Principios Generales de Pre-Procesamiento Sensorial Primario

Pre-Procesamiento Sensorial Primario

He tratado de plantear suscintamente un entendimiento de los recursos aceptables que emplea el cerebro humano para el análisis inicial de sus inputs primarios determinados por adquisiciones genéticas o de desarrollo, a nivel que está basado en la activación de los receptores corrientes y confinado a una sola modalidad sensorial.

Este análisis resulta un poco arbitrario como dice Kent, quien a su turno lo toma de otros como Erickson (22). Se puede pensar que el cerebro guarda la misma relación hacia los procesos perceptuales de más alto orden, que un preprocesador tiene con un computador central. Auncuando la arquitectura es diferente, principios similares pueden aplicarse: la máquina central confía en sus preprocesadores para que la provean de un digerible sumario de aspectos relevantes de información, desechando lo que no es esencial.

Terminales inteligentes previenen la sobrecarga de información del proveedor central. Este queda descansado porque su maquinaria conoce los algoritmos generales que deben ser aplicados.

Kent presenta dos principios de codificación. El primero es el de que estímulos cualitativos estén representados por un “place code”, mientras que los de intensidad lo sean por un código de frecuencia.

Localización visual y color son codificados por neuronas de identidad, mientras que la intensidad de la luz es codificada por rata de descargas. Similarmente para el sonido, la frecuencia está modulada por una neurona y la intensidad por cuán rápidamente haya descargas.

Procesos Perceptuales Superiores

La corteza sensorial secundaria. Antes hemos visto algunas ideas básicas que parecen subrayar el   procesamiento de input. Cada uno de los sistemas sensoriales puede transformar su información proveniente de diferentes clases de estímulos físicos con muy distintos receptores, en un código perceptual común.

Las cualidades perceptuales son derivadas de la estimulación y están representadas como actividad en líneas neurales; en conjunto su actividad está constituida por permutaciones o intercambios. Sin embargo hay una enorme distancia entre la información sensorial primaria y nuestra usual experiencia subjetiva perceptual del mundo sensorial que empezaremos a analizar.

El primer nivel de la organización cerebral visual codifica rasgos simples como líneas y colores pero no explica cómo se puede discriminar un objeto u otra entidad perceptual unificada. Esta operación requiere procesamiento adicional que incluye además del visual otros sentidos y memoria, de lo que resulta el reconocimiento de una serie de patrones dentro de los estímulos definidos en un concepto de identificación del objeto como miembro de una clase.

Las áreas principales del cerebro estarían rodeadas por una serie de sensores corticales secundarios para mayor procesamiento de inputs sensoriales. Se puede aceptar que contornean la corteza parietal, que aparentemente es donde la información de muchas modalidades es combinada con la memoria y los procesos verbales (encrucijada parieto-temporo-occipital).

Este arreglo de las áreas sugiere también la progresiva inmersión de lo sensorial en lo conceptual con estructuras multimodales. Este discurrir puede razonablemente encontrarse como una simplificación, burda si se quiere, pero útil como ayuda para comprender lo que puede estar ocurriendo en el cerebro.

Las neuronas de estas áreas corticales secundarias tendrían:

Una sintonía estrecha para varios aspectos de forma espacial y muy amplia para cualidades como localización. En muchos casos la orientación también viene a ser modulada, otras células hipercomplejas serían dejadas en libertad y las de los contornos, situadas entre áreas de actividad diferente u opuesta, reguladas por detectores y extractores. Estas singularidades son importantes en percepción y se sumarían a las ya vistas de convergencia selectiva y de inhibición.

La existencia de estos hipercomplejos receptivos no interviene en cambios sutiles observados en caso de daño sufrido por trauma o experimentalmente en el córtex primario. La destrucción de las áreas visuales secundarias ocasionaría pérdida parcial de percepción.

Esto sugeriría que la percepción no es una simple serie de procesos que van de los bajos a los altos niveles de abstracción en un sistema linear, sino en paralelos relacionados espacialmente y en síntesis inconciente visual, táctil, etc.

Estudios realizados a propósito del córtex visual secundario revelan al menos dos tipos de procesos: activos y pasivos. Los primeros son los que acabamos de considerar, es decir el análisis de los inputs; en los segundos se utiliza información adicional que puede ser obtenida relacionando los cambios en orientación importantes en el análisis de nuevos patrones.

