Gràcies a l’anomenat aprenentatge profund, un subconjunt d’intel·ligència artificial (IA) inspirat en el cervell, les màquines poden igualar el rendiment humà en la percepció i el reconeixement del llenguatge, i fins i tot poden superar als humans en certes tasques. Però, aprenen aquests sistemes sintètics d’inspiració biològica de la mateixa manera que nosaltres?
Segons un nou article del primer autor, el Dr. Diogo Santos-Pata, del laboratori de Sistemes Sintètics, Perceptius, Emotius i Cognitius (SPECS) de l’IBEC dirigit pel professor d’ICREA Paul Verschure, en col·laboració amb el professor Ivan Soltesz de la Universitat de Stanford, el mecanisme d’aprenentatge autònom subjacent en aquests sistemes d’IA reflecteix la naturalesa més de prop del que es pensava. Amb la seva hipòtesi i model, aquests científics ofereixen noves perspectives sobre com aprenem i emmagatzemem records.
L’article, publicat a la prestigiosa revista científica Trends in Cognitive Sciences, és rellevant per millorar els dèficits de memòria en humans i per construir noves i avançades formes de sistemes de memòria artificial.
Aprendre sense professor
El cervell es considera un sistema d’aprenentatge autònom. En altres paraules, pot detectar patrons i adquirir nous coneixements sense orientació externa. Fins fa poc, aquest no era el cas de la IA — qualsevol dada que alimentés als sistemes d’aprenentatge automàtic necessitava ser etiquetada primer.
Aquest suposat problema de base simbòlica ha dificultat el progrés en la IA durant les últimes dècades. Paul Verschure i els seus col·legues han abordat sistemàticament la capacitat dels sistemes cognitius per adquirir el coneixement de manera autònoma, o l’anomenada autonomia epistèmica.
Imatge: propietat de SPECS-lab (Shutterstock)
Vam resoldre dos enigmes que no semblava que guardessin relació, però que estan entrellaçats: que l’autonomia epistèmica del cervell es basa en la seva capacitat d’establir objectius d’aprenentatge autogenerats i que els senyals inhibidors es propaguen a través del cervell per millorar l’aprenentatge.
Paul Verschure, professor d’investigació ICREA i líder del grup a l’IBEC
Alguns van suposar que aquest mecanisme no existia en les xarxes neuronals biològiques. No obstant això, basant-se en una combinació de consideracions de la pràctica actual de la IA, la neurociència computacional, i un anàlisi de la fisiologia hipocampal, amb aquest nou article els autors mostren que l’autosupervisió i la retropropagació d’error coexisteixen al cervell, i en una àrea molt específica del cervell implicada: l’hipocamp.
El circuit i l’anatomia de l’aprenentatge
L’hipocamp, una estructura del cervell dels vertebrats, ha estat durant molt de temps sabut que té un paper crucial en la memòria i l’aprenentatge. Però hi ha preguntes clau que encara no tenen resposta: com sap què i quan aprendre? I quin és el mecanisme que condueix a això? Els “senyals de l’entorn extern passen a través de diverses estructures cerebrals abans d’arribar a l’hipocamp — l’estació final de processament sensorial”, explica Diogo Santos-Pata, primer autor de l’article i investigador postdoctoral al laboratori SPECS. El fet de poder comparar nous senyals amb la memòria que desencadena permet a l’hipocamp aprendre sobre els canvis en el nostre entorn; una predicció que Paul Verschure havia fet el 1993 basant-se en models de xarxa neuronals.
Més específicament, i gràcies a l’estreta interacció amb el neurofisiòleg Ivan Soltesz i el seu equip a la Universitat de Stanford, els investigadors mostren que l’hipocamp conté una xarxa de neurones que controlen els senyals neuronals i la informació de manera similar a les operacions de les xarxes neuronals artificials subjacents a l’actual revolució de la IA.
“La nostra troballa principal estava posant en perspectiva no només els circuits i l’anatomia del complex hipocampal, sinó també els tipus de neurones que impulsen l’aprenentatge i permeten que l’hipocamp sigui plenament autònom en decidir què i quan aprendre“, assenyala Santos-Pata.
“És especialment interessant perquè l’aprenentatge automàtic autosupervisat impulsat per la retropropagació d’errors està guanyant molta tracció i atenció en el món de la intel·ligència artificial i aquest és el primer estudi que proporciona una explicació biològica completa per a aquest mecanisme”, afegeix Santos-Pata.
Article de referència: Diogo Santos-Pata, Adrián F. Amil, Ivan Georgiev Raikov, César Rennó-Costa, Anna Mura, Ivan Soltesz, Paul F.M.J. Verschure. “Epistemic Autonomy: Self-supervised Learning in the Mammalian Hippocampus”. Trends in Cognitive Sciences, 2021.
Més informació: gorts@ibecbarcelona.eu
