Resumen Técnico: Codificación Temporal como Sustrato para la Inferencia de Objetos Sensoriomotora

1. Enunciado del Problema

La Teoría de los Mil Cerebros (TBT) y su implementación de código abierto, Monty, modelan el reconocimiento de objetos mediante inferencia sensoriomotora: identificar objetos moviendo activamente un sensor sobre su superficie y acumulando evidencia contacto a contacto. Sin embargo, la implementación actual de Monty codifica cada contacto como un vector denso de punto flotante. Aunque el sistema rastrea el desplazamiento entre pasos y acumula evidencia, trata el patrón de activación de características en cada contacto como un conjunto desordenado.

Este enfoque descarta información crítica: la secuencia direccional en la que se encuentran las características. Por ejemplo, un sensor que se mueve de izquierda a derecha sobre el asa de una taza (liso → curvado → borde) genera la misma evidencia acumulada que un sensor que se mueve de derecha a izquierda (borde → curvado → liso), a pesar de que estos recorridos representan direcciones espaciales opuestas. La arquitectura actual falla al representar que "la característica A se sintió antes que la característica B", una secuencia que lleva inherentemente significado espacial sobre la geometría del objeto.

2. Metodología

El artículo propone una reinterpretación de la arquitectura de Monty donde la representación del contacto del sensor cambia de vectores densos a paquetes de picos de orden jerárquico. Este cambio preserva la secuencia temporal de la activación de características, haciendo que el orden de disparo sea la representación en sí misma. La arquitectura propuesta consta de cuatro componentes integrados:

A. Codificador de Picos (SpikeEncoder)

En lugar de un vector estático, cada contacto produce un breve estallido de eventos neuronales. Las neuronas disparan en un orden jerárquico basado en la fuerza de activación: la neurona más fuertemente activada dispara primero ($t=0$), seguida por otras con latencia creciente.

• Mecanismo: Si un contacto activa las neuronas $N_1, N_2, N_3$ con fuerzas $0.9, 0.2, 0.1$, el paquete de picos se ordena como $N_1 \to N_2 \to N_3$.
• Significado: Dos contactos con conjuntos de características idénticos pero órdenes de recorrido diferentes producen secuencias de picos distintas (por ejemplo, $N_{liso}$ lidera en uno, mientras que $N_{borde}$ lidera en el otro).

B. Decodificador de Latencia (LatencyDecoder)

Este componente infiere el desplazamiento espacial implícitamente a partir de la latencia inter-paquete (el intervalo de tiempo entre estallidos de picos sucesivos).

• Mecanismo: Asumiendo una velocidad motora uniforme $v$, el desplazamiento se calcula como $\Delta x \approx v \cdot \Delta t \cdot \text{dirección}$.
• Significado: Esto elimina la necesidad de cálculos explícitos de coordenadas u odometría externa; la temporización de los eventos neuronales sirve como la métrica espacial.

C. Regla de Aprendizaje STDP

El mecanismo de aprendizaje reemplaza la acumulación estándar con Plasticidad Dependiente del Tiempo de los Picos (STDP).

• Mecanismo: Los pesos sinápticos se fortalecen si una neurona presináptica dispara justo antes que una neurona postsináptica (orden causal) y se debilitan si el orden se invierte.
• Significado: Tras una exploración repetida, la matriz de pesos codifica la estructura direccional del recorrido superficial (por ejemplo, $N_{liso} \to N_{curvado} \to N_{borde}$), distinguiendo entre recorridos hacia adelante y hacia atrás que los vectores densos no pueden diferenciar.

D. Acumulador de Evidencia Adaptativo con $\lambda$ Aprendible

Un parámetro aprendible $\lambda$ ($0 \le \lambda \le 1$) controla el equilibrio entre confiar en el contacto más reciente versus la historia acumulada.

• Mecanismo: La regla de actualización es $E(t+1) = (1-\lambda) \cdot \text{verosimilitud}(\text{obs}_t) + \lambda \cdot E(t)$.
• Adaptación: $\lambda$ se ajusta basándose en el error de predicción. Para objetos uniformes (por ejemplo, una esfera), $\lambda$ converge a valores bajos (confiando en el contacto actual); para objetos complejos con características únicas distribuidas (por ejemplo, un taladro eléctrico), $\lambda$ converge a valores altos (confiando en la historia).

3. Contribuciones Clave

1. Análisis Informativo: Una cuenta precisa de la información espacial descartada por las representaciones de vectores densos durante la exploración sensoriomotora.
2. Codificación de Orden Jerárquico: Un esquema de codificación de paquetes de picos que preserva la secuencia direccional de la activación de características.
3. Desplazamiento Implícito: Un mecanismo para inferir el desplazamiento espacial a partir de los intervalos de temporización inter-paquete sin transformaciones de pose explícitas.
4. Aprendizaje Causal: Una regla de aprendizaje basada en STDP que codifica la dirección del recorrido en los pesos sinápticos.
5. Contexto Adaptativo: Un parámetro $\lambda$ aprendible que adapta el horizonte de memoria a la complejidad geométrica de objetos específicos.
6. Implementación: Una implementación mínima que requiere aproximadamente 450 líneas de código NumPy dentro de la base de código existente de Monty, acompañada de tres predicciones comprobables.

4. Resultados Experimentales

El artículo valida las afirmaciones centrales a través de tres experimentos sintéticos utilizando el conjunto de datos de referencia YCB:

• Discriminación de Recorrido (Predicción 3):
  • Tarea: Distinguir entre dos objetos con conjuntos de características idénticos pero arreglos espaciales opuestos (por ejemplo, Liso-Curvado-Borde vs. Borde-Curvado-Liso).
  • Resultado: La acumulación densa funcionó al azar (51.2%) porque los vectores de características sumados eran idénticos. La codificación temporal alcanzó una precisión del 100% aprovechando las vías causales distintas codificadas mediante STDP.
• Robustez al Ruido (Predicción 2):
  • Tarea: Evaluar el rendimiento bajo niveles variables de ruido del sensor ($\sigma$).
  • Resultado: La codificación temporal mantuvo una ventaja de precisión de 30 a 50 puntos porcentuales sobre la acumulación densa en todos los niveles de ruido probados. Mientras que el rendimiento denso se mantuvo al azar, la codificación temporal se degradó con elegancia, reteniendo una precisión del 79.2% incluso con alto ruido ($\sigma=0.50$).
• Convergencia de Lambda:
  • Tarea: Observar la convergencia de $\lambda$ en objetos de complejidad geométrica variable.
  • Resultado: El sistema aprendió autónomamente valores distintos de $\lambda$ que reflejan la estructura del objeto: 0.30 para superficies uniformes (esfera), 0.60 para complejidad moderada, y 0.87 para superficies complejas (taladro eléctrico).

5. Significado y Afirmaciones

El artículo argumenta que la secuencia de contactos no es meramente un vehículo para el significado, sino que constituye el significado mismo en la inferencia sensoriomotora. Al descartar el orden temporal de la activación de características, las implementaciones actuales de vectores densos de la TBT pierden la capacidad de distinguir recorridos espacialmente opuestos del mismo objeto.

La arquitectura propuesta demuestra que la codificación temporal proporciona ventajas estructurales en:

• Eficiencia de Datos: Lograr una alta precisión de discriminación con menos contactos.
• Robustez: Mantener el rendimiento bajo ejecución motora ruidosa donde las estimaciones de coordenadas se degradan.
• Generalización: Codificar órdenes causales pares que se transfieren a arreglos espaciales novedosos de características.

Los autores declaran explícitamente que este trabajo aborda la eficiencia computacional en la inferencia sensoriomotora y no afirma resolver cuestiones de conciencia artificial. La afirmación central es modesta pero específica: la arquitectura propuesta de paquetes de picos de orden jerárquico recupera información que el marco actual de Monty descarta, permitiendo al sistema distinguir geometrías de objetos que actualmente son indistinguibles. Se señala que la evaluación de extremo a extremo en todo el conjunto de referencia YCB es trabajo futuro.