¿Cómo y por qué es importante el modelado por computadora para la ciencia cognitiva? ¿En qué consiste su estudio?

Answer 1

Yo diría que el modelado por computadora es mucho más importante en neurociencia que en ciencia cognitiva.

En neurociencia, el modelado por computadora adopta dos formas principales que podrían denominarse “procesamiento de datos” y “simulación”.

El procesamiento de datos , o más precisamente, la interpretación automatizada de datos, es una parte fundamental para hacer que la neurociencia moderna sea manejable. Por ejemplo, las imágenes familiares de resonancia magnética funcional de “cerebros encendidos” que se utilizan en neurociencia cognitiva son el resultado de muchas etapas de modelos computarizados de actividad cerebral. La imagen de MRI no solo es una interpretación generada por computadora de la salida de la máquina de MRI, sino que luego se procesa con el modelo experimental para encontrar los cambios “funcionales” (“f” pequeños en fMRI) en la “actividad” del cerebro; luego se reprocesan para crear imágenes ficticias en 3D de cerebros que se “inflan” para crear modelos de superficie con imágenes de la corteza. Los datos modernos de EEG se procesan de manera similar. Y las “grabaciones de picos neurales” pasan por muchas etapas de procesamiento y detección de patrones, y cada etapa aplica un modelo estadístico que se desarrolló con la investigación.

Las simulaciones son el pilar de la neurociencia computacional y son quizás las más controvertidas. ¿Una simulación realmente te dice algo sobre el cerebro real? ¡La respuesta es sí! La razón es que la simulación le indica las consecuencias dinámicas de un modelo de circuito neuronal, que puede compararse con datos reales. Esto te dice si tu teoría de cómo funciona el circuito podría ser cierta o no. Sin simulaciones, sería muy difícil probar alguna de las teorías sobre cómo funciona el cerebro. Las simulaciones no prueban cosas, pero son una parte clave de la evidencia que construye un caso para entender el “por qué” de la arquitectura neuronal.

Los modelos informáticos en la ciencia cognitiva son más difíciles de usar de una manera útil. Una de las principales historias de éxito son los modelos de “red neuronal” en la década de 1980, que surgieron de la ciencia cognitiva y tienen muy poco que ver con las neuronas reales. Estos modelos brindaron mucha intuición para comprender ciertos principios de la cognición humana, y también demostraron ser una herramienta muy útil en el aprendizaje automático y la detección de patrones. Las variantes en las redes neuronales son ahora la base inspiradora de los sistemas de “aprendizaje profundo” que están construyendo Google y Facebook para el reconocimiento de imágenes. Los modelos de ciencia cognitiva también se convirtieron en la base de gran parte del movimiento de Inteligencia Artificial inicial, como el desarrollo del “sistema experto”.