Un equipo internacional, liderado por el laboratorio de Sistemas Sintéticos Perceptivos, Emotivos y Cognitivos (SPECS) del Instituto de Bioingeniería de Cataluña en el Parc Científic de Barcelona, revela cómo el cerebro mejora a través del aprendizaje autosupervisado, combinando un análisis de más de tres décadas de investigación en neurociencia e inteligencia artificial. El trabajo, publicado en "Trends in Cognitive Sciences", es de interés para mejorar los déficits de memoria en humanos y para construir nuevas y avanzadas formas de sistemas de memoria artificial.

Gracias al llamado aprendizaje profundo (deep learning), un subconjunto de algoritmos de inteligencia artificial (IA) inspirados en el cerebro, las máquinas pueden igualar el rendimiento humano en la percepción y el reconocimiento del lenguaje, e incluso superar a los humanos en ciertas tareas.

Según un nuevo artículo, que cuenta como primer autor con el Dr. Diogo Santos-Pata, investigador postdoctoral del laboratorio SPECS , dirigido por el profesor ICREA Paul Verschure, y en el que ha colaborado el neurofisiólogo Ivan Soltesz y su equipo de la Universidad de Stanford, el mecanismo de aprendizaje autónomo que subyace a estos sistemas de IA refleja la naturaleza más de cerca de lo que se pensaba. Con su hipótesis y su modelo, estos científicos ofrecen nuevas perspectivas para entender cómo aprendemos y almacenamos los recuerdos.

El cerebro se considera un sistema de aprendizaje autónomo. Es decir, que puede detectar patrones y adquirir nuevos conocimientos sin ayuda externa. Hasta hace poco, este no era el caso de la IA: cualquier dato que se introdujera en los sistemas de aprendizaje automático tenía que ser etiquetado primero. Este problema, denominado "el problema de la fundamentación de los símbolos", ha obstaculizado el progreso de la IA en las últimas décadas.

Paul Verschure y su equipo abordaron de manera sistemática la capacidad de los sistemas. Algunos expertos presuponían que tal mecanismo no existía en las redes neuronales biológicas. Sin embargo, basándose en una combinación de consideraciones derivadas de la práctica actual de la IA, la neurociencia computacional, y un análisis de la fisiología del hipocampo, con este nuevo artículo los autores demuestran que la autosupervisión y la retropropagación de errores coexisten en el cerebro, y en una zona del cerebro muy específica implicada: el hipocampo.

"Resolvimos dos enigmas que parecían no estar relacionados pero que están entrelazados: que la autonomía epistémica del cerebro se basa en su capacidad para establecer objetivos de aprendizaje autogenerados y que las señales inhibitorias se propagan por el cerebro para mejorar el aprendizaje", explica Paul Verschure.

Los circuitos y anatomía del aprendizaje

Del hipocampo, una estructura del cerebro de los vertebrados, se sabe desde hace tiempo que desempeña un papel crucial en la memoria y el aprendizaje. Sin embargo, aún hay preguntas clave sin responder: ¿cómo sabe qué y cuándo aprender? Y ¿cuál es el mecanismo que lo impulsa?

Gracias a la estrecha interacción con el equipo del neurofisiólogo Ivan Soltesz, los investigadores han demostrado que el hipocampo contiene una red de neuronas que controlan las señales neuronales y la información de forma similar a las operaciones de las redes neuronales artificiales que subyacen a la actual revolución de la IA. Poder comparar las nuevas señales con la memoria que provocan permite al hipocampo aprender sobre los cambios en nuestro entorno; una predicción que Paul Verschure había hecho en 1993 basándose en modelos de redes neuronales incorporadas.

"Nuestro principal hallazgo fue poner en perspectiva, no sólo los circuitos y la anatomía del complejo hipocampal, sino también los tipos de neuronas que impulsan el aprendizaje y permiten que el hipocampo sea totalmente autónomo para decidir qué y cuándo aprender. Esto es especialmente interesante porque el aprendizaje automático autosupervisado impulsado por la retropropagación de errores está ganando actualmente mucha tracción y atención en el mundo de la inteligencia artificial y este es el primer estudio que proporciona una explicación biológica completa para este mecanismo", señaló Diogo Santos-Pata.