En esta secci´on se discutir´an algunos conceptos que son usualmente utilizados por los modelos psicol´ogicos y computacionales de atenci´on y que est´an soportados por evidencia neurol´ogica. Algunos de estos conceptos computacionales ser´an introducidos con m´as detalle en los sigu- ientes cap´ıtulos, pero se discute su correlaci´on ya que a menudo la evidencia neuro-biol´ogica forma la base para estos conceptos.
2.4.1 Mapas de caracter´ısticas
En casi todos los modelos computacionales de atenci´on visual, la entrada es descompuesta en un conjunto demapas de caracter´ısticas topogr´aficos, v´ease (Ittiet al., 1998; Koch y Ullman, 1985). Todos los mapas de caracter´ısticas alimentan, de una manera puramente “bottom- up”, a un mapa de sobresaliencia maestro, el cual codifica topogr´aficamente la conspiduidad local sobre la escena visual entera.
Seg´un el modelo de la teor´ıa de integraci´on de caracter´ısticas (Treisman y Gelade, 1980), las caracter´ısticas son registradas tempranamente, autom´aticamente, y en paralelo a trav´es del campo visual, asumiendo que la escena visual est´a inicialmente codificada en un n´umero de dimensiones separables, tales como color, orientaci´on, brillo, y la direcci´on del movimiento. Dicha separaci´on es mucho m´as estricta en los modelos computacionales de lo que el procesamiento en el cerebro humano sugiere, existen diferentes neuronas y ´areas cerebrales especializadas en el procesamiento de ciertas caracter´ısticas pero el procesamiento completo est´a mucho m´as entrelazado que el propuesto por la mayor´ıa de los modelos. Los des- cubrimientos en psicolog´ıa aseguran que existen una docena de caracter´ısticas b´asicas como son: orientaci´on, color, movimiento, tama˜no, profundidad estereosc´opica, asimetr´ıa, brillo y algunos par´ametros de forma como la curvatura, intersecciones, y terminaciones de l´ıneas (Julesz, 1984; Treisman y Gormican, 1988; Wolfe, 2000).
Wolfe (1994) dice que existen tres formas de concebir los mapas de caracter´ısticas. La primer forma, utilizada por modelos como el de Koch y Ullman (1985), el de Itti et al.
(1998), y el de Itti y Koch (2001), expone que podr´ıan haber mapas independientes para cada color, orientaci´on, forma, etc. Por ejemplo, un mapa para el rojo, elazul, vertical, etc. La segunda forma plantea que es posible que existan mapas separados para cada tipo de caracter´ısticas (color, orientaci´on, etc.). El modelo guiado de Wolfe (1994), y la ruta dorsal
artificial propuesta en el presente estudio se basan en esta alternativa. La tercera posibilidad es que todas las caracter´ısticas est´en representadas en un solo mapa multidimensional.
2.4.2 Mecanismo centro-circundante
Lo que mayormente distingue a unos modelos de atenci´on visual de otros es la forma en que hacen la medici´on computacional de la sobresaliencia. En el que es quiz´as el modelo de atenci´on m´as popular, Itti et al. (1998) miden la sobresaliencia simulando los campos receptivos centro-circundante. Los mapas de sobresaliencia en cada dimensi´on son reorgani- zados en un arreglocentro-circundante que es caracter´ıstico de la organizaci´on de los campos receptivos vistos en el sistema visual de los primates (Parkhurst et al., 2002). Este arreglo, el cual es ubicuo a lo largo de las etapas tempranas de la visi´on biol´ogica, no s´olo permite a las c´elulas ganglionares transmitir informaci´on de cuando las c´elulas fotorreceptoras est´an expuestas a la luz. Sino que su principal funci´on es medir las diferencias entre las tasas de encendido en el centro y en el rededor de los campos receptivos de las c´elulas ganglionares. En el mecanismo centro-circundante, la reorganizaci´on se logra tomando la diferencia de las caracter´ısticas simples a diferentes escalas que forman una pir´amide por cada caracter´ıstica, v´ease (Gaoet al., 2008). Finalmente, losmapas de caracter´ısticas centro-circundantes oma-
pas de conspicuidad son combinados a trav´es de las escalas y normalizados dentro de cada
dimensi´on para maximizar las diferencias locales e incrementar el contraste.
