f3n y de <\/span>Text Mining<\/span><\/i> en la Maestr\u00eda en Data Mining.<\/span><\/p>\n","protected":false},"excerpt":{"rendered":"

Bruno Bianchi y Gast\u00f3n Buj\u00eda, son docentes de la Maestr\u00eda en Data Mining y del Departamento de Computaci\u00f3n FCEN-UBA e integrantes del Laboratorio de Inteligencia Artificial Aplicada. En el marco de un trabajo sumamente interdisciplinario, est\u00e1n desarrollando modelos computacionales para estudiar el movimiento de los ojos, a la hora de buscar un objeto o leer un texto y determinar si los algoritmos de procesamiento son capaces de modelar la actividad cerebral al momento que realizamos esta tarea perceptual.<\/p>\n","protected":false},"author":4,"featured_media":1347,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_mi_skip_tracking":false},"categories":[34,36,25],"tags":[35,37,31],"_links":{"self":[{"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/posts\/1343"}],"collection":[{"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=1343"}],"version-history":[{"count":7,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/posts\/1343\/revisions"}],"predecessor-version":[{"id":1354,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/posts\/1343\/revisions\/1354"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/media\/1347"}],"wp:attachment":[{"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=1343"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=1343"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=1343"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}