Resumiendo, neurofisiológicamente, diremos que existen dos rutas de la retina al córtex: la principal descrita anteriormente, y la accesoria que hace escalas subcorticales en los detectores óculomotores para orientación refleja yen el córtex occipital visual secundario para llegar al temporal. Hay evidencia de que a la principal concierne el análisis y categorización del contenido del espacio visual, mientras que la segunda es responsable del análisis de la localización global en el espacio.

Las lesiones de estas dos áreas indican que cada una es funcionalmente diferente:

La principal elimina la habilidad para percibir relaciones espaciales entre objetos, pero no la discriminación; la accesoria dificulta seriamente el reconocimiento de patrones y objetos.

Esto se desprende tanto de la experimentación en animales como de la neuropsicología.

En la actualidad lo más aceptado es que la porción posterior del córtex temporal inferior genera modelos del contenido visual; mientras que la porción anterior clasifica estos objetos en categorías por su respuesta racional o emocional o por memoria (procesos lógicos y emocionales según Kent). Ninguna de estas funciones impide el reconocimiento de los objetos, por lo que podría codificarse en un byte corto.

Sería prolijo para este trabajo penetrar en el terreno de las hipótesis, pero según los expertos, estas numerosas lucubraciones atinentes a los innumerables detalles funcionales parecen tener la posibilidad de simulación por 1A y ya muchos de ellos han sido ensayados experimentalmente, en especial la suplencia de la debilidad de un sistema con la fuerza de otro.

La posibilidad de simular en software es muy compleja, pero en principio no imposible. Con excepción de partes activas del proceso, el mecanismo es esencialmente el de un número de pasos seriados en paralelos de grandes arreglos de datos.

Para simular el proceso perceptual total en un computador tradicional se necesitaría un número enorme de pasos seriados y sobre todo para el aspecto tridimensional visual sería gigantesco. Pero la situación está cambiando con los microprocesadores de conjunto que son ya hoy corrientes y baterías de ellos podrían simular los requerimientos mínimos de la función cerebral.

Sin embargo se necesitan avances en hardware de tipo procesamiento paralelo masivo, y conexionismo ya descritos.

Parece que no se ha encontrado todavía la forma de simular una función perceptual mediante un byte temporal de sistema digital, sino solamente codificando magnitud sobre un pequefio “bus” que represente cada axon, por tanto es impracticable. Posiblemente se llegue a la conclusión de que haya que hacer como el cerebro lo hace, mezclar técnicas digitales y análogas a nivel de componentes.

Sistema Motor

De las áreas del cerebro involucradas en el control motor encontramos pertinentemente importantes la corteza motora, los ganglios basales o núcleos grises y el cerebelo. Los núcleos grises operan en un supersistema que incluye también sistemas cognoscitivos y emocionales.

En ese complejo nivel de organización motora la distinción entre concepto, deseo y acción comienza a borrarse y así puede verse orientada hacia actividades que conciernen a otras áreas funcionales como la somatomotora. Esto se comentará con más detalle a propósito del comportamiento racional.

Las áreas motoras piramidales y somatomotoras o sensomotoras, a pesar de ser el último desarrollo evolutivo del cerebro (telencéfalo), no representan el más alto nivel de integración motora como se ha pensado; pueden más bien considerarse como un procesador paralelo especializado en refinar y aumentar la resolución y la velocidad procesal de funciones dirigidas desde otras estructuras más antiguas. Su proyección al sistema MNl (motoneurona inferior) es masiva y da colaterales subcorticales a protuberancia, bulbo, médula, etc., lo que permite gobernar la jerarquía motora autómata por intervención directa en el sistema MNI.

Aunque sistemas tales como los ganglios basales y el cerebelo tienen output directo al control jerárquico del sistema motor piramidal extrapiramidal, también conectan con el sistema del córtex sensomotor y aparentemente proveen la mayor parte de su dirección y control, apareciendo como un extenso decodificador.

Hay una situación destacable en que se origina función motora y es la de control de acción basada en información feedback a partir de los receptores sensitivos de la piel (tacto). La relación especial estriba en que una gran cantidad de control motor fino se efectúa por feedback de varios transductores de presión y sensibilidad.

