El mecanismo neural del aprendizaje autónomo

Gracias al llamado aprendizaje profundo (deep learning), un subconjunto de algoritmos de inteligencia artificial inspirados en el cerebro, las máquinas pueden igualar el rendimiento humano en la percepción y el reconocimiento del lenguaje, e incluso superar a los humanos en ciertas tareas. Pero, ¿aprenden estos sistemas artificiales de inspiración biológica de la misma manera que nosotros?

Según un nuevo estudio que cuenta como primer autor con el Dr. Diogo Santos-Pata, del laboratorio de Sistemas Sintéticos Perceptivos, Emotivos y Cognitivos (SPECS) del Instituto de Bioingeniería de Cataluña (IBEC), dirigido por el profesor Paul Verschure (del ICREA, Institución Catalana de Investigación y Estudios Avanzados), en colaboración con el profesor Ivan Soltesz de la Universidad de Stanford en Estados Unidos, el mecanismo de aprendizaje autónomo subyacente en estos sistemas de inteligencia artificial refleja la naturaleza más de cerca de lo que se pensaba. Con su hipótesis y su modelo, estos científicos ofrecen nuevas perspectivas para entender cómo aprendemos y almacenamos los recuerdos.

El nuevo estudio es relevante para mejorar los déficits de memoria en humanos y para construir nuevas y avanzadas formas de sistemas de memoria artificial.

El cerebro se considera un sistema de aprendizaje autónomo. Es decir, que puede detectar patrones y adquirir nuevos conocimientos sin ayuda externa. Hasta hace poco, este no era el caso de la inteligencia artificial: cualquier dato que se introdujera en los sistemas de aprendizaje automático tenía que ser etiquetado primero.

Este problema, denominado “el problema de la fundamentación de los símbolos”, ha obstaculizado el progreso de la inteligencia artificial en las últimas décadas. Paul Verschure y sus colegas han examinado de manera sistemática la capacidad de los sistemas cognitivos para adquirir conocimientos de forma autónoma, o también llamada autonomía epistémica.

Algunos supusieron que este mecanismo no existía en las redes neuronales biológicas. Sin embargo, basándose en una combinación de consideraciones de la práctica actual de la inteligencia artificial, la neurociencia computacional, y un análisis de la fisiología hipocampal, con este nuevo estudio los autores muestran que la autosupervisión y la retropropagación de error coexisten el cerebro, y en un área cerebral muy específica implicada: el hipocampo.

Vista frontal del hipocampo y sus principales tractos de fibras frontales. (Imagen: Brainx3.com, SPECS lab.)

Del hipocampo, una estructura del cerebro de los vertebrados, se sabe desde hace tiempo que desempeña un papel crucial en la memoria y el aprendizaje. Sin embargo, aún hay preguntas clave sin responder: ¿cómo sabe qué y cuándo aprender? Y ¿cuál es el mecanismo que lo impulsa? “Las señales del entorno externo pasan por varias estructuras cerebrales antes de llegar al hipocampo, la estación final del procesamiento sensorial”, explica el Dr. Diogo Santos-Pata, primer autor del estudio e investigador postdoctoral del laboratorio SPECS. Poder comparar las nuevas señales con la memoria que provocan permite al hipocampo aprender sobre los cambios en nuestro entorno; una predicción que Paul Verschure había hecho en 1993 basándose en modelos de redes neuronales incorporadas.

Más concretamente, y gracias a la estrecha interacción con el neurofisiólogo Ivan Soltesz y su equipo de la Universidad de Stanford, los investigadores demuestran que el hipocampo contiene una red de neuronas que controlan las señales neuronales y la información de forma similar a las operaciones de las redes neuronales artificiales que subyacen a la actual revolución de la inteligencia artificial.

“Nuestro principal hallazgo fue poner en perspectiva, no solo los circuitos y la anatomía del complejo hipocampal, sino también los tipos de neuronas que impulsan el aprendizaje y permiten que el hipocampo sea totalmente autónomo para decidir qué y cuándo aprender”, señala Santos-Pata.

“Es especialmente interesante porque el aprendizaje automático autosupervisado impulsado por la retropropagación de errores está ganando actualmente mucha tracción y atención en el mundo de la inteligencia artificial y este es el primer estudio que proporciona una explicación biológica completa para este mecanismo”, añade Santos-Pata.

El estudio, titulado “Epistemic Autonomy: Self-supervised Learning in the Mammalian Hippocampus”, se ha publicado en la revista académica Trends in Cognitive Sciences. (Fuente: IBEC)