Mini-guia ràpida i divulgativa: què és la neurociència computacional?
La neurociència computacional integra models matemàtics i simulacions per entendre com els neurons i els circuits processen informació. Què és la neurociència computacional? Des de models biològics molt detallats (com Hodgkin-Huxley) fins a models més parcimoniosos (com integrate-and-fire), l’objectiu és explicar com emergeixen les funciones mentals – percepció, memòria, decisió – a partir de l’activitat elèctrica i sinàptica.
“Un cervel s’entén dos cops: quan el mesures i quan el modeles”
Què és la neurociència computacional?
Codificació neuronal. El cervell representa informació amb espigues (impulsos), i aquestes es poden codificar per taxa de descàrrega (quantes espigues en una finestra) i/o temps precís (codificació temporal). La teoria de la informació ajuda a quantificar capacitat i soroll.
Aprenentatge i plasticitat. Les connexions canvien amb l’experiència: des de la intuïció de Hebb (“neurones que s’activen juntes, es connecten juntes”) fins a regles temporals com STDP (Spike-Timing-Dependent Plasticity). Això fonamenta memòria i adaptació.
Xarxes i càlcul. Models de xarxes recurrents (inclosa la dinàmica d’atractors, com Hopfield) mostren com es poden emmagatzemar patrons, completar dades i prendre decisions. Les versions modernes dialoguen amb el deep learning, però mantenen el focus en mecanismes biològics i explicabilitat.
Inferència i cervell predictiu. Molts models tracten el cervell com un inferidor probabilístic (p.ex. Bayesià), que integra evidència sorollosa i prediu el que vindrà: percebre és actualitzar creences.
Del neuró a la salut mental. Entendre la dinàmica de xarxes i la disfunció de la plasticitat és clau per a biomarcadors i intervencions en depressió, ansietat, esquizofrènia i altres trastorns. Aquí la neurociència computacional pot accelerar diagnòstic i tractaments personalitzats.
“Modelar no és simplificar la realitat, és fer-la intel·ligible”