Red neural artificial del sistema mesolímbico-cortical que simula el aprendizaje discriminativo y de inversión

Resumen

En el presente estudio se desarrolló un modelo conexionista de aprendizaje no supervisado para simular una tarea de discriminación en un número reducido de iteraciones sin entrenamiento previo a la tarea. La red neural artificial consideró características neurofisiológicas de algunas de las estructuras del sistema dopaminérgico mesolímbico amígdala (AMG), corteza orbitofrontal (COF), área tegmental ventral (ATV) y núcleo accumbens (ACC). El modelo generó respuestas similares a las emitidas por ratas macho durante una tarea de discriminación e inversión en un laberinto T, usando como recompensa un incentivo sexual. En la actividad de las estructuras simuladas, se hallaron los fenómenos de preferencia de reforzador e inversión de la preferencia durante la inversión del incentivo en ACC y ATV; una codi ficación temprana en AMG; además de una codificación retardada y aumento en el reclutamiento de nodos neurales en la COF ante la inversión. Por último, las estructuras de salida mostraron una actividad de expectativa anterior a la entrega del reforzador