Resolviendo el enigma del código neuronal: digital o analógico, ¿en términos simples?

Answer 1

En el artículo del que se extrae la cita de la pregunta (“Códigos analógicos y digitales en el cerebro” – Página en Arxiv) comienza, “Durante mucho tiempo se ha debatido si la información en el cerebro se codifica a la velocidad de ataque neuronal o con la precisión tiempo de picos individuales “. (NB: una serie de picos se llama “tren de picos”).

La “codificación de frecuencia” supone que el disparo de una neurona ocurre cuando una acumulación o actividad neuronal alcanza un umbral que hace que la neurona se dispare. En otras palabras, la activación de una neurona es una respuesta “todo” o “ninguna” y por lo tanto es de naturaleza “digital”.

La tasa de “disparo dependiente del tiempo” se define como “una simplificación utilizada para modelar grandes redes de neuronas”. (Página en Pitt) (Técnicamente, es “el número promedio de picos que aparecen durante un corto intervalo entre los tiempos t y t + Δt, dividido por la duración del intervalo”. – Codificación neuronal) Esta “simplificación” es necesaria porque , “los eventos de picos son probabilísticos, por lo que los experimentadores repiten el mismo estímulo en muchos ensayos para obtener un histograma de tiempo posterior al estímulo”. (Página en Pitt) Esto se traduce en un tren de espiga que es una “señal analógica que varía continuamente”.

Se utilizan selectivamente diferentes modelos estocásticos (ya sea “el modelo empírico de Bayes – EBM – o el modelo oculto de Markov – HMM”), “comparando sus estimaciones de probabilidad para un determinado tren de picos”.

En resumen, si los datos se describen mejor con el modelo “digital” de EBM o “analógico” HMM, se decide que la codificación neuronal es una u otra.

NB: NO soy un científico, pero esta metodología me parece empíricamente defectuosa; Ciertamente apreciaría cualquier otra aclaración.

Answer 2

Paso 1. Analizar la señal neural.
Paso 2. Intenta simular la señal con varios modelos estadísticos.
Paso 3. Observa qué modelo simula mejor la señal.

Las cualidades de una señal neural, como la sincronización entre los picos de señal, afectan la forma en que se puede simular la señal. Ciertos modelos son buenos para simular señales digitales, otros para simular señales analógicas.

Si la señal es mejor simulada por un modelo que es bueno para las señales digitales, entonces es digital. Si es simulado mejor por un modelo bueno para señales analógicas, entonces es analógico.

Para hacer una comparación aleatoria: si una planta está mejor representada por el concepto-modelo de un árbol, es un árbol. Si está mejor representado por el concepto-modelo de un arbusto, es un arbusto.

Esencialmente, se trata de hacer una comparación con una abstracción para mirar más allá de las similitudes y ver las diferencias.