La inteligencia artificial IA todavía tiene mucho que aprender de los cerebros de los animales, dice el neurocientífico del Laboratorio Cold Spring Harbor CSHL Anthony Zador. Ahora, espera que las lecciones de la neurociencia puedan ayudar a la próxima generación de inteligencia artificial a superar algunas barreras particularmente difíciles.
Anthony Zador, MD, Ph.D., ha pasado su carrera trabajando para describir, hasta la neurona individual, las complejas redes neuronales que conforman un cerebro vivo. Pero comenzó su carrera estudiando redes neuronales artificiales ANN.Los ANN, que son los sistemas informáticos detrás de la reciente revolución de la IA, están inspirados en las redes ramificadas de neuronas en los cerebros de animales y humanos. Sin embargo, este concepto amplio es generalmente donde termina la inspiración.
En una pieza de perspectiva publicada recientemente en Comunicaciones de la naturaleza , Zador describe cómo los algoritmos de aprendizaje mejorados están permitiendo que los sistemas de IA logren un rendimiento sobrehumano en un número cada vez mayor de problemas más complejos como el ajedrez y el póker. Sin embargo, las máquinas todavía están perplejas por lo que consideramos los problemas más simples.
Resolver esta paradoja finalmente puede permitir que los robots aprendan a hacer algo tan orgánico como acechar presas o construir un nido, o incluso algo tan humano y mundano como lavar los platos, una tarea que el CEO de Google Eric Schmidt una vez llamó "literalmente el númerouna solicitud ... pero un problema extraordinariamente difícil "para un robot.
"Las cosas que encontramos difíciles, como el pensamiento abstracto o el juego de ajedrez, en realidad no son lo difícil para las máquinas. Las cosas que encontramos fáciles, como interactuar con el mundo físico, eso es lo difícil", explicó Zador.La razón por la que pensamos que es fácil es que tuvimos medio billón de años de evolución que han conectado nuestros circuitos para que lo hagamos sin esfuerzo ".
Es por eso que Zador escribe que el secreto del aprendizaje rápido podría no ser un algoritmo de aprendizaje general perfeccionado. En cambio, sugiere que las redes neuronales biológicas esculpidas por la evolución proporcionan una especie de andamiaje para facilitar el aprendizaje rápido y fácil de tareas específicasgeneralmente aquellos cruciales para la supervivencia.
Por ejemplo, Zador señala su patio trasero.
"Tienes ardillas que pueden saltar de árbol en árbol unas pocas semanas después del nacimiento, pero no tenemos ratones que aprendan lo mismo. ¿Por qué no?", Dijo Zador. "Es porque uno está genéticamente predeterminado para convertirse en árbol".criatura habitante "
Zador sugiere que un resultado de esta predisposición genética es el circuito innato que ayuda a guiar el aprendizaje temprano de un animal. Sin embargo, estas redes de andamios son mucho menos generalizadas que la panacea percibida del aprendizaje automático que persigue la mayoría de los expertos en inteligencia artificial. Si ANNs identifica yAdapta juegos similares de circuitos, argumenta Zador, los robots domésticos del futuro podrían sorprendernos algún día con platos limpios.
Fuente de la historia :
Materiales proporcionado por Laboratorio Cold Spring Harbor . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :