Científicos del Instituto Salk (EE. UU.), Skoltech (Rusia), y el Centro Riken de Ciencias del Cerebro (Japón) investigó un modelo teórico de cómo las poblaciones de neuronas en la corteza visual del cerebro pueden reconocer y procesar rostros y sus expresiones, y cómo están organizados. La investigación fue publicada recientemente en Computación neuronal y resaltado en su portada.

Los seres humanos tienen una capacidad asombrosa para reconocer una gran cantidad de rostros individuales e interpretar expresiones faciales. Estas habilidades juegan un papel clave en las interacciones sociales humanas. Sin embargo, La forma en que el cerebro humano procesa y almacena información visual tan compleja aún no se comprende bien.

Los científicos de Skoltech Anh-Huy Phan y Andrzej Cichocki, con sus colegas de EE. UU. y Japón, Sidney Lehky y Keiji Tanaka, buscó comprender mejor cómo la corteza visual procesa y almacena la información relacionada con el reconocimiento facial. Su enfoque se basó en la idea de que un rostro humano se puede representar conceptualmente como una colección de partes o componentes, incluyendo ojos, ceja, nariz, boca, etc. Usando un enfoque de aprendizaje automático, aplicaron un novedoso algoritmo tensorial para descomponer caras en un conjunto de componentes o imágenes llamadas tensorfaces, así como sus pesos asociados, y caras representadas por combinaciones lineales de esos componentes. De este modo, construyeron un modelo matemático que describe el trabajo de las neuronas involucradas en el reconocimiento facial.

"Usamos descomposiciones de tensores novedosas para representar caras como un conjunto de componentes con una complejidad especificada, que se pueden interpretar como células faciales modelo e indican que las representaciones faciales humanas consisten en una mezcla de células faciales de complejidad baja y media, "dijo el profesor de Skoltech Andrzej Cichocki.