Una red neuronal que imita al cerebro y aprende sin profesor
Las redes neuronales -los programas de inteligencia artificial inspirados en el funcionamiento de las neuronas- han hecho correr ríos de tinta por sus espectaculares habilidades de aprendizaje. Aunque los ingenieros se muestran entusiasmados por sus aplicaciones tecnológicas, los neurocientíficos han criticado a menudo su falta de realismo a la hora de utilizarlas como modelos del cerebro.
El ingeniero Javier Ropero ha desarrollado un nuevo tipo de red neuronal que, además de aprender, mimetiza fielmente las conexiones entre neuronas que se dan en una estructura cerebral, el tálamo, que es una especie de estación de relevo entre la información que llega: de los sentidos, y la corteza cerebral.
Ropero ha logrado interesar con su nuevo sistema -al que llama red tálamo-cortical- a uno de los pioneros en la investigación de las redes neuronales, Sun-lchi Amarí, de la Universidad de Tokio. Presentará su investigación en la International Conference on Brain Processes, que se celebrará a partir del 12 de noviembre en Las Palmas.
Las redes neuronales están organizadas en capas, desde la más inferior que recibe la información del exterior hasta la más superior, que produce un resultado. En cada capa, las unidades lógicas imitan a las neuronas biológicas: reciben información de cada neurona de la capa anterior, la integran y emiten una señal (o no) a las unidades de la capa siguiente.
La principal crítica a las redes clásicas es que aprenden mediante un truco -la "propagación hacia atrás"- que no se parece en nada a ningún mecanismo real del cerebro. La primera vez que una red se enfrenta a un problema -leer un texto, por ejemplo-, el resultado es un desastre. Comparando ese resultado con la solución correcta, cada neurona de salida ajusta sus niveles de respuesta para reducir el error. Luego comunica ese ajuste a las neuronas de las capas anteriores: la información se propaga hacia atrás, en contra de todos los dogmas de la neurobiología.
Mapas del tálamo
La red de Ropero- es de las llamadas "de aprendizaje no supervisado", que no necesitan de la propagación hacia atrás para aprender. "No hay nada en este sistema que no tenga un paralelo fiel en el cerebro", insiste el ingeniero. Ropero ha trabajado con un ojo puesto en su ordenador y el otro en los mapas de conexiones del tálamo que han ido definiendo los neurobiólogos.Según Washington Buño, electrofisiólogo del Instituto Cajal del CSIC, la red de Ropero "logra una importante aproximación a los circuitos neuronales reales". Además, las conexiones del circuito se refuerzan mediante un sistema probabilístico cuando dos neuronas se han disparado a menudo a la vez, la probabilidad de que una se dispare cuando lo hace la otra se incrementa. Según Buño, este mecanismo ocurre realmente en el sistema nervioso.
La lógica del aprendizaje en la red de Ropero no requiere un su pervisor que la regañe cuando la respuesta es inadecuada. Cuando la red ve repetidamente un dato de entrada -un rostro, por ejemplo-, elabora una "representación interna" de él, en forma de una serie estable de neuronas activadas y conexiones reforzadas. Después, la red puede reconocer esa cara viendo sólo un fragmento de ella.
Ante un dato algo distinto (la misma cara, pero riéndose), la red no corrige su representación anterior, sino que incorpora los nuevos elementos de forma separada. Según Ropero, esta separación es la propiedad crucial de su modelo, y se consigue con un mecanismo de inhibición lateral -cuando una neurona se activa, provoca la represión sus competidoras- que también es un fiel reflejo de la vida real en las interioridades del tálamo.
