Informatica

Modelo Computacional Promete una Nueva Supremacía en la Cognición Humana

Científicos de Neuro-robótica Cognitiva utilizaron robots para imitar cómo nuestros cerebros hacen predicciones basadas en nuestra interacción con el mundo real.

Los científicos cognitivos están modelando el funcionamiento interno del cerebro humano utilizando simulaciones por computadora, pero muchos modelos actuales tienden a ser inexactos. Investigadores de la Unidad de Neuro robótica Cognitiva de la Universidad de Graduados del Instituto de Ciencia y Tecnología de Okinawa (OIST) han desarrollado un modelo informático inspirado en mecanismos cerebrales biológicos conocidos, que modelan cómo el cerebro aprende y reconoce nueva información y luego hace predicciones sobre los estímulos sensoriales que ingresan.

El modelo puede permitir a los robots «socializar», prediciendo e imitando los comportamientos de los demás. También puede ayudar a revelar los fundamentos cognitivos del trastorno del espectro autista.

«Nuestro conocimiento del pasado informa nuestras expectativas para el presente», dijo el profesor Jun Tani, coautor del nuevo estudio, publicado en Neural Computación. «Sin embargo, a menudo nos encontramos con situaciones que desafían nuestras expectativas. Estamos desarrollando modelos que pueden hacer frente a la imprevisibilidad de la vida cotidiana».

Tani y su colaborador, el ex becario posdoctoral de OIST Ahmadreza Ahmadi, trabajaron con un modelo llamado red neuronal recurrente (RNR). Su RNR se basa en la codificación predictiva, una teoría que propone que el cerebro está continuamente haciendo predicciones sobre la información sensorial entrante como los sonidos y las imágenes. Los errores (discrepancias entre las predicciones del cerebro y la realidad) se propagan a través de capas de redes de procesamiento. Este proceso de «propagación hacia atrás» ayuda al RNR a adaptarse a los eventos que ocurren de manera irregular, lo que le permite predecir entradas sensoriales futuras.

Entre orden y aleatoriedad

Las redes neuronales efectivas abarcan la línea entre el orden y la aleatoriedad. Para optimizar su modelo, los investigadores introdujeron un parámetro llamado «meta previo» en el proceso de aprendizaje. Un ajuste más cercano a uno generó una cuenta más segura pero compleja de información sensorial detallada, mientras que un ajuste más cercano a cero redujo la complejidad al permitir más incertidumbre.

Tani y su equipo entrenaron a su RNR con datos secuenciales que tenían regularidad y que también contenían algo de aleatoriedad. También usaron su modelo para programar un robot para aprender a imitar a otro robot que se movía en patrones específicos en órdenes aleatorias.

Los investigadores descubrieron que la elección de un valor intermedio de la meta anterior, un número entre cero y uno, lo hacía más efectivo para que los RNR generaran predicciones precisas en ambos casos.

Además de estudiar el desarrollo social y la cognición, el equipo de investigación espera explorar el potencial de su red para modelar el trastorno del espectro autista (TEA). Tani cree que las personas con TEA tienden a minimizar el error al desarrollar una representación interna compleja de la realidad, que puede modelarse con una configuración alta del meta previo. Debido a esto, las personas con TEA pueden carecer de la capacidad de generalizar y, a menudo, prefieren interactuar con el mismo entorno de forma repetitiva para así evitar errores e interacciones sociales desconocidas.

Por lo tanto, los investigadores creen que encontrar un mecanismo dentro del cerebro humano, similar al meta previo, puede informar futuras terapias de ASD.

 

Fuente: Anna Aaronson, Instituto Qkinawa de Ciencia y Tecnología.

SHARE
RELATED POSTS
FÍSICOS USAN LA SIMULACIÓN PARA ESTUDIAR LA TEORÍA DE LA INFORMACIÓN CUÁNTICA
Los videojuegos pueden cambiar tu cerebro
Desarrollan Nueva Computadora Que Trabaja a la Velocidad de la Luz

Comments are closed.