¿Cómo pueden la IA y la neurociencia ayudarse mutuamente a progresar?

¿Cómo pueden la IA y la neurociencia ayudarse mutuamente a progresar?

La Inteligencia Artificial ha progresado inmensamente en los últimos años. De ser sólo un contexto de ficción a penetrar en la vida cotidiana de las personas, la IA ha traído la transformación de varias maneras. Estos avances son el resultado de varios factores que incluyen la aplicación de nuevos enfoques estadísticos y mayores poderes de computación. Sin embargo, según el informe 2017 de DeepMind, una perspectiva de la revista Neuron, la gente suele descartar la contribución y el uso de ideas de la neurociencia experimental y teórica.

Los investigadores del informe DeepMind creen que inspirarse en la neurociencia en la investigación de la IA es importante por dos razones. Primero, la neurociencia puede ayudar a validar las técnicas de IA que ya existen. Dijeron: «En pocas palabras, si descubrimos que uno de nuestros algoritmos artificiales imita una función dentro del cerebro, sugiere que nuestro enfoque puede estar en el camino correcto». En segundo lugar, la neurociencia puede proporcionar una rica fuente de inspiración para nuevos tipos de algoritmos y arquitecturas a emplear cuando se construyen cerebros artificiales. Los enfoques tradicionales de la IA han estado históricamente dominados por métodos basados en la lógica y modelos matemáticos teóricos.

Además, en una reciente entrada de blog, DeepMind sugiere que el cerebro humano y los métodos de aprendizaje de la IA están estrechamente vinculados cuando se trata de aprender a través de la recompensa.

Los científicos de la computación han desarrollado algoritmos para reforzar el aprendizaje en sistemas artificiales. Estos algoritmos permiten a los sistemas de IA aprender estrategias complejas sin instrucción externa, guiados en cambio por predicciones de recompensa.

Como se ha señalado en el post, un reciente avance de la informática -que produce mejoras significativas en el rendimiento en los problemas de aprendizaje de refuerzo- puede proporcionar una explicación profunda y parsimoniosa de varias características anteriormente inexplicadas del aprendizaje de recompensa en el cerebro, y abre nuevas vías de investigación sobre el sistema de dopamina del cerebro, con posibles repercusiones en los trastornos del aprendizaje y la motivación.

DeepMind descubrió que las neuronas de la dopamina en el cerebro estaban cada una sintonizada con diferentes niveles de pesimismo u optimismo. Si fueran un coro, no estarían todas cantando la misma nota, sino armonizando – cada una con un registro vocal consistente, como los cantantes de bajo y soprano. En los sistemas de aprendizaje de refuerzo artificial, esta afinación diversa crea una señal de entrenamiento más rica que acelera enormemente el aprendizaje en las redes neuronales, y los investigadores especulan que el cerebro podría utilizarla por la misma razón.

La existencia de un aprendizaje de refuerzo distributivo en el cerebro tiene implicaciones interesantes tanto para la IA como para la neurociencia. En primer lugar, este descubrimiento valida el aprendizaje de refuerzo distributivo – da a los investigadores una mayor confianza en que la investigación de la IA va por buen camino, ya que este algoritmo ya se está utilizando en la entidad más inteligente de la que son conscientes: el cerebro.

Por lo tanto, un marco compartido para la inteligencia en el contexto de la inteligencia artificial y la neurociencia permitirá a los científicos construir máquinas más inteligentes y les permitirá comprender mejor a la humanidad. Este impulso de colaboración para impulsar ambas podría posiblemente ampliar las capacidades cognitivas humanas y al mismo tiempo salvar la brecha entre los humanos y las máquinas.

Leave a Comment!