Advertencia: Esta página es una traducción de esta página originalmente en inglés. Tenga en cuenta ya que las traducciones son generadas por máquinas, no que todos traducción será perfecto. Este sitio Web y sus páginas están destinadas a leerse en inglés. Cualquier traducción de este sitio Web y su páginas Web puede ser imprecisa e inexacta en su totalidad o en parte. Esta traducción se proporciona como una conveniencia.

La investigación de UW ofrece una estructura básica de redes neuronales en el cerebro mamífero

La universidad dos de los investigadores de Wyoming decidía a escoger el cerebro de cada uno, por así decirlo. Específicamente, examinaron la importancia de la corteza frontal, de la porción del cerebro usado en la toma de decisión, del lenguaje expresivo y del movimiento voluntario.

Y los dos científicos aprendieron que una estructura de red neuronal periódica, o RNN, es responsables de esas funciones.

“Este RNN recibe entradas de las regiones emocionales del cerebro y envía rendimientos a la corteza de motor, la parte del cerebro responsable del movimiento voluntario,” dice a Qian-Quan Sun, profesor de UW de la zoología y de la fisiología. “En el campo de la inteligencia artificial, informáticos han diseñado las diversas redes neuronales artificiales, incluyendo RNNs, que resuelven efectivo problemas, tales como traslación de lenguaje y reconocimiento de objeto, simulando la red neuronal en el cerebro mamífero.

“Este papel ofrece una estructura básica de redes neuronales en el cerebro mamífero. Esta estructura básica nos conducirá en la investigación de estrategia del comportamiento,” Sun continúa. “Después de que detectan a más detalles, podemos traducirla a una red neuronal artificial, usando ella para resolver problemas del mundo real.”

Sun, director del centro sensorial de la biología de Wyoming de UW de la excelencia biomédica de la investigación, es el autor importante de un papel titulado “una red neuronal periódica de largo alcance que conecta las regiones de la emoción a la corteza de motor somática” que fue publicada hoy (martes) en partes de la célula. El gorrón del abierto-acceso publica los papeles par-revisados a través del espectro entero de las ciencias de la vida ese nuevo discernimiento biológico del parte.

El primer autor del papel es Yihan Wang, estudiante del Ph.D. en el programa doctoral de la neurología de UW, de Pekín, China. La investigación fue financiada por concesiones de los institutos de la salud nacionales.

RNNs artificial es los algoritmos de profundo-aprendizaje importantes que son de uso general para los problemas del lóbulo ordinal o temporal, tales como traslación de lenguaje, tramitación de lenguaje natural, reconocimiento de voz e imagen que subtitulan, Sun dice. Un RNN reconoce características secuenciales en datos y utiliza configuraciones para predecir el decorado probable siguiente. RNNs se incorpora en usos populares tales como Siri, Google expresa búsqueda y Google traduce.

La sorpresa más grande es que RNNs no sólo existe en nuestro cerebro, pero se construyen con una función mucho más delicada y, con todo, muy eficiente en el tramitación de entradas secuenciales. Las neuronas corticales son generalmente espacial recíprocas y se mezclan con uno a. Sin embargo, los datos de Wang no sólo mostraron que el RNN existe en la mayoría de la parte importante del cerebro -- la corteza frontal -- pero además, esta red es menos compleja que pensamos y sobre todo unidireccional. Esto es una sorpresa grande a nosotros, porque ésta nos informa que esta red puede estar responsable de funciones únicas en comparación con otras.”

Qian-Quan Sun, profesor de UW de la zoología y de la fisiología

Sun y Wang analizaban los cerebros de los ratones para la investigación del laboratorio. Diversas deformaciones genético modificadas del ratón proveyeron de los dos la capacidad de etiqueta tipos específicos de neuronas con las proteínas fluorescentes que siguen las conexiones del cerebro -- y para vigilar las actividades de neuronas específicas con los marcadores intrínseco fluorescentes.

La investigación tiene muchas implicaciones del mundo real, según Sun.

“Uno, ahora que sabemos de este bloque hueco importante, el trabajo ayudará a la descifración adicional cómo nuestro cerebro toma decisiones,” él dice. “Dos, ayudará a destapar el otro RNNs similar en otras partes del cerebro. Ayudará a investigadores a utilizar simulaciones de cómputo para predecir cómo nuestro cerebro cifra memoria a corto plazo, y cómo puede ser utilizado. Y tres, específicamente para este estudio, nos ayudará a entender cómo las emociones, tales como miedo y ansiedad, regulan nuestros movimientos.”

El contenido y la aproximación de la investigación usada por Sun y Wang deben tener intereses muy amplios con los investigadores de la inteligencia artificial, los biólogos, los modeladores de cómputo y los neurólogos, Sun dicen.

“El mapa exacto de la conexión también puede ayudarnos a entender la causa de los desordenes neurológicos y psiquiátricos donde hay problemas con la regla de emociones o del movimiento voluntario,” Sun dice. “Sin embargo, antes de que éste que encuentra pueda tener usos más amplios, hay lotes de detalles -- por ejemplo cómo la red inhibitoria local refinó el RNN, y cómo diversos componentes son la base de estados específicos de la emoción -- eso todavía necesita ser imaginada.”

La meta de Wang es resolver a estos detalles en su trabajo de la disertación, Sun dice.

Source:
Journal reference:

Wang, Y., et al. (2021) A long-range, recurrent neuronal network linking the emotion regions with the somatic motor cortex. Cell Reports. doi.org/10.1016/j.celrep.2021.109733.