Hubo un tiempo en que el éxito de la inteligencia artificial parecía depender de lo bien que imitáramos las estructuras biológicas de nuestro cerebro. Una época en la que, algunos investigadores, trataron de trazar mapas tremendamente detallados de las células cerebrales, sus conexiones y la forma en que se activaban. En aquella época la neurociencia computacional empezaba a dar sus frutos y nació el perceptrón: un modelo tremendamente simplificado de una neurona.

El perceptrón permitió construir inteligencias artificialestremendamente rudimentarias, pero útiles, y ahora, 66 años después, aquello queda muy lejos, pero, ahora, un estudio de la Simons Foundation publicado en la prestigiosa revista Proceedings of the National Academy of Sciences sugiere que volvamos a los modelos biológicos. En concreto, su investigador principal, Dmitri Chklovskii, propone implementar en nuestras inteligencias artificiales una propiedad recientemente descubierta en las neuronas de nuestro cerebro que, según él, podría revolucionar la industria.

Una moda del pasado

De un tiempo a esta parte hemos entendido que la mejor solución no es siempre la más biológica, y los motivos son varios. El primero es que las piezas con las que jugamos (programación y matemáticas) no son las mismas con las que juega la biología (código genético y la limitante herencia de incontables generaciones).

En segundo lugar, porque nuestra meta no es la misma, no pretendemos que nuestras IAs traten de sobrevivir y que, casualmente, desarrollen sofisticadas habilidades intelectuales, queremos que resuelvan nuestros problemas de la manera más eficiente posible. Por eso, poco a poco el perceptrón fue dando lugar a modelos de inteligencias artificiales más… artificiales, del mismo modo que las prótesis para correr ya no parecen pies, sino que han trascendido nuestra anatomía.

Un salto cualitativo

La trepidante evolución de los modelos de inteligencia artificial se está debiendo, en gran medida, a una escalada cuantitativa de los recursos de computación, el tamaño de las bases de datos con las que se entrenan y algoritmos más eficientes. Sin embargo, es posible que no estemos lejos de alcanzar una meseta y el progreso se ralentice notablemente hasta que demos con un cambio cualitativo que nos permita llevar estos modelos al siguiente nivel.

En palabras de Chklovskii, “Aunque los logros de la IA son muy impresionantes, todavía hay muchos problemas”, dice. “Las aplicaciones actuales pueden darte respuestas incorrectas, o alucinar, y entrenarlas requiere mucha energía; son muy costosas. Hay todos estos problemas que el cerebro humano parece evitar. Si entendiéramos cómo el cerebro realmente hace esto, podríamos construir una mejor IA”. ¿Está el funcionamiento de nuestras neuronas detrás de esta posible revolución?

Dos caminos separados

Como decíamos antes, los expertos en inteligencia artificial tomaron un camino diferente a los neurocientíficos computacionales hace tiempo y la decisión fue mutua. En el artículo, Chklovskii sugiere que los modelos neuronales naturales han mejorado mucho desde hace 60 años, y es cierto, pero cabe reseñar que ya en su momento eran mejores de lo que las inteligencias artificiales necesitaban.

En 1952 Hodgkin y Huxley presentan un modelo matemático que describe el comportamiento de una neurona dando cuenta de cómo unos canales en su membrana permiten intercambiar moléculas cargadas eléctricamente y otra serie de detalles muy relevantes para la biología, pero que la tecnología de las IAs no ha tenido necesidad de exprimir. Así que, sí, han mejorado, pero la relevancia de esa afirmación no es tan evidente como pueda parecer.

Neuronas controladoras

En cualquier caso, el descubrimiento neurocientífico al que hace alusión Chklovskii es sumamente interesante. Hace tiempo que sabemos que nuestros cerebros no solo transmiten los impulsos que reciben del exterior. En ellos hay ruido, impulsos que se originan por pura aleatoriedad, como el crepitar de una vieja radio o el grano de una película antigua. Se ha especulado mucho con el origen de este ruido, pero algunas de las teorías más apoyadas sugieren que es una forma de mantener al cerebro “plástico” para adaptarse a los cambios.

Dicho de otro modo y, según un estudio del Instituto Flatiron: agregar ruido a su modelo de neurona le permitía adaptarse a un entorno en constante cambio. El ruido, en este caso, mejoraría el rendimiento de las neuronas, que, según estos investigadores, actúan como pequeños controladores, elementos capaces de influir ellos solos en su entorno en función de la información reunida sobre él.

“La gente pensaba en el cerebro como un todo o incluso en partes del cerebro como un controlador, pero nadie sugería que una sola neurona pudiera hacer eso”, dice Chklovskii. “El control es una tarea computacionalmente intensiva. Es difícil pensar que una neurona tenga suficiente capacidad computacional”.

Por supuesto, es muy pronto para confiar en tales conclusiones. Por ahora son una de las varias interpretaciones que podemos hacer sobre cómo y por qué se activan las redes neuronales naturales y, por supuesto, tal vez, tras ellas se encuentren algunos algoritmos revolucionarios para la tecnología, pero eso ya no es un paso en el futuro, sino un doble tirabuzón mortal, especulando sobre la especulación, en lugar de tomar las cosas con calma y explorar lo que sí sabemos.

QUE NO TE LA CUELEN:

• Las redes neuronales naturales (las de nuestro cerebro) y las artificiales (las que sustentan a la IA) no son idénticas ni lo pretenden ser. De hecho, ni siquiera podemos decir que sean parecidos en este punto de su historia, donde los caminos de unas y de otras han divertido sustancialmente.

REFERENCIAS (MLA):

• "The Neuron as a Direct Data-Driven Controller." Proceedings of the National Academy of Sciences, doi:10.1073/pnas.2311893121.