Las redes neuronales representan actualmente una de las técnicas de Inteligencia Artificial (IA) más importantes para el desarrollo de esta tecnología disruptiva. El entrenamiento de estos sistemas para reconocer diferentes tipos de cáncer, identificar errores de aprendizaje en coches autónomos, e incluso identificar monos portadores del Zika, entre otros avances, representan indudablemente un avance impresionante en nuestra historia.

Sin embargo, lograr que un sistema de IA aprenda un proceso por sí mismo que se desarrolla de manera innata durante las primeras etapas de la vida humana, es un hito realmente novedoso. Pues bien, eso es lo que han logrado un grupo de investigadores del Instituto de Neurobiología de Tübingen, en Alemania, al crear una red neuronal capaz de distinguir entre diversas ‘cantidades’ de cosas específicas, a pesar de que nunca fue entrenada con números.

Habilidad cognitiva innata

El estudio, publicado en la revista Science Advances, revela cómo la red neuronal repitió, sin ningún entrenamiento, la habilidad cognitiva que los bebés desarrollan para notar la diferencia entre mayores o menores cantidades. Esta habilidad se conoce científicamente como ‘numerosidad’ o ‘sentido numérico’.

Algunos científicos se han referido a la numerosidad como un motor esencial de nuestra capacidad para realizar problemas matemáticos complejos. Sin embargo, las principales dudas con respecto a esta teoría radican en la manera en que esta destreza se desarrolla de manera espontánea en el cerebro humano ‘infantil’.

Andreas Nieder, autor principal de la investigación, y su equipo de colaboradores, aplicaron un sistema de aprendizaje profundo que tenía el objetivo de imitar el cerebro humano. De esta manera, los científicos podrían ver si la habilidad del sentido numérico surgía sin necesidad de un entrenamiento del software. En este sentido, Nieder dijo en su informe:

Intentamos simular el funcionamiento del sistema visual de nuestro cerebro mediante la construcción de una red de aprendizaje profundo, una red neuronal artificial (…) La gran pregunta era, ¿cómo es posible que nuestro cerebro y el cerebro de los animales puedan representar espontáneamente la cantidad de elementos en una escena visual?

Posteriormente, los investigadores entrenaron a la red neuronal con una base de datos de 1.2 millones de imágenes, las cuales fueron clasificadas en 1,000 categorías distintas. Finalmente, el sistema logró identificar las imágenes presentada sobre animales, incluyendo su raza específica o tipo de animal.

Inteligencia Artificial puede predecir rupturas psicóticas con más precisión que los humanos

Cada vez más cerca de los humanos

Luego, los expertos presentaron al sistema las imágenes que contenían únicamente patrones de puntos blancos sobre un fondo negro. Esto, para representar una escala numérica del 1 al 30. Sin haberla entrenado sobre números o diferencias de cantidad, la IA clasificó cada una de las imágenes por su cantidad de puntos.

Al explicar el enfoque del estudio, Nieder afirmó que su equipo utilizó un sistema de aprendizaje profundo que imitó al cerebro humano, a través de ‘neuronas’ que reciben información de otros puntos de datos en el sistema y posteriormente envían la información deseada. Según sus características, algunas neuronas se mueven en respuesta a activaciones específicas.

Luego de alcanzar el nivel óptimo de transmisión de información para el modelo, Nieder y su equipo compararon la activación de las neuronas de la red artificial con las neuronas de los cerebros de varios monos que mostraron exactamente el mismo patrón de identificación de puntos.

Finalmente, el equipo demostró que las neuronas ‘artificiales’ tuvieron el mismo comportamiento que las neuronas de los cerebros de los animales, mostrando preferencias con una cantidad específica. La actividad neuronal cayó de manera continua mientras que el estímulo se retiraba de su cantidad específica. Nieder concluyó asegurando que esta investigación les permite a los científicos formular nuevas hipótesis sobre la manera en que opera el cerebro.

Referencia: Number detectors spontaneously emerge in a deep neural network designed for visual object recognition. Science Advances  08 May 2019: Vol. 5, no. 5, eaav7903. DOI: 10.1126/sciadv.aav7903

Más en TekCrispy