Inteligencia Artificial Basada en Dinámicas Cerebrales Lentas

Los científicos de la Universidad Bar-llan en Israel han utilizado experimentos avanzados en culturas neuronales y simulaciones a gran escala para crear una nueva inteligencia artificial ultra rápida. La nueva inteligencia artificial se basa en las dinámicas cerebrales lentas de los humanos. Esas dinámicas cerebrales tienen mejores tasas de aprendizaje en comparación con los mejores algoritmos de aprendizaje que tenemos hoy en día. 

El aprendizaje automático está estrechamente relacionado y se basa en la dinámica de nuestro cerebro. Con la velocidad de los ordenadores modernos y sus grandes conjuntos de datos, hemos podido crear algoritmos de aprendizaje profundo que son similares a los expertos humanos en diversos campos. Sin embargo, estos algoritmos de aprendizaje tienen características diferentes a las del cerebro humano. 

El equipo de científicos de la universidad publicó su trabajo en la revista Scientific Reports. Trabajaron para conectar la neurociencia y los algoritmos avanzados de inteligencia artificial, un campo que ha sido abandonado durante décadas. 

El profesor Ido Kanter del Departamento de Física y del estudio multidisciplinario de investigación del cerebro Gonda (Goldschmied) de la Universidad Bar-llan, y autor principal del estudio, comentó sobre los dos campos. 

“La perspectiva científica y tecnológica actual es que la neurobiología y el aprendizaje automático son dos disciplinas distintas que avanzan de manera independiente”, dijo. “La ausencia de 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 los ordenadores personales modernos, y la velocidad computacional del cerebro es como la manecilla de los segundos en un reloj, incluso más lenta que el primer ordenador inventado hace más de 70 años”, dijo. 

“Además, las reglas de aprendizaje del cerebro son muy complicadas y alejadas de los principios de los pasos de aprendizaje en los algoritmos actuales de inteligencia artificial”. 

El profesor Kanter trabaja con un equipo de investigación que incluye a Herut Uzan, Shira Sardi, Amir Goldental y Roni Vardi. 

Cuando se trata de dinámicas cerebrales, tratan con entradas asíncronas ya que la realidad física cambia y se desarrolla. Debido a esto, no hay sincronización para las células nerviosas. Esto es diferente con los algoritmos de inteligencia artificial, ya que se basan en entradas síncronas. Las entradas diferentes dentro del mismo marco y sus temporizaciones suelen ser ignoradas. 

El profesor Kanter explicó esta dinámica. 

“Cuando se mira hacia adelante, uno observa inmediatamente un marco con múltiples objetos. Por ejemplo, mientras se conduce, se observan coches, cruces peatonales y señales de tráfico, y se pueden identificar fácilmente su orden temporal y sus posiciones relativas”, dijo. “El hardware biológico (reglas de aprendizaje) está diseñado para tratar con entradas asíncronas y refinar su información relativa”. 

Uno de los puntos que este estudio destaca es que las tasas de aprendizaje ultra rápidas son las mismas ya sea que se trate de una red pequeña o grande. Según los investigadores, “la desventaja del esquema de aprendizaje complicado del cerebro es en realidad una ventaja”. 

El estudio también muestra que el aprendizaje puede ocurrir sin pasos de aprendizaje. Puede lograrse a través de la autoadaptación basada en entradas asíncronas. En el cerebro humano, este tipo de aprendizaje ocurre en las dendritas, que son extensiones cortas de las células nerviosas, y los diferentes terminales de cada neurona. Esto ya había sido observado antes. Anteriormente, se creía que no era importante que la dinámica de la red bajo el aprendizaje dendrítico estuviera controlada por pesos débiles. 

Esta nueva investigación y sus hallazgos pueden significar muchas cosas diferentes. Estos algoritmos de aprendizaje profundo eficientes y su similitud con las dinámicas cerebrales lentas pueden ayudar a crear una nueva clase de inteligencia artificial avanzada con ordenadores rápidos. 

El estudio también promueve la cooperación entre los campos de la neurobiología y la inteligencia artificial, lo que puede ayudar a que ambos campos avancen más. Según el grupo de investigación, “Las ideas de los principios fundamentales de nuestro cerebro tienen que estar de nuevo en el centro de la inteligencia artificial futura”.