Aprendizaje automático, introducido hace 70 años, se basa en la evidencia de la dinámica del aprendizaje en el cerebro. Usando la velocidad de las computadoras modernas y grandes conjuntos de datos, Los algoritmos de aprendizaje profundo han producido recientemente resultados comparables a los de los expertos humanos en varios campos aplicables, pero con características distintas que se alejan del conocimiento actual del aprendizaje en neurociencia.

Usando experimentos avanzados en cultivos neuronales y simulaciones a gran escala, un grupo de científicos de la Universidad Bar-Ilan en Israel ha demostrado un nuevo tipo de algoritmos de inteligencia artificial ultrarrápidos, basados ​​en la dinámica cerebral muy lenta, que superan las tasas de aprendizaje alcanzadas hasta la fecha por algoritmos de aprendizaje de última generación.

En un artículo publicado hoy en la revista Informes científicos , Los investigadores reconstruyen el puente entre la neurociencia y los algoritmos avanzados de inteligencia artificial que se ha dejado prácticamente inútil durante casi 70 años.

"El punto de vista científico y tecnológico actual es que la neurobiología y el aprendizaje automático son dos disciplinas distintas que avanzaron de forma independiente, "dijo el autor principal del estudio, Prof. Ido Kanter, del Departamento de Física de la Universidad de Bar-Ilan y del Centro Multidisciplinario de Investigación del Cerebro de Gonda (Goldschmied). "La ausencia de una influencia recíproca esperada es desconcertante".

"La cantidad de neuronas en un cerebro es menor que la cantidad de bits en un tamaño de disco típico de las computadoras personales modernas, y la velocidad computacional del cerebro es como el segundero de un reloj, incluso más lento que la primera computadora inventada hace más de 70 años, ", continuó." Además, Las reglas de aprendizaje del cerebro son muy complicadas y están alejadas de los principios de los pasos de aprendizaje en los algoritmos actuales de inteligencia artificial. "añadió el profesor Kanter, cuyo equipo de investigación incluye a Herut Uzan, Shira Sardi, Amir Goldental y Roni Vardi.

La dinámica del cerebro no cumple con un reloj bien definido sincronizado para todas las células nerviosas, dado que el esquema biológico tiene que hacer frente a entradas asincrónicas, a medida que se desarrolla la realidad física. "Al mirar hacia adelante, uno observa inmediatamente un marco con varios objetos. Por ejemplo, mientras se conduce uno observa autos, Cruces peatonales, y señales de tráfico, y puede identificar fácilmente su orden temporal y posiciones relativas, ", dijo el profesor Kanter." El hardware biológico (reglas de aprendizaje) está diseñado para manejar entradas asincrónicas y refinar su información relativa ". Los algoritmos tradicionales de inteligencia artificial se basan en entradas síncronas. por lo tanto, la temporización relativa de las diferentes entradas que constituyen la misma trama se suele ignorar.

El nuevo estudio demuestra que las tasas de aprendizaje ultrarrápidas son sorprendentemente idénticas para redes pequeñas y grandes. Por eso, dicen los investigadores, "La desventaja del complicado esquema de aprendizaje del cerebro es en realidad una ventaja". Otro hallazgo importante es que el aprendizaje puede ocurrir sin pasos de aprendizaje a través de la autoadaptación de acuerdo con entradas asincrónicas. Este tipo de aprendizaje-sin-aprendizaje ocurre en las dendritas, varias terminales de cada neurona, como se ha observado recientemente de forma experimental. Además, La dinámica de la red bajo el aprendizaje dendrítico se rige por pesos débiles que antes se consideraban insignificantes.

La idea de algoritmos eficientes de aprendizaje profundo basados ​​en la dinámica del cerebro muy lento ofrece una oportunidad para implementar una nueva clase de inteligencia artificial avanzada basada en computadoras rápidas. Pide la reiniciación del puente de la neurobiología a la inteligencia artificial y, como concluye el grupo de investigación, "La comprensión de los principios fundamentales de nuestro cerebro tiene que estar una vez más en el centro de la futura inteligencia artificial".