Las redes neuronales artificiales que conocemos hoy en día se basan en un modelo de neuronas desarrollado en los años 60. Sin embargo, un grupo de investigadores del Centro de Neurociencia Computacional (CCN) del Flatiron Institute ha propuesto un nuevo modelo que promete transformar la inteligencia artificial (IA) tal y como la conocemos. Este innovador enfoque podría acercarnos a una IA más eficiente y precisa, inspirada en el funcionamiento real del cerebro humano.
La Evolución de los Modelos Neuronales
Durante décadas, las redes neuronales artificiales han sido construidas con una idea simplificada de cómo funcionan las neuronas en nuestro cerebro. Este modelo básico, aunque útil, se queda corto al capturar la complejidad de las neuronas reales. Dmitri Chklovskii, líder del grupo en el CCN, señala que la neurociencia ha avanzado significativamente en los últimos 60 años, revelando que las neuronas son dispositivos mucho más complejos y sofisticados de lo que se pensaba.
Neuronas como Controladores Activos
El nuevo modelo propone una visión revolucionaria: las neuronas no son meros relés pasivos de información. Actúan como «controladores» que influyen activamente en su entorno basándose en la información que recogen. Este enfoque es más cercano a la realidad biológica, donde las neuronas trabajan para mantener la estabilidad y evitar la sobrecarga del sistema.
Las redes neuronales actuales procesan la información en una sola dirección, desde una capa de entrada, pasando por capas intermedias, hasta una capa de salida. Los nodos solo transmiten información si el total de la entrada supera un umbral determinado. En contraste, el nuevo modelo sugiere que las neuronas pueden afectar activamente la información que reciben, creando un sistema mucho más dinámico y adaptable.
Beneficios Potenciales para la IA
Mejora en el Rendimiento y la Eficiencia
Uno de los principales problemas de las aplicaciones de IA actuales es su elevado consumo de energía y la necesidad de enormes cantidades de datos para su entrenamiento. Chklovskii cree que al adoptar este modelo de neuronas como controladores, podríamos construir redes neuronales que no solo sean más eficientes energéticamente, sino también más precisas y menos propensas a errores.
Reducción de Errores y Alucinaciones
Las IA modernas, aunque impresionantes, a menudo cometen errores o generan respuestas incorrectas. Entender mejor cómo las neuronas reales manejan y procesan la información podría ayudarnos a reducir estos errores en las redes neuronales artificiales. Además, este enfoque podría minimizar el fenómeno de las «alucinaciones» en la IA, donde el sistema genera información inexacta o engañosa.
Inspiración en la Biología
Circuitos de Retroalimentación
La idea de que las neuronas individuales pueden actuar como controladores se inspira en los circuitos cerebrales grandes, que operan en bucles de retroalimentación para mantener la estabilidad. De manera similar a un termostato que regula la temperatura, los circuitos neuronales trabajan para equilibrar la actividad del cerebro.
Importancia del Ruido Biológico
Otro hallazgo interesante del equipo de CCN es el papel del «ruido» en el cerebro. Tradicionalmente visto como un fenómeno aleatorio y sin importancia, este ruido parece ser crucial para que las neuronas se adapten a un entorno cambiante. Al incorporar ruido en su modelo, los investigadores descubrieron que las neuronas podían mejorar su rendimiento, sugiriendo que este aparente desorden tiene un propósito funcional.
Próximos Pasos en la Investigación
Chklovskii y su equipo no se detendrán aquí. Su próximo objetivo es estudiar tipos de neuronas que no encajan completamente en este nuevo modelo. Por ejemplo, las neuronas de la retina, que reciben entradas directas del entorno visual, podrían no controlar sus entradas de la misma manera, pero podrían predecirlas utilizando principios similares. Esta investigación podría abrir nuevas vías para entender y replicar el procesamiento de información del cerebro en la IA.
Control y Predicción
La capacidad de controlar y predecir son habilidades estrechamente relacionadas. Para controlar eficientemente, es necesario prever el impacto de nuestras acciones en el entorno. Esta interrelación podría ser clave para desarrollar redes neuronales artificiales que se acerquen aún más al funcionamiento del cerebro humano.
Referencias
- Chklovskii, Dmitri B., The neuron as a direct data-driven controller, Proceedings of the National Academy of Sciences (2024). DOI: 10.1073/pnas.2311893121. doi.org/10.1073/pnas.2311893121