El algoritmo de aprendizaje al que se debe el incontenible éxito de las redes neuronales profundas no vale en los cerebros biológicos, pero se han encontrado alternativas que puede que sí.

En 2007, algunos de los pensadores que más se habían destacado en la ideación de las redes neuronales profundas organizaron una reunión no oficial, por los bordes de un prestigioso congreso internacional dedicado a la inteligencia artificial (IA). En la ocasión, Geoffrey Hinton, de la Universidad de Toronto, psicólogo cognitivo y científico de la computación al que se deben algunos de los mayores avances de las redes profundas, bromeó sobre cómo entender el cerebro humano, dando a entender que uno puede valerse de la IA para lograrlo. 

Que las redes profundas manden hoy en la IA se debe, al menos en parte, a un algoritmo, el de retropropagación. Gracias a él, las redes profundas aprenden de los datos, lo que les da la capacidad de clasificar imágenes, reconocer el lenguaje, hacer que los coches autónomos entiendan lo que pasa en la carretera, realizar muchas otras tareas.

Pero es muy improbable que los cerebros de verdad se basen en ese algoritmo. No es solo que «los cerebros pueden generalizar y aprender mejor y más deprisa que los mejores sistemas de IA actuales», dice Yoshua Bengio, científico de la computación de la Universidad de Montreal, director científico del Instituto de Inteligencia Artificial de Quebec y uno de los organizadores del seminario de 2007. Por diversas razones, la retropropagación no es compatible con la anatomía y fisiología del cerebro, en particular de la corteza.

Bengio y muchos otros inspirados por Hinton han estado pensando en mecanismos de aprendizaje más verosímiles biológicamente. Tres de ellos (el alineamiento por retroalimentación, la propagación de equilibrio y la codificación predictiva) resultan particularmente prometedores. Algunos investigadores han incorporado además en sus modelos las propiedades de ciertos tipos de neuronas corticales y determinados procesos, la atención por ejemplo. Todos estos trabajos nos acercan a saber qué algoritmos podrían estar funcionando en el cerebro.

«El cerebro es un misterio enorme. Se tiene la impresión general de que, si pudiésemos desentrañar algunos de sus principios, sería útil para la IA», dice Bengio. «Pero también tiene valor por sí mismo».

Lee el artículo completo en Las redes neuronales dan por fin pistas de cómo aprende el cerebro de Investigación y Ciencia.