Expertos superan un gran obstáculo en la tecnología de inteligencia artificial utilizando mecanismos del cerebro

Un grupo de expertos en inteligencia artificial (IA) de diversas instituciones han superado un “obstáculo importante y de larga data para aumentar las capacidades de la IA”. El equipo se dirigió hacia el cerebro humano, que es el caso de muchos desarrollos de IA. En particular, el equipo se centró en el mecanismo de memoria del cerebro humano conocido como “repetición”.

Gido van de Ven es el primer autor y un investigador postdoctoral. Estuvo acompañado por el investigador principal Andreas Tolias en Baylor, así como por Hava Siegelmann en UMass Amherst.

La investigación se publicó en Nature Communications.

El nuevo método

Según los investigadores, han desarrollado un nuevo método que protege de manera eficiente las redes neuronales profundas del “olvido catastrófico”. Cuando una red neuronal aprende algo nuevo, puede olvidar lo que se aprendió anteriormente.

Este obstáculo es lo que detiene muchos avances en IA.

“Una solución sería almacenar ejemplos previamente encontrados y revisarlos cuando se aprende algo nuevo. Aunque dicha ‘repetición’ o ‘repetición’ resuelve el olvido catastrófico, volver a entrenar constantemente en todas las tareas aprendidas anteriormente es muy ineficiente y la cantidad de datos que tendrían que almacenarse se vuelve inmanejable rápidamente”, escribieron los investigadores.

El cerebro humano

Los investigadores se inspiraron en el cerebro humano, ya que es capaz de construir información sin olvidar, lo que no es el caso de las redes neuronales de IA. El desarrollo actual se basó en trabajos previos realizados por los investigadores, incluyendo hallazgos sobre un mecanismo en el cerebro que se cree que es responsable de prevenir que los recuerdos se olviden. Este mecanismo es la repetición de patrones de actividad neuronal.

Según Siegelmann, el gran avance proviene de “reconocer que la repetición en el cerebro no almacena datos”, sino que “el cerebro genera representaciones de recuerdos a un nivel alto, más abstracto, sin necesidad de generar recuerdos detallados”.

Siegelmann tomó esta información y se unió a sus colegas para desarrollar una repetición similar al cerebro con inteligencia artificial, donde no se almacenan datos. Al igual que en el cerebro humano, la red artificial toma lo que ha visto antes para generar representaciones de alto nivel.

El método fue muy eficiente, ya que incluso solo unas pocas representaciones generadas resultaron en que los recuerdos antiguos se recordaran mientras se aprendían nuevos. La repetición generativa es efectiva para prevenir el olvido catastrófico, y uno de los principales beneficios es que permite que el sistema generalice de una situación a otra.

Según Van de Ven, “Si nuestra red con repetición generativa primero aprende a separar gatos de perros, y luego a separar osos de zorros, también podrá distinguir gatos de zorros sin ser entrenada específicamente para hacerlo. Y notablemente, cuanto más aprende el sistema, mejor se vuelve para aprender nuevas tareas”.

“Proponemos una nueva variante de repetición inspirada en el cerebro, en la que se repiten representaciones internas o ocultas generadas por las conexiones de retroalimentación del propio sistema”, escribe el equipo. “Nuestro método logró un rendimiento de vanguardia en desafiantes pruebas de aprendizaje continuo sin almacenar datos, y proporciona un modelo novedoso para la repetición abstracta en el cerebro”.

“Nuestro método hace varias predicciones interesantes sobre la forma en que la repetición podría contribuir a la consolidación de la memoria en el cerebro”, continúa Van de Ven. “Ya estamos llevando a cabo un experimento para probar algunas de estas predicciones”.