Crédito:Lillian, Meyes y Meisen.
Un equipo de investigadores del Instituto de Gestión de la Información en Ingeniería Mecánica de la Universidad RWTH Aachen ha explorado recientemente el uso de técnicas de neurociencia para determinar cómo se estructura la información dentro de las redes neuronales artificiales (ANN). En su papel prepublicado en arXiv, los investigadores aplicaron una técnica llamada ablación, lo que implica cortar partes del cerebro para determinar su función, en arquitecturas de redes neuronales.
"Nuestra idea se inspiró en la investigación en el campo de la neurociencia, donde uno de los principales objetivos es comprender cómo funciona nuestro cerebro, "Richard Meyes y Tobias Meisen, dos investigadores que llevaron a cabo el estudio dijeron a TechXplore, vía correo electrónico. "Se descubrieron muchos conocimientos sobre las funcionalidades del cerebro en estudios de ablación, que es un enfoque en el que partes específicas del cerebro se dañan cuidadosamente de manera controlada, afectando la capacidad del cerebro para realizar las tareas diarias, como generar habla, o movimiento ".
El objetivo del estudio realizado por Meyes, Meisen y su colega Peter Lillian iban a examinar las ANN desde una perspectiva biológica, evaluar su estructura y la función de sus diferentes componentes. Decidieron hacer esto mediante ablación, una técnica empleada en la investigación de la neurociencia durante más de doscientos años.
Esencialmente, La ablación consiste en eliminar o destruir selectivamente tejido en áreas específicas del cerebro, con el único propósito de observar los efectos conductuales de este daño y así comprender mejor la función de estas áreas. La ablación ya se ha aplicado a las RNA en varios estudios, pero estos estudios se centraron principalmente en ajustar las capas de la red y cambiar su estructura, por lo tanto, se asemeja más a las búsquedas de parámetros que a la ablación biológica.
Crédito:Lillian, Meyes y Meisen.
En su estudio, los investigadores deseaban dañar áreas de las ANN y observar cómo esto afectaba su desempeño. Por último, querían utilizar estas observaciones para comparar la organización de las redes neuronales artificiales con la de las biológicas.
"La idea detrás de las ablaciones para redes neuronales artificiales (ANN) es simple, "Meyes y Meisen explicaron." Primero, entrenamos una red para realizar una tarea específica, p.ej. para reconocer dígitos escritos a mano. Segundo, Cortamos una pequeña parte de la red y evaluamos cómo cambia el rendimiento de la red debido al daño causado. Tercera, determinamos si existe una relación entre la ubicación de la pieza dañada y el efecto que tuvo en el rendimiento de la red. De esta manera, descubrimos que las habilidades específicas de la red, p.ej. para realizar movimientos hacia adelante del robot controlado, están representados localmente y pueden destruirse a propósito ".
Al eliminar las ANN capacitadas para navegar por un bucle de cables y examinar cómo estas intervenciones afectaron su producción, los investigadores recopilaron una serie de hallazgos interesantes, sugiriendo que efectivamente existen vínculos y similitudes entre las redes artificiales y biológicas. Estas similitudes están relacionadas tanto con la forma en que se organizan las redes como con la forma en que almacenan la información.
A medida que se elimina cada grupo de ablación, la salida sin ese grupo se guarda. Después de la ablación de cada grupo, los investigadores terminaron con una lista de resultados que mostraban cómo cambia la red cuando se eliminan sus partes. Solo se realiza la ablación de un grupo a la vez. Crédito:Lillian, Meyes y Meisen.
"Nuestro hallazgo más interesante es la observación de que el rendimiento de una red dañada generalmente disminuye, mientras que habilidades muy específicas de la red, p.ej. para reconocer un dígito específico, se puede mejorar dañando partes específicas, "Meyes y Meisen dijeron." Nuestro estudio sugiere que el rendimiento de una red neuronal puede aumentarse dañándola cuidadosamente en las regiones correctas. Es más, nuestro estudio implica que la aplicación de métodos neurocientíficos para las RNA puede abrir nuevas perspectivas sobre la comprensión de la inteligencia artificial ".
A pesar de los fascinantes resultados obtenidos por Meyes, Meisen y Lillian, su estudio tenía varias limitaciones y era simplemente un primer paso para examinar las conexiones entre las redes neuronales biológicas y artificiales. Por ejemplo, sus experimentos estaban limitados por el uso del aprendizaje por refuerzo y se basaban en un modelo entrenado robóticamente, en tiempo real. La investigación futura podría examinar las similitudes entre las ANN y las redes cerebrales con más detalle y a mayor escala.
Los resultados de ablación de una red típica (cómo cambió su salida) para una imagen; el método utilizado por los investigadores compara cada grupo de ablación con sus contrapartes en los otros ensayos. Estos datos forman parte del espacio de acción ampliado. Los investigadores han omitido la acción longitudinal debido a su valor altamente constante. Crédito:Lillian, Meyes y Meisen.
"Ahora planeamos continuar explorando nuestra idea general de realizar investigaciones inspiradas en la neurociencia sobre las ANN, "Meyes y Meisen dijeron." Uno de nuestros próximos pasos será visualizar la actividad en las RNA al igual que la actividad cerebral se puede visualizar con métodos de imágenes como la resonancia magnética funcional. Nuestro objetivo es hacer que el proceso de toma de decisiones en las RNA sea más transparente y obtener una nueva perspectiva sobre la IA en general ".
© 2018 Science X Network
