El cerebro inspira un nuevo tipo de inteligencia artificial

El aprendizaje automático, introducido hace 70 años, se basa en la evidencia de la dinámica del aprendizaje en nuestro cerebro. Utilizando la velocidad de las computadoras modernas y grandes conjuntos de datos, los algoritmos de aprendizaje profundo han producido recientemente resultados comparables a los de expertos humanos en varios campos aplicables, pero con características diferentes que están lejos del conocimiento actual del aprendizaje en neurociencia.

Utilizando experimentos avanzados en cultivos neuronales y simulaciones a gran escala, un grupo de científicos de la Universidad de Bar-Ilan en Israel ha demostrado un nuevo tipo de algoritmos de inteligencia artificial ultrarrápidos, basados en una dinámica cerebral muy lenta, que superan las tasas de aprendizaje alcanzadas hasta la fecha por algoritmos de aprendizaje de última generación.

En un artículo publicado en la revista Scientific Reports, los investigadores reconstruyen el puente entre la neurociencia y los algoritmos avanzados de inteligencia artificial que se ha dejado prácticamente inútil durante casi 70 años.

"El punto de vista científico y tecnológico actual es que la neurobiología y el aprendizaje automático son dos disciplinas distintas que avanzan de forma independiente", dijo el autor principal del estudio, el profesor Ido Kanter, del Departamento de Física de la Universidad de Bar-Ilan y el Centro Multidisciplinario de Investigación Cerebral Gonda (Goldschmied). "La ausencia de una influencia recíproca esperada es desconcertante".

"La cantidad de neuronas en un cerebro es menor que la cantidad de bits en un tamaño de disco típico de las computadoras personales modernas, y la velocidad computacional del cerebro es como la manecilla de los segundos en un reloj, incluso más lenta que la primera computadora inventada sobre 70 hace años", continuó. "Además, las reglas de aprendizaje del cerebro son muy complicadas y distantes de los principios de los pasos de aprendizaje en los algoritmos actuales de inteligencia artificial", agregó el profesor Kanter, cuyo equipo de investigación incluye a Herut Uzan, Shira Sardi, Amir Goldental y Roni Vardi.

Lea también: Una cuarta parte de la población mundial en riesgo de desarrollar tuberculosis

La dinámica del cerebro no cumple con un reloj bien definido sincronizado para todas las células nerviosas ya que el esquema biológico tiene que hacer frente a las entradas asincrónicas, a medida que se desarrolla la realidad física. "Al mirar hacia adelante, uno observa de inmediato un marco con múltiples objetos. Por ejemplo, mientras conduce puede observar coches, cruces peatonales y señales de tránsito, y puede identificar fácilmente su orden temporal y posiciones relativas", dijo el profesor Kanter. "El hardware biológico (reglas de aprendizaje) está diseñado para manejar entradas asíncronas y refinar su información relativa". En contraste, los algoritmos tradicionales de inteligencia artificial se basan en entradas síncronas, por lo tanto, el tiempo relativo de las diferentes entradas que constituyen el mismo marco generalmente se ignora.

El nuevo estudio demuestra que las tasas de aprendizaje ultrarrápidas son sorprendentemente idénticas para redes pequeñas y grandes. Por lo tanto, dicen los investigadores, "la desventaja del complicado esquema de aprendizaje del cerebro es en realidad una ventaja". Otro hallazgo importante es que el aprendizaje puede ocurrir sin pasos de aprendizaje a través de la autoadaptación de acuerdo con entradas asíncronas. Este tipo de aprendizaje sin aprendizaje ocurre en las dendritas, varias terminales de cada neurona, como se observó recientemente. Además, la dinámica de la red bajo el aprendizaje dendrítico se rige por pesos débiles que anteriormente se consideraban insignificantes.

La idea de algoritmos eficientes de aprendizaje profundo basados en la dinámica muy lenta del cerebro ofrece la oportunidad de implementar una nueva clase de inteligencia artificial avanzada basada en computadoras rápidas. Hace un llamado para que se reinicie el puente de la neurobiología a la inteligencia artificial y, como concluye el grupo de investigación, "la comprensión de los principios fundamentales de nuestro cerebro debe estar una vez más en el centro de la inteligencia artificial futura".