Un nuevo estudio de investigadores del MIT revela que el cerebro puede proporcionar retroalimentación específica a neuronas individuales durante el aprendizaje. Este hallazgo sugiere que el cerebro envía señales de enseñanza personalizadas, lo que se asemeja a los errores que impulsan el aprendizaje en la inteