Modelado de Redes Neuronales Artificiales (ANN) en Cerebros de Animales

El neurocientífico de Cold Spring Harbor Laboratory (CSHL) Anthony Zador ha demostrado que la evolución y los cerebros de los animales pueden ser utilizados como inspiración para el aprendizaje automático. Puede ser beneficioso para ayudar a la IA a resolver muchos problemas diferentes. 

Según el neurocientífico de CSHL Anthony Zador, la Inteligencia Artificial (IA) puede ser mejorada enormemente al mirar hacia los cerebros de los animales. Con este enfoque, los neurocientíficos y aquellos que trabajan en el campo de la IA tienen una nueva forma de resolver algunos de los problemas más apremiantes de la IA. 

Anthony Zador, M.D., Ph.D., ha dedicado gran parte de su carrera a explicar las complejas redes neuronales dentro del cerebro vivo. Va hasta el nivel del neurona individual. Al comienzo de su carrera, se centró en algo diferente. Estudió redes neuronales artificiales (ANN). Las ANN son sistemas de computación que han sido la base de muchos de nuestros desarrollos en el sector de la IA. Están modeladas según las redes de los cerebros de los animales y humanos. Hasta ahora, este es donde se detenía el concepto. 

Un artículo de perspectiva reciente, escrito por Zador, fue publicado en Nature Communications. En ese artículo, Zador detalló cómo los nuevos y mejorados algoritmos de aprendizaje están ayudando a los sistemas de IA a desarrollarse hasta un punto en el que superan enormemente a los humanos. Esto sucede en una variedad de tareas, problemas y juegos como el ajedrez y el póquer. Aunque algunos de estos ordenadores pueden realizar tan bien una variedad de problemas complejos, a menudo se confunden por cosas que los humanos considerarían simples. 

Si aquellos que trabajan en este campo pueden resolver este problema, los robots podrían llegar a un punto de desarrollo en el que podrían aprender a hacer cosas extremadamente naturales y orgánicas, como acechar presas o construir un nido. Incluso podrían hacer algo como lavar los platos, lo que ha demostrado ser extremadamente difícil para los robots. 

“Las cosas que encontramos difíciles, como el pensamiento abstracto o jugar al ajedrez, en realidad no son lo difícil para las máquinas. Las cosas que encontramos fáciles, como interactuar con el mundo físico, eso es lo que es difícil”, explicó Zador. “La razón por la que pensamos que es fácil es que hemos tenido medio billón de años de evolución que ha cableado nuestros circuitos para que lo hagamos sin esfuerzo.”

Zador cree que si queremos que los robots logren un aprendizaje rápido, algo que cambiaría todo en el sector, es posible que no queramos buscar solo un algoritmo de aprendizaje general perfeccionado. Lo que los científicos y otros deberían hacer es buscar hacia las redes neuronales biológicas que nos han sido dadas a través de la naturaleza y la evolución. Estas podrían ser utilizadas como base para construir un aprendizaje rápido y fácil de tipos específicos de tareas, tareas que son importantes para la supervivencia. 

Zador habla sobre lo que podemos aprender de las ardillas que viven en nuestros propios patios traseros si solo miramos la genética, las redes neuronales y la predisposición genética.

“Tienes ardillas que pueden saltar de árbol en árbol dentro de unas pocas semanas después del nacimiento, pero no tenemos ratones que aprendan lo mismo. ¿Por qué no?” dijo Zador. “Es porque uno está genéticamente predeterminado para convertirse en una criatura que habita en los árboles.”

Zador cree que una de las cosas que podrían surgir de la predisposición genética es la circuitaria innata que se encuentra dentro de un animal. Ayuda al animal y guía su aprendizaje temprano. Uno de los problemas de adjuntar esto al mundo de la IA es que las redes utilizadas en el aprendizaje automático, las que son perseguidas por los expertos en IA, son mucho más generalizadas que las que se encuentran en la naturaleza. 

Si podemos llegar a un punto en el que las ANN alcancen un punto de desarrollo en el que puedan ser modeladas según las cosas que vemos en la naturaleza, los robots podrían comenzar a realizar tareas que en un momento fueron extremadamente difíciles.