Gracias al llamado aprendizaje profundo (deep learning), un subconjunto de algoritmos de inteligencia artificial (IA) inspirados en el cerebro, las máquinas pueden igualar el rendimiento humano en la percepción y el reconocimiento del lenguaje, e incluso superar a los humanos en ciertas tareas. Pero, ¿aprenden estos sistemas artificiales de inspiración biológica de la misma manera que nosotros?
Según un nuevo artículo que cuenta como primer autor con el Dr. Diogo Santos-Pata, del laboratorio de Sistemas Sintéticos Perceptivos, Emotivos y Cognitivos (SPECS) del IBEC, dirigido por el profesor ICREA Paul Verschure, en colaboración con el profesor Ivan Soltesz de la Universidad de Stanford, el mecanismo de aprendizaje autónomo que subyace a estos sistemas de IA refleja la naturaleza más de cerca de lo que se pensaba. Con su hipótesis y su modelo, estos científicos ofrecen nuevas perspectivas para entender cómo aprendemos y almacenamos los recuerdos.
El trabajo, publicado en la prestigiosa revista científica Trends in Cognitive Sciences, es relevante para mejorar los déficits de memoria en humanos y para construir nuevas y avanzadas formas de sistemas de memoria artificial.
Aprender sin profesor
El cerebro se considera un sistema de aprendizaje autónomo. Es decir, que puede detectar patrones y adquirir nuevos conocimientos sin ayuda externa. Hasta hace poco, este no era el caso de la IA: cualquier dato que se introdujera en los sistemas de aprendizaje automático tenía que ser etiquetado primero.
Este problema, denominado «el problema de la fundamentación de los símbolos», ha obstaculizado el progreso de la IA en las últimas décadas. Paul Verschure y sus colegas han abordado de manera sistemática la capacidad de los sistemas cognitivos para adquirir conocimientos de forma autónoma, o también llamada autonomía epistémica.
Imagen: propiedad de SPECS-lab (Shutterstock)
Resolvimos dos enigmas que parecían no estar relacionados pero que están entrelazados: que la autonomía epistémica del cerebro se basa en su capacidad para establecer objetivos de aprendizaje autogenerados y que las señales inhibitorias se propagan por el cerebro para mejorar el aprendizaje.
Paul Verschure, Profesor de investigación ICREA y líder del grupo del IBEC
Algunos presuponían que tal mecanismo no existía en las redes neuronales biológicas. Sin embargo, basándose en una combinación de consideraciones derivadas de la práctica actual de la IA, la neurociencia computacional, y un análisis de la fisiología del hipocampo, con este nuevo artículo los autores demuestran que la autosupervisión y la retropropagación de errores coexisten en el cerebro, y en una zona del cerebro muy específica implicada: el hipocampo.
Los circuitos y anatomía del aprendizaje
Del hipocampo, una estructura del cerebro de los vertebrados, se sabe desde hace tiempo que desempeña un papel crucial en la memoria y el aprendizaje. Sin embargo, aún hay preguntas clave sin responder: ¿cómo sabe qué y cuándo aprender? Y ¿cuál es el mecanismo que lo impulsa? «Las señales del entorno externo pasan por varias estructuras cerebrales antes de llegar al hipocampo, la estación final del procesamiento sensorial», explica el Dr. Diogo Santos-Pata, primer autor del artículo e investigador postdoctoral del laboratorio SPECS. Poder comparar las nuevas señales con la memoria que provocan permite al hipocampo aprender sobre los cambios en nuestro entorno; una predicción que Paul Verschure había hecho en 1993 basándose en modelos de redes neuronales incorporadas.
Más concretamente, y gracias a la estrecha interacción con el neurofisiólogo Ivan Soltesz y su equipo de la Universidad de Stanford, los investigadores demuestran que el hipocampo contiene una red de neuronas que controlan las señales neuronales y la información de forma similar a las operaciones de las redes neuronales artificiales que subyacen a la actual revolución de la IA.
«Nuestro principal hallazgo fue poner en perspectiva, no sólo los circuitos y la anatomía del complejo hipocampal, sino también los tipos de neuronas que impulsan el aprendizaje y permiten que el hipocampo sea totalmente autónomo para decidir qué y cuándo aprender», señala Santos-Pata.
«Es especialmente interesante porque el aprendizaje automático autosupervisado impulsado por la retropropagación de errores está ganando actualmente mucha tracción y atención en el mundo de la inteligencia artificial y este es el primer estudio que proporciona una explicación biológica completa para este mecanismo», añade Santos-Pata.
Artículo de referencia: 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.
Más información: gorts@ibecbarcelona.eu
