Usando inteligencia artificial consiguen aparcar un auto con solo 12 neuronas

Científicos informáticos de TU Wien (Viena) están mejorando la Inteligencia Artificial inspirándose en la biología.

Los nuevos enfoques logran resultados sorprendentes con un esfuerzo sorprendentemente pequeño.

Un cerebro que crece naturalmente funciona de manera muy diferente a un programa de computadora común.

No utiliza código que consiste en instrucciones lógicas claras, es una red de células que se comunican entre sí.

Simular dichas redes en una computadora puede ayudar a resolver problemas que son difíciles de dividir en operaciones lógicas.

En TU Wien (Viena), en colaboración con investigadores del Instituto de Tecnología de Massachusetts (MIT), se ha desarrollado un nuevo enfoque para la programación de tales redes neuronales, que modela la evolución temporal de las señales nerviosas de una manera completamente diferente.

Fue inspirado por una criatura particularmente simple y bien investigada, el gusano redondo C. elegans.

Los circuitos neuronales de su sistema nervioso se simularon en la computadora, y luego el modelo se adaptó con algoritmos de aprendizaje automático.

De esta manera, fue posible resolver tareas notables con un número extremadamente bajo de células nerviosas simuladas, por ejemplo, estacionar un automóvil.

A pesar de que la red inspirada en gusanos solo consta de 12 neuronas, puede ser entrenada para dirigir un robot móvil a un lugar determinado.

Ramin Hasani, del Instituto de Ingeniería Informática de TU Wien, ha presentado su trabajo en la conferencia TEDx en Viena.

Se puede demostrar que estas nuevas redes neuronales son extremadamente versátiles.

Otra ventaja es que su dinámica interna se puede entender, en contraste con las redes neuronales artificiales estándar, que a menudo se consideran como una “caja negra” útil pero inescrutable.

“Las redes neuronales deben ser entrenadas” dice Ramin Hasani. “Usted proporciona una entrada específica y ajusta las conexiones entre las neuronas para que se entregue la salida deseada”.

La entrada, por ejemplo, puede ser una fotografía, y la salida puede ser el nombre de la persona en la imagen.

“Por lo general, el tiempo no juega un papel importante en este proceso”, dice Radu Grosu del Instituto de Ingeniería Informática de TU Wien.

Para la mayoría de las redes neuronales, todas las entradas se entregan a la vez, lo que resulta inmediatamente en una salida determinada. Pero en la naturaleza las cosas son muy diferentes.

El reconocimiento de voz, por ejemplo, siempre depende del tiempo, al igual que las traducciones simultáneas o las secuencias de movimientos que reaccionan ante un entorno cambiante.

“Estas tareas se pueden manejar mejor usando lo que llamamos RNN, o redes neuronales recurrentes”, dice Ramin Hasani.

Teenagers in single-parent households were more likely to report marijuana use than those in two-parent homes. cialis generika probe This causes the blockage in the arteries which concludes in improper supply of blood to canada super viagra appalachianmagazine.com the penis. To treat pre-mature ejaculation problem one drug is available in the form http://appalachianmagazine.com/2015/02/06/mcdowell-county-the-west-virginia-county-going-extinct/ viagra uk of Kamagra Oral Jelly. This allows the manufacturers of Tadalafil to keep their blood pressure at a normal range in order to stay sildenafil online india healthy. “Esta es una arquitectura que puede capturar secuencias, porque hace que las neuronas recuerden lo que sucedió anteriormente”.

Hasani y sus colegas proponen una nueva arquitectura RNN basada en una neurona biofísica y un modelo de sinapsis que permite dinámicas que varían con el tiempo.

“En un modelo RNN estándar, existe un vínculo constante entre la neurona uno y la neurona dos, que define la fuerza con la que la actividad de la neurona uno influye en la actividad de la neurona dos”, dice Ramin Hasani.

“En nuestra nueva arquitectura RNN, este enlace es una función no lineal del tiempo”.

Permitir que las actividades de las células y los enlaces entre las células varíen con el tiempo abre posibilidades completamente nuevas.

Ramin Hasani, Mathias Lechner y sus compañeros de trabajo demostraron teóricamente que su arquitectura puede, en principio, aproximar dinámicas arbitrarias.

Para demostrar la versatilidad del nuevo enfoque, desarrollaron y entrenaron una pequeña red neuronal:

“Re-propusimos un circuito neural del sistema nervioso del nematodo C. elegans. Es responsable de generar un comportamiento simple y reflexivo: el tacto-retiro “, dice Mathias Lechner, quien ahora trabaja en el Instituto de Ciencia y Tecnología (IST) de Austria.

“Esta red neuronal fue simulada y entrenada para controlar aplicaciones de la vida real”.

La red pequeña y simple con solo 12 neuronas puede (después de la capacitación adecuada) resolver tareas desafiantes.

Por ejemplo, fue entrenada para maniobrar un vehículo en un espacio de estacionamiento a lo largo de un camino predefinido.

“La salida de la red neuronal, que en la naturaleza controlaría el movimiento de los gusanos nematodos, se usa en nuestro caso para dirigir y acelerar un vehículo”, dice Hasani.

“Hemos demostrado teórica y experimentalmente que nuestras redes neuronales novedosas pueden resolver tareas complejas en la vida real y en entornos físicos simulados”.

El nuevo enfoque tiene otra ventaja importante: proporciona una mejor visión del funcionamiento interno de la red neuronal.

Las redes neuronales anteriores, que a menudo consistían en muchos miles de nodos, han sido tan complejas que solo se pudieron analizar los resultados finales.

Lograr una comprensión más profunda de lo que está sucediendo en el interior era casi imposible.

La red más pequeña pero extremadamente poderosa del equipo de Viena es más fácil de analizar, por lo que los científicos pueden entender al menos parcialmente qué células nerviosas causan qué efectos.

“Esta es una gran ventaja que nos anima a seguir investigando sus propiedades”, dice Hasani.

Por supuesto, esto no significa que los gusanos artificiales estacionarán automóviles en el futuro, pero muestra que la inteligencia artificial con una arquitectura más parecida a un cerebro puede ser mucho más poderosa de lo que se pensaba anteriormente.

Fuente: TU Wien