Por Laszlo Beke

Inteligencia Artificial sorprende haciendo y resolviendo cosas inesperadamente y no previstas, como ha ocurrido con GPT y los diferentes idiomas y la capacidad de generar programas de computación. Esos eran temas que no estaban previstos en el modelo. Algo similar está ocurriendo con los procesos que ejecutan los cerebros artificiales y que nos están ayudando a descubrir detalles del funcionamiento del cerebro humano e incluso para hacer retroalimentación entre cerebros reales y artificiales. Los extraordinarios avances de la última década en Inteligencia Artificial han ocurrido principalmente en aprendizaje automático, donde las computadoras se enseñan a sí mismas tareas complicadas procesando grandes cantidades de data, en lugar de tener que ser directamente programadas por humanos. Este enfoque ha impulsado el rápido progreso en visión computacional, en la traducción de idiomas y más recientemente en las habilidades conversacionales de chatbots como GPT4. El aprendizaje automático es realizado por modelos denominados Redes Neurales Artificiales (RNA o  ANN en inglés), inspiradas en las redes de neuronas en el cerebro humano. 

Redes Neurales Artificiales – RNA

Como se comentó, una RNA en una manera general o ligera está inspirada en las redes de neuronas en el cerebro humano. La analogía es levemente aproximada, por cuanto las RNA son meramente caricaturas de los cerebros reales y definitivamente no capturan la complejidad del órgano biológico. Sin embargo, neurocientíficos están comenzando a descubrir que incluso las caricaturas pueden ser útiles. El funcionamiento interno de las mejores RNA – aquellas que más se aproximan al desempeño humano en tareas como la identificación de objetos o la respuesta a preguntas en texto – parecen tener similitudes notables con la forma de trabajar del cerebro. Así que, después de tomar su inspiración en la biología, curiosamente los programadores con sus creaciones están devolviendo el favor al transmitirle cosas útiles sobre el funcionamiento de los cerebros a los neurocientíficos: 

  • Identificación de imágenes – Múltiples estudios apoyan estos hechos, pero el estudio fundamental o seminal se publicó en 2014. Allí el neurocientífico Daniel Yamins (MIT) y otros colegas entrenaron una RNA a identificar objetos en una fotografía – un gato, por ejemplo.  Los investigadores compararon aquello que ocurría dentro de la red electrónica con lo que pasaba en los cerebros de uno grupo de monos que habían sido asignados la misma tarea y cuyos cerebros estaban cableados con electrodos. Las RNA están compuestas de grandes cantidades de neuronas artificiales, las cuales al igual que sus contrapartes naturales, pueden estar prendidas o apagadas. Dichas neuronas están conectadas entre ellas por redes estratificadas e interconectadas. Las actividades que ocurren en las capas más bajas pueden afectar como se prenden las de las capas más altas.

Las pruebas realizadas por el Dr. Yamin involucraban el reconocimiento de imágenes, donde los cerebros naturales proceden en forma jerárquica. Una capa de neuronas detecta características básicas cómo manchas claras u oscuras.  Una capa superior las organiza en bordes y otra capa superior a la anterior transforma los bordes en formas. Este proceso de abstracción incremental continúa hasta que eventualmente el cerebro decide si está viendo un gato, un perro o una banana. Las imágenes que comparten ciertas características provocan que grupos similares de neuronas se disparen.  Si cierto grupo de neuronas se dispara cuando ve un gato, otro grupo parcialmente superpuesto probablemente se dispare con la imagen de un perro. Las neuronas que responden a ambas imágenes se presume que representan características – piel, cuatro patas y una cola, por ejemplo – están presentes en ambas imágenes.

Cuando los científicos compararon lo ocurre dentro del cerebro del mono con las artificiales, encontraron paralelismos fascinantes en la forma en la cual ambos representaban las imágenes.  Era inesperado, por cuanto la red artificial no había sido diseñada de ninguna manera para encajar con el cerebro humano. Fue simplemente diseñada para resolver un problema.

  • El habla y el lenguaje – Posteriormente se han identificado similitudes entre las RNA que reconocen el habla y procesan el lenguaje, como aquellas usadas en software de transcripción y la corteza auditoria humana. El patrón se repite también para el lenguaje escrito.  En un paper de 2021 se comparó la actividad en el cerebro humano con diferentes modelos de lenguaje.  El modelo más sofisticado para el momento (GPT-2) era el más cercano a la actividad del cerebro. En la medida que los modelos mejoran su manejo de ciertas tareas, parece que encuentran que el cerebro humano hace lo mismo.
  • Predicción del funcionamiento del cerebro – Una RNA entrenada en tareas de reconocimiento de imágenes produjo un grupo de neuronas artificiales dedicadas a clasificar ciertos alimentos. Cuando se publicó el paper no se conocía un sistema visual humano análogo.  Un año después un grupo de investigadores descubrió un grupo de neuronas en el cerebro humano que se dispara cuando a una persona se le muestra una imagen de comida.
  • Interacción entre cerebros artificiales y humanos – Con la intención que una RNA pueda “ver” a través del ojo humano, una RNA entrenada para reconocer imágenes fue conectada a y alimentada con data registrada por un escáner de IRM.  Esta RNA pudo interpretar data de las capas jerárquicas del sistema biológico humano, aun cuando lo hizo mejor a los niveles altos, las cuales ya habían sido procesados por el cerebro. El hecho que el cerebro artificial pueda aceptar data parcialmente procesada por un cerebro biológico sugiere que, a cierto nivel, los dos sistemas están ejecutando el mismo tipo de tarea cognitiva. Este “insight” puede ser útil para las interfaces cerebro-computadora, que son dispositivos que permiten que el cerebro humano hable  directamente con las máquinas. Por ejemplo, una RNA conectada a una máquina, podría ser utilizada para alimentar información visual parcialmente procesada al cerebro.  Ello pudiera servir para tratar ciertos tipos de ceguera causada por daños que tenga el  sistema visual del cerebro.  

Modelos del cerebro

Nadie piensa que las RNA son réplicas perfectas del cerebro humano y una RNA puede cometer algunos errores que un humano nunca haría. Por ejemplo, si se le muestra una imagen de un gato, pero con la piel de un elefante, el modelo probablemente lo identificará como un elefante. Ningún modelo científico es perfecto, la pregunta es si es útil. Los cerebros artificiales pueden ayudar a la neurociencia en los experimentos que son difíciles de realizar por razones éticas y prácticas. .  En todo caso, comparar biología y lo artificial produce resultados interesantes. Investigadores en la Universidad de Texas usaron una red neural para monitorear las señales de los cerebros de los participantes con un escáner de resonancia magnética. Usando la data de la resonancia magnética, la RNA  pudo producir un  borrador  resumen de la historia que los  participantes estaban escuchando,  una descripción de una película que estaban viendo o la esencia de  la oración que imaginaban.

Se hace referencia a Artificial brains are helping scientists study the real thing. También aparece en mi Portal https://tinyurl.com/28za8bsp