El Mecanismo Neuronal del Aprendizaje Autónomo

Un artículo redactado por cientificos del laboratorio de Sistemas Sintéticos Perceptivos, Emotivos y Cognitivos y de la Universidad de Stanford, expone el mecanismo del aprendizaje autónomo subyacente y lo refleja en la naturaleza más de cerca de lo que se pensaba. Con su hipótesis y modelo, estos científicos ofrecen nuevos conocimientos sobre cómo aprendemos y almacenamos recuerdos.

El trabajo, publicado en la revista científica Trends in Cognitive Sciences, es relevante para mejorar los déficits de memoria en humanos y para construir formas nuevas y avanzadas de sistemas de memoria artificial.

El cerebro se considera un sistema de aprendizaje autónomo. En otras palabras, puede detectar patrones y adquirir nuevos conocimientos sin una guía externa. Hasta hace poco, este no era el caso de la Inteligencia Artificial (IA)donde primero se debía etiquetar cualquier dato que se alimentara a los sistemas de aprendizaje automático. Este llamado problema de conexión a tierra de símbolos ha obstaculizado el progreso de la IA durante las últimas décadas. 

Algunos supusieron que no existía tal mecanismo en las redes neuronales biológicas . Sin embargo, basándose en una combinación de consideraciones de la práctica actual de la IA, la neurociencia computacional y un análisis de la fisiología del hipocampo, los autores muestran que la autosupervisión y la retropropagación de errores coexisten en el cerebro.

Los  investigadores demuestran que el hipocampo contiene una red de neuronas que controlan las señales e información neuronales de manera similar a las operaciones de las redes neuronales artificiales subyacentes a la revolución actual de la IA.

El principal hallazgo fue poner en perspectiva no solo los circuitos y la anatomía del complejo hipocampal, sino también los tipos de neuronas que impulsan el aprendizaje y permiten que el hipocampo sea completamente autónomo para decidir qué y cuándo aprender. Es especialmente interesante porque el aprendizaje automático auto-supervisado, impulsado por retropropagación de errores, está ganando mucha atención en el mundo de la inteligencia artificial y este es el primer estudio que proporciona una explicación biológica completa de este mecanismo.