Con la materialización y el desarrollo de redes neuronales artificiales, complejos desafíos similares a los que conlleva la inteligencia humana han emergido, especialmente en el campo del aprendizaje y la memorización permanente, razón por la cual los científicos están comprobando que, al igual que como ocurre en los humanos, la solución podría radicar en el descanso profundo y el sueño.
¿Cómo puede el sueño mejorar la función de las redes neuronales?
Una red neuronal es un tipo de tecnología informática y electrónica que utiliza algoritmos de inteligencia artificial (AI) mediante el procesamiento de datos autónomos, imitando los mecanismos biológicos que utiliza el cerebro humano[1].
Esta tecnología hace parte del denominado universo del machine learning, conocido en la jerga científica como aprendizaje profundo.
Las denominadas redes neuronales utilizan nodos que imitan la sinapsis neuronal interconectada, en una estructura de capas similar al cerebro humano.
Los algoritmos utilizados en las redes neuronales, crean un sistema adaptable que las computadoras utilizan para aprender de sus errores y mejorar continuamente; es decir, evitan repetir una acción equivocada, aprendiendo a resolver problemas complicados, como la creación de una pieza musical, la clasificación de datos, la redacción de un texto, el resumen de un documento, el reconocimiento de rostros o el procesamiento de cadenas de ADN.
Rompiendo los límites del aprendizaje artificial
Como lo evidencia un artículo publicado en NewScientist, la mayoría de las tecnologías de inteligencia artificial basada en redes neuronales, solo pueden dominar un conjunto de tareas limitado y estrechamente definido[2]:
“Las redes neuronales no pueden adquirir conocimientos adicionales más adelante sin perder todo lo que habían aprendido previamente. El problema surge si desea desarrollar sistemas que sean capaces de alcanzar el llamado aprendizaje permanente.
El aprendizaje permanente es la forma en que los humanos acumulan conocimientos para adaptarse y resolver desafíos futuros”. Pavel Sanda, Academia Checa de Ciencias[3].
Albert Sanchis, en una publicación en el Blog Magnet de Xataca[4], afirma que, si bien las redes neuronales artificiales son incansables y en algunos casos podrían ser más precisas que las humanas, cuando se trata de aprendizaje secuencial o aprender una cosa nueva tras otra, se vuelven olvidadizas, es decir son superadas por la capacidad que tenemos las personas para acumular conocimiento. En otras palabras, una red neuronal, una vez que es capacitada para cumplir una tarea, es muy difícil que pueda aprender tareas completamente nuevas.
Sanchis afirma que, si finalmente logras entrenar la nueva tarea, terminas dañando la vieja memoria.
El fenómeno explicado por Sanchis es conocido en la comunidad de científicos informáticos como “olvido catastrófico” y es un problema que, hasta ahora, solo se puede resolver con algo llamado “consolidación de la memoria”[5], una técnica que, imitando el comportamiento del cerebro humano, ayuda a transformar los recuerdos recientes en recuerdos a largo plazo, un fenómeno que generalmente ocurre durante el sueño REM, es decir cuando dormimos.
Sueño profundo para la inteligencia artificial
Diversos experimentos científicos han evidenciado que la inteligencia artificial basada en redes neuronales puede aprender y recordar cómo realizar múltiples tareas, si imitan la forma en que el sueño ayuda a los humanos a consolidar lo que aprendió durante las horas de vigilia, así lo relatan algunos expertos en un artículo de la revista Scientific American[6] que explica la razón por la cual muchos de los principios de la neurociencia se están aplicando en el campo de la informática.
“Descubrimos que nuestras redes neuronales de inteligencia artificial se volvieron inestables después de períodos continuos de aprendizaje.
Sin embargo, cuando expusimos las redes a estados que son análogos a las ondas que experimentan los cerebros vivos durante el sueño, se restauró la estabilidad. Era como si estuviéramos dando a las redes neuronales el equivalente a una buena y larga siesta”.
Garret Kenyon en publicación de Scientific American[7].
Los estudios de Garret realizados en el Laboratorio Nacional de los Álamos, no solo abordó el sueño como una solución innovadora en los procesos de aprendizajes de las redes neuronales, sino que documentó cómo la carencia de estos periodos de descanso, desencadenan en las máquinas acciones erráticas, inestables y confusas, de la misma forma en que ocurre con los humanos que llegan a experimentar alucinaciones ante la escasez de sueño.
“La decisión de exponer nuestras redes biológicamente realistas a un análogo artificial del sueño fue casi un último esfuerzo para estabilizarlas. La AI estaba generando espontáneamente imágenes que eran similares a las alucinaciones humanas.
Es por esta razón que experimentamos con varios tipos de ruido numérico, más o menos comparables a la estática que puede encontrar entre estaciones mientras sintoniza una radio. Los mejores resultados se obtuvieron cuando usamos ruido con una amplia gama de frecuencias y amplitudes.
El ruido imita la corriente recibida por las neuronas en el cerebro humano durante el sueño de ondas lentas, que es el sueño profundo, sin el que no podemos vivir”.
Garret Kenyon en publicación de Scientific American[8].
El físico Stephen L. Thaler, presidente de la empresa de inteligencia artificial Imagination Engines, advierte que no se debe tomar el término “dormir” literalmente cuando se aplica a la inteligencia artificial, se trata más bien de un símil del campo eléctrico que producen los cerebros humanos durante el periodo de sueño.
Cuando hablamos de dormir nos referimos a un ciclo entre el “caos” y la “calma”.
La IA no solo necesita dormir, es decir, no solo necesita reproducir este campo eléctrico, sino que también puede soñar o producir nuevos nodos espontáneos e incluso es posible que una IA llegue a nuevas respuestas o conexiones durante este sueño de la misma forma en que ocurre con el cerebro humano.
“Así es como funcionan los humanos. Se nos presentan problemas o desafíos, los superamos y aprendemos. Si no aprendemos de la mejor manera, nos enfrentamos a nuevos desafíos muy similares hasta que llegamos a la mejor respuesta. Un estado de sueño puede ser la clave para lograr esto en las IAs”
John Suit, director de Tecnología, asesor de la empresa de robótica KODA, en un artículo publicado en Lifewire[9].
En conclusión, de la misma forma en que la inteligencia artificial basada en redes neuronales ha demostrado ser eficiente para aprender cuando imita la sinapsis humana, el sueño basado en una reproducción analógica de la corriente eléctrica humana mientras dormimos, se está convirtiendo en la mejor herramienta para garantizar que este aprendizaje de las máquinas sea profundo y duradero, acumulándose adecuadamente con otros aprendizajes previos.
