Las redes nerviosas artificiales explican cómo las neuronas periparinas representan el espacio alrededor del cuerpo

Se sabe que las mentes de los humanos y otros primates ejecutan varias funciones sofisticadas, una de las cuales representa el espacio inmediato alrededor del cuerpo. La región, a veces también conocida como "espacio perippersonal", donde generalmente se producen la mayoría de las interacciones entre las personas y sus alrededores.

Investigadores de la Academia de Ciencias de China, el Instituto de Tecnología Italiano (IIT) y otras instituciones examinaron recientemente procesos nerviosos, a través de los cuales el cerebro representa el área alrededor del cuerpo utilizando modelos computacionales inspirados en el cerebro. Sus conclusiones, Publicado En Neurología de la naturalezaSugiera que las áreas receptivas alrededor de las diferentes partes del cuerpo contribuyan a la fabricación de un modelo moduular de espacio inmediatamente alrededor de un agente de inteligencia individual o artificial (IA).

"Nuestro viaje en la región en realidad comenzó en serio, durante los experimentos se desempeñó completamente por curiosidad", dijo Jiandomanico Iyanetti, escritor de papel senior, al Medical Express. "Llegamos a saber que el reflejo de manipulación de manos, que es provocado por una mano eléctricamente impactante, estaba fuertemente modificado por la posición de la mano en relación con el ojo.

"Pronto nos dimos cuenta de que este reflejo de parpadeo se comportó como las neuronas periparsonales que llaman SO, que son neuronas que responden a los objetos cercanos al cuerpo. A medida que estábamos más familiarizados con la literatura sobre este tipo de neurona, sin embargo, vimos que la explicación actual de la actualización y la actualidad falla a sus propiedades, como sus cualidades, al igual que sus cualidades, al igual que sus cualidades, al igual que sus cualidades, como las calificaciones, como las calificaciones, como las calificaciones, lo que fallan en sus propiedades.

En lugar de recopilar nuevos datos, que luego se pueden agregar a los datos integrales e insatisfechos recopilados durante estudios anteriores, Iyanetti y sus colegas han decidido desarrollar un nuevo marco cuantitativo que aclare por qué los experimentos anteriores existen en experimentos anteriores y por qué funcionan. Esta estructura puede integrarse con los principios de neurociencia existentes.

Para desarrollar su estructura, empleó la red de nervios artificiales capacitados (ANN) a través del refuerzo de aprendizaje. Estos son modelos computacionales inspirados en el cerebro que pueden aprender a completar varias tareas con buena precisión, siguiendo la relación entre las neuronas.

"En términos simples, creamos simulación por computadora de 'animales' simplificados, que aprendió a través de pruebas y errores para aprender a seleccionar la acción sobre cuánta recompensa o decoración de las acciones", Rory John Bufachi, el primer escritor del documento, explicó el primer escritor del documento.

"Nuestras perspectivas consistían en tres etapas principales. Primero, nuestra idea principal era que las reacciones peripaturicales solo podían reflejar el valor de las funciones potenciales: si alcanzar o esquivar bienes ambientales conduciría a recompensas o castigos".

Iannetti, Bufacchi y sus colegas prevé que las reacciones de las neuronas periparsonales puedan estar asociadas con la evaluación del entorno inmediato de alguien, especialmente en la medida en que la medida en que varias tareas serían premios o castigos. Para probar esta hipótesis, entrenó a Ann para interceptar o evitar objetos, luego trató de determinar si tenía reacciones centradas en el cuerpo que se observaban previamente en el cerebro humano.

"Luego propusimos una construcción teórica, un 'mapa de precios egoísta', que se forma a partir de grupos de neuronas periparsonales, el cuerpo cerca del cuerpo forma una esencia más del mundo, el modelo futuro que permite una rápida adaptación a las situaciones novedosas", dijo el bufforchi. "Esta idea nos ayudó a unir nuestras conclusiones con extensos principios en la neuria computacional para preparar reacciones centradas en el cuerpo como una parte flexible y futura del entorno cercano".

Cuando creó su "mapa de precios egoístas", los investigadores lo compararon con los comentarios recopilados durante el estudio neurológico realizado por muchos laboratorios. Los datos que comparó con el registro de la actividad de las neuronas en el cerebro de Makak, así como la exploración de imágenes de resonancia magnética funcional humana (fMRI), se han observado escaneos defelografía electrónica (EEG) y patrones de comportamiento durante los experimentos.

"En resumen, descubrimos que en nuestros agentes artificiales, las neuronas han desarrollado un áreas receptivas centradas en el cuerpo naturalmente que coincide con los hallazgos empíricos de las neuronas peripersonales biológicas, apoyando nuestras creencias teóricas", dijo Iyananti.

"En particular, las áreas receptivas de estas neuronas se expandieron con estímulos de rápido crecimiento, el uso de equipos y elementos de alto valor. Las redes de neuronas artificiales también se separaron en la sub-red, que reflejan la modularidad tanto de la evitación como para la obstrucción".

Casi un tercio de las especies de Kashruk Mehtar pueden enfrentar una disminución de la población

Los investigadores finalmente pudieron demostrar que un conjunto de neuronas periparsonales en realidad podría crear un mapa egoísta de un entorno primet. Luego comparó la estructura teórica, que desarrolló para las interpretaciones anteriores de las neuronas periparnales y su función.

"Nuestro principio fue el único para ajustar con éxito los datos experimentales extensos, que funcionan mejor que las explicaciones alternativas y proporcionan una estructura normal para comprender las reacciones peripessonales", dijo Iyanetti.

El trabajo reciente de Iannetti, Bufacchi y sus colegas ha contribuido a la comprensión de las neuronas periparsonales en el cerebro Primet y cómo asignan inmediatamente el entorno alrededor del cuerpo de primates o humanos. Sin embargo, la visión recopilada por el equipo pronto puede ayudar a adornar agentes de IA, sistemas robóticos y prótesis,

"Estos hallazgos tienen posibles aplicaciones en áreas como neuroprostéticos e interacciones humanas -robot", explicó Iyanetti. "Por ejemplo, los robots pueden seguir mapas de precios egoístas para desarrollar una representación adaptativa y específica de referencia de la distancia de contacto humano apropiada, lo que hace que la cooperación humana-robot sea más natural y efectiva".

Los investigadores ahora planean construir sus hallazgos y continuar probando la validez de la estructura introducida por ellos. En sus próximos estudios, probarán las predicciones generadas por sus modelos computacionales e intentarán abordar algunas de sus deficiencias.

"Por ejemplo, el modelo está actualmente implicado en la perspectiva de aprender un refuerzo, que carece de parámetros claros para la incertidumbre sensorial", dijo Buffuchi. "Lo resolveremos utilizando conclusiones activas, como el marco matemático individual, que incorpora claramente la incertidumbre sensorial y el modelado cognitivo del medio ambiente. También planeamos cooperar en laboratorios para modelar datos neuronales ricos y más finos y complicados".

Escrito por nuestro autor para usted Inrid phadlieditado por Lisa LockY revisado por hechos Robert Agen-Este artículo es el resultado de un trabajo humano cuidadoso. Confiamos en los lectores como usted para mantener vivo el periodismo científico independiente. Si este informe le importa, considere Donación (Especialmente mensual). Conseguirás Anuncio GRATIS Come como agradecimiento.

© 2025 Science X Network