DeepMind ha entrenado una IA para desbloquear los misterios de tu cerebro

Aunque parezca una segunda naturaleza, lo que sucede en el cerebro cuando navegas entre dos lugares es sorprendentemente complejo. En DeepMind, se ha entrenado una IA para ayudarnos a comprender nuestras propias mentes

Pueden vencer a cualquiera en el juego chino “Go” sin ayuda humana y pueden hacer coincidir miles de caras en fotos en solo unos segundos, pero hasta ahora los algoritmos no han dominado algo que podría parecer una de las tareas más simples: la conciencia espacial.

Los investigadores de DeepMind, propiedad de la empresa matriz Google Alphabet, han logrado imitar la forma compleja en que nuestros cerebros navegan por los espacios que nos rodean utilizando inteligencia artificial. Y nos ayuda a comprender nuestro cerebro de una manera que no habíamos podido antes.

Aunque parece una segunda naturaleza, lo que sucede en tu cerebro cuando caminas por una calle conocida, por ejemplo, sortear obstáculos, recordar tus tiendas y decidir cuándo cruzar la calle o cómo tomar un atajo, es sorprendentemente complejo.

Muchas células cerebrales juegan un papel en el entrenamiento donde se encuentra un animal. Por ejemplo, coloca células, que disparan cuando un organismo ocupa una determinada posición, y células con la dirección de la cabeza, que señalan la orientación de las cabezas de los animales.

Otro tipo crucial de neurona responsable de la navegación espacial se llama célula de red. Las células de la cuadrícula son un tercer tipo de neurona, que se encuentra en la región del cerebro involucrada en el aprendizaje espacial, los recuerdos y el conocimiento de hechos generales.

A diferencia de las celdas de posición y dirección de la cabeza, las celdas de celosía están dispuestas en una forma perfectamente hexagonal y se activan cuando un animal se mueve por un entorno, siguiendo su progreso a medida que se mueve. Se cree que la forma regular de las conexiones entre las células ayuda a los animales a reproducir los objetos y el espacio que los rodea y cómo están conectados entre sí, como un mapa en tu cabeza.

Se actualizan constantemente. Cuando el animal ingresa a un nuevo lugar, las mismas celdas de la red comenzarán a disparar nuevamente, resolviendo el nuevo entorno.

Las células de la cuadrícula se descubrieron en 2005, cuando May-Britt Moser y Edvard Moser registraron señales cerebrales de ratas mientras se movían y observaron un patrón sorprendentemente regular. “El increíble descubrimiento de las células de la red mostró que el cerebro crea mapas de lugares superponiendo una red espacial, lo que sería muy útil para saber dónde estamos, dándonos algo así como una señal de GPS”, dice Dharshan Kumaran, investigador en DeepMind.

Pero exactamente cómo funcionan las células de la red sigue siendo un misterio. Una pregunta que queda es si ayuda o no a los animales a realizar algo llamado navegación basada en vectores: la capacidad de calcular la dirección y la distancia entre dos puntos para seleccionar la ruta más corta y encontrar atajos en una ruta.

Ahora, el cerebro detrás de la IA que derrotó a uno de los mejores jugadores del mundo en el antiguo juego de mesa Go, nos ha acercado un paso más a responder esa pregunta.

“Todo lo que pensamos, recordamos y sentimos está codificado de alguna manera en nuestro cerebro”, dice Andrea Banino, investigadora de DeepMind. “Para comprender esto, debemos aprender a observar conjuntos de neuronas, medir su actividad y relacionarlas con nuestros comportamientos. Sin embargo, esto es muy difícil de lograr en cerebros biológicos. “

En cambio, DeepMind espera responder preguntas sobre cómo funciona el cerebro, utilizando redes neuronales, algoritmos inspirados en cómo funcionan las neuronas en el cerebro. Los resultados se publican en la revista Nature.

El equipo, en colaboración con científicos de UCL, ha desarrollado un tipo de red neuronal que recuerda el resultado del paso anterior y lo utiliza como entrada para el siguiente. A esto se le llama red recurrente. Presentan la velocidad, la dirección y la inclinación de la cabeza de una rata real que se mueve alrededor de un laberinto real, para simular lo que sucede en el cerebro de una rata cuando se mueve.

Cuando la rata virtual fue entrenada para encontrar su posición, el equipo descubrió que las redes comenzaron a formar patrones de actividad en forma de cuadrícula. Algunos nodos se utilizaron más que otros. Estos son similares a los patrones que se muestran en las células de la red en los cerebros de los animales en movimiento.

Una vez que se entrenó la red, la siguiente pregunta fue si la versión de la red neuronal de las células de la red podría permitirle encontrar la mejor manera entre dos puntos y resulta que pueden.

“El cerebro humano es la única evidencia existente que tenemos de que el tipo de inteligencia general que estamos tratando de construir es realmente posible, por lo que tiene sentido considerar la neurociencia como una fuente de inspiración para nuevos tipos de algoritmos”, dice Demis Hassabis. cofundador y director ejecutivo de DeepMind.

“Pero creemos que esta inspiración debería ser una vía de doble sentido, con información que también proviene de la investigación de la IA para arrojar luz sobre cuestiones abiertas en neurociencia. Este artículo es un buen ejemplo de esto: al construir un agente artificial capaz de navegar en un entorno complejo, hemos enfatizado la importancia y ampliado nuestra comprensión de las células de la red biológica en la navegación de mamíferos. “

Los resultados muestran que la inteligencia artificial se puede utilizar no solo para reproducir el cerebro, sino también para comprenderlo mejor. Por ejemplo, en este caso resultó que las celdas de la red se pueden utilizar para la navegación basada en vectores, lo que significa que no solo son útiles para saber dónde estamos, sino también para calcular la mejor ruta entre dos puntos.

“Hacer que los sistemas de aprendizaje profundo sean más inteligibles para el razonamiento humano es un desafío emocionante para el futuro”, dijeron Francesco Savelli y James Knierim del Instituto Zanvyl Krieger Mind / Brain de la Universidad Johns Hopkins, Baltimore. La pareja escribió un comentario adjunto en Nature y no participó en el estudio original.

Los investigadores de DeepMind esperan que el estudio se utilice como inspiración para estudiar otras partes del cerebro utilizando inteligencia artificial, incluidas las que comprenden el sonido o controlan las extremidades.

“Esto ha demostrado ser extremadamente difícil con la neurociencia tradicional, por lo que en el futuro, si pudiéramos mejorar estos modelos artificiales, podríamos usarlos para comprender otras funciones cerebrales”, dice Banino. “Eso sería un gran paso hacia el futuro de la comprensión del cerebro”.

Gran parte de las noticias de la ciencia de el planeta tierra en un sólo sitio. artículos de Ciencia.