El aprendizaje profundo ha generado máquinas que pueden 'ver' el mundo más como los humanos y reconocer el lenguaje. Y aunque el aprendizaje profundo fue inspirado por el cerebro humano, la pregunta sigue siendo: ¿el cerebro realmente aprende de esta manera?el potencial para crear inteligencia artificial más poderosa y desbloquear los misterios de la inteligencia humana.
En un estudio publicado el 5 de diciembre en eLife , el miembro de CIFAR Blake Richards y sus colegas dieron a conocer un algoritmo que simula cómo el aprendizaje profundo podría funcionar en nuestros cerebros. La red muestra que ciertas neuronas de mamíferos tienen la forma y las propiedades eléctricas adecuadas para el aprendizaje profundo. Además, representaUna forma biológicamente más realista de cómo los cerebros reales podrían hacer un aprendizaje profundo.
La investigación fue realizada por Richards y su estudiante graduado Jordan Guerguiev, en la Universidad de Toronto, Scarborough, en colaboración con Timothy Lillicrap en Google DeepMind. Su algoritmo se basó en las neuronas en la neocorteza, que es responsable del pensamiento de orden superior.
"La mayoría de estas neuronas tienen forma de árboles, con 'raíces' profundas en el cerebro y 'ramas' cerca de la superficie", dice Richards. "Lo interesante es que estas raíces reciben un conjunto diferente de entradas que las ramas queestán muy arriba en la cima del árbol "
Utilizando este conocimiento de la estructura de las neuronas, Richards y Guerguiev construyeron un modelo que recibió señales de manera similar en compartimentos segregados. Estas secciones permitieron que las neuronas simuladas en diferentes capas colaboraran, logrando un aprendizaje profundo
"Es solo un conjunto de simulaciones, por lo que no puede decirnos exactamente qué están haciendo nuestros cerebros, pero sugiere lo suficiente como para garantizar un examen experimental adicional si nuestros propios cerebros pueden usar el mismo tipo de algoritmos que usan en IA,"Richards dice.
Esta idea de investigación se remonta a los pioneros de IA Geoffrey Hinton, miembro distinguido de CIFAR y fundador del programa Learning in Machines & Brains, y el codirector del programa Yoshua Bengio, y fue una de las principales motivaciones para fundar el programa en la primeralugar. Estos investigadores buscaron no solo desarrollar inteligencia artificial, sino también comprender cómo aprende el cerebro humano, dice Richards.
A principios de la década de 2000, Richards y Lillicrap tomaron un curso con Hinton en la Universidad de Toronto y estaban convencidos de que los modelos de aprendizaje profundo estaban capturando "algo real" sobre cómo funciona el cerebro humano. En ese momento, había varios desafíos para probar esa ideaEn primer lugar, no estaba claro que el aprendizaje profundo pudiera lograr habilidades a nivel humano. En segundo lugar, los algoritmos violaban los hechos biológicos probados por los neurocientíficos.
Ahora, Richards y varios investigadores están buscando cerrar la brecha entre la neurociencia y la IA. Este artículo se basa en la investigación del laboratorio de Bengio sobre una forma más biológicamente plausible de entrenar redes neuronales y un algoritmo desarrollado por Lillicrap que relaja aún más parte delas reglas para entrenar redes neuronales. El documento también incorpora la investigación de Matthew Larkam sobre la estructura de las neuronas en la neocorteza. Al combinar conocimientos neurológicos con algoritmos existentes, el equipo de Richards pudo crear un algoritmo mejor y más realista que simulaba el aprendizaje en el cerebro.
Las neuronas de neocorteza en forma de árbol son solo uno de los muchos tipos de células en el cerebro. Richards dice que la investigación futura debería modelar diferentes células cerebrales y examinar cómo podrían interactuar juntas para lograr un aprendizaje profundo. A largo plazo, espera que los investigadorespuede superar desafíos importantes, como aprender a través de la experiencia sin recibir comentarios.
"Lo que podríamos ver en la próxima década más o menos es un verdadero ciclo virtuoso de investigación entre la neurociencia y la IA, donde los descubrimientos de la neurociencia nos ayudan a desarrollar nuevas IA y AI pueden ayudarnos a interpretar y comprender nuestros datos experimentales en neurociencia", Richardsdice.
Fuente de la historia :
Materiales proporcionado por Instituto Canadiense de Investigación Avanzada . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :