🧬 biology

Cross-Species RSA Reveals Conserved Early Visual Alignment but Divergent Higher-Area Rankings Across Human fMRI and Macaque Electrophysiology

Este estudio demuestra que, si bien la alineación cortical visual temprana es robusta y conservada entre la fMRI humana y la electrofisiología de macacos para diversas reglas de aprendizaje, la alineación de áreas superiores diverge significativamente entre especies debido a diferencias en la capacidad del modelo y los dominios de estímulo, y no a las propias reglas de aprendizaje.

Autores originales: Nils Leutenegger

Publicado 2026-05-22

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Nils Leutenegger

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ⚕️ Esta es una explicación generada por IA de un preprint que no ha sido revisado por pares. No es consejo médico. No tome decisiones de salud basándose en este contenido. Leer descargo de responsabilidad completo

Imagina que estás tratando de descubrir cómo diferentes tipos de "aprendizaje" dan forma al sistema visual del cerebro. Los científicos han construido modelos informáticos (cerebros artificiales) que aprenden de diferentes maneras, de forma similar a como un humano, un perro o un robot podrían aprender a reconocer un gato.

Este artículo plantea una gran pregunta: ¿Las reglas que hacen que estos cerebros informáticos se parezcan al cerebro humano también los hacen parecerse al cerebro de un mono?

Aquí está el desglose del estudio utilizando analogías simples:

1. El Experimento: Probando Cinco "Estilos de Aprendizaje"

Los investigadores tomaron cinco modelos informáticos diferentes. Cada modelo fue construido con el mismo "hardware" (arquitectura) pero enseñado utilizando una "regla de aprendizaje" diferente:

Retropropagación (BP): La forma estándar, llena de matemáticas, en la que las computadoras suelen aprender (como un profesor estricto corrigiendo cada error).
Alineación de Retroalimentación (FA): Una versión ligeramente más laxa de la anterior.
Codificación Predictiva (PC): El modelo intenta adivinar qué viene a continuación y aprende de sus errores (como predecir el clima).
STDP: Una regla basada en el tiempo, que imita cómo las neuronas reales disparan cuando ocurren cerca en el tiempo (como una chispa biológica).
Pesos Aleatorios: Un modelo al que nunca se le enseñó nada; simplemente tiene conexiones aleatorias (como un bebé sin experiencia).

Probaron estos modelos contra dos grupos:

Humanos: Usando escáneres fMRI (que son como tomar una foto borrosa y de baja resolución de todo el cerebro).
Monos Macaco: Usando electrodos (que son como micrófonos de alta definición escuchando a neuronas individuales).

2. El Primer Descubrimiento: La Coincidencia de la "Visión Temprana"

Cuando los modelos miraron información visual simple y temprana (como bordes y formas básicas, similar al área V1 del cerebro), los resultados fueron muy claros.

La Ventaja del Mono: Los datos de los monos fueron mucho más claros (mayor relación señal-ruido) que los datos humanos. Es como comparar una foto en blanco y negro granulada con un video en 4K. Los modelos coincidieron mucho mejor con el cerebro del mono que con el cerebro humano simplemente porque los datos del mono eran "más nítidos".
Los Ganadores: Tanto en humanos como en monos, los modelos que usaron reglas de tiempo biológico (STDP) y adivinanzas predictivas (PC) hicieron el mejor trabajo al coincidir con la corteza visual temprana.
El Perdedor: El método de aprendizaje informático estándar (Retropropagación) fue en realidad el peor al coincidir con la corteza visual temprana en ambas especies.
La Sorpresa: El modelo "Aleatorio" (el que no tenía entrenamiento) fue sorprendentemente bueno al coincidir con la V1 humana, pero no fue el mejor rendimiento para los monos. Los monos prefirieron las reglas de aprendizaje "biológicas".

La Conclusión: La forma en que se organiza la visión temprana parece ser un rasgo fundamental compartido por humanos y monos. Si quieres que un modelo informático se parezca a la visión temprana de un cerebro real, no deberías usar el entrenamiento informático estándar; deberías usar reglas que imiten cómo las neuronas reales se comunican entre sí.

3. El Segundo Descubrimiento: La Confusión de la "Visión de Alto Nivel"

Cuando los investigadores miraron las partes de nivel superior del cerebro (el área IT), que maneja el reconocimiento complejo de objetos (como saber que una imagen es un "perro" y no solo "pelaje y orejas"), los resultados se volvieron confusos.

Sin un Patrón Claro: No hubo acuerdo entre humanos y monos sobre qué regla de aprendizaje funcionaba mejor. Fue como pedirle a dos personas que clasifiquen sus sabores de helado favoritos, y dieron listas completamente diferentes sin ninguna coincidencia.
¿Por qué? El artículo sugiere que esto no es necesariamente porque los humanos y los monos piensen de manera diferente. Es porque los modelos informáticos eran demasiado pequeños y los datos de entrenamiento demasiado limitados.
- La Analogía: Imagina intentar juzgar la habilidad de un chef para cocinar un banquete complejo (Visión de Alto Nivel) dándole solo una cocina pequeña y unos pocos ingredientes. No importa qué estilo de cocina usen, todos fallan al hacer un gran banquete.
- La Prueba: Cuando los investigadores probaron un modelo informático mucho más grande y preentrenado (ResNet-50) que había visto millones de imágenes, de repente se volvió muy bueno al coincidir con el cerebro de alto nivel del mono. Esto demuestra que el "fracaso" de los modelos más pequeños no se debía a la regla de aprendizaje; fue simplemente que los modelos eran demasiado débiles para manejar la tarea compleja.

4. El Problema del "Estímulo"

El estudio también señaló un problema complicado: Se mostraron imágenes diferentes a los humanos y a los monos.

Los humanos vieron una amplia variedad de objetos cotidianos.
Los monos vieron algunas texturas y algunos objetos específicos.
El Resultado: Dado que las "preguntas de prueba" fueron diferentes, es difícil decir con certeza si las diferencias en la clasificación se debieron a la especie o simplemente a las imágenes que se les mostraron. El artículo sugiere que si usáramos exactamente las mismas imágenes para ambos, los resultados podrían cambiar.

Resumen

Visión Temprana (Formas simples): Las reglas que imitan la biología real (STDP y Codificación Predictiva) funcionan mejor tanto para humanos como para monos. Esta es una verdad sólida y compartida.
Visión de Alto Nivel (Objetos complejos): No pudimos determinar si las reglas importaban porque los modelos informáticos eran demasiado pequeños y débiles. Cuando usamos un modelo más grande y fuerte, funcionó mucho mejor, lo que sugiere que el problema era el tamaño del modelo, no la regla de aprendizaje.
La Gran Imagen: El sistema visual temprano del cerebro es robusto y similar entre especies, pero nuestra capacidad para probar las partes "superiores" del cerebro está actualmente limitada por lo pequeños que son nuestros modelos informáticos y por las imágenes que les mostramos.

Resumen Técnico: RSA Transespecífica Revela Alineación Visual Temprana Conservada pero Clasificaciones Divergentes en Áreas Superiores

Planteamiento del Problema
La neurociencia computacional ha establecido que las redes neuronales profundas (DNN) entrenadas con retropropagación (BP) reproducen la jerarquía representacional del flujo visual ventral de los primates. Sin embargo, la mayoría de las comparaciones entre modelos y cerebro se limitan a una sola especie (típicamente fMRI humana), dejando incierto si los patrones de alineación se generalizan entre especies y modalidades de medición. Un estudio complementario del autor [Leutenegger, 2026] encontró que pesos aleatorios no entrenados y reglas de aprendizaje local (STDP, Codificación Predictiva) superaron a BP en la alineación con V1 humana, mientras que todas las reglas convergieron en IT. Este estudio aborda la pregunta transespecífica: ¿se mantiene este patrón cuando se evalúa frente a electrofisiología de macaco, que ofrece resolución de neurona única y relaciones señal-ruido (SNR) más altas que el fMRI?

Metodología
El estudio emplea Análisis de Similitud Representacional (RSA) para comparar cinco condiciones de reglas de aprendizaje contra datos neuronales de humanos y macacos.

Modelos: Los autores utilizan pesos de modelo idénticos del estudio complementario [Leutenegger, 2026]: una CNN personalizada de 3 capas entrenada en CIFAR-10 durante 40 épocas. Las cinco condiciones son: Retropropagación (BP), Alineación de Retroalimentación (FA), Codificación Predictiva (PC), Plasticidad Dependiente del Tiempo de Espigas (STDP) y una línea base de Pesos Aleatorios no entrenada.
Conjuntos de Datos de Macaco:
- V4/IT: MajajHong2015 (array de microelectrodos, 88 neuronas V4 y 168 neuronas IT, 3,200 presentaciones de objetos HVM).
- V1/V2: FreemanZiemba2013 (grabaciones de unidad única, 102 neuronas V1 y 103 neuronas V2, 135 estímulos de textura).
Conjunto de Datos Humano: THINGS-fMRI (720 estímulos, 3 sujetos), con valores RSA para V1, V2, LOC e IT tomados directamente del estudio complementario.
Control de Capacidad: Se evaluó un ResNet-50 preentrenado (ImageNet) para evaluar el impacto de la capacidad del modelo y la riqueza de los datos de entrenamiento.
Pipeline de Análisis:
- RSA: Extracción de características, construcción de Matriz de Disimilitud Representacional (RDM) usando distancia de correlación y puntuación Spearman $\rho$ entre RDMs del modelo y neuronales.
- Comparación Transespecífica: Se calculó Kendall's $\tau$ entre los vectores $\rho$ humanos y de macaco para cada regla de aprendizaje. Debido a $n=5$ reglas, la potencia estadística se limita a detectar correlaciones perfectas ( $\tau = \pm 1.0$ ).
- Control de Estímulos: El RSA del modelo se calculó tanto en estímulos THINGS como en estímulos de macaco para determinar si las diferencias de clasificación provienen de la especie o del dominio del estímulo.

Resultados Clave

Alineación Absoluta Superior en Macaco: Los valores de alineación de macaco ( $\rho = 0.15–0.30$ en V1/V2) superan sustancialmente los valores de fMRI humano ( $\rho = 0.01–0.08$ ), consistente con la mayor SNR de la electrofisiología. Sin embargo, todos los valores permanecen muy por debajo de los techos de ruido (0.52–0.79), indicando un margen significativo de mejora.
Alineación Visual Temprana Conservada: En V1/V2 de macaco, STDP ( $\rho \approx 0.30$ ) y PC ( $\rho \approx 0.28$ ) lograron la alineación más alta, superando a BP, FA y Pesos Aleatorios. Esto refleja el patrón cualitativo encontrado en V1 humana, donde las reglas de aprendizaje local superan a BP, confirmando que la alineación visual temprana es robusta a través de especies y modalidades.
Clasificaciones Divergentes en Áreas Superiores: En IT de macaco, las clasificaciones de reglas de aprendizaje no mostraron correlación detectable con las clasificaciones humanas ( $\tau = 0.00, p = 1.00$ ). Sin embargo, los autores notan que este resultado nulo es esperado dada la baja potencia estadística de $n=5$ (solo $\tau = \pm 1.0$ es significativo).
Limitaciones de Capacidad y Datos: El control ResNet-50 logró $\rho = 0.25$ en IT de macaco, superando sustancialmente a todas las condiciones de CNN personalizada ( $\rho = 0.07–0.14$ ). Esto sugiere que la "convergencia" de reglas de aprendizaje en IT observada en el estudio complementario puede reflejar limitaciones arquitectónicas y de datos (CNN pequeña, CIFAR-10) en lugar de una propiedad fundamental de las reglas de aprendizaje.
Confusores del Dominio de Estímulos: La caída abrupta en la alineación de V2 a V4 está confundida por un cambio en los conjuntos de datos (estímulos de textura vs. imágenes de objetos). El análisis de control de estímulos reveló que las clasificaciones en IT mostraron una inversión débil ( $\tau = -0.40$ ) entre conjuntos de estímulos, sugiriendo que las diferencias de clasificación transespecíficas en IT pueden estar impulsadas parcialmente por el dominio del estímulo (THINGS vs. objetos HVM) en lugar de diferencias de especie.

Significado y Afirmaciones
El artículo afirma que la alineación visual temprana está cualitativamente conservada entre fMRI humano y electrofisiología de macaco. Específicamente, las reglas de aprendizaje local (STDP, PC) consistentemente superan a la retropropagación en áreas visuales tempranas (V1/V2) en ambas especies, sugiriendo que el sesgo inductivo arquitectónico que favorece estas reglas no es un artefacto de la metodología de fMRI.

Por el contrario, el estudio encuentra ninguna correspondencia transespecífica detectable en las clasificaciones de áreas superiores (IT) dentro de su configuración experimental específica. Los autores atribuyen modestamente esto a una combinación de factores:

Potencia Estadística: El pequeño número de reglas de aprendizaje ( $n=5$ ) limita la capacidad de detectar correlaciones.
Capacidad del Modelo: La CNN personalizada probablemente carece de la capacidad para capturar las representaciones a nivel de objeto codificadas en IT de macaco, una limitación destacada por el rendimiento superior de ResNet-50.
Desajuste de Estímulos: Las diferencias en los dominios de estímulos entre conjuntos de datos confunden la interpretación de las clasificaciones en IT.

Los autores concluyen que, mientras la alineación visual temprana es robusta, la alineación en áreas superiores está modulada por la capacidad del modelo, la riqueza de los datos de entrenamiento y el dominio de estímulos. Estos resultados motivan futuros estudios transespecíficos que utilicen conjuntos de estímulos compartidos, arquitecturas más grandes y más condiciones de reglas de aprendizaje para permitir comparaciones de clasificación con potencia estadística adecuada.