Información de input

Basta decir que la información de input codificada puede actuar directamente en el output motor e iniciar actividad motora en aquellos casos en que la información de piel es el apropiado control de input. La información derivada de éstos últimos receptores es la base del sentido del tacto o somestesis. La relación del sentido del tacto con el sistema motor reside en que una cantidad de control motor fino es realizado por feedback desde varios transductores de presión y sensaciones táctiles.

La corteza sensomotora recibe su principal control de output desde un grupo de núcleos talámicos que a su vez recibe la mayor parte de su input de otros ganglios basales y del cerebelo, viniendo a servir aquellos como preprocesadores.

Si pensáramos en cómo se podría extrapolar el sistema motor cortical de output a sistemas artificiales más o menos equivalentes, necesitaríamos dos controles técnicos fundamentales que son los que aparentemente emplea nuestro organismo a saber:

1°). Equipar cada nivel de toma de decisiones con subprocesadores que acepten órdenes enviadas desde otros niveles

Teniendo en cuenta inputs que contengan feedback local e información ambiental, subsistemas que organicen pautas apropiadas de actividad para ejecución. El cerebro emplea toda una serie de pasos: el output de cada paso define el siguiente en forma secuencial refleja de acuerdo con el objetivo, aunque varíen cargas, esfuerzos u otras perturbaciones. Este sistema de organización por sí mismo sería apropiado también para controlar procesos multimodales musculares, como mantener el equilibrio mientras se camina un piso desigual, por ejemplo. Sin embargo no parece suficiente para realizar más altas metas.

2°). Principio de control

Se refiere a la operación de los sistemas de más alto nivel que generan estrategias de output en relación con metas de comportamiento, porque esto envuelve categorización de tareas de output de acuerdo con el empleo de la información de los inputs Ejemplo: piénsese en la ejecución en ortostatismo de la prueba talón-rodilla que empleamos en un examen neurológico de rutina:

En posición erecta con los ojos cerrados levantar el pie, flejar la rodilla, colocar el talón sobre la opuesta y deslizarlo por la cresta tibia!’ Se necesita la presencia de sistemas sensores especiales de los cuales no nos damos cuenta, del orden kinestésico y vestibular, que informen al cerebro para que este órgano dé la orden de las posiciones, tensiones musculares, aceleración o al contrario, freno en diversas direcciones: es lo que constituye el contingente de feedback suministrado por los órganos kinestésicos que los transducen a impulsos neurales.

Este mecanismo puede ser simulado por dispositivos mecánicos análogos como calibradores de fuerza o transductores de presión (place-coding, frequency coding).

El sistema muscular casi siempre trabaja en parejas de agonistas y antagonistas porque su acción es en un solo sentido y su principal elemento es la motoneurona inferior o periférica MNI situada en la médula espinal o su equivalente en el tronco cerebral; es pues neuromuscular. Cada músculo está compuesto por miles de millones de fibras y los muy especializados tienen un sistema organizado para cada unidad muscular. Piénsese en los óculomotores.

Inputs kinestésico-vestibulares

Hay una gran cantidad de sistemas MNI, que básicamente deben aceptar, reconciliar y modificar órdenes de otros sistemas de acuerdo con su prioridad y con los inputs kinestésico-vestibulares; con el resultado de un output apropiado al músculo al tiempo que suministro de información a otros sistemas. Kent apunta que no ve por qué un solo servomecanismo actuador y procesador para cada articulación no sea suficiente.

Conexiones inhibitorias cruzadas entre los sistemas MNI descartarían el antagonismo. En cambio un reflejo nociceptivo de la piel es menos complicado de simular con un sensor. Outpuls ascendentes informarían a los centros superiores de acción refleja para correcciones ponderales y acción antigravitaria, modificando posiciones corporales o velocidad.

Kent habla de la existencia de las fibras “S” que dibuja en uno de sus esquemas (husos) (18) que se dejan alargar o encoger para la transducción kinestésica. Es decir habría feedback negativos y positivos en esta situación que darían al sistema receptor indicación de la posición en el espacio. En teoría al menos no importa si estos mecanismos presentados en abstracto son neurales o electrónicos.

Como en cualquiera de los otros sistemas controlados por feedback puede resultar inestabilidad y oscilación que serían neutralizadas por la pequeña neurona R (“Renshaw cell”) de acción inhibidora sobre las MNI (18).

