Procesamiento en paralelo

Cuando el cerebro aprende una nueva habilidad motora, las neuronas forman circuitos que activan los músculos del cuerpo para realizarla. Pero la misma red distribuida controla las tareas motoras relacionadas, por lo que cuando intenta aprender muchas habilidades a la vez, las nuevas modificaciones a los patrones existentes pueden interferir con las habilidades aprendidas previamente.

Esto es particularmente complicado cuando estás aprendiendo cosas muy similares, dice el profesor del Instituto Emilio Bizzi. Un nuevo modelo computacional desarrollado por él y el investigador del Instituto McGovern, Robert Ajemian, explica cómo el cerebro resuelve este problema.

El cerebro es enormemente paralelo y cada neurona se conecta a unas 10.000 otras en promedio. Esto podría hacer que la interferencia parezca más probable que en los chips de computadora estándar, que procesan datos en serie y almacenan instrucciones para cada tarea en una ubicación separada.

Pero esa conectividad le permite al cerebro probar muchas soluciones posibles para lograr combinaciones de tareas. Las neuronas cambian constantemente la fuerza de estas conexiones, un rasgo conocido como hiperplasticidad. También reciben tanta información inútil como aportes útiles de sus vecinos.

Sin esa relación señal-ruido muy baja, el cerebro hiperplástico sobrescribiría los recuerdos existentes con demasiada facilidad. Pero sin hiperplasticidad, el ruido ahogaría los pequeños cambios en la conectividad, haciendo imposible aprender nuevas habilidades.

Tu cerebro siempre está tratando de encontrar las configuraciones que equilibren todo para que puedas hacer dos tareas, o tres tareas, o todas las que estés aprendiendo, dice Ajemian. Hay muchas formas de resolver una tarea y estás explorando todas las formas diferentes.

esconder