Inteligencia artificial organizada como la corteza cerebral auditiva humana

Una investigación revela que ciertos modelos computacionales basados en el aprendizaje automático (una modalidad de inteligencia artificial) pueden generar representaciones internas de sonidos que comparten propiedades de las representaciones observadas en el cerebro humano cuando las personas escuchan los mismos sonidos.

El estudio lo ha realizado un equipo integrado, entre otros, por Josh McDermott y Greta Tuckute, ambos del Instituto McGovern de Investigación del Cerebro, adscrito al Instituto Tecnológico de Massachusetts (MIT) en Estados Unidos.

Se trata, hasta donde saben sus autores, del estudio más extenso sobre redes neuronales profundas que han sido entrenadas para realizar tareas auditivas.

Las redes neuronales profundas son modelos computacionales formados por muchas capas de unidades de procesamiento de información que pueden entrenarse con enormes volúmenes de datos para realizar tareas específicas. Este tipo de modelo se ha generalizado en muchas aplicaciones, y los neurocientíficos han empezado a explorar la posibilidad de que estos sistemas puedan utilizarse también para conocer mejor  cómo realiza ciertas tareas el cerebro humano.

Cuando una red neural realiza una tarea, sus unidades de procesamiento generan patrones de activación en respuesta a cada entrada de audio que recibe, como una palabra u otro tipo de sonido. Esas representaciones modelo de la entrada pueden compararse con los patrones de activación vistos en los escaneos mediante captación de imágenes por resonancia magnética funcional (fMRI) realizados al cerebro de personas mientras escuchan los mismos sonidos.

Recreación artística de neurona de la corteza auditiva captando la señal de un sonido. (Ilustración: Amazings / NCYT)

En 2018, McDermott y Alexander Kell anunciaron que cuando entrenaron una red neural para realizar tareas auditivas (como reconocer palabras a partir de una señal de audio), las representaciones internas generadas por el modelo mostraron una intrigante similitud con las observadas en escaneos cerebrales de fMRI de personas que escuchaban los mismos sonidos.

Desde entonces, este tipo de modelos se ha generalizado, por lo que el grupo de investigación de McDermott se propuso evaluar un conjunto más amplio de modelos, para comprobar si la capacidad de aproximarse a las representaciones neurales observadas en el cerebro humano es un rasgo general de estos modelos.

Para este estudio, los investigadores analizaron nueve modelos de redes neuronales profundas disponibles públicamente que habían sido entrenados para realizar tareas auditivas, y también crearon 14 modelos propios, basados en dos arquitecturas diferentes. La mayoría de estos modelos fueron entrenados para realizar una única tarea (reconocimiento de palabras, identificación del hablante, reconocimiento de sonidos ambientales e identificación de géneros musicales), mientras que dos de ellos fueron entrenados para realizar múltiples tareas.

Cuando los investigadores estimularon a estos modelos con sonidos naturales que se habían utilizado como estímulos para humanos en experimentos similares, descubrieron que las representaciones internas de los modelos tendían a mostrar similitudes con las generadas por el cerebro humano.

El estudio se titula “Many but not all deep neural network audio models capture brain responses and exhibit correspondence between model stages and brain regions”. Y se ha publicado en la revista académica Nature Communications. (Fuente: NCYT de Amazings)