El nuevo estudio encontró que al ajustar las propiedades eléctricas de células individuales en simulaciones de redes cerebrales, las redes aprendieron más rápido que las simulaciones con células idénticas.
También encontraron que las redes necesitaban menos celdas modificadas para obtener los mismos resultados, y que el método consume menos energía que los modelos con celdas idénticas.
Los autores dicen que sus hallazgos podrían enseñarnos por qué nuestros cerebros son tan buenos para aprender y también podrían ayudarnos a construir mejores sistemas artificialmente inteligentes, como asistentes digitales que pueden reconocer voces y rostros, o tecnología de automóviles autónomos..
El primer autor, Nicolás Pérez, estudiante de doctorado en el Departamento de Ingeniería Eléctrica y Electrónica del Imperial College de Londres, dijo: "El cerebro necesita ser energéticamente eficiente y al mismo tiempo ser capaz de sobresalir en la resolución de tareas complejas. Nuestro trabajo sugiere que tener una diversidad delas neuronas tanto en el cerebro como en los sistemas de inteligencia artificial cumplen ambos requisitos y podrían impulsar el aprendizaje ".
La investigación se publica en Comunicaciones de la naturaleza.
¿Por qué una neurona es como un copo de nieve?
El cerebro está formado por miles de millones de células llamadas neuronas, que están conectadas por vastas 'redes neuronales' que nos permiten aprender sobre el mundo. Las neuronas son como copos de nieve: se ven iguales desde la distancia, pero en una inspección más profunda está claroque no hay dos exactamente iguales.
Por el contrario, cada célula de una red neuronal artificial, la tecnología en la que se basa la inteligencia artificial, es idéntica, y solo varía su conectividad. A pesar de la velocidad a la que avanza la tecnología de la inteligencia artificial, sus redes neuronales no aprenden con tanta precisióno rápidamente como el cerebro humano, y los investigadores se preguntaron si su falta de variabilidad celular podría ser la culpable.
Se propusieron estudiar si emular el cerebro variando las propiedades de las células de la red neuronal podría impulsar el aprendizaje en la IA. Descubrieron que la variabilidad en las células mejoraba su aprendizaje y reducía el consumo de energía.
El autor principal, el Dr. Dan Goodman, del Departamento de Ingeniería Eléctrica y Electrónica de Imperial, dijo: "La evolución nos ha proporcionado funciones cerebrales increíbles, la mayoría de las cuales apenas estamos comenzando a comprender. Nuestra investigación sugiere que podemos aprender lecciones vitales denuestra propia biología para que la IA funcione mejor para nosotros ".
sincronización ajustada
Para llevar a cabo el estudio, los investigadores se centraron en ajustar la "constante de tiempo", es decir, la rapidez con la que cada célula decide lo que quiere hacer en función de lo que están haciendo las células conectadas a ella. Algunas células deciden muy rápidamente, mirando solo lo que las células conectadas acaban de hacer. Otras células reaccionarán más lentamente, basando su decisión en lo que otras células han estado haciendo durante un tiempo.
Después de variar las constantes de tiempo de las células, asignaron a la red la tarea de realizar algunas tareas de aprendizaje automático de referencia: clasificar imágenes de ropa y dígitos escritos a mano; reconocer gestos humanos; e identificar dígitos y comandos hablados.
Los resultados muestran que al permitir que la red combine información lenta y rápida, fue más capaz de resolver tareas en entornos más complicados del mundo real.
Cuando cambiaron la cantidad de variabilidad en las redes simuladas, encontraron que las que tenían un mejor desempeño coincidían con la cantidad de variabilidad observada en el cerebro, lo que sugiere que el cerebro puede haber evolucionado para tener la cantidad justa de variabilidad para un aprendizaje óptimo..
Nicolas agregó: "Demostramos que la IA se puede acercar al funcionamiento de nuestro cerebro al emular ciertas propiedades cerebrales. Sin embargo, los sistemas de IA actuales están lejos de alcanzar el nivel de eficiencia energética que encontramos en los sistemas biológicos.
"A continuación, veremos cómo reducir el consumo de energía de estas redes para acercar las redes de IA a un rendimiento tan eficiente como el cerebro".
Esta investigación fue financiada por el Consejo de Investigación de Ingeniería y Ciencias Físicas y la Beca de Doctorado del Presidente del Imperial College
Fuente de la historia :
Materiales proporcionado por Imperial College de Londres . Original escrito por Caroline Brogan. Nota: el contenido se puede editar por estilo y longitud.
¿Puede la investigación sobre la mosca de la fruta ayudar a mejorar la supervivencia de los pacientes con cáncer?
Las percepciones de seres sobrenaturales revelan sentimientos sobre el bien y el mal en los seres humanos