PDF de programación - MODELOS COMPUTACIONALES - SISTEMAS CONEXIONISTAS

MODELOS
MODELOS

COMPUTACIONALES
COMPUTACIONALES

SISTEMAS CONEXIONISTAS

10

011

10

010

0101 01

Prof. Ana Belén Porto Pazos

Departamento de Tecnologías de la Información y las Comunicaciones

1010

1010 10

101110 10101110101

01101 01 1010

MODELOS COMPUTACIONALES
MODELOS COMPUTACIONALES

1110 1010 0001

Representación de un sistema real

MODELO
MODELO:: Representación de un
sistema real. . Mediante su
construcción pueden obtenerse resultados importantes y posee
utilidades diversas:

Es un medio que permite resolver problemas científicos
estableciendo relaciones entre datos que a simple vista se
presentan aislados.

Sirve para poner a prueba teorías, suposiciones o hipótesis.

Hace surgir nuevas dudas e interrogantes, lo que llevará a
posteriores pruebas y afianzamiento de nuevos descubrimientos.

1

101110 10101110101

01101 01 1010

MODELOS COMPUTACIONALES
MODELOS COMPUTACIONALES

1110 1010 0001

 El lenguaje formal en el que se describe un modelo facilita el

poder discriminar y abstraer conceptos complejos.

 Puede abordar el estudio de un sistema complejo

descomponiéndolo en elementos más sencillos y posteriormente
integrarlo para estudiar su funcionamiento global.

 Difícil aislar los subsistemas de un ser vivo y determinar sus límites con

precisión, ya que todos están interrelacionados.

101110 10101110101

01101 01 1010

MODELOS COMPUTACIONALES
MODELOS COMPUTACIONALES

1110 1010 0001

 Construir un modelo: encontrar un marco de referencia adecuado

que permita interpretar datos experimentales.

 Los modelos, aunque sean incompletos, si son suficientemente

representativos de nuestro conocimiento de la realidad,
pueden ser de gran ayuda debido a que en el sistema existen
normalmente:

 Limitaciones para obtener información.

 Limitaciones del sistema debidas a su estructura.

2

101110 10101110101

01101 01 1010

MODELOS COMPUTACIONALES
MODELOS COMPUTACIONALES
PROCESO DE MODELIZACIÓN
PROCESO DE MODELIZACIÓN

1110 1010 0001

SS

HH

EE

CC

MM

SS Sistema

HH Hipótesis

MM Modelo

CC Comparador

EE Elaborador

101110 10101110101

01101 01 1010

MODELOS COMPUTACIONALES
MODELOS COMPUTACIONALES
PROCESO DE MODELIZACIÓN
PROCESO DE MODELIZACIÓN

1110 1010 0001

 Se considera que el modelo y el sistema a modelizar son

equivalentes:

 Si ofrecen el mismo comportamiento frente a excitaciones

equivalentes.

 Procurar que el modelo posea el número de características más
simplificado posible que dé origen al comportamiento esperado,
sin omitir ningún parámetro importante.

 Las diferencias comprobadas entre los resultados de una

simulación y la experimentación:

 Permiten mejorar la construcción del modelo, dando la posibilidad así

de adaptar mejor el modelo al sistema real.

3

MODELOS COMPUTACIONALES
MODELOS COMPUTACIONALES
RELACIÓN: IA
RELACIÓN: IA -- NEUROCIENCIA
NEUROCIENCIA

01101 01 1010

101110 10101110101

1110 1010 0001

TIPOS DE MODELOS DEL CEREBRO:
TIPOS DE MODELOS DEL CEREBRO:

1. REALISTAS: Concretar o especificar las estructuras conocidas de los

sistemas biológicos y posterior estudio del comportamiento que
ocasionan. Suelen ser utilizado por los científicos.

2. CONEXIONISTAS: Lo suelen utilizar los ingenieros. Consiste en

especificar un comportamiento e intentar construir unas estructuras que
lo ejecuten.

 McCulloch y Pitts, Wiener y Von Newmann hicieron estudios sobre
Cibernética y teoría de autómatas para la integración biológica con
métodos de ingeniería. Son McCulloch y Pitts quienes proponen en 1.943 el
modelo de neurona artificial que lleva su nombre.

3. ESTADÍSTICOS O SIMBÓLICOS. Pretenden modelar funciones
cognitivas de alto nivel, como el razonamiento o la capacidad de
resolución de problemas.

MODELOS
MODELOS
REALISTAS
REALISTAS

Modelos Computacionales Biológicos
Modelos Computacionales Biológicos

10

011

10

010

0101 01

1010

1010 10

4

101110 10101110101

01101 01 1010

MODELOS COMPUTACIONALES
MODELOS COMPUTACIONALES
REALISTAS
REALISTAS

1110 1010 0001

 Modelos creados con el fin de aumentar el conocimiento existente

sobre el sistema nervioso, lo cual puede beneficiar también a la
Inteligencia Artificial.

 El sistema nervioso es increíblemente complejo.
 Existen diversas maneras de analizar la estructura del sistema

nervioso:

• Técnicas de tinción.
• Scanners cerebrales.
• Medición de corrientes y voltaje con microelectrodos.
• Pruebas clínicas: electroencéfalogramas, electromiogramas, etc.

101110 10101110101

01101 01 1010

MODELOS COMPUTACIONALES
MODELOS COMPUTACIONALES
REALISTAS
REALISTAS

1110 1010 0001

 En neurofisiología, neuroanatomía y cibernética los

investigadores solo pueden analizar destruyendo parcialmente.
Ejemplos:

 Introduciendo un microelectrodo en el sistema nervioso, se pueden
obtener datos de gran detalle local, pero también causar lesiones.
 Un cibernetista que estudie el comportamiento de animales puede

producir una lesión intelectual.

