El laboratorio de Sistemas Sintéticos, Perceptivos, Emotivos y Cognitivos (SPECS) del Instituto de Bioingeniería de Cataluña (IBEC), que lidera el profesor Paul Verschuire, dirigió este trabajo en colaboración con el neurofisiólogo Ivan Soltesz de la Universidad de Stanford, que publicaron sus resultados en la revista ‘Trends in Cognitive Sciences’.
El trabajo revela cómo el cerebro mejora a través del aprendizaje autosupervisado y aborda el desafío de la inteligencia artificial de cómo las máquinas pueden aprender sin supervisión directa.
Aunque gracias al llamado aprendizaje profundo (deep learning), un subconjunto de algoritmos de inteligencia artificial (IA) inspirados en el cerebro, las máquinas pueden igualar el rendimiento humano en percepción y reconocimiento del lenguaje, e incluso superar a los humanos en ciertas tareas, aún se desconoce si los humanos aprenden igual que estos sistemas artificiales de inspiración biológica.
Según el investigador del IBEC Diogo Santos-Pata, "el mecanismo de aprendizaje autónomo que subyace a estos sistemas de IA refleja la naturaleza más de cerca de lo que se pensaba" y podría servir para mejorar el déficit de memoria en humanos y construir nuevas formas 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, a diferencia de la IA, que necesita que cualquier dato que se introduce en el sistema de aprendizaje automático debe ser etiquetado primero.
Esta diferencia, denominada "el problema de la fundamentación de los símbolos" ha obstaculizado el progreso de la IA en las últimas décadas y por eso el IBEC estudia la capacidad de los sistemas cognitivos para adquirir conocimientos de forma autónoma, también llamada "autonomía epistémica".
"Resolvimos dos enigmas que parecían no estar relacionados pero que están entrelazados: que la autonomía epistémica del cerebro se basa en su capacidad para establecer objetivos de aprendizaje autogenerados y que las señales inhibitorias se propagan por el cerebro para mejorar el aprendizaje", detalló Verschure.
Según el investigador, "algunos presuponían que este mecanismo no existía en las redes neuronales biológicas", pero basándose en una combinación de IA, neurociencia computacional, y un análisis de la fisiología del hipocampo, los autores demostraron que la autosupervisión y la retropropagación de errores coexisten en el cerebro, y en concreto en el hipocampo.
Del hipocampo se sabe desde hace tiempo que desempeña un papel crucial en la memoria y aprendizaje, pero los científicos aún desconocen cómo sabe qué y cuándo aprende o cuál es el mecanismo que lo impulsa.
Con la colaboración del neurofisiólogo Ivan Soltesz y su equipo de la Universidad de Stanford, los investigadores demostraron 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.
"Nuestro principal hallazgo ha sido 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", puntualizó Santos-Pata.
“Es especialmente interesante porque el aprendizaje automático autosupervisado impulsado por la retropropagación de errores está ganando actualmente mucha atención en el mundo de la inteligencia artificial y este es el primer estudio que proporciona una explicación biológica completa para este mecanismo”, finalizó el investigador.