Un vehículo es maniobrado hacia un espacio de estacionamiento mediante una pequeña red neuronal. Crédito:Universidad Tecnológica de Viena
Los informáticos de TU Wien (Viena) están mejorando la inteligencia artificial inspirándose en la biología. Los nuevos enfoques logran resultados asombrosos con sorprendentemente poco esfuerzo.
Un cerebro desarrollado naturalmente funciona de manera bastante diferente a un programa de computadora ordinario. No utiliza código que consta de instrucciones lógicas claras, es una red de células que se comunican entre sí. La simulación de estas redes en una computadora puede ayudar a resolver problemas que son difíciles de dividir en operaciones lógicas.
En TU Wien (Viena), en colaboración con investigadores del Instituto de Tecnología de Massachusetts (MIT), ahora se ha desarrollado un nuevo enfoque para programar tales redes neuronales, que modela la evolución temporal de las señales nerviosas de una manera completamente diferente. Se inspiró en una criatura particularmente simple y bien investigada, el gusano redondo C. elegans. Los circuitos neuronales de su sistema nervioso se simularon en la computadora, y luego el modelo se adaptó con algoritmos de aprendizaje automático. De esta manera, era posible resolver tareas notables con un número extremadamente bajo de células nerviosas simuladas, por ejemplo, aparcar un coche. Aunque la red inspirada en gusanos solo consta de 12 neuronas, se puede entrenar para dirigir un robot móvil a un lugar determinado. Ramin Hasani del Instituto de Ingeniería Informática de TU Wien ha presentado su trabajo en la conferencia TEDx en Viena el 20 de octubre.
Se puede demostrar que estas nuevas redes neuronales son extremadamente versátiles. Otra ventaja es que se puede comprender su dinámica interna, en contraste con las redes neuronales artificiales estándar, que a menudo se consideran una "caja negra" útil pero inescrutable.
La red neuronal:diferentes capas de neuronas interconectadas. Crédito:Universidad Tecnológica de Viena
Señales en redes ramificadas
"Hay que entrenar las redes neuronales", dice Ramin Hasani. "Usted proporciona una entrada específica y ajusta las conexiones entre las neuronas para que se entregue la salida deseada".
La entrada por ejemplo, puede ser una fotografía, y la salida puede ser el nombre de la persona en la imagen. "El tiempo no suele jugar un papel importante en este proceso, ", dice Radu Grosu del Instituto de Ingeniería Informática de TU Wien. Para la mayoría de las redes neuronales, toda la entrada se entrega a la vez, inmediatamente resultando en una determinada salida. Pero en la naturaleza las cosas son muy diferentes.
Reconocimiento de voz, por ejemplo, siempre depende del tiempo, al igual que las traducciones simultáneas o secuencias de movimientos que reaccionan a un entorno cambiante. "Estas tareas se pueden manejar mejor con lo que llamamos RNN, o redes neuronales recurrentes ", dice Ramin Hasani. "Esta es una arquitectura que puede capturar secuencias, porque hace que las neuronas recuerden lo que sucedió anteriormente ".
Hasani y sus colegas proponen una nueva arquitectura RNN basada en un modelo biofísico de neuronas y sinapsis que permite una dinámica variable en el tiempo. "En un modelo RNN estándar, existe un vínculo constante entre la neurona uno y la neurona dos, definir la fuerza con la que la actividad de la neurona uno influye en la actividad de la neurona dos ", dice Ramin Hasani. "En nuestra novedosa arquitectura RNN, este vínculo es una función no lineal del tiempo ".
El cerebro de gusano que puede aparcar un coche
Permitir que las actividades de las células y los vínculos entre las células varíen con el tiempo abre posibilidades completamente nuevas. Ramin Hasani, Mathias Lechner y sus compañeros de trabajo demostraron teóricamente que su arquitectura puede, en principio, dinámica arbitraria aproximada. Para demostrar la versatilidad del nuevo enfoque, desarrollaron y entrenaron una pequeña red neuronal:"Re-propusimos un circuito neuronal del sistema nervioso del nematodo C. elegans. Es responsable de generar un comportamiento reflexivo simple - el tacto-retirada, "dice Mathias Lechner, que ahora trabaja en el Instituto de Ciencia y Tecnología (IST) de Austria. "Esta red neuronal fue simulada y entrenada para controlar aplicaciones de la vida real".
El éxito es notable:el pequeño, Una red simple con solo 12 neuronas puede (después de un entrenamiento apropiado) resolver tareas desafiantes. Por ejemplo, fue entrenado para maniobrar un vehículo en un espacio de estacionamiento a lo largo de un camino predefinido. "La salida de la red neuronal, que en la naturaleza controlaría el movimiento de los gusanos nematodos, se utiliza en nuestro caso para dirigir y acelerar un vehículo ", dice Hasani. "Demostramos teórica y experimentalmente que nuestras nuevas redes neuronales pueden resolver tareas complejas en la vida real y en entornos físicos simulados".
El nuevo enfoque tiene otra ventaja importante:proporciona una mejor comprensión del funcionamiento interno de la red neuronal. Redes neuronales anteriores, que a menudo constaba de muchos miles de nodos, han sido tan complejas que solo se pudieron analizar los resultados finales. No fue posible obtener una comprensión más profunda de lo que sucede en el interior. La red más pequeña pero extremadamente poderosa del equipo de Viena es más fácil de analizar, para que los científicos puedan comprender, al menos parcialmente, qué células nerviosas causan qué efectos. "Esta es una gran ventaja que nos anima a seguir investigando sus propiedades", dice Hasani.
Por supuesto, esto no significa que los autos serán estacionados por gusanos artificiales en el futuro, pero muestra que la inteligencia artificial con una arquitectura más parecida a la del cerebro puede ser mucho más poderosa de lo que se pensaba anteriormente.