Table of Contents
Las neuronas utilizadas en las redes de inteligencia artificial son representaciones extremadamente simplificadas de las células presentes en el cerebro. Una investigación sobre la complejidad de neuronas humanas muestra hasta qué punto puede ser considerable esa diferencia.
Investigadores analizaron la capacidad computacional de una neurona cortical humana y estudiaron qué tan compleja debía ser una red neuronal artificial para reproducir su comportamiento.
El resultado apunta a que determinadas funciones de una sola neurona pueden requerir una arquitectura artificial formada por varias capas para ser imitadas.
¿Una neurona humana equivale a una red neuronal artificial?
La comparación requiere precisión. El estudio no significa literalmente que cada neurona del cerebro sea una red de inteligencia artificial completa.
Lo que muestra es que, para reproducir computacionalmente el comportamiento observado en una neurona cortical, los investigadores necesitaron utilizar una red neuronal artificial multicapa.
Esta diferencia es importante porque los modelos tradicionales suelen representar una neurona artificial como una unidad relativamente sencilla que recibe información, realiza una operación matemática y produce una salida.
Una neurona biológica presenta una dinámica considerablemente más compleja.
¿Cómo estudiaron una sola neurona?
Los investigadores trabajaron con una representación digital detallada de una neurona humana.
El modelo recibió miles de patrones de estimulación mientras se registraban sus respuestas. Posteriormente, los científicos entrenaron redes neuronales artificiales para intentar predecir cómo respondería la célula ante esos estímulos.
Las arquitecturas más sencillas resultaron insuficientes.
Para conseguir una reproducción adecuada del comportamiento neuronal fueron necesarias redes artificiales con varias capas de procesamiento.
Una red de entre cinco y ocho capas
De acuerdo con los resultados difundidos por la Universidad Hebrea de Jerusalén, reproducir determinados aspectos de la capacidad computacional de una neurona cortical humana requirió modelos artificiales con aproximadamente cinco a ocho capas.
Esto modifica la imagen tradicional de las neuronas como simples interruptores biológicos que únicamente se activan o permanecen inactivos.
Una misma célula puede integrar numerosos estímulos y realizar operaciones complejas antes de producir una respuesta.
¿Por qué las neuronas humanas son tan complejas?
Parte de esta capacidad está relacionada con la estructura física de las neuronas.
Estas células cuentan con dendritas, ramificaciones que reciben señales procedentes de otras neuronas. Las señales no simplemente se acumulan: pueden interactuar de diferentes maneras dependiendo de dónde y cuándo llegan.
Esto permite que distintas regiones de una misma neurona participen en el procesamiento de información antes de que la célula genere finalmente una señal.
En consecuencia, parte del procesamiento cerebral puede ocurrir dentro de las propias neuronas y no únicamente mediante las conexiones entre millones de ellas.
¿Qué significa el descubrimiento para la inteligencia artificial?
Las redes neuronales artificiales tomaron inspiración originalmente del funcionamiento del cerebro, pero nunca pretendieron reproducir con exactitud toda su biología.
Una neurona artificial convencional realiza operaciones matemáticas relativamente sencillas. En contraste, las células biológicas poseen estructuras y mecanismos internos capaces de procesar información de formas mucho más elaboradas.
El estudio puede contribuir al desarrollo de nuevos modelos computacionales inspirados en mecanismos neuronales más realistas.
También ofrece herramientas para estudiar cómo el cerebro procesa información utilizando componentes individuales considerablemente más sofisticados de lo que representan muchos modelos clásicos.
El cerebro funciona con un consumo energético reducido
Otro aspecto que continúa diferenciando al cerebro de los sistemas informáticos es su eficiencia energética.
El cerebro humano utiliza aproximadamente 20 watts de potencia mientras mantiene simultáneamente funciones como percepción, memoria, movimiento, aprendizaje y procesamiento de información.
Las neuronas realizan estas operaciones mediante mecanismos biológicos distintos de los utilizados por procesadores y sistemas de inteligencia artificial, por lo que una comparación directa de eficiencia computacional tiene limitaciones.
Aun así, comprender cómo las células nerviosas procesan grandes cantidades de información con un consumo energético relativamente bajo es una de las áreas de interés para la neurociencia y la computación.
Una nueva forma de entender las neuronas
Los resultados refuerzan una visión de las neuronas como unidades de procesamiento complejas y no únicamente como componentes que reciben señales y generan una respuesta sencilla.
Esto también obliga a matizar una comparación frecuente entre el cerebro y las redes de inteligencia artificial.
Decir que una neurona humana equivale literalmente a una red neuronal artificial completa sería una simplificación. El hallazgo indica que reproducir ciertos comportamientos computacionales de una sola neurona puede requerir una red artificial profunda de varias capas.
La diferencia ayuda a dimensionar cuánto queda por comprender sobre la capacidad de procesamiento de las células que forman el cerebro humano.
