Una red neuronal que imita al cerebro y aprende sin profesor

Las redes neuronales -los programas de inteligencia artificial inspirados en el funcionamiento de las neuronas- han hecho correr r¨ªos de tinta por sus espectaculares habilidades de aprendizaje. Aunque los ingenieros se muestran entusiasmados por sus aplicaciones tecnol¨®gicas, los neurocient¨ªficos han criticado a menudo su falta de realismo a la hora de utilizarlas como modelos del cerebro.

El ingeniero Javier Ropero ha desarrollado un nuevo tipo de red neuronal que, adem¨¢s de aprender, mimetiza fielmente las conexiones entre neuronas que se dan en una estructura cerebral, el t¨¢lamo, que es una especie de estaci¨®n de relevo entre la informaci¨®n que llega: de los sentidos, y la corteza cerebral.

Ropero ha logrado interesar con su nuevo sistema -al que llama red t¨¢lamo-cortical- a uno de los pioneros en la investigaci¨®n de las redes neuronales, Sun-lchi Amar¨ª, de la Universidad de Tokio. Presentar¨¢ su investigaci¨®n en la International Conference on Brain Processes, que se celebrar¨¢ a partir del 12 de noviembre en Las Palmas.

Las redes neuronales est¨¢n organizadas en capas, desde la m¨¢s inferior que recibe la informaci¨®n del exterior hasta la m¨¢s superior, que produce un resultado. En cada capa, las unidades l¨®gicas imitan a las neuronas biol¨®gicas: reciben informaci¨®n de cada neurona de la capa anterior, la integran y emiten una se?al (o no) a las unidades de la capa siguiente.

La principal cr¨ªtica a las redes cl¨¢sicas es que aprenden mediante un truco -la "propagaci¨®n hacia atr¨¢s"- que no se parece en nada a ning¨²n mecanismo real del cerebro. La primera vez que una red se enfrenta a un problema -leer un texto, por ejemplo-, el resultado es un desastre. Comparando ese resultado con la soluci¨®n correcta, cada neurona de salida ajusta sus niveles de respuesta para reducir el error. Luego comunica ese ajuste a las neuronas de las capas anteriores: la informaci¨®n se propaga hacia atr¨¢s, en contra de todos los dogmas de la neurobiolog¨ªa.

Mapas del t¨¢lamo

La red de Ropero- es de las llamadas "de aprendizaje no supervisado", que no necesitan de la propagaci¨®n hacia atr¨¢s para aprender. "No hay nada en este sistema que no tenga un paralelo fiel en el cerebro", insiste el ingeniero. Ropero ha trabajado con un ojo puesto en su ordenador y el otro en los mapas de conexiones del t¨¢lamo que han ido definiendo los neurobi¨®logos.Seg¨²n Washington Bu?o, electrofisi¨®logo del Instituto Cajal del CSIC, la red de Ropero "logra una importante aproximaci¨®n a los circuitos neuronales reales". Adem¨¢s, las conexiones del circuito se refuerzan mediante un sistema probabil¨ªstico cuando dos neuronas se han disparado a menudo a la vez, la probabilidad de que una se dispare cuando lo hace la otra se incrementa. Seg¨²n Bu?o, este mecanismo ocurre realmente en el sistema nervioso.

La l¨®gica del aprendizaje en la red de Ropero no requiere un su pervisor que la rega?e cuando la respuesta es inadecuada. Cuando la red ve repetidamente un dato de entrada -un rostro, por ejemplo-, elabora una "representaci¨®n interna" de ¨¦l, en forma de una serie estable de neuronas activadas y conexiones reforzadas. Despu¨¦s, la red puede reconocer esa cara viendo s¨®lo un fragmento de ella.

Ante un dato algo distinto (la misma cara, pero ri¨¦ndose), la red no corrige su representaci¨®n anterior, sino que incorpora los nuevos elementos de forma separada. Seg¨²n Ropero, esta separaci¨®n es la propiedad crucial de su modelo, y se consigue con un mecanismo de inhibici¨®n lateral -cuando una neurona se activa, provoca la represi¨®n sus competidoras- que tambi¨¦n es un fiel reflejo de la vida real en las interioridades del t¨¢lamo.