La MNI mirada en el contexto del conjunto jerárquico motor aparece como si el cerebro estuviese usando un “temporal byte” de frecuencia codificada e información análoga de los receptores de estiramiento para dar el grado o cantidad de acción. Porque el set de fibras descendentes constituyen un “Spatial byte” o “place code” que es esencialmente digital en el cual las líneas seleccionadas (bits) eligen el grupo de motoneuronas a que deben dirigirse para determinar la calidad o naturaleza del movimiento.

De las anteriores nociones podemos siguiendo las pautas trazadas por Kent considerar algunos aspectos de simulación para un dispositivo tipo robot. A primera vista parece razonable remedar el comportamiento del sistema MNI con un diseño “análogo” como un “op amp” controlado por circuito de feedback.

Pero esto en la práctica resultaría muy complejo porque se necesita integrar alrededor de 10.000 inputs sinápticos de diferentes prioridades, así como codificar información análoga sináptica de otros sistemas. Entonces el procesador digital de gran memoria puede ser la solución para controlar las numerosas interacciones.

Se necesitarían múltiples microprocesadores de trabajo en paralelas. La mejor solución está por demostrar. Pero un sistema jerárquico de unidades paralelas en los niveles inferiores, liberaría los superiores para el control conjunto, y dejaría libre la;; inferiores para los detalles.

Aquellos elementos superiores recibirían órdenes y reportarían respuesta a unidades procesadoras de coordinación del cuerpo para postura y equilibrio. Con información lateral de distintos niveles habría transferencia de procesamiento.

Así se constituiría un sistema jerárquico reflejo capaz de recibir y ejecutar órdenes como correr. Sería en realidad un complejo autómata. Hay dos sistemas en los robots para lograr esto: el primero denominado “deadreckoning” es aquel en el cual los detalles de la acción requerida son computados de antemano y ejecutados no importa los resultados. El otro es el de monitoreo continuo del movimiento aplicando las correcciones según se vayan requiriendo.

Ambos sistemas tienen sus usos, ventajas y debilidades: sólo que el cerebro puede emplearlos ambos sinérgicamente o por separado en forma perfecta. En cuanto a organización de output se refiere, a más del control ya visto en la corteza motora consideraremos a continuación los ganglios basales y el cerebelo.

Ganglios Basales

(Amígdala, pallidus, candado y putámen)

Así como al cerebelo conciernen las operaciones de “feedforward” y “dead-reckoning” como vamos a ver, los ganglios basales están envueltos en graduales movimientos feedback controlados, principalmente los aprendidos o aquellos bajo directo control de la conciencia. A nivel neuronal la estructura es totalmente diferente de aquella del cerebelo.

Los elementos locales tienen acción inhibidora siendo mucho más numerosos que los de output. Algunas de sus conexiones son recurrentes; en el cerebelo es al contrario. La respuesta de los ganglios basales al input es denominada “self-quenching”, lo que quiere decir que cuando un input inicia una serie de actividades, a menos que el input se aumente o se refuerce, él se inhibirá por sí mismo.

Esto es verdadero no sólo para las neuronas locales inhibidoras, sino por elfeedback, para los inputs que tienden a bloquear su actividad inicial Es de anotar la similaridad de los ganglios basales activos con un diferenciador. Si uno pudiera considerar el byte de código espacial con elementos de input activos para estos ganglios, como codificando algún sistema estático de output para el comportamiento motor, el output de byte temporal que posee propiedades semejantes en tiempo, se tornaría dinámico y apropiado para el comportamiento especificado.

Para comandos de output que decaen con el tiempo, la acción no continúa a menos que se sostenga por otros medios o que un nuevo comando aparezca. Los ganglios basales disponen de input para estas contingencias. Los principales outputs de los GB corren a través del tálamo hacia el córtex motor, pasando por los núcleos motores del mesencéfalo y por tanto a los subsistemas del aparato reflejo motor, a los núcleos pontinos y de allí al cerebelo.

Los inputs de los ganglios basales son la clave para entender sus funciones. Hay tres componentes:

10. Proyecciones del córtex. 20. Fibras de los núcleos talámicos; pero si los impulsos son continuos pueden ser codificados por las estructuras inferiores; con todo los inputs corticales y talámicos son insuficientes si se tiene en cuenta la fuerte inhibición aludida antes.

