Cómo el cerebro decodifica oraciones

Las palabras, como las personas, pueden lograr más cuando trabajan juntas que solas. Las palabras se unen para formar oraciones y las oraciones pueden expresar una variedad infinita de significados. Cómo el cerebro humano representa el significado de las oraciones ha sido durante mucho tiempo una cuestión sin resolver en la neurociencia, pero una investigación que mis colegas y yo publicamos recientemente en la revista Cerebral Cortex arroja algo de luz sobre el problema. Aquí, mi objetivo es brindar una visión más amplia de de qué se trata este trabajo y de lo que nos dice que no sabíamos antes.

Para medir la activación cerebral de las personas, utilizamos fMRI (resonancia magnética funcional). Cuando los estudios de resonancia magnética funcional se realizaron por primera vez a principios de la década de 1990, en su mayoría solo preguntaban qué partes del cerebro «se iluminaban», es decir, qué áreas del cerebro estaban activas cuando las personas realizaban tareas específicas.

Sin embargo, durante la última década, un enfoque diferente ha ganado rápidamente popularidad e influencia: en lugar de simplemente preguntar qué áreas se iluminan, los neurocientíficos intentan hacer lo que se llama «descodificación neuronal»: observamos el patrón de activación cerebral y luego tratamos de descubrirlo. qué causa que suceda. Como analogía, consideremos caminar por un bosque y ver huellas de animales en el barro. Al observar los patrones en el barro y la forma de las huellas, podremos descubrir qué tipo de animal las dejó. Pero para hacer eso, primero necesitamos entender cómo tienden a ser las huellas de los diferentes animales y, aún más difícil, aprender a decodificar esas huellas, incluso cuando la tierra está manchada o sucia. La marca es muy ligera.

La decodificación neuronal es muy similar. En lugar de inferir qué animales produjeron patrones en el barro basándonos en el conocimiento de huellas familiares de animales, decodificamos qué estímulos (en este caso, palabras y oraciones) podrían haber producido patrones cerebrales específicos, basándonos en lo que aprendimos del pasado. palabras y oraciones conocidas.

Un aspecto nuevo de nuestro estudio es que la decodificación neuronal nunca antes se había logrado al nivel de oraciones completas. Para tener una idea aproximada de por qué es difícil decodificar a nivel de oración, volvamos a la analogía de las huellas de animales. Supongamos que la persona dentro del escáner de resonancia magnética lee sólo una palabra a la vez. Es como ver una huella en el barro y tratar de descubrir de qué animal proviene. Por el contrario, cuando las personas en el escáner leían oraciones completas, los patrones de activación cerebral para varias palabras ocurrían simultáneamente. Decodificar es como si varias especies diferentes de animales corren juntas a través de la misma mancha de barro húmedo, y luego nuestra tarea es tratar de identificar tantos animales como sea posible a partir de las huellas compuestas.

Sin embargo, nuestra investigación no se detiene ahí. Construimos un modelo de computadora que hace más que simplemente aprender la «huella neuronal» de una palabra específica. El modelo también utiliza información de diferentes aspectos sensoriales, emocionales, sociales y de otro tipo de las palabras para que pueda aprender patrones cerebrales que predicen nuevas palabras y nuevas oraciones compuestas de recombinaciones de palabras. Ampliando nuestra metáfora de las huellas de animales, es como si estuviéramos entrenados para reconocer huellas de ciervos y ganado, y luego encontramos por primera vez huellas que nunca antes habíamos visto, como huellas de alces. Si tenemos un modelo que nos dice que los alces son algo así como las huellas de un venado del tamaño de una vaca, entonces el modelo puede predecir que las huellas de los alces serán algo así como las huellas de un venado del tamaño de una vaca. Esta predicción no es del todo correcta, pero no está muy lejos. Es lo suficientemente bueno como para hacerlo mejor que las conjeturas aleatorias.

