211service.com
Una inteligencia menos artificial
El estudio de 70.000 neuronas de ratón podría ayudar a Andreas Tolias a construir una IA más inteligente. 21 de febrero de 2018
Adrián Forrow
A un buen número de ingenieros que trabajan en inteligencia artificial no les importa si sus sistemas se parecen a cerebros reales o no, siempre que funcionen bien. Pero incluso los mejores sistemas de hoy pueden generalizar solo si se alimentan con miles de muestras, y no pueden transferir sus generalizaciones a nuevos contextos. Esto deja a la IA vulnerable a los atacantes, que pueden engañarla con pequeños ajustes en los datos. El neurocientífico Andreas Tolias cree que las características similares al cerebro podrían solucionar estos problemas.
En 2016, fundó Neuroscience-Inspired Networks for Artificial Intelligence (NINAI), un equipo de etiqueta de neurocientíficos, físicos, matemáticos e informáticos que es parte de un esfuerzo más grande para comprender la función neuronal (ver Dentro del esfuerzo Moonshot para finalmente descubrir el Cerebro, noviembre/diciembre de 2017). Su carrera de relevos hacia una mejor IA comienza en el laboratorio de Tolias en el Baylor College of Medicine, que registra todas las neuronas que se disparan dentro de un cubo de un milímetro de la corteza de un ratón. En diciembre capturaron la actividad de 70.000 neuronas en un ratón — una hazaña que hubiera sido imposible sin las técnicas de imagen de dos y tres fotones que el laboratorio de Tolias ayudó a desarrollar. Luego, los ratones van al Instituto Allen en Seattle, que corta y fotografía sus cerebros para que un tercer equipo, en Princeton, pueda diagramar qué neuronas están conectadas. Al comparar este diagrama con sus grabaciones, el laboratorio de Tolias deduce cómo las células se influyen entre sí y para qué sirve cada célula. Si, como sospechan muchos neurocientíficos, la corteza se construye esencialmente a partir de unas pocas configuraciones comunes y repetidas de neuronas, entonces explicar la actividad en un cubo de un milímetro podría revelar los componentes básicos de toda la cognición.
Adrián Forrow
Tolias se ha centrado en dos diferencias estructurales clave entre el cerebro y la IA. Primero, el cerebro de un ratón tiene aproximadamente cien tipos de neuronas, mientras que una red típica de IA tiene solo dos o tres variedades de neuronas artificiales. Los tipos de células adicionales del cerebro incluyen interneuronas, que pueden detener la activación de grandes grupos de otras neuronas. La IA no tiene un equivalente directo. Los cerebros también tienen más tipos de conexiones entre neuronas que las redes de IA. La mayoría de las redes de IA son feed-forward, lo que significa que las señales solo van en una dirección, de una capa de la red a la siguiente. A diferencia de los cerebros reales, estas redes no tienen conexiones recurrentes (que permiten señales de retroalimentación en direcciones opuestas) o conexiones laterales (que unen neuronas dentro de la misma capa). Los pocos tipos de redes de IA con conexiones recurrentes y laterales son prometedores, pero el papel de la retroalimentación en la corteza necesita mucho más estudio. El cerebro no creó toda esta recurrencia por diversión, dice Tolias. También sospecha que las interneuronas pueden estar regulando las conexiones laterales del cerebro para crear los poderes de generalización de los que carece la IA.
Tolias espera utilizar componentes de inspiración neurológica, incluidas conexiones laterales, interneuronas y retroalimentación, para construir una IA capaz de aprender de una sola vez o generalizar a partir de un solo ejemplo. El éxito sería un gran problema para la IA y para la neurociencia, al identificar qué características de los circuitos neuronales son necesarias para el pensamiento abstracto. Tolias explica su búsqueda en palabras de Richard Feynman: Lo que no puedo crear, no lo entiendo.