El tercer componente de input llega de un grupo de núcleos del mesencéfalo procedente de otras estructuras como el sistema límbico, que detecta la cualidad de premio o castigo. Su distribución es diferente, porque dentro de los ganglios basales cada uno de estos axones hace sinapsis con millones de neuronas. Este input espacial difuso es codificado temporalmente más bien que espacialmente. Por otra parte puede ejercer una acción de compuerta. Así que este input mesencefálico supuestamente relacionado con emoción es capaz de sostener o inhibir la próxima fase.

Este esquema crea un estímulo progresivo que permite por ejemplo seguir un olor a comida hasta su fuente: Una serie d~ conductas puede desarrollarse por evolución y aprendizaje ayudados por el inmenso poder Procesador del córtex. Esto es inferido en su naturaleza por la evidencia derivada de los estímulos excitadores o inhibidores.

Parece que se puede establecer la conclusión que los G.B. son esenciales para la orientación hacia el estímulo y para la iniciación de una conducta voluntaria y compleja que envuelva acciones anticipadas en una especial información feedback, que puede influenciar y modificar planes básicos generados por el córtex. El daño a los ganglios basales produce una pérdida de habilidad para modificar acciones complejas y juicios, acción complejas de la del mesencéfalo.

También hay una creciente evidencia de que el tipo de aprendizaje llamado “condicionamiento operante” puede depender en parte de los ganglios basales. Según Kent este componente sería posible añadirlo en un robot.

¿Cómo simular los G.B.?

Un set de compuertas para codificar los Impulsos simultáneos de muchas regiones corticales que contribuyan al diseño de la conducta’ un circuito que desconecte el input codificado y un “bus” habilitado que represente el input del sistema de premio (condicionamiento operante que inhiba la inhibición de las compuertas).

En software se podría simular mejor con un microprocesador rápido que tuviese en cuenta los siguientes datos: la relación input-output que es muy alta (inputs de muchas áreas del córtex); outputs limitados a un bajo porcentaje de los complementos neurales de los G.B., por tanto necesidad de una codificación enorme.

Es consecuente admitir que los inputs se constituyan en “cuello de botella” y requieran gran decodificación. Igualmente el sistema de premio que modela el input representa la última destilación de todo el mundo sensorial relacionado con la recompensa. Esto será revisado adelante. Si queremos proveer robots con la habilidad de condicionamiento operante, será necesario modificar cantidades masivas de información.

Los generadores de conducta ensayarán por algoritmos de prueba-error y feedback la evolución, incluyendo estos datos en la corriente de input que puedan ser manejados por un sistema de compuertas de software; la función evaluadora puede ser digitalmente codificada y aplicada por software.

El Cerebelo

Este órgano desempeña un papel importante en la expresión motora tanto refleja como voluntaria que se inicia en otra parte, ya que no es instigador ni su acción es conciente. Entre las acciones que ejecuta está el traslado de output en paralelo a seriado y el control de la corrección de “feedforward” hacia circuitos abiertos. Este órgano como es sabido consta de corteza y núcleos y sus neuronas corticales están colocadas en forma regular interrumpida, que esquemáticamente se puede dividir en neuronas G (granulares) de axones paralelos que en su trayecto hacen contacto con las unidades P (Purkinge).

Al ser disparado un input selecciona un “set” de outputs y como estos impulsos son lentos en los axones de diámetro pequeño, durante su recorrido puede seleccionar secuencialmente sucesivos elementos de output, actuando así a la vez como línea marcada de retraso (tapped delay line) y como decodificador. Estos procesos por agregación secuencial constituyen cascadas como patrones.

Hay elementos auxiliares asociados para otras funciones, como inhibiciones selectivas y control de interacciones para imponer modificación en las secuencias de output o apelar a los sistemas adyacentes para refuerzo Algunas de estas funciones ya han sido Simuladas en las grandes máquinas digitales, en experimentos de sistemas de control.

Los outputs de corteza caen sobre los núcleos que a su vez retransmiten al cerebro. Hay evidencia de que diferentes sistemas de acciones motoras comparten su actividad, pero las principales funciones son las de facilitar la interacción entre diferentes sistemas de comando, y el proceso llamado coordinación cuya calidad depende del cerebelo.

Sucede lo siguiente:

Las secuencias de acciones motoras generadas a cualquier nivel de jerarquía refleja del sistema automático (automaton) son enviadas al cerebelo como inputs de sistemas de fibras decodificadoras paralelas o como inputs a los otros elementos que controlan interacciones a través de sistemas paralelos para regular elementos individuales de output. Entonces las ondas de actividad de las fibras paralelas generadas por diferentes sistemas de comandos pueden interactuar en el cerebelo y modificar una u otra en forma predeterminada.

El comando modificado resultante es enviado adelante como un “set” de correcciones del comando básico, y los dos interactúan a escalas más bajas para producir una acción corregida. Una clara ventaja de este sistema es la provisión de un sitio común de interacción para sistemas que están funcionalmente relacionados pero que no poseen elementos físicos en común. ¿Pero cómo manejar el cómputo muerto (deadreckoning) de los parámetros de movimiento? Este proceso cuenta con una conversión paralelo a seriado que emplea tiempo como un “análogo” de posición.

Una función básica de los núcleos cerebelosos es sostener o mantener posiciones (tono) por outputs apropiados que dirijan los elementos en el sistema de motoneuronas inferiores. Sin embargo los elementos de output de la corteza del cerebelo actúan inhibiendo los núcleos. Entonces mientras que el daño a dichos núcleos da por resultado temblor, oscilación y signos similares de exceso de actividad motora el daño a su corteza resulta en déficit de tal actividad y los movimientos pueden quedarse cortos o no realizarse.

Deadreckoning

Un buen ejemplo de “deadreckoning” es el de los movimientos sacádicos de los ojos, en que los músculos oculomotores son dirigidos por un input constante, pero el ojo mismo puede acelerar y desacelerar instantánearrlente. Porque los movimientos que generan los circuitos “automaton” son detenidos por la actividad de los núcleos; cualquier acción de la corteza que los inhiba, desinhibe el movimiento de los generadores.

La duración de la actividad cortical cerebelosa determina la extensión de cualquier movimiento. Las células de los núcleos actúan como una compuerta üR para la secuencia en tiempo de la corteza.

Hay muchos movimientos que dependen de la regulación cerebelosa de la actividad motora, como los de habilidad; por ejemplo para tocar el piano, una vez aprendido, la acción es muy rápida para ser guiada por feedhoek desde el oído a los ojos o a los dedos. Se piensa que el aprendizaje de tales secuencias motoras puede depender de la formación de conexiones funcionales nuevas en el cerebelo, así que los elementos finales de una secuencia vienen a ser inputs seleccionados para la próxima secuencia.

En cuanto a simular en un mecanismo de 1A las funciones del cerebelo de las cuales hemos hecho sólo una superficial e incompleta presentación, habría que pensar en un proceso “análogo” por medio de un procesador rápido y un atavío de palabras digitales para representar los autputs. Existe un fenómeno electrónico que funciona en forma parecida a aquella del cerebelo; es la “onda acústica de superficie” (SAW). Este SAW transforma las señales eléctricas en ondas de superficie con un “medium piezo-eléctrico” que las manipula y transforma regenerándolas en señales eléctricas de output.

Un resultado similar puede ser realizado con diseños de transferencia por medio de las “cintas de retardo marcadas”. Muchas de estas líneas en paralelos han sido usadas en otras tareas como sistemas electrónicos para enfocar imágenes.

Combinadas estas tecnologías se lograría una buena forma para desarrollar “cerebellar chips” según Kent.

Una vez llegados a este nivel de análisis parcial dirigido -obviamente incompleto- del sistema input-autput del cerebro, pienso siguiendo a Kent que se puede empezar a especular sobre el paso siguiente, el más difícil en la ruta de las sensopercepciones, que es la definición y realización de conductas por inteligencia y aprendizaje, punto que constituye la IV parte con que finaliza esta serie por ahora.

Puedo avanzar que los variados niveles de autput van a diferentes sistemas cerebrales que funcionan autónomamente en paralelos, siendo de especial importancia en este caso en primer término la motivación que nos lleva al empleo de las funciones cognoscitivas que según Thompson y Tribble (24) son: memoria, atención, entendimiento y capacidad de decisión.

Doy por terminada esta III parte con una frase de Einstein en 1933: “La mayoría de nosotros prefiere mirar hacia afuera más bien que hacia dentro de nosotros mismos; porque en éste último caso no vemos sino un agujero oscuro, lo que quiere decir nada”.