De manera similar, nuestro modelo de computadora puede predecir patrones cerebrales para nuevas oraciones sin entrenamiento, siempre que haya sido entrenado con suficientes palabras de esa oración en diferentes contextos. Por ejemplo, nuestro modelo puede predecir el patrón cerebral de «una familia jugando en la playa» usando patrones entrenados en otras oraciones que comparten algunas de las mismas palabras, como «niñas jugando al fútbol» y «la playa está vacía».

Este proceso de utilizar modelos informáticos para extraer información de los datos del cerebro es, en muchos sentidos, el mismo que otros tipos de tecnología integradas en nuestra vida diaria. Se desarrollaron modelos informáticos que extraen información significativa de grandes cantidades de datos en el campo de investigación del «aprendizaje automático» (también llamado a menudo «ciencia de datos»). Cuando apuntas con la cámara de tu teléfono a alguien, se dibuja un cuadro alrededor de su cara y el teléfono capta una gran cantidad de datos (millones de píxeles) y extrae información significativa sobre la ubicación de la cara.

El software de reconocimiento de voz como Siri recoge grandes cantidades de datos sobre las vibraciones del aire que cambian rápidamente (habla) y extrae palabras de ellas. La decodificación neuronal toma datos del cerebro en forma de píxeles tridimensionales que representan la activación cerebral (llamados «vóxeles») en una exploración por resonancia magnética funcional y extrae información de ellos. En nuestro estudio, esta información incluyó los significados de palabras y oraciones, que las personas leyeron mientras se escaneaban sus cerebros.

Para decodificar información sobre conjuntos de palabras, necesitamos un equipo interdisciplinario. Esta investigación fue dirigida por Andy Anderson, un investigador postdoctoral en mi laboratorio. Andy tiene experiencia en todas las áreas requeridas: modelado computacional del significado de las palabras, aprendizaje automático e imágenes cerebrales. Otro miembro clave del equipo es el Dr. Jeffrey Binder de la Facultad de Medicina de Wisconsin, neurocientífico e investigador de renombre mundial sobre cómo el cerebro expresa significado.

Pero el equipo en su conjunto es mucho más grande que eso: nuestro artículo tiene nueve autores, todos desempeñando diferentes roles clave, y los autores provienen de seis países diferentes, de la industria y el mundo académico. Estamos financiados en parte por dos agencias gubernamentales diferentes (la Actividad de Proyectos de Investigación Avanzada de Inteligencia y la Fundación Nacional de Ciencias). Los avances científicos actuales suelen ser realizados por grandes equipos colaborativos de personas de muchos países diferentes.

Decodificar frases de tu cerebro puede ser divertido, pero ¿por qué es importante? Hay dos respuestas a esta pregunta. Una respuesta es que el cerebro humano literalmente nos convierte en quienes somos, y el lenguaje es uno de los aspectos más fundamentales de la cognición humana.

Además del interés científico inherente, este trabajo algún día podría tener aplicaciones prácticas. Nuestra investigación extrae significado del cerebro de las personas, y muchas personas con lesiones cerebrales traumáticas tienen el significado atrapado en la cabeza y no pueden expresarse verbalmente, como los pacientes con daño en el área del cerebro de Broca.

Nuestra investigación también utiliza modelos informáticos para representar el significado. Los modelos de ordenador existentes son mucho mejores que hace apenas unos años, como puede verse en el éxito de sistemas como Siri y Google Translate. Pero estos modelos existentes también tienen muchos defectos, como se puede ver en esos mismos sistemas informáticos, que a menudo producen resultados confusos. Con diferencia, la mejor representación del significado en el mundo es el cerebro humano. Al intentar comprender cómo el cerebro logra esto, tal vez podamos hacer que los modelos informáticos de significado funcionen mejor.

Estos retornos reales no se producirán mañana ni siquiera el año que viene. La cuestión de cómo el cerebro expresa el significado es extremadamente difícil y, aunque nuestro nuevo artículo avanza, muchas preguntas siguen sin respuesta. Para resolver problemas difíciles, la ciencia necesita adoptar una visión a largo plazo. Así como las palabras de una oración trabajan juntas para construir un significado más rico, muchos estudios científicos individuales trabajan juntos para ayudarnos a comprender mejor nuestro mundo.