Investigadores de la Universidad Carnegie Mellon combinan neurociencia y aprendizaje automático para entender cómo el cerebro percibe, aprende y decide, con aplicaciones que van desde audífonos más precisos hasta interfaces cerebro-máquina.
La Universidad Carnegie Mellon (CMU) impulsa un campo de investigación conocido como NeuroAI, que busca hacer avanzar simultáneamente a la neurociencia y a la inteligencia artificial (IA) mediante el diálogo entre ambas disciplinas. Según describió la institución en una publicación fechada el 24 de agosto, los investigadores utilizan modelos de aprendizaje automático para comprender mejor cómo el cerebro procesa estímulos visuales y sonoros, aprende lenguaje y razona sobre el mundo, mientras que los hallazgos sobre inteligencia biológica sirven a su vez para diseñar sistemas artificiales más capaces y adaptables.
En este sentido, Maggie Henderson, profesora asistente de psicología y miembro del Instituto de Neurociencia de la CMU, estudia cómo el cerebro humano transforma la información visual en representaciones significativas de objetos y escenas. Su equipo recoge datos de resonancia magnética funcional y construye modelos que predicen la respuesta de distintas áreas de la corteza visual ante imágenes. Durante años resultó difícil determinar qué propiedades visuales, como el color, la textura o la forma, activaban esas regiones cerebrales, pero los avances en visión por computadora permitieron encontrar redes neuronales artificiales cuyas representaciones internas ayudan a predecir cómo responden poblaciones de neuronas humanas ante la información visual.
David Badre, director del Instituto de Neurociencia de la CMU, señaló que este trabajo se alinea con las prioridades federales de financiamiento en IA y neurotecnología. Badre explicó que el impacto potencial de NeuroAI se extiende de la clínica a la computadora, y que los avances en el modelado cerebral podrían derivar en audífonos más inteligentes, interfaces cerebro-máquina mejoradas y tecnologías de restauración de la visión, mientras que los enfoques de IA inspirados en el cerebro podrían producir sistemas que aprenden, se adaptan e interactúan con el mundo de manera más parecida a los seres humanos.
Entre las colaboraciones de gran escala vinculadas a este esfuerzo se encuentra la Colaboración Simons en Neurociencia Ecológica (SCENE), una iniciativa de diez años y 80 millones de dólares que reúne a neurocientíficos e investigadores de aprendizaje automático para desarrollar teorías matemáticas sobre cómo el cerebro transforma la percepción en acción en entornos reales. El profesor Xaq Pitkow, del Instituto de Neurociencia de la CMU, participa en esta colaboración y también ha tenido un papel central en el proyecto Inteligencia Artificial a partir de Redes Corticales (MICrONS), financiado por IARPA y la iniciativa BRAIN de los Institutos Nacionales de Salud (NIH), que logró mapear un milímetro cúbico de tejido cerebral de ratón con aproximadamente 200,000 células y más de 500 millones de conexiones.
“Al combinar estas mediciones increíblemente exhaustivas de la estructura y la función del cerebro, ahora podría estar a nuestro alcance comprender algunos mecanismos fundamentales del pensamiento”, afirmó Pitkow.
Jenelle Feather, profesora asistente de psicología y del Instituto de Neurociencia, desarrolla modelos computacionales que intentan replicar sistemas biológicos, desde el comportamiento humano hasta las respuestas neuronales medidas. La investigadora indicó que actualmente existen modelos capaces de partir de un estímulo físico, como un sonido o una imagen, y calcular directamente una respuesta neuronal prevista, lo que abre posibilidades para la investigación traslacional. Feather explicó que este enfoque podría emplearse para simular distintos tipos de pérdida auditiva sobre un modelo del sistema auditivo humano sano, y a partir de ello diseñar algoritmos más personalizados para audífonos o implantes cocleares que ayuden a restaurar el código neuronal a una condición más cercana a la de un sistema auditivo sano.
Aran Nayebi, profesor asistente del Departamento de Aprendizaje Automático y del Instituto de Neurociencia, estudia la inteligencia observando primero cómo aprenden los animales, que exploran y ajustan su comportamiento sin depender de instrucciones constantes ni de grandes volúmenes de datos etiquetados.
“El cerebro nos indica qué comportamientos aún debe alcanzar la IA para sobrevivir en el mundo real. Nos proporciona objetivos de ingeniería concretos sobre lo que es la inteligencia”.
El laboratorio de Nayebi, denominado NeuroAgents Lab, desarrolla sistemas de IA capaces de aprender y adaptarse ante cambios de circunstancias, a la vez que explora cómo mantener bajo control humano a sistemas cada vez más autónomos.
