Modelos computacionales pueden aprender como lo hacen los cerebros de mamíferos

En estudios recientes del MIT, investigadores descubrieron que los modelos IA, conocidos como redes neuronales, tienen patrones de actividad similar a la de los cerebros de mamíferos. Dichos hallazgos sugieren, estos modelos son capaces de aprender representaciones del mundo físico, las cuales pueden usar para realizar predicciones precisas. Lo cual es un proceso similar a la comprensión intuitiva-sensorial del cerebro humano.

Al respecto, los autores de las investigaciones Lisa Yang y Aran Nayebi, sugieren que los modelos entrenados mediante "aprendizaje autosupervisado", desarrollan patrones similares a los formados por las células reticulares del cerebro.

Cabe mencionar, el aprendizaje autosupervisado, se define como un enfoque de entrenamiento basado en la clasificación de objetos en función de su similitud. Anteriormente, los modelos de visión se basaban en aprendizaje supervisado, es decir, en clasificación de imágenes que estaban etiquetadas. Sin embargo, este requería de una gran cantidad de datos que fueran etiquetados por humanos.

A manera de alternativa, se desarrollaron estos algoritmos de aprendizaje autosupervisado, también conocidos como redes neuronales. Los cuales constan de miles o millones de unidades de procesamiento interconectadas entre sí. Estos, a medida que analizan los datos, fortalecen y cambian las conexiones para aprender a realizar las tareas deseadas. Al notar que los patrones de activación de las conexiones eran similares a las de neuronas de cerebros humanos, Nayebi comenzó a ahondar en estas similitudes.

Referente a ello, tras entrenar un modelo a través de aprendizaje autosupervisado, este fue sometido a una tarea llamada "Mental Pong". Este se basa en el popular videojuego Pong, donde un jugador mueve una palera para golpear una pelota virtual. En la versión mental, la pelota desaparece poco antes de golpear la pala, por lo cual el jugador debe predecir su trayectoria y así poder golpearla.

De esta forma, el modelo IA fue capaz de seguir la trayectoria oculta de la bola con una precisión similar a la de las neuronas de cerebros de mamíferos. Además, los patrones de activación fueron similares a los observados en la corteza frontal dorsomedial de los animales que jugaban Mental-Pong. Dado esto, los investigadores aseveran, ningún otro modelo había sido capaz de igualar los datos biológicos tan estrechamente como este.

Por lo cual, se considera que la relevancia de este modelo para la neurobiología, recae en su capacidad para capturar el funcionamiento interno en el cerebro. Pues esto sugiere un acercamiento hacia el desarrollo de sistemas artificiales que emulen la inteligencia artificial. Este estudio será presentado en la Conferencia de Sistemas de Procesamiento de Información Neuronal, el cual se llevará a cabo en diciembre de 2023.