Casi todas las redes neuronales que utilizan herramientas modernas de IA se basan en un modelo computacional de neurona viva de los años sesenta.
Las neuronas biológicas tienen más control sobre su entorno de lo que se pensaba, según propone un nuevo estudio, y eso es algo que podría reproducirse en las redes neuronales artificiales utilizadas en el aprendizaje automático para mejorar la inteligencia artificial (IA).
Un equipo del Flatiron Insitute (EE.UU) ha desarrollado un nuevo modelo de neuronas que las considera como pequeños “controladores”, un término de ingeniería para referirse a dispositivos que pueden influir en su entorno basándose en la información recopilada sobre ese entorno.
“La neurociencia ha avanzado bastante en estos últimos 60 años y ahora reconocemos que los modelos anteriores de neuronas son bastante rudimentarios“, señalo Dmitri Chklovskii, del Flatiron Institute y autor principal del trabajo que publica PNAS.
El nuevo modelo sugiere que esta aproximación de hace décadas no capta todas las capacidades computacionales que poseen las neuronas reales y que “este modelo antiguo está frenando potencialmente el desarrollo de la IA”, señala un comunicado del centro de investigación.
El estudio postula que las neuronas individuales ejercen más control sobre su entorno de lo que se creía y ese modelo actualizado podría conducir, en última instancia, a redes neuronales artificiales más potentes que “capten mejor los poderes de nuestros cerebros”, afirman los investigadores.
Casi todas las redes neuronales que utilizan herramientas modernas de inteligencia artificial, como ChatGPT, se basan en un modelo computacional de neurona viva de los años sesenta.
Las redes neuronales artificiales pretenden imitar el modo en que el cerebro humano procesa la información y toma decisiones, aunque de forma mucho más simplificada.
Estas redes se construyen a partir de capas ordenadas de “nodos”. La red empieza con una capa de entrada de nodos que recibe información, luego tiene capas intermedias de nodos que procesan la información y termina con una capa de salida que envía los resultados.
Normalmente, un nodo solo pasa información a la capa siguiente si la entrada total que recibe de los de la capa anterior supera un determinado umbral.
Cuando se entrenan las redes neuronales artificiales actuales, la información pasa por un nodo en una sola dirección y no hay forma de que influyan en la información que reciben de los anteriores de la cadena.
Sin embargo, es posible que nuestras neuronas no sean meras transmisoras pasivas de información, sino que controlen el estado de otras, agrega el estudio.
El nuevo modelo propuesto trata a las neuronas como pequeños “controladores” y Chklovskii cree que “podría ser un paso importante para mejorar el rendimiento y la eficacia de muchas aplicaciones de aprendizaje automático”.
El modelo de la neurona como controlador se inspira en lo que los científicos saben sobre los circuitos cerebrales a gran escala formados por muchas neuronas.
El equipo consideró que una forma novedosa de control, conocida como control directo basado en datos, es lo bastante sencilla y eficaz como para que sea biológicamente plausible que tenga lugar en células individuales.
Chklovskii planea analizar a continuación tipos de neuronas que no encajan en su nuevo modelo, como las de la retina que reciben entradas directas del entorno visual.
Es posible que estas neuronas no puedan controlar sus entradas del mismo modo que las neuronas más profundas del cerebro, pero podrían utilizar algunos de los mismos principios, siendo capaces de predecir sus entradas, aunque no puedan influir en ellas.
Con información de Aristegui Noticias.