Investigadores se inspiran en el sueño humano para entrenar una IA capaz de recordar procesos
Un grupo de científicos ha desarrollado una investigación en la que estudia cómo entrenar a una inteligencia artificial (IA) para que simule el funcionamiento de un cerebro humano, y en concreto el papel del sueño, y sea capaz de recordar actividades sin llegar al olvido catastrófico.
Los autores de este nuevo estudio, publicado en en la revista científica PLOS Computational Biology, se han basado en la fase REM, que retiene recuerdos y los reproduce durante el sueño, para aplicarlos en redes neuronales simuladas.
El sueño REM es una de las cinco fases distintivas por las que pasa el cerebro cuando la persona duerme y representa el 25 por ciento del ciclo del sueño. Concretamente, sucede alrededor de 70 minutos después de dormirse.
Esta fase se caracteriza por que en ella se producen los sueños y participa en el proceso de almacenamiento de recuerdos. Además, estimula las regiones del cerebro que se utilizan para el aprendizaje y ayuda a equilibrar el estado de ánimo.
Los investigadores recuerdan que las redes neuronales artificiales encuentran dificultades para el aprendizaje secuencial, puesto que sobreescriben tareas aprendidas durante el entrenamiento.
"Una vez han sido capacitados adecuadamente, es muy difícil enseñarles una tarea completamente nueva y, si logras entrenar la nueva tarea, terminas dañando la vieja en la memoria", ha comentado el coautor del estudio e investigador del Instituto de Ciencias de la Computación de la Academia Checa de Ciencias, Pavel Sanda, en declaraciones recogidas por Motherboard.
De esa manera, cuando han asumido una tarea y pasan a las siguientes, acaban por olvidar la primera, algo que no sucede en el cerebro humano gracias a la fase REM del sueño, que retoma dichos recuerdos y evita lo que se denomina 'olvido catastrófico'.
Este, también conocido como interferencia catastrófica, es la tendencia a olvidar totalmente y de forma inesperada la información o los procesos aprendidos previamente de forma secuencial.
Los investigadores creen que esto se puede solucionar con la denominada 'consolidación de la memoria', un procedimiento que permite transformar los recuerdos recientes a corto plazo en recuerdos a largo plazo.
Sanda ha puesto como ejemplo del olvido catastrófico cómo las personas mayores pueden tener recuerdos detallados de la infancia pero encuentran dificultades para recordar aspectos más recientes, como lo que han hecho o lo que han comido el día anterior.
Debido a que el sueño aumenta el aprendizaje, ya que permite la "reactivación espontánea de patrones de memoria previamente aprendidos", los investigadores creen que se puede aplicar esta técnica en la IA. Para ello, se inspiran en la neurociencia y el funcionamiento del cerebro humano.
Para enseñar a esta IA a adoptar el comportamiento del cerebro humano, este grupo de profesionales ha llevado a cabo pruebas con redes neuronales simuladas (SNN). Con ellas, han simulado el procesamiento sensorial y han conocido cómo actúa el nuevo aprendizaje tomando como referencia el cerebro de un animal.
Primero, los investigadores han asignado a esta red neuronal simulada dos tareas y esta aprendió a discriminar entre el castigo y la recompensa, de modo que han llegado a la conclusión de que la red puede tomar decisiones de forma autónoma.
A continuación, se ha expuesto el modo en que esta red llega al denominado 'olvido catastrófico'. Para evitarlo y asemejar su comportamiento al de un cerebro humano, han llevado a cabo otro experimento.
Así, han visto cómo la red neuronal es capaz de mantener estos conocimientos si se intercalan fases de sueño entre períodos cortos de la tarea siguiente a la inicial (que sería la segunda), lo que permite a la IA recordar cómo hacer la tarea primera.
Conforme a los criterios de
Conocé The Trust ProjectTemas
Últimas Noticias
Dólar. El Banco Central sigue de compras y las reservas brutas ya superan los US$28.000 millones
Asamblea Legislativa. Las claves del discurso con el que Kicillof buscará ubicarse en las antípodas de Milei