 Cada técnica empleada permite analizar un cierto fenómeno o

varios, pero no todos.

 Necesario reunir los resultados de todas las técnicas para

conseguir una visión completa.

5

101110 10101110101

01101 01 1010

MODELOS COMPUTACIONALES
MODELOS COMPUTACIONALES
REALISTAS
REALISTAS

1110 1010 0001

NO SE PUEDE DECIR CUÁL ES LA MANERA MÁS ADECUADA DE
NO SE PUEDE DECIR CUÁL ES LA MANERA MÁS ADECUADA DE

AVANZAR EN INVESTIGACIÓN, PERO:
AVANZAR EN INVESTIGACIÓN, PERO:

 Es necesario que el investigador tenga el asesoramiento y

preparación adecuados en los temas implicados en el trabajo
que va a realizar.

 En estudios con los modelos computacionales se evitará la

destrucción, aunque fuera parcial.

TAREA MUY DIFÍCIL Y DE MÁXIMA IMPORTANCIA
TAREA MUY DIFÍCIL Y DE MÁXIMA IMPORTANCIA

Reunión de científicos de todas las áreas implicadas en el
modelo a construir, consiguiendo que se entiendan entre ellos: idioma
común.

101110 10101110101

01101 01 1010

MODELOS COMPUTACIONALES
MODELOS COMPUTACIONALES
REALISTAS
REALISTAS

1110 1010 0001

 En el sistema nervioso, un proceso relevante a modelizar puede ser:

 Subcelular: mecanismos de membrana.

 Entrada y salida de una neurona, considerada aisladamente y como

una unidad funcional.

 Funcionamiento de redes de neuronas con relaciones intercelulares

complejas.

 Correspondencias entre redes de neuronas y el propio

comportamiento global del organismo con respecto a su medio.

6

101110 10101110101

01101 01 1010

MODELOS COMPUTACIONALES
MODELOS COMPUTACIONALES
REALISTAS
REALISTAS

1110 1010 0001

 El diseñador del modelo tiene acceso a cada una de las variables y

puede definir escenarios similares a los experimentales con el objetivo
de comparar resultados simulados con los reales.

 Esta flexibilidad es imposible de conseguir con las técnicas de la

Neurociencia clásica.

 Pasos para la construcción del modelo:

 Toma de datos. Dependen del problema:

•
•

Dinámica de una neurona: registros in vitro e in vivo.
Proceso cognitivo de alto nivel: técnicas de imagen.

 Elaboración de hipótesis. En función de las evidencias

experimentales y del nivel de descripción (molecular, neuronal,
sinapsis, etc).

101110 10101110101

01101 01 1010

MODELOS COMPUTACIONALES
MODELOS COMPUTACIONALES
REALISTAS
REALISTAS

1110 1010 0001

 Determinación de los mecanismos biofísicos y bioquímicos

neuronales que podrían explicar los fenómenos observables y los
datos recogidos.

 Determinación de los modelos matemáticos apropiados para

representar las hipótesis sobre los mecanismos anteriores.
 Selección de métodos numéricos: traducen las ecuaciones

matemáticas a algoritmos.

 Simulación computacional: Traducir el algoritmo a un lenguaje de

programación en simuladores neuronales.

7

01101 01 1010

MODELOS COMPUTACIONALES
MODELOS COMPUTACIONALES
REALISTAS
REALISTAS

101110 10101110101

1110 1010 0001

 Se va a describir un modelo computacional concreto.

 Ha permitido colaborar en el estudio de procesos neurofisiológicos.

 Ha sido necesario el trabajo en equipo de expertos en temas

diversos, como: neurofisiólogos, biólogos, bioquímicos e
informáticos.

MODELO COMPUTACIONAL DE LA I
MODELO COMPUTACIONAL DE LA IAHPAHP
EN NEURONAS PIRAMIDALES CA1 DE
EN NEURONAS PIRAMIDALES CA1 DE
HIPOCAMPO
HIPOCAMPO

10

011

10

010

0101 01

1010

1010 10

8

101110 10101110101

MODELO COMPUTACIONAL DE
MODELO COMPUTACIONAL DE IIAHPAHP

01101 01 1010

1110 1010 0001

SISTEMA AA MODELIZAR
SISTEMA
MODELIZAR::

 Se encuentra en el HIPOCAMPO del cerebro de rata.

 Constituido por neuronas piramidales de la capa denominada

CA1 del hipocampo.

PROPÓSITO DEDE LALA MODELIZACIÓN
PROPÓSITO
MODELIZACIÓN

Conocer y comprender la función que desempeña la corriente de
potasio dependiente de calcio denominada IAHP (Afterhyperpolarization
current - corriente de después de la hiperpolarización).

OBJETIVO ÚLTIMO
OBJETIVO
ÚLTIMO

Estudiar la relación de estos fenómenos con lo que ocurre en el

cerebro humano.

101110 10101110101

01101 01 1010

MODELO COMPUTACIONAL DE IIAHPAHP
MODELO COMPUTACIONAL DE
FENÓMENO AHP
FENÓMENO AHP

1110 1010 0001

– AHP: fenómeno que afecta a la diferencia de potencial que existe en un

momento dado en una neurona

– Notable retardo en el retorno del voltaje de membrana de la neurona

desde un valor muy hiperpolarizado (por debajo del potencial de reposo),
hasta el estado estacionario o