En esta entrada del blog vamos a analizar el que quizá sea el mejor libro de texto disponible en el mercado sobre Neurociencia Cognitiva Computacional. Sus autores son Frank, Munakata, Hazy y O´Reilly, es decir, unos grandes de la Neurociencia Computacional. En concreto, Munakata, O´Reilly y Frank son grandes expertos en proponer diseños de redes neuronales articificiales para modelar los diferentes tipos de memoria y la acción de los neurotransmisores sobre el sistema nervioso central.
El libro consta de nueve capítulos y comienza con una revisión de la estructura computacional de las neuronas, basándose en la función de detección. Su conectividad se plantea a través de representaciones distribuidas consistentes en muchas neuronas individuales concebidas como detectores, cada una de las cuales detecta algo diferente. El patrón agregado de la actividad de salida a través de la población de detectores captura el carácter amorfo y polimorfo de cualquier categoría mental. Con este término, los autores se refieren a la diversidad de factores que configuran una categoría mental, un poco al estilo de las partes de un objeto como podría ser una silla. Una dinámica compleja de atractores realizaría el trabajo restante.
La cuestión de la plasticidad sináptica encuentra su hueco en el capítulo cuarto. Los autores aplican lo que ellos llaman la regla de aprendizaje de contraste extendido. Basándose en parámetros y constantes de difusión (modelo de Urakubo y otros, 2008) y en entornos de valores no fijados, crean una estrategia de aprendizaje auto-regulativo que aprende del error.
Las distintas funciones cognitivas superiores son estudiadas en el capítulo quinto: percepción, atención, control motor, memoria, aprendizaje y funciones ejecutivas. No faltan referencias en el capítulo séptimo a los propios trabajos de los autores al análisis de los efectos de la dopamina en el aprendizaje por refuerzo como tampoco al modelo de O´Reilly de activación dinámica de los ganglios basales o al ya clásico modelo de memoria operativa basada en los ganglios basales y en la corteza prefrontal (el modelo PBWM).
Las explicaciones del libro exigen un mínimo de dominio del instrumental matemático pero tampoco podemos decir que sea excesivo. Todo es sugestivo en este libro, desde las ilustraciones hasta los modelos, muchos de ellos muy complejos pero muy bien divulgados. Sinceramente, el autor de este blog piensa que, a día de hoy, no existe mejor manual introductorio a la Neurociencia Computacional, tanto por la ambición del mismo y su calidad divulgativa-que lo hace bastante asequible de leer-como por la gran solvencia intelectual de sus autores.
Entradas
