Un equipo de ingenieros biomédicos ha desarrollado un modelo informático que se vale de cálculos aproximados, más o menos predecibles, de los movimientos de músculos humanos, para explicar cómo el cerebro recurre a conocimientos recientes y también a los que posee desde hace más tiempo, cuando se enfrenta a la tarea de anticipar lo que necesita para desarrollar nuevas habilidades motoras.
(NC&T) Los ingenieros, de la Universidad Johns Hopkins, el MIT y la Universidad del Noroeste, explotaron el hecho de que todas las personas mostramos patrones similares de aprendizaje "probable", y los usamos para desarrollar y afinar nuevos movimientos, tanto si se trata de bebés tratando de dar sus primeros pasos como de adultos que tras haber sufrido un derrame cerebral se enfrentan al reto de reconectar los enlaces entre su cerebro y los músculos de su cuerpo.
El nuevo modelo informático podría hacer posible predecir las mejores estrategias de enseñanza de nuevos movimientos y ayudar a diseñar regímenes de terapia física para las personas discapacitadas.
El cerebro artificial en el modelo informático, al igual que su homólogo natural, es guiado en parte por un tipo especial de teoría estadística de las probabilidades conocida como matemática bayesiana.
A diferencia del análisis estadístico convencional, una probabilidad bayesiana es una "opinión" subjetiva que valora el grado individual de creencia de un "aprendiz" en un resultado concreto cuando éste es incierto. Esa "opinión" en un humano puede resultar, por ejemplo, en tomar una ruta alternativa para acudir al trabajo el viernes debido a haber sufrido retenciones de tráfico por la ruta normal el martes, el miércoles y el jueves, y estar convencido de que el viernes ocurrirá lo mismo.
El modelo informático tiene una elevada precisión, logrando casi calcar los resultados de experimentos que ponían a prueba la habilidad de monos en hacer un seguimiento visual de rápidos destellos de luz. Los experimentos de ese tipo, centrados en tales movimientos oculares veloces, son un ingrediente básico en todo estudio sobre cómo el cerebro controla el movimiento.
Según los resultados de los experimentos, este modelo bayesiano puede explicar casi todos los fenómenos que los científicos observan con respecto al aprendizaje de movimientos motores.
Más allá de su posible uso para ayudar a pacientes de derrame cerebral, la nueva herramienta también se podría aplicar a obtener un mejor conocimiento de cómo aprendemos un lenguaje, desarrollamos ideas y confeccionamos recuerdos.
Sacado integramente de: http://www.electronicafacil.net/ciencia/Article9532.html
No hay comentarios:
Publicar un comentario