Explorando cómo el cerebro humano y las redes neuronales artificiales ensamblan el conocimiento

Característica del 8 de junio de 2023

Este artículo ha sido revisado de acuerdo con el proceso editorial y las políticas de Science X. Los editores han destacado los siguientes atributos al tiempo que garantizan la credibilidad del contenido:

comprobado

publicación revisada por pares

fuente confiable

corregir

por Ingrid Fadelli, Medical Xpress

A medida que los humanos exploran el mundo que los rodea y experimentan cosas nuevas, de manera innata comienzan a dar sentido a lo que encuentran, creando conexiones mentales entre los objetos, las personas, los lugares y los eventos que encuentran. Los neurocientíficos han estado tratando de identificar los procesos neuronales que sustentan este "ensamblaje mental de conocimiento" durante décadas, y sus estudios han recopilado varios hallazgos importantes.

En los últimos años, la investigación centrada en este tema se ha intensificado un poco debido a la aparición de redes neuronales artificiales (ANN), herramientas computacionales inspiradas en la estructura y función de las redes neuronales en el cerebro que pueden entrenarse para abordar diferentes tareas. Alcanzar una mejor comprensión de los procesos neuronales que permiten el ensamblaje exitoso del conocimiento en humanos podría ayudar en última instancia a adaptar el diseño de las ANN y mejorar su desempeño en tareas que pueden beneficiarse de esta capacidad.

Al mismo tiempo, algunos investigadores también han comenzado a comparar cómo el cerebro humano aborda tareas específicas con los procesos que sustentan el funcionamiento de las ANN. Estas comparaciones podrían revelar paralelismos interesantes entre la IA y el cerebro humano, lo que podría ser beneficioso tanto para la investigación en neurociencia como en informática.

Un grupo de investigación de la Universidad de Oxford llevó a cabo recientemente un interesante estudio que explora específicamente el ensamblaje del conocimiento por parte del cerebro humano y los modelos computacionales basados ​​en ANN. Su artículo, publicado en Neuron, dio como resultado la identificación de un enfoque que podría ayudar a mejorar el ensamblaje del conocimiento en las herramientas de IA.

"La comprensión humana del mundo puede cambiar rápidamente cuando sale a la luz nueva información, como cuando ocurre un giro en la trama de una obra de ficción", escribieron Stephanie Nellie, Lukas Braun y sus colegas en su artículo. "Este 'ensamblaje de conocimiento' flexible requiere una reorganización de los códigos neuronales para las relaciones entre objetos y eventos. Sin embargo, las teorías computacionales existentes guardan silencio sobre cómo podría ocurrir esto".

Para investigar cómo el cerebro humano ensambla el conocimiento, los investigadores llevaron a cabo una serie de experimentos en los que participaron 34 participantes. A estos participantes se les pidió que completaran una tarea computarizada simple, que les obligaba a tomar decisiones sobre los nuevos objetos que se les mostraban en una pantalla.

A medida que los participantes completaron esta tarea, se escaneó su cerebro utilizando un escáner de resonancia magnética funcional (fMRI). Este es un método de imágenes que detecta pequeños cambios en el flujo sanguíneo asociados con la actividad cerebral.

"Los participantes aprendieron una ordenación transitiva entre objetos novedosos dentro de dos contextos distintos antes de exponerse a nuevos conocimientos que revelaron cómo estaban vinculados", explicaron Nellie, Braun y sus colegas en su artículo. "Las señales dependientes del nivel de oxígeno en la sangre (BOLD) en las áreas corticales frontoparietales dorsales revelaron que los objetos se reorganizaron rápida y dramáticamente en la variedad neural después de una exposición mínima a la información de enlace".

Esencialmente, Nellie, Braun y sus colegas descubrieron que a medida que los participantes aprendían nueva información sobre los objetos y las relaciones entre ellos, las formas en que estos objetos se representaban en el cerebro parecían "reorganizarse". Utilizando estos hallazgos, el equipo intentó replicar un proceso similar en un modelo computacional basado en una ANN.

Su enfoque permite que el modelo ensamble y vuelva a ensamblar rápidamente el conocimiento que adquiere. Lo hace mediante una adaptación del descenso de gradiente estocástico en línea, una técnica utilizada para permitir el aprendizaje gradual y en línea en modelos computacionales.

En general, el estudio reciente de este equipo de investigadores confirma hallazgos previos que destacan la participación de las estructuras cerebrales dorsales, particularmente la corteza parietal, en la codificación de representaciones abstractas de objetos, que pueden cambiar con el tiempo a medida que los humanos adquieren nuevos conocimientos. En el futuro, sus hallazgos podrían informar el desarrollo de otros enfoques computacionales que repliquen mejor este "proceso de ensamblaje de conocimiento".

Más información: Stephanie Nelli et al, Conjunto de conocimientos neuronales en humanos y redes neuronales, Neuron (2023). DOI: 10.1016/j.neurona.2023.02.014

© 2023 Ciencia X Red