IARPA está buscando en los cerebros de las ratas formas de mejorar la inteligencia artificial.

Big data y computadoras más rápidas han lanzado una nueva ola de progreso e inversión en inteligencia artificial. El neurocientífico e informático de la Universidad de Harvard, David Cox, cree que el próximo gran salto dependerá de lo que ocurra en la cabeza de la rata cuando juegue videojuegos.

David lidera el proyecto Ariadne de $ 28 millones, financiado por la Agencia de Inteligencia Avanzada de Inteligencia ( IARPA ). Está buscando una pista en el cerebro de los mamíferos que ayudará a hacer que la inteligencia artificial sea más inteligente.

Hoy, más y más tecnologías dependen de las redes neuronales. Gracias a un aumento significativo en el poder de cómputo y una gran cantidad de datos en Internet, Facebook puede identificar caras, Siri puede reconocer el habla y los automóviles pueden navegar independientemente en el espacio. Sin embargo, estos algoritmos siguen siendo bastante primitivos y se basan en un proceso de análisis de información muy simplificado. Por ejemplo, puede modificar ligeramente las fotos para que el programa veacosas que realmente no están ahí. Cox mostró una foto del editor de MIT Technology Review con un poco de ruido, y el programa la reconoció como un avestruz. Puedes hacer este truco tú mismo usando la demostración en línea del laboratorio de Cox.



Las redes neuronales, por regla general, no funcionan bien en entornos congestionados donde la computadora necesita distinguir un objeto de una gran cantidad de otros objetos, muchos de los cuales se superponen entre sí. La inteligencia artificial hace poca generalización. Si le muestra a una computadora una o dos imágenes de un canguro, no aprenderá a identificar todos los canguros. Debe ver el canguro desde diferentes ángulos y en muchas situaciones, antes de aprender a reconocer con precisión al animal. “Parece que ver es fácil: solo abre los ojos. Pero es difícil enseñar a una computadora a hacer lo mismo ”, dice David.

La identificación visual es lo único que el cerebro humano supera a la computadora. Podemos distinguir entre nosotros en una multitud, enfocarnos en una voz familiar en un ambiente ruidoso y derivar patrones de sonidos e imágenes basados ​​en uno o más ejemplos. Una persona no necesita instrucciones para aprender a generalizar. Por lo tanto, los científicos recurrieron al cerebro para encontrar qué inteligencia artificial falta.

Ahora David y su equipo están trabajando con ratas, que entrenan sus habilidades de reconocimiento con la ayuda de videojuegos especialmente diseñados. Se utilizará un microscopio láser de dos fotones para medir la actividad cerebral de roedores. Para ver el trabajo de las neuronas, los científicos introducirán una proteína fluorescente sensible al calcio. Cuando las neuronas comienzan a responder, los iones de calcio seguirán a la célula y la resaltarán. “Esto es como escuchas telefónicas de una gran cantidad de células cerebrales; ya ves lo que puede pensar una rata ", dice David.

Otra área del proyecto incluye un intento de crear un mapa 3D de la red neuronal del cerebro de la rata utilizando pilas de secciones de tejido cerebral de 30 nanómetros, estudiadas con un microscopio láser de dos fotones.. El modelo resultante es bastante difícil de estudiar, porque los neurocientíficos aún no saben completamente qué función realiza esta o aquella célula. Pero Cox dice que su "increíble complejidad" es alentadora. Sugiere que "el cerebro aún puede enseñarnos mucho para construir inteligencia artificial".



Además de Ariadne, dos equipos más están involucrados en la investigación, liderados por un científico de la Universidad Carnegie Mellon Tai Sing Lee y un neurocientífico del Baylor College of Medicine Andres Tolias. Cada grupo de científicos abordó el mismo problema desde diferentes perspectivas. Entonces, por ejemplo, el equipo de Andreas Tolias utiliza un enfoque que es muy similar a la técnica de David Cox.

Para estudiar las capas más profundas del cerebro, y no solo las superiores estudiadas por Cox y sus colegas, Tolias usó microscopía de tres fotones. Un equipo de investigadores liderado por Tolias ya ha logrado un progreso significativo, estableciendo conexiones entre 11,000 pares neuronales y descubriendo cinco nuevos tipos de neuronas en el proceso. Tai Sing Lee planea usar la codificación de barras de ADN: su equipo etiquetará cada neurona con una secuencia de nucleótidos única y conectará químicamente los códigos de barras a través de sinapsis para restaurar el circuito. Lee espera que sea más rápido y más preciso, si es que lo hace. Él señala que "si la tecnología de código de barras funciona, cambiará fundamentalmente la idea de neurobiología".



Todo el trabajo realizado es solo la mitad del proyecto completo. Los científicos deben encontrar una manera de hacer que toda esta información sea útil para los algoritmos de aprendizaje automático. Por un lado, muchos investigadores creen que las neuronas presentan información sensorial en forma de distribuciones de probabilidad, calculando la interpretación más probable de un evento basada en la experiencia previa. Esta hipótesis se basa principalmente en la idea de retroalimentación en el cerebro. Lo más probable es que haya un proceso constructivo durante el cual el cerebro apoya y crea una idea interna del mundo, generando expectativas y predicciones que le permiten explicar los datos entrantes y "pensar" cómo usarlos. “Lo que le falta a la inteligencia artificial en este momento es imaginación e introspección. Yo encuentroque el esquema de retroalimentación nos permite presentar y analizar en una variedad de niveles ", señala Tai Sing Lee.

El cerebro puede realizar análisis a través de la síntesis de diferentes maneras, por lo que cada equipo explorará diferentes posibilidades. Un grupo dirigido por Cox ve el cerebro como una especie de motor de física con modelos preexistentes que utiliza para crear una idea del mundo. El equipo de Tai Ling Xi sugiere que el cerebro forma una "biblioteca" de pequeñas piezas y partes de objetos y los estudia antes de armarlos. Tolias trabaja con la suposición de que el cerebro crea teorías estadísticas sobre el mundo.

Source: https://habr.com/ru/post/es398409/