Aprender a reconocer objetos nuevos ajusta la corteza visual más de lo que se pensaba

Aprender a reconocer un objeto nuevo no consiste solo en ponerle nombre a algo que ya vemos bien. Un estudio sugiere que ese aprendizaje también cambia, aunque de forma sutil, la manera en que el cerebro representa visualmente ese objeto. La idea importa porque durante años existió un debate sobre cuánto conviene que cambien las áreas visuales cuando aprendemos: demasiado cambio podría desordenar la percepción; demasiado poco dejaría todo el trabajo a circuitos posteriores.

El trabajo, publicado en Nature Communications, se concentró en una región llamada corteza temporal inferior, una estación clave de la vía visual de los primates. Cuando la información llega allí, el cerebro ya transformó bordes, contrastes y formas en representaciones más útiles para distinguir objetos. Los investigadores registraron actividad neuronal en esa zona mientras distintos macacos observaban imágenes. Algunos animales no habían sido entrenados con esas categorías; otros ya habían aprendido a reconocer objetos similares incluso cuando aparecían desde otros ángulos, tamaños o fondos.

La comparación mostró algo intermedio entre los dos extremos del debate. El patrón general de actividad de esta región visual seguía siendo parecido en animales entrenados y no entrenados, de modo que aprender no parecía “reescribir” por completo el sistema. Pero al mismo tiempo aparecían diferencias consistentes: en los animales entrenados, las neuronas mostraban una selectividad un poco mayor y las representaciones de distintos objetos se separaban mejor entre sí. En otras palabras, la corteza visual alta no quedaba intacta, pero tampoco se convertía en un detector rígido de una sola categoría.

Para entender si esos cambios modestos bastaban para explicar el aprendizaje, el equipo construyó modelos computacionales inspirados en la arquitectura de la vía visual. Entrenaron redes neuronales artificiales para distinguir las mismas clases de objetos y buscaron cuáles reproducían mejor lo observado en los macacos. Los modelos que más se parecieron a los datos reales fueron aquellos que ajustaban gradualmente sus representaciones internas para mejorar el rendimiento de la tarea. Según los autores, esa coincidencia permite usar estos modelos como una especie de banco de pruebas para predecir qué transformaciones visuales deberían aparecer después de distintos entrenamientos.

El hallazgo también sugiere que el aprendizaje no depende solo de regiones “más arriba” encargadas de decidir o asociar significado. Parte del cambio ocurre dentro del propio sistema visual, aunque no toda la adaptación se juegue ahí. De hecho, los modelos indicaron que muchas modificaciones relevantes suceden fuera de la región registrada, en áreas que conectan la percepción con la conducta. Eso ayuda a explicar por qué aprender una categoría nueva puede volvernos mejores para detectar ciertos rasgos, pero también alterar sutilmente cómo distinguimos otros.

El estudio tiene límites importantes. Se hizo en macacos machos, con categorías visuales controladas y una tarea experimental concreta, por lo que no traduce de manera automática a cualquier forma de aprendizaje humano. Además, el modelo computacional no pretende copiar literalmente cómo aprende el cerebro, sino aproximar el resultado funcional de esos cambios. Aún así, el trabajo ofrece una pista valiosa: cuando entrenamos la mirada para reconocer algo nuevo, no solo cambia lo que decidimos sobre esa imagen, también cambia un poco la forma en que el cerebro la ve.