Servicio de Información Comunitario sobre Investigación y Desarrollo - CORDIS

ERC

GENMOD — Resultado resumido

Project ID: 210922
Financiado con arreglo a: FP7-IDEAS-ERC
País: Italia

Un avance drástico en la modelización computacional de la cognición humana

En el estudio de la cognición humana, una de las incógnitas fundamentales gira en torno a las computaciones realizadas por el encéfalo para llevar a cabo los procesos cognitivos. A través de una iniciativa apoyada por la Unión Europea se introdujeron aproximaciones nuevas para modelizar la cognición humana.
Un avance drástico en la modelización computacional de la cognición humana
Por norma, en el campo de la modelización computacional se emplean modelos conexionistas, los cuales presentan varios inconvenientes. Los modelos generativos han surgido como una alternativa atractiva como modelos plausibles del aprendizaje cortical. Además, conjugan el conexionismo tradicional con novedosos enfoques bayesianos de la cognición.

Ante esta situación, los artífices del proyecto financiado con fondos europeos GENMOD (Generative models of human cognition) se propusieron aprovechar los últimos avances científicos en redes neuronales y aprendizaje automático para desarrollar modelos conexionistas generativos de la cognición.

Para cumplir sus objetivos, el equipo del proyecto aplicó estos modelos a tres campos cognitivos diferenciados: la cognición numérica, la cognición espacial y el procesamiento del lenguaje escrito. Concretamente, los socios del proyecto diseñaron modelos conexionistas para los tres dominios que fueron evaluados inicialmente en términos cualitativos y cuantitativos. Los niveles de los datos empíricos iban desde lo conductual (tiempos de reacción y errores) hasta lo neuronal (respuestas de células únicas).

En conjunto, las conclusiones señalan que los modelos generativos ofrecen un rendimiento óptimo tanto con los datos psicológicos como con los neurofisiológicos. Así, por ejemplo, el equipo de GENMOD demostró satisfactoriamente que un sentido numérico visual como el de la percepción de la numerosidad puede surgir de forma natural en una red profunda que haya aprendido de forma independiente a codificar eficazmente imágenes de conjuntos de objetos.

Los modelos desarrollados se ajustan a los datos psicofísicos humanos convencionales y el patrón de actividad de las neuronas numéricas en la corteza parietal posterior del encéfalo de un primate. Además, estos modelos ayudan a explicar los cambios en la capacidad de percepción de la numerosidad o la agudeza numérica, desde la infancia hasta la adultez.

Habiendo logrado un acercamiento entre los modelos conexionistas y los modelos bayesianos estructurados de la cognición, la propuesta de GENMOD supone un gran salto adelante para la modelización computacional de la cognición humana.

Información relacionada

Palabras clave

Modelización computacional, cognición humana, modelos conexionistas, GENMOD, modelos generativos
Síganos en: RSS Facebook Twitter YouTube Gestionado por la Oficina de Publicaciones de la UE Arriba