More

    ¿Qué tan compleja es desde el punto de vista computacional una sola neurona?

    Nuestros cerebros blandos parece muy lejos de los chips de silicio sólido en los procesadores de computadora, pero los científicos tienen una larga historia de comparar los dos. Como dijo Alan Turing en 1952: «No nos interesa el hecho de que el cerebro tenga la consistencia de una papilla fría». En otras palabras, no importa el medio, solo la capacidad computacional.

    Hoy en día, los sistemas de inteligencia artificial más poderosos emplean un tipo de aprendizaje automático llamado aprendizaje profundo. Sus algoritmos aprenden procesando cantidades masivas de datos a través de capas ocultas de nodos interconectados, conocidas como redes neuronales profundas. Como sugiere su nombre, las redes neuronales profundas se inspiraron en las redes neuronales reales del cerebro, con los nodos modelados a partir de neuronas reales o, al menos, a partir de lo que los neurocientíficos sabían sobre las neuronas en la década de 1950, cuando un modelo de neuronas influyente llamado el perceptron nació. Desde entonces, nuestra comprensión de la complejidad computacional de las neuronas individuales se ha expandido drásticamente, por lo que se sabe que las neuronas biológicas son más complejas que las artificiales. ¿Pero por cuánto?

    Para averiguarlo, David Beniaguev, Idan Segev y Michael London, todos en la Universidad Hebrea de Jerusalén, entrenaron una red neuronal profunda artificial para imitar los cálculos de una neurona biológica simulada. Demostraron que una red neuronal profunda requiere entre cinco y ocho capas de «neuronas» interconectadas para representar la complejidad de una sola neurona biológica.

    Incluso los autores no anticiparon tal complejidad. «Pensé que sería más simple y más pequeño», dijo Beniaguev. Esperaba que tres o cuatro capas fueran suficientes para capturar los cálculos realizados dentro de la celda.

    Timothy Lillicrap, que diseña algoritmos de toma de decisiones en la empresa de inteligencia artificial DeepMind, propiedad de Google, dijo que el nuevo resultado sugiere que podría ser necesario repensar la vieja tradición de comparar libremente una neurona en el cerebro con una neurona en el contexto del aprendizaje automático. «Este documento realmente ayuda a forzar el tema de pensar en eso con más cuidado y lidiar con hasta qué punto se pueden hacer esas analogías», dijo.

    La analogía más básica entre neuronas artificiales y reales implica cómo manejan la información entrante. Ambos tipos de neuronas reciben señales entrantes y, basándose en esa información, deciden si envían su propia señal a otras neuronas. Si bien las neuronas artificiales se basan en un cálculo simple para tomar esta decisión, décadas de investigación han demostrado que el proceso es mucho más complicado en las neuronas biológicas. Los neurocientíficos computacionales utilizan una función de entrada-salida para modelar la relación entre las entradas recibidas por las ramas largas en forma de árbol de una neurona biológica, llamadas dendritas, y la decisión de la neurona de enviar una señal.

    Esta función es la que los autores del nuevo trabajo le enseñaron a imitar a una red neuronal profunda artificial para determinar su complejidad. Comenzaron creando una simulación masiva de la función de entrada-salida de un tipo de neurona con distintos árboles de ramas dendríticas en su parte superior e inferior, conocida como neurona piramidal, de la corteza de una rata. Luego, introdujeron la simulación en una red neuronal profunda que tenía hasta 256 neuronas artificiales en cada capa. Continuaron aumentando el número de capas hasta que lograron una precisión del 99 por ciento en el nivel de milisegundos entre la entrada y la salida de la neurona simulada. La red neuronal profunda predijo con éxito el comportamiento de la función de entrada-salida de la neurona con al menos cinco, pero no más de ocho, capas artificiales. En la mayoría de las redes, eso equivalía a unas 1.000 neuronas artificiales para una sola neurona biológica.

    Los neurocientíficos ahora saben que la complejidad computacional de una sola neurona, como la neurona piramidal de la izquierda, se basa en las ramas dendríticas en forma de árbol, que son bombardeadas con señales entrantes. Estos dan como resultado cambios de voltaje local, representados por los colores cambiantes de la neurona (rojo significa alto voltaje, azul significa bajo voltaje) antes de que la neurona decida si enviar su propia señal llamada «pico». Éste se dispara tres veces, como se muestra en las huellas de las ramas individuales a la derecha, donde los colores representan la ubicación de las dendritas desde la parte superior (rojo) hasta la inferior (azul).

    Vídeo: David Beniaguev

    «[The result] forma un puente entre las neuronas biológicas y las neuronas artificiales ”, dijo Andreas Tolias, neurocientífico computacional de Baylor College of Medicine.

    Pero los autores del estudio advierten que aún no se trata de una correspondencia sencilla. «La relación entre cuántas capas tiene en una red neuronal y la complejidad de la red no es obvia», dijo London. Por lo tanto, realmente no podemos decir cuánta más complejidad se gana al pasar de, digamos, cuatro capas a cinco. Tampoco podemos decir que la necesidad de 1.000 neuronas artificiales signifique que una neurona biológica sea exactamente 1.000 veces más compleja. En última instancia, es posible que el uso de neuronas artificiales exponencialmente más dentro de cada capa eventualmente conduzca a una red neuronal profunda con una sola capa, pero probablemente requeriría muchos más datos y tiempo para que el algoritmo aprenda.

    Share this
    Tags

    Must-read

    Divididos por religiones, unidos por el chocolate

    El chocolate es felicidad, puro placer, un pedacito de cielo si se me permite decir. Es un regalo tan universal que la gente...

    Meta hizo millones en anuncios de redes de cuentas falsas

    Cuando la marca de Meta Zuckerberg fue llamado a testificar ante el Congreso en 2018, el senador Orin Hatch le preguntó cómo ganaba dinero...

    Imagina qué harías si tuvieras que salir sin maquillaje

    Bueno, la mayoría de las chicas pueden estar al borde de un ataque al corazón después de leer esta única línea escrita arriba. ...
    spot_img

    Recent articles

    More like this

    DEJA UNA RESPUESTA

    Por favor ingrese su comentario!
    Por favor ingrese su nombre aquí