Enseñar a las computadoras a aprender de la forma en que nosotros lo hacemos es ampliamente considerado como un paso importante hacia una mejor inteligencia artificial, pero es difícil de lograr sin una buena comprensión de la forma en que pensamos. Con esta premisa en mente, un nuevo esfuerzo de 12 millones de dólares se lanzó el miércoles con el objetivo de hacer “ingeniería inversa” al cerebro.

Dirigido por Tai Sing Lee, profesor del Departamento de Ciencias de la Computación de la Universidad Carnegie Mellon y el Center for the Neural Basis of Cognition (CNBC), el proyecto de cinco años busca descubrir los secretos de los circuitos neuronales y de los métodos de aprendizaje del cerebro. En última instancia, el objetivo es mejorar las redes neurales, los modelos computacionales de uso frecuente para la inteligencia artificial en aplicaciones como las de los automóviles sin conductor, comercio automatizado y reconocimiento facial y de voz.

“Las redes neuronales de hoy utilizan algoritmos que esencialmente fueron desarrollados a inicios de la década de los años 80”, afirmó Lee. “Con todo lo poderosas que son, no son aún lo suficientemente eficientes o poderosas como las que usa el cerebro humano”.

Una computadora podría necesitar que se le muestren miles de ejemplos etiquetados para aprender a reconocer un objeto, por ejemplo, mientras que un humano requeriría solo de unos cuantos.

Con el fin de averiguar a qué se debe esto se usará una técnica llamada microscopía de dos fotones para la obtención de señales de calcio. Los investigadores registrarán las señales de decenas de miles de neuronas individuales en ratones a medida que éstos procesan información visual.

“Mediante la incorporación de sensores moleculares para monitorear la actividad neuronal en combinación con sofisticados métodos ópticos, ahora es posible rastrear simultáneamente la dinámica neural de la mayoría, sino de todos, las neuronas dentro de una región del cerebro”, afirmó la miembro del equipo Sandra Kuhlman, profesora asistente de ciencias biológicas de Carnegie Mellon y CNBC.

Como resultado se tendrá un enorme conjunto de datos, que ofrecen una imagen detallada de cómo se comportan las neuronas en una región de la corteza visual, añadió.

El proyecto está financiado por la Intelligence Advanced Research Projects Activity (IARPA) a través de su programa de investigación Machine Intelligence from Cortical Networks (MICrONS), que trabaja para potenciar la BRAIN Initiative del presidente Obama.

El equipo liderado por la Universidad de Carnegie Mellon colaborará con otros proyectos relacionados y hará que varias grandes bases de datos se encuentren públicamente disponibles para los grupos de investigación en todo el mundo.

“La esperanza es que este conocimiento conducirá al desarrollo de una nueva generación de algoritmos de aprendizaje de máquina que permitirán a las máquinas de inteligencia artificial aprender sin supervisión y a partir de sólo algunos ejemplos, cosas que son características de la inteligencia humana”, afirmó Lee.

Otro proyecto financiado por la IARPA lanzado recientemente en Harvard comparte un objetivo similar.

-Katherine Noyes, IDG News Service