Bibliografia

• (1) Jurgen Ruech: Comunicación y Psiquiatría. Tratado de Psiquiatría. Freedman y Colbs. 1. 4.6. Págs. 383-96.1982.
• (2) Schank Roger and Hunter Larry. The quest of understnd ThinkiniJ. Byte. Págs. 143-55. X. 1985.
• (3) Bernard Glueck y Charles Stroebel. Ordenadores y Psiquiatría Clinim. Tratado de Psiquiatría. Freedman y Colbs. I. 6.2. Págs. 478-89. Salvat. 1982.
• (4) Brown Chape!. VLSl Memory Designers Consider Neural Nets Models. Electronic Engineering Times. Pág. 58. X. 1986.
• (5) Brown Chapel. CCD’s Minos Team to Inúld Neural Net Models. E.E. Times, Pág. 88. IX. 1986.
• (6) Richard W. Lay. Resistor Network Defeets Appear. E.E. Times. Págs. 1-2. IV. 1986.
• (7) Hopfield ,J.J. and Tank David. Cmputing With Neural Circuits A Model Science. Vol. 288. Pág. 625. VIII. 1986.
• (8) AT & T Labs. “Neural Network” Computer Chips”. Business Editors. Computer & Science Writers. Murray Hil!. N.J. IX. 1986.
• (9) Chester Michael. The Military Recmmoiten Neural Systems. Artificial Intelligence. Pág. 77. X. 1986.
• (10) Somjen George G. Neurofisiología. L. 450. Ed. Médica. B. Aires. 1986.
• (11) Luria Alexandr Romanovich. El Cerebro Humano y los Procesos Psíquicos. Alfonso Impresores. S.A. Barcelona. 1979.
• (12) Luria A.R Las Funcioncs Cortiealcs Superiorc., dcl Hombrc. Ed. Orbe. La Habana. 1977.
• (13) Grosberg Stephen. Natirn/a.l Science Fo’U/ulatúm Neural Net/I’ork Conference. Woburn. Mass. XI. 1986.

Referencias

• (14) Newquist Harvey P. Chips for Hrains: Cmnputer Huilt With Neurol Networks. Computer World. V. 20 No. :38. Pág. 17. VIII. 1986.
• (15) Patton and Amassian. Haker’s Clinical Neurology. Cercbml JAicalizatún/. 1.8. Págs. 1-89. 1985.
• (16) Penfield W. and Welch K. The Suplementarll Motor Area in the Cerebral Corte./’ of MalL Trans. Amer. Neurolog. Assoc. 74:179. 1949.
• (17) Jeannerod Marc. The Brain Machine. Págs. 34-50. Harvard Un Press. 1985.
• (18) Kent Ernest W. The Hrain of Mens and Machines. Vision in Three [hmension.~. Pág. 80. McGraw Hill. Peterborough. N.H. 1981.
• (19) Pashley J.C., Perkins y Hill. Fundamento.~ Científicos de OftalrnoloiJía. Pág. 269. Salvat 1981.
• (20) Mead Carver. Neural Chips. Spider. Pág. 169. XII. 1986.
• (21) Gelpering A., Hopfield J. and Tank W. Model Neural Networks and Heha/rior. Plenum Press. N. York. 1986.
• (22) Colin R Juhnson. Neural Networks Chips are PrOlJing to be Viable Chal/engers to A.l. Systems. E.E. Times. XII. 1986.
• (23) Hinton Geoffrey E. Learningl:n Paral/el Networks. Artif1: cial lnteligence. Byte. Págs. 265-78. IV. 1985.
• (24) Jesse Victor, Howard Richard E. Bel/ Labs. Models Paral/el Processor on Neural Networks. Mini-Micro Systems. Vo!. 19 No. 10. Págs. 48-51. VIII. 1986.
• (25) Jackel L.D., Howard RE., Graf, etc. Artificial Neural Networks for Com¡mting. J. Vaco Sci. & Technol. Vol. 4. No. 1. 11. 1986.
• (26) Buturi Oyo. Japan. Neuron Network and lnformation Processing in the Visual System. NHK Sci. & Technology Research Labs. Tokio. Vol. 54. No. 4. IV. 1985.
• (27) Camacho Mario. 1.A. y Neurología. Medicina No. 14. Pág. 20. Bogotá. 1986.