El condicionamiento clásico es un proceso psicológico a través del cual los animales o los humanos emparejan estímulos deseados o desagradables (por ejemplo, alimentos o experiencias dolorosas) con un estímulo aparentemente neutro (p. ej., el sonido de una campana, el destello de una luz, etc.) después de que estos dos estímulos se presenten juntos repetidamente. El psicólogo ruso Ivan Pavlov estudió en profundidad el condicionamiento clásico e introdujo la idea de "memoria asociativa, "lo que implica la construcción de fuertes asociaciones entre los estímulos agradables / desagradables y neutros.

Pavlov es conocido por sus estudios sobre perros, en el que les dio comida a los animales después de que escucharon un sonido específico durante varias pruebas. Curiosamente, observó que los perros eventualmente comenzarían a salivar (es decir, anticipando la comida) después de escuchar el sonido, incluso si la comida aún no les había sido presentada. Esto sugiere que habían aprendido a asociar el sonido con la llegada de la comida.

En años recientes, los investigadores han estado tratando de desarrollar herramientas computacionales, sobre todo técnicas de aprendizaje automático, inspirado en mecanismos biológicos, ya menudo se han inspirado en el condicionamiento clásico. Algunos de estos enfoques inspirados en el trabajo de Pavlov intentan reproducir la 'memoria asociativa' que observó en máquinas que utilizan memristores, que son componentes electrónicos que actúan como memoria para dispositivos.

Un equipo de investigadores de la Universidad de Industria Ligera de Zhengzhou y la Universidad de Ciencia y Tecnología de Huazhong en China ha desarrollado recientemente un nuevo circuito de red neuronal basado en memristor que reproduce la noción de memoria asociativa de Pavlov. Su circuito, presentado en un artículo publicado en Transacciones en cibernética , fue diseñado para superar algunas de las limitaciones de las redes neuronales basadas en memristor previamente propuestas que reproducen la memoria asociativa.

"La mayoría de las redes neuronales de memoria asociativa de Pavlov basadas en memristor requieren estrictamente que solo la comida y el anillo simultáneos parezcan generar memoria asociativa, "explicaron los investigadores en su artículo". En este artículo, el retraso de tiempo se considera para formar una memoria asociativa cuando el estímulo alimentario se retrasa del estímulo en anillo durante un cierto período de tiempo ".

El circuito de red neuronal basado en memristor desarrollado por los investigadores tiene tres componentes clave, un módulo de sinapsis, un módulo de control de voltaje y un módulo de retardo de tiempo. Su estructura única, particularmente el módulo de retardo de tiempo, le permite crear asociaciones incluso si un estímulo sobresaliente, que en los experimentos con perros de Pavlov era comida, aparece algún tiempo después de un estímulo neutral (por ejemplo, un sonido).

Este es un logro particularmente notable, ya que la mayoría de las redes neuronales basadas en memristor desarrolladas previamente solo pueden crear estas asociaciones si los dos estímulos se alimentan a la red al mismo tiempo. También se puede adaptar el ritmo al que el circuito presentado por el equipo aprende a hacer asociaciones, simplemente cambiando el lapso de tiempo entre los estímulos neutrales y salientes.

"Funciones como el aprendizaje, olvidando aprendizaje rápido, El circuito implementa el olvido lento y el aprendizaje con retardo de tiempo, "Los investigadores escribieron en su artículo." La red neuronal de memoria asociativa de Pavlov con aprendizaje de retardo de tiempo proporciona una referencia para un mayor desarrollo de sistemas similares al cerebro ".

En general, Los investigadores de la Universidad de Industria Ligera de Zhengzhou y la Universidad de Ciencia y Tecnología de Huazhong han introducido un diseño eficaz para sistemas de redes neuronales basados ​​en memristor inspirado en la noción de condicionamiento pavloviano. En el futuro, el circuito que desarrollaron podría tener varias aplicaciones interesantes, por ejemplo, ayudar al desarrollo de herramientas computacionales que reproduzcan los procesos psicológicos observados en animales o humanos de manera más efectiva. El equipo ahora tiene previsto seguir trabajando en el circuito, optimizando su rendimiento, simplificando su estructura e intentando integrarla en otros dispositivos.

© 2019 Science X Network