2.4.3 Mapa de sobresaliencia
El prop´osito delmapa de sobresaliencia es representar la conspicuidad o prominencia en cada posici´on del campo visual con una cantidad escalar y guiar la selecci´on de las localizaciones atendidas, basada en la distribuci´on espacial de la prominencia. Una combinaci´on de los
mapas de caracter´ısticas provee una entrada al mapa de sobresaliencia.
Anat´omicamente se desconoce donde se localiza el mapa de sobresaliencia en el cerebro. Se sabe que no necesariamente se genera en una localizaci´on en particular y que podr´ıa entenderse como un mapa funcional cuyos componentes podr´ıan estar distribuidos en varias ´areas cerebrales. Koch y Ullman (1985) propusieron que el mapa de sobresaliencia estaba en el n´ucleo geniculado lateral. Se sabe que el pulvinar, que es un n´ucleo tal´amico, est´a involucrado en la atenci´on (Robinson y Petersen, 1992) y tambi´en ha sido sugerido como un candidato para hospedar al mapa de sobresaliencia. Otra posibilidad es el col´ıculo superior
tambi´en conocido por estar involucrado en el control de la atenci´on (Findlay y Walker, 1999), y el campo ocular frontal que juega un rol importante en el control de la atenci´on visual y el movimiento de los ojos (Bichot, 2001). Tambi´en, algunas ´areas neocorticales han sido sugeridas, incluyendo la V1 (Li, 2002), V4 (Mazer y Gallant, 2003), la corteza parietal posterior (Gottlieb, 2007), y el ´area intraparietal lateral (Taylor y Stein, 1999).
2.4.4 “Bottom-up” y “top-down”
La atenci´on visual es controlada por: factores congnitivos, o “top-down”, tales como conocimiento, expectativas y metas, y factores “bottom-up” que reflejan la estimulaci´on sensorial (Corbetta y Shulman, 2002).
Hoy en d´ıa, los modelos computacionales son en su mayor´ıa modelos “bottom-up” basa- dos en la teor´ıa de integraci´on de caracter´ısticas (Treisman y Gelade, 1980). La atenci´on “bottom-up” esta sujeta a mucho m´as investigaci´on. Una raz´on es que los est´ımulos orienta- dos por datos son m´as f´aciles de controlar que el estado mental que involucra conocimiento y expectativas (Frintrop, 2006). De este modo, desde una perspectiva de modelado computa- cional, los factores “top-down” no son una tarea trivial; en otras palabras, las emociones y los deseos son conceptos dificiles de modelar; por lo tanto, este tipo de conceptos cognitivos son todav´ıa desafiantes para las ciencias computacionales.
De acuerdo con la simulaci´on computacional del modelo guiado hecha por Wolfe (1994) la activaci´on “bottom-up” es una medida de qu´e tan inusual es un objeto en su contexto actual. La fuerza de la activaci´on “bottom-up” para una posici´on est´a basada en las difer- encias entre el objeto en dicha posici´on y los objetos en los lugares vecinos. No depende del conocimiento que el sujeto tiene sobre la tarea de b´usqueda espec´ıfica. Las diferencias se refieren a las diferencias en el espacio de la caracter´ıstica relevante. Por lo tanto, la activaci´on se calcula separadamente por cada caracter´ıstica. Resumiendo, la activaci´on “bottom-up” gu´ıa la atenci´on hacia objetos distintivos en la escena. No gu´ıa la atenci´on hacia un objeto deseado si las propiedades de ese objeto no son inusuales. Por otro lado, la activaci´on “top- down” est´a dirigida por el sujeto. De este modo, en la b´usqueda de algo azul se activar´an las posiciones que podr´ıan contener el objeto correcto. ¿C´omo se selecciona la caracter´ıstica correcta? La meta de la selecci´on es tomar la caracter´ıstica que mejor diferencie el objetivo de los distractores. Esto no es necesariamente la caracter´ıstica que da la mayor respuesta.