Investigadores Obtienen Conocimientos sobre Cómo Hacer que la IA Piense como Nosotros

Los investigadores de la Universidad de Tokio han obtenido nuevos conocimientos sobre cómo se puede hacer que una inteligencia artificial (IA) piense como nosotros. Los investigadores describen cómo un robot podría ser enseñado a navegar a través de un laberinto mediante la estimulación eléctrica de una cultura de células nerviosas del cerebro conectadas al robot. 

La nueva investigación se publicó en Applied Physics Letters. 

Células Nerviosas como Reserva Física

Las células nerviosas, que son neuronas, se cultivaron a partir de células vivas. Actúan como la reserva física que permite a la máquina construir señales coherentes, que se consideran señales homeostáticas. 

Estas señalesizan al robot que el entorno se mantiene dentro de un cierto rango y actúan como una línea base mientras se mueve libremente a través del laberinto. 

En las pruebas, las neuronas en la cultura de células se distribuyeron por un impulso eléctrico cada vez que el robot se desviaba en la dirección incorrecta o se enfrentaba en la dirección incorrecta. A lo largo de todos los ensayos, el robot recibió constantemente las señales homeostáticas interrumpidas por las señales de disturbio hasta que pudo resolver con éxito la tarea del laberinto. 

Lograr un Comportamiento Dirigido a Metas

Según los investigadores, estos hallazgos sugieren que el comportamiento dirigido a metas se puede generar sin aprendizaje adicional. Esto se logra enviando señales de disturbio a un sistema incorporado. El robot dependía completamente de los impulsos eléctricos de prueba y error, ya que no podía ver el entorno ni obtener información sensorial.

Hirokazu Takahashi es profesor asociado de mecanoinformática.

“Yo mismo me inspiré en nuestros experimentos para hipotetizar que la inteligencia en un sistema vivo surge de un mecanismo que extrae una salida coherente de un estado desorganizado o caótico”, dijo Takahashi.

Los investigadores utilizaron este principio para demostrar que las capacidades de resolución de tareas inteligentes pueden producirse mediante el uso de computadoras de reservorio físico, lo que permite la extracción de señales neuronales. Esto también permite la entrega de señales homeostáticas o de disturbio, y todo esto permite que la computadora cree un reservorio que comprende cómo resolver la tarea. 

“El cerebro de un niño de escuela primaria no puede resolver problemas matemáticos en un examen de admisión a la universidad, posiblemente porque la dinámica del cerebro o su ‘computadora de reservorio físico’ no es lo suficientemente rica”, dijo Takahashi. “La capacidad de resolución de tareas se determina por lo rico que es el repertorio de patrones espaciotemporales que la red puede generar”.

Según el equipo, el uso de computación de reservorio físico en este contexto podría contribuir a una mejor comprensión de cómo funciona el cerebro y podría llevar al desarrollo novel de una computadora neuromórfica.