Com evita les col·lisions el saltamartí?
El saltamartí, com gairebé tots els animals, mira dʼevitar els objectes que sʼapropen amb rapidesa, perquè és molt possible que siguin depredadors o algun altre perill per a la seva integritat física. En el sistema nerviós hi ha unes neurones encarregades de detectar aquestes amenaces i assenyalar quan és el moment dʼescapar. Matthias Keil, investigador de lʼ Institut de Recerca en Cervell, Cognició i Conducta (IR3C) de la Universitat de Barcelona, ha desenvolupat un model computacional que explica matemàticament les propietats dʼaquestes neurones. El nou model, publicat a la revista PLOS Computational Biology, introdueix el soroll —entès com a modificacions no desitjades del senyal original— com un element clau per calcular la resposta apropiada de les neurones. Algorismes derivats dʼaquest model podrien servir per detectar col·lisions a partir dʼimatges, i es podrien aplicar, per exemple, a la conducció automàtica de cotxes o avions.
El saltamartí, com gairebé tots els animals, mira dʼevitar els objectes que sʼapropen amb rapidesa, perquè és molt possible que siguin depredadors o algun altre perill per a la seva integritat física. En el sistema nerviós hi ha unes neurones encarregades de detectar aquestes amenaces i assenyalar quan és el moment dʼescapar. Matthias Keil, investigador de lʼ Institut de Recerca en Cervell, Cognició i Conducta (IR3C) de la Universitat de Barcelona, ha desenvolupat un model computacional que explica matemàticament les propietats dʼaquestes neurones. El nou model, publicat a la revista PLOS Computational Biology, introdueix el soroll —entès com a modificacions no desitjades del senyal original— com un element clau per calcular la resposta apropiada de les neurones. Algorismes derivats dʼaquest model podrien servir per detectar col·lisions a partir dʼimatges, i es podrien aplicar, per exemple, a la conducció automàtica de cotxes o avions.
Imitar la resposta nerviosa del saltamartí
La neurona LGMD (de lʼanglès lobula giant movement detector) és un tipus de neurona que respon de manera selectiva a objectes que sʼacosten a lʼull del saltamartí. Nombrosos estudis científics han intentat traduir-ne el funcionament a un algorisme, la implementació del qual aconseguiria emular amb plausibilitat biològica la manera en què actuen aquestes neurones per diferenciar els estímuls visuals i reaccionar davant les col·lisions. Al contrari que altres treballs, lʼestudi de la Universitat de Barcelona proposa un model biofísic més plausible, que utilitza el soroll en aquest càlcul.
Aprofitar el soroll de lʼentorn
El soroll dʼun sistema és un factor molest i indesitjable en qualsevol senyal, ja que pot introduir errors en la recepció. No obstant això, en el sistema nerviós, el soroll és ubic i inevitable. «La fiabilitat en el comportament dels organismes evidencia que el sistema nerviós està dissenyat de manera que sigui capaç de tractar el soroll», explica Matthias Keil. «En altres paraules —continua lʼinvestigador—, el nostre comportament és determinista, no aleatori».
Una característica comuna de les neurones LGMD és que reben informació de tot el camp visual. El procés dʼintegració dʼaquests senyals el duu a terme lʼarbre dendrític de la neurona. En aquest estudi, lʼinvestigador proposa un model computacional en què sʼassumeix que cadascun dels senyals dʼentrada està contaminat per soroll i que té un llindar de resposta que ha de ser superat per provocar una reacció nerviosa. «Una quantitat adequada de soroll pot ajudar a fer que els senyals, en cas contrari indetectables, superin el llindar de detecció i sʼiniciï la resposta de les neurones. Dʼaquesta manera, el soroll sʼutilitza dʼuna manera constructiva per calcular la resposta sensible a la col·lisió», aclareix lʼinvestigador.
Un algorisme per detectar objectes que sʼacosten
Aquest model sʼha aplicat al desenvolupament dʼun algorisme que detecta els objectes que sʼaproximen i els distingeix de la resta dʼobjectes que entren en el camp visual: «Lʼalgorisme TARGET, que seria com la retina del saltamartí, transforma seqüències dʼimatges en variables òptiques com la mida angular dʼun objecte projectat a la retina de lʼobservador i la taxa de canvi de la mida angular, és a dir, la velocitat amb què sʼacostaria lʼobjecte. La idea seria utilitzar-lo per detectar objectes a partir dʼimatges i vídeos», conclou lʼinvestigador.
Referència de lʼarticle:
M. Keil. «Dendritic pooling of noisy threshold processes can explain many properties of a collision-sensitive visual neuron». PLOS Computational Biology, octubre de 2015. Doi: 10.1371/journal.pcbi.1004479