No se puede confiar en el aprendizaje profundo Modelado cerebral, dice un pionero

Durante los últimos 20 años, el aprendizaje profundo ha llegado a dominar la investigación y las aplicaciones de inteligencia artificial a través de una serie de aplicaciones comerciales útiles. Pero debajo del deslumbramiento hay algunos problemas profundamente arraigados que amenazan el ascenso de la tecnología.

La incapacidad de un programa típico de aprendizaje profundo para funcionar bien en más de una tarea, por ejemplo, limita severamente la aplicación de la tecnología a tareas específicas en entornos controlados rígidamente. Más en serio, se ha afirmado que el aprendizaje profundo no es confiable porque no es explicable y no es adecuado para algunas aplicaciones porque puede experimentar un olvido catastrófico. Dicho de manera más sencilla, si el algoritmo funciona, puede ser imposible comprender completamente por qué. Y mientras la herramienta está aprendiendo lentamente una nueva base de datos, una parte arbitraria de sus recuerdos aprendidos puede colapsar repentinamente. Por lo tanto, podría ser riesgoso utilizar el aprendizaje profundo en cualquier aplicación de vida o muerte, como una médica.


Ahora, en un nuevo libro, IEEE Fellow Stephen Grossberg sostiene que se necesita un enfoque completamente diferente. Mente consciente, cerebro resonante: cómo cada cerebro crea una mente describe un modelo alternativo para la inteligencia biológica y artificial basado en la investigación cognitiva y neuronal que Grossberg ha estado realizando durante décadas. Él llama a su modelo Teoría de la Resonancia Adaptativa (ART).

Grossberg, profesor de sistemas cognitivos y neuronales, y de matemáticas y estadística, ciencias psicológicas y cerebrales e ingeniería biomédica en Universidad de Boston—Basó ART en sus teorías sobre cómo el cerebro procesa la información.

“Nuestros cerebros aprenden a reconocer y predecir objetos y eventos en un mundo cambiante que está lleno de eventos inesperados”, dice.

Basado en esa dinámica, ART utiliza métodos de aprendizaje supervisados ​​y no supervisados ​​para resolver problemas como el reconocimiento y la predicción de patrones. Los algoritmos que utilizan la teoría se han incluido en aplicaciones a gran escala como clasificar las señales de la sonda y el radar, detectar la apnea del sueño, recomendar películas y software de asistencia al conductor basado en visión por computadora.

El ART se puede usar con confianza porque es explicable y no experimenta un olvido catastrófico, dice Grossberg. Agrega que ART resuelve lo que ha llamado el dilema estabilidad-plasticidad: Cómo un cerebro u otro sistema de aprendizaje puede aprender de forma autónoma y rápido (plasticidad) sin experimentar un olvido catastrófico (estabilidad).

Una ilustración de un cerebro sobre un patrón de cuadros azul y rojo.

Grossberg, quien formuló ART en 1976, es un pionero en modelar cómo los cerebros se vuelven inteligentes. Es el fundador y director de la Universidad de Boston. Centro de sistemas adaptativos y el director fundador de la Centro de excelencia para el aprendizaje en educación, ciencia y tecnología. Ambos centros han buscado comprender cómo el cerebro se adapta y aprende, y desarrollar aplicaciones tecnológicas basadas en sus hallazgos.

Por las “contribuciones de Grossberg a la comprensión de la cognición y el comportamiento del cerebro, y su emulación por la tecnología”, recibió el Premio IEEE Frank Rosenblatt 2017, llamado así por el Cornell profesor considerado por algunos como el “padre del aprendizaje profundo”.

Grossberg intenta explicar en su libro de casi 800 páginas cómo “el pequeño trozo de carne que llamamos cerebro” da lugar a pensamientos, sentimientos, esperanzas, sensaciones y planes. En particular, describe modelos neuronales biológicos que intentan explicar cómo sucede eso. El libro también cubre las causas subyacentes de afecciones como la enfermedad de Alzheimer, el autismo, la amnesia y el trastorno de estrés postraumático.

“Comprender cómo los cerebros dan lugar a las mentes también es importante para diseñar sistemas inteligentes en ciencias de la computación, ingeniería y tecnología, incluida la inteligencia artificial y los robots inteligentes”, escribe. “Muchas empresas han aplicado algoritmos inspirados en la biología del tipo que este libro resume en múltiples aplicaciones tecnológicas y de ingeniería”.

Las teorías del libro, dice, no solo son útiles para comprender el cerebro, sino que también pueden aplicarse al diseño de sistemas inteligentes que sean capaces de adaptarse de forma autónoma a un mundo cambiante. En conjunto, el libro describe el proceso fundamental que permite a las personas ser inteligentes, autónomas y versátiles.

LA BELLEZA DEL ARTE

Grossberg escribe que el cerebro evolucionó para adaptarse a nuevos desafíos. Existe un conjunto común de mecanismos cerebrales que controlan cómo los humanos retienen la información sin olvidar lo que ya han aprendido, dice.

“Conservamos recuerdos estables de experiencias pasadas y estas secuencias de eventos se almacenan en nuestras memorias de trabajo para ayudar a predecir nuestros comportamientos futuros”, dice. “Los seres humanos tienen la capacidad de continuar aprendiendo a lo largo de sus vidas, sin que el nuevo aprendizaje borre los recuerdos de información importante que aprendimos antes”.

Comprender cómo los cerebros dan lugar a las mentes también es importante para diseñar sistemas inteligentes en ciencias de la computación, ingeniería y tecnología, incluidos la inteligencia artificial y los robots inteligentes.

Uno de los problemas que enfrenta la IA clásica, dice, es que a menudo construye sus modelos sobre cómo el cerebro podría trabajar, utilizando conceptos y operaciones que pudieran derivarse de la introspección y el sentido común.

“Este enfoque supone que se pueden introspectar los estados internos del cerebro con conceptos y palabras que la gente usa para describir objetos y acciones en su vida diaria”, escribe. “Es un enfoque atractivo, pero sus resultados fueron con demasiada frecuencia insuficientes para construir un modelo de cómo funciona realmente el cerebro biológico”.

El problema con la IA actual, dice, es que intenta imitar los resultados del procesamiento cerebral en lugar de sondear los mecanismos que dan lugar a los resultados. Los comportamientos de las personas se adaptan a nuevas situaciones y sensaciones “sobre la marcha”, dice Grossberg, gracias a circuitos especializados en el cerebro. Las personas pueden aprender de situaciones nuevas, agrega, y los eventos inesperados se integran en sus conocimientos y expectativas recopilados sobre el mundo.

Las redes de ART se derivan de experimentos mentales sobre cómo las personas y los animales interactúan con su entorno, agrega. “Los circuitos ART surgen como soluciones computacionales de múltiples limitaciones ambientales a las que los humanos y otros animales terrestres se han adaptado con éxito …” Este hecho sugiere que los diseños de ART pueden estar incorporados de alguna forma en todos los dispositivos inteligentes adaptativos autónomos del futuro, ya sean biológicos o artificiales.

“El futuro de la tecnología y la IA dependerá cada vez más de estos sistemas autorreguladores”, concluye Grossberg. “Ya está sucediendo con esfuerzos como el diseño de autos y aviones autónomos. Es emocionante pensar en cuánto más se puede lograr cuando se incorporan conocimientos más profundos sobre los diseños cerebrales en investigaciones y aplicaciones industriales altamente financiadas “.

De los artículos de su sitio

Artículos relacionados en la Web