UPF- cambio de paradigma de la ciencia de la visión y para la inteligencia artificial.

Marcelo Bertalmío

Se denomina campo receptivo (RF) de una neurona a la región del espacio en el que la presencia de un estímulo altera la respuesta de dicha neurona. Las neuronas visuales, así como los fenómenos de percepción visual en general, se comportan frente a los estímulos visuales siguiendo funciones altamente no lineales (en matemáticas, los sistemas no lineales representan fenómenos cuyo comportamiento no es expresable como la suma de los comportamientos de sus descriptores).

En cambio, los modelos de visión que se usan en la ciencia se basan en la noción de campo receptivo lineal; y en inteligencia artificial y machine learning, las redes neuronales artificiales, al estar basadas en modelos clásicos de visión, también usan campos receptivos lineales. «El modelado de la visión basado en un campo receptivo lineal presenta varios problemas inherentes: el modelo lineal varía para cada estímulo, presupone un conjunto de funciones de base para el sistema visual, y entra en conflicto con estudios recientes sobre el funcionamiento de las neuronas», afirma Marcelo Bertalmío, primer autor de un estudio reciente publicado en la revista del grupo Nature, Scientific Reports.

El trabajo propone modelar el campo receptivo de una manera no lineal, introduciendo el concepto de campo receptivo intrínsecamente no lineal o INRF

Esquema de la suma espacial de una sola neurona con un INRF. Las contribuciones de las dendritas lineales se suman con pesos . La no linealidad se desplaza por un promedio local de la señal I alrededor del punto x , y este valor se obtiene por las dendritas no lineales a través de la retroalimentación del soma, representado por un flecha.metroyowyoσgramo∗yo( x )

El artículo propone modelar el campo receptivo de una manera no lineal, introduciendo el campo receptivo intrínsecamente no lineal o INRF. Un trabajo realizado por Marcelo Bertalmío,  Alex Gómez-Villa, Adrián Martín, Javier Vázquez-Corral y David Kane, investigadores del Departamento de Tecnologías de la Información y las Comunicaciones (DTIC) de la UPF, junto con Jesús Malo, investigador de la Universidad de Valencia.

Alex Gómez-Villa,  Adrián Martín,  Javier Vázquez-Corral  David Kane y Jesus Malo

Un enfoque con implicaciones de amplio alcance

El campo receptivo intrínsecamente no lineal (INRF), además de ser fisiológicamente más plausible y de incorporar el principio de representación eficiente, tiene una propiedad clave con implicaciones de amplio alcance: para varios fenómenos de la ciencia de la visión en que se pretenda predecir las respuestas del sistema a un estímulo determinado, mientras un RF lineal varía para cada estímulo, el INRF puede permanecer constante bajo diferentes estímulos.

Bertalmío añade: «También demostramos que las redes neuronales artificiales con módulos INRF en lugar de filtros lineales tienen un rendimiento notablemente mejorado y emulan mejor la percepción humana básica». Esta investigación pone de manifiesto la naturaleza intrínsecamente no lineal de los campos receptivos en la visión y sugiere un cambio de paradigma, tanto para la ciencia de la visión como para la inteligencia artificial.

Trabajo de referencia:

Marcelo Bertalmío, Alex Gómez-Villa, Adrián Martín, Javier Vázquez-Corral, David Kane,  Jesús Malo (2020), «Evidence for the intrinsically nonlinear nature of receptive fields in vision«, Scientific Reports, 1 de octubre, 10, 16277 (. DOI: https://doi.org/10.1038/s41598-020-73113-0