Nuestro cerebro tiene un papel fundamental en la generación de representaciones visuales del mundo. Es un órgano muy complejo y aunque en los últimos años ha habido grandes avances en descifrar su funcionamiento, la mayoría de sus mecanismos son todavía una incógnita. Las matemáticas son clave en el campo de la neurociencia para entender mecanismos biológicos a los que los experimentos no pueden acceder. Desde los trabajos de Andrew Hodgkin y Alan Huxley, por los que ganaron Premio Nobel de Medicina en 1963, la aplicación de herramientas cuantitativas ha ido en aumento y actualmente constituye un elemento indispensable en cualquier área de la neurociencia. Recientemente, un nuevo modelo matemático permite explicar cómo nuestro cerebro es capaz de detectar la orientación en el mundo visual, utilizando tan solo unos pocos estímulos.
Sabemos que un estímulo visual produce una excitación de las células de la retina, que se encuentran en la parte posterior del ojo, y que, a través de las fibras del nervio óptico, transmiten su actividad eléctrica hasta el núcleo geniculado lateral (LGN, por sus siglas en inglés), situado en el tálamo. De ahí, las principales proyecciones ocurren hacia la corteza visual primaria (V1), situada en la parte posterior del cerebro. La retina y la corteza visual están conectadas a través de las células del LGN, pero estas son escasas, y su función está bastante limitada a detectar cambios en la iluminación. Cada célula tiene su propio campo receptivo, una pequeña porción del campo visual que al iluminarse provoca una respuesta en la neurona. Estas células no presentan ninguna otra especialización relevante. Es en la capa siguiente del recorrido visual (V1) dónde empiezan a emerger nuevas propiedades, en especial, la selección en la orientación. Cada neurona de V1 tiene una orientación preferida, es decir, responde cuando se presenta una línea o el borde de un objeto con una orientación particular (por ejemplo, vertical) pero no lo hace con cualquier otra orientación. Pero, hasta hace poco, los modelos sobre cómo emergen estas propiedades en la corteza visual, eludían los escasos datos visuales que le proporcionan unas pocas células del LGN.