Investigadores desarrollan algoritmo informático inspirado en el sistema olfativo de los mamíferos

Investigadores de la Universidad de Cornell han creado un algoritmo informático inspirado en el sistema olfativo de los mamíferos. Los científicos llevan mucho tiempo buscando explicaciones sobre cómo los mamíferos aprenden e identifican los olores. El nuevo algoritmo proporciona información sobre el funcionamiento del cerebro y su aplicación a un chip de computadora le permite aprender patrones de manera rápida y confiable, mejor que los modelos actuales de aprendizaje automático. 

Thomas Cleland es profesor de psicología y autor principal del estudio titulado “Aprendizaje rápido y recuerdo robusto en un circuito olfativo neuromórfico," publicado en Nature Machine Intelligence en marzo de 16.

"Este es el resultado de más de una década de estudiar los circuitos del bulbo olfatorio en roedores y tratar de entender esencialmente cómo funciona, con la vista puesta en cosas que sabemos que los animales pueden hacer y nuestras máquinas no pueden", dijo Cleland. 

Ahora sabemos lo suficiente para que esto funcione. Hemos construido este modelo computacional basándonos en este circuito, basándonos principalmente en lo que sabemos sobre la conectividad y la dinámica de los sistemas biológicos —continuó—. Entonces decimos: si esto fuera así, esto funcionaría. Y lo interesante es que sí funciona.

Chip de computadora Intel

A Cleland se unió el coautor Nabil Imam, investigador de Intel, y juntos aplicaron el algoritmo a un chip de computadora Intel. El chip se llama Loihi y es neuromórfico, lo que significa que está inspirado en las funciones del cerebro. El chip tiene circuitos digitales que imitan la forma en que las neuronas aprenden y se comunican. 

El chip Loihi se basa en núcleos paralelos que se comunican a través de picos discretos, y cada uno de estos picos tiene un efecto que puede cambiar según la actividad local. Esto requiere estrategias diferentes para el diseño de algoritmos que las que se utilizan en los chips informáticos existentes. 

Mediante el uso de chips de computadora neuromórficos, las máquinas podrían trabajar mil veces más rápido que las unidades centrales o de procesamiento de gráficos de una computadora para identificar patrones y realizar ciertas tareas. 

El chip de investigación Loihi también puede ejecutar ciertos algoritmos mientras usa alrededor de mil veces menos energía que los métodos tradicionales. Esto es muy adecuado para el algoritmo, que puede aceptar patrones de entrada de varios sensores diferentes, aprender patrones de forma rápida y secuencial e identificar cada uno de los patrones significativos incluso con una fuerte interferencia sensorial. El algoritmo es capaz de identificar olores con éxito, y puede hacerlo cuando el patrón es un asombroso 80% diferente del patrón aprendido originalmente por la computadora. 

"El patrón de la señal se ha destruido sustancialmente", dijo Cleland, "y, sin embargo, el sistema es capaz de recuperarlo".

El cerebro de los mamíferos

El cerebro de un mamífero es capaz de identificar y recordar muy bien los olores, y puede haber miles de receptores olfativos y redes neuronales complejas trabajando para analizar los patrones asociados con los olores. Una de las cosas que los mamíferos pueden hacer mejor que los sistemas de inteligencia artificial es retener lo que han aprendido, incluso después de que haya nuevos conocimientos. En los enfoques de aprendizaje profundo, se debe presentar todo a la red a la vez, ya que la nueva información puede afectar o incluso destruir lo que el sistema aprendió previamente. 

“Cuando aprendes algo, las neuronas se diferencian de forma permanente”, dijo Cleland. “Cuando aprendes un olor, las interneuronas se entrenan para responder a configuraciones particulares, por lo que obtienes esa segregación al nivel de las interneuronas. Entonces, en el lado de la máquina, solo mejoramos eso y trazamos una línea firme”.

Cleland habló sobre cómo el equipo ideó nuevos enfoques experimentales. 

“Cuando comienzas a estudiar un proceso biológico que se vuelve más intrincado y complejo de lo que simplemente puedes intuir, tienes que disciplinar tu mente con un modelo de computadora”, dijo. “No puedes abrirte camino a través de él. Y eso nos llevó a una serie de nuevos enfoques e ideas experimentales que no se nos hubieran ocurrido con solo mirarlos ".