Investigadores Desarrollan Algoritmo de Computadora Inspirado en el Sistema Olfativo de los Mamíferos

Investigadores de la Universidad de Cornell han creado un algoritmo de computadora inspirado en el sistema olfativo de los mamíferos. Los científicos han buscado durante mucho tiempo explicaciones de cómo los mamíferos aprenden e identifican olores. El nuevo algoritmo proporciona una visión de los mecanismos del cerebro, y aplicarlo 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 el 16 de marzo.

“Este es el resultado de más de una década de estudio de la circuitería del bulbo olfativo en roedores y tratar de figurar esencialmente cómo funciona, con un ojo hacia las cosas que sabemos que los animales pueden hacer que nuestras máquinas no pueden”, dijo Cleland.

“Ahora sabemos lo suficiente para hacer que esto funcione. Hemos construido este modelo computacional basado en esta circuitería, guiado fuertemente por las cosas que sabemos sobre la conectividad y la dinámica de los sistemas biológicos”, continuó. “Luego decimos, si esto fuera así, esto funcionaría. Y lo interesante es que funciona”.

Chip de Computadora Intel

Cleland fue acompañado por el coautor Nabil Imam, un 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 dependiendo de la actividad local. Esto requiere estrategias diferentes para el diseño de algoritmos que las utilizadas en los chips de computadora existentes.

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

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

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

El Cerebro de los Mamíferos

El cerebro de un mamífero puede identificar y recordar olores extremadamente bien, y puede haber miles de receptores olfativos y redes neuronales complejas que trabajan 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 hay nuevo conocimiento. En los enfoques de aprendizaje profundo, la red debe ser presentada con todo al mismo tiempo, ya que la nueva información puede afectar o incluso destruir lo que el sistema aprendió anteriormente.

“Cuando aprendes algo, permanentemente diferencia las neuronas”, dijo Cleland. “Cuando aprendes un olor, las interneuronas se entrenan para responder a configuraciones particulares, así que obtienes esa segregación a nivel de interneuronas. Así que en el lado de la máquina, simplemente lo mejoramos y dibujamos una línea firme”.

Cleland habló sobre cómo el equipo llegó a nuevos enfoques experimentales.

“Cuando comienzas a estudiar un proceso biológico que se vuelve más intrincado y complejo de lo que simplemente puedes intuir, debes disciplinar tu mente con un modelo de computadora”, dijo. “No puedes pasar por alto. Y eso nos llevó a una serie de nuevos enfoques experimentales e ideas que no habríamos llegado solo con la intuición”.