Rutinas y flexibilidad conductual

Una red neuronal recurrente puede "recordar" distintos patrones de actividad, como rutinas aprendidas. Cada patrón es un valle estable — un atractor — al que la red vuelve una y otra vez. Ajusta cuán profundos son estos valles e interrumpe la rutina para ver qué tan fácil (o difícil) es que la red explore un patrón distinto.

Paisaje de rutinas

Rutina habitual Rutina alternativa (interrupción) Otra rutina posible

Controles

FlexibleRígida
Controla cuán fuerte es la conectividad recurrente que sostiene el patrón actual. Valles más profundos = más difícil moverse a otro patrón.
Cada intento parte de la rutina habitual, para que puedas comparar resultados con distintos niveles de rigidez.
Presiona el botón para introducir un cambio inesperado y observar qué hace la red.
Excursión máx.: — Resultado: — Asimetría de disparo (máx.): —

Actividad de la red (detalle)

Un hallazgo honesto de este modelo: la transición no es gradual. Por debajo de cierto umbral de rigidez, la interrupción siempre logra mover la red a un patrón distinto; por encima de ese umbral, la red siempre vuelve a la rutina original, casi sin desviarse. Este comportamiento de "todo o nada" es una propiedad real de las redes con atractores — no lo suavizamos para que el control se sienta más gradual. Lo que sí varía continuamente es cuánto se aleja la red del patrón habitual antes de decidir si se queda o vuelve.

Un correlato medible: la asimetría de disparo — la diferencia entre la tasa de disparo del grupo de neuronas que la interrupción empuja a activarse y el grupo que empuja a apagarse (las mismas bandas marcadas en el raster) — predice el resultado con notable precisión: es positiva cuando la red va camino a cambiar de rutina, y se vuelve negativa apenas la rigidez cruza el umbral que produce resistencia. No es una casualidad estadística: es, literalmente, la cantidad que determina hacia qué patrón se inclina la red.