{"ok":true,"nota":{"id":"5415a0539056c4c3","slug":"una-red-neuronal-artificial-imita-como-el-cerebro-sabe-donde-esta-y-ha-5415a0","titulo":"Una red neuronal artificial imita cómo el cerebro sabe dónde está y hacia dónde se mueve","resumen":"Investigadores entrenaron una red neuronal artificial jerárquica para orientarse solo con datos de movimiento. Logró generalizar a tiempos más largos que los usados en el entrenamiento y desarrolló respuestas parecidas a las de células cerebrales de navegación.","fuente":"biorxiv","fuenteNombre":"bioRxiv · preprints","color":"#be2628","autor":"Ji, Z., Zhang, H., Gorantla, K., Burgess, N.","url":"https://www.biorxiv.org/content/10.64898/2026.10.19.760224v1?rss=1","imagen":"/hoy/portada/5415a0539056c4c3","tema":"tecnologia","subtemas":["redes neuronales","navegación espacial","neurociencia computacional","memoria","inteligencia artificial"],"entidades":["bioRxiv"],"formato":"dato","entretenimiento":false,"pubTs":"2026-10-21T00:00:00.000Z","indexTs":"2026-10-21T10:34:42.642Z","hash":"07c3de1cc2b867080a05647e165928b03cc8ff23fb66cb5d69a738ed3972271c","tsa":{"time":"Oct 21 10:35:27 2026 GMT","provider":"freetsa.org","sobre":"sello"},"stats":{"views":0,"likes":0,"clicks":0,"dwell":0},"tipo":"normal","registro":"hallazgo","porQueImporta":"El modelo reproduce, en una computadora, células que en el cerebro de roedores ayudan a ubicarse en el espacio, como las que marcan la dirección de la cabeza o la velocidad. Para la ciencia es una herramienta para entender cómo se forma la memoria de lugares, algo clave en el Alzheimer, donde la desorientación suele aparecer temprano. No hay aplicación médica inmediata, pero sí una pista sobre cómo el cerebro organiza su propio mapa interno. Es un avance teórico que todavía tiene que contrastarse con datos biológicos más detallados.","quienFirma":"bioRxiv (preprint; autores institucionales no especificados en la fuente)","confianza":"preprint","consulta":null},"sello":{"hash":"07c3de1cc2b867080a05647e165928b03cc8ff23fb66cb5d69a738ed3972271c","sello":"0ea2be357683302f414a4099294195fbe606d9864267b0ea2d66f0e430573be9","beacon":{"drand":{"cadena":"8990e7a9aaed2ffed73dbd7092123d6f289930540d7651336225dc172e51b2ce","ronda":6571596,"aleatorio":"2c36e18ae584b00d9a77fc6ee91bac2d1e017f0e506ff9533e9d65bd838a5467","tiempo":"2026-10-21T10:35:00.000Z"},"nist":{"cadena":2,"pulso":1993004,"salida":"23161ED84C8333D8735666F0B82E202695897452E701B068B63EF76A2E59D22F1B819FE2CF27AC06B5894483118E32D36F4246E7C1D82B4789A57D7588B065D3","tiempo":"2026-10-21T10:35:00.000Z"},"noAntes":"2026-10-21T10:35:00.000Z"},"verificacion":{"drand":true,"nist":true},"tsa":{"time":"Oct 21 10:35:27 2026 GMT","provider":"freetsa.org","sobre":"sello"},"original":{"titulo":"The limbic navigation system as a hierarchical RNN","descripcion":"Path-integration-trained recurrent neural networks (RNNs) can reproduce grid-like and head-direction-like representations, but most existing models rely on low-dimensional velocity inputs and do not capture the hierarchical organisation of the brain's self-localisation circuit. We introduce a hierarchical recurrent neural network (HRNN) that separately processes angular velocity and linear speed to perform simultaneous angular and positional path integration. Trained on these tasks, the HRNN generalises to longer timescales than seen during training and develops neural response properties resembling all the key cell types: angular velocity cells, head direction cells, speed cells, conjunctiv","pubDate":"2026-10-21","url":"https://www.biorxiv.org/content/10.64898/2026.10.19.760224v1?rss=1"},"indexado":"2026-10-21T10:34:42.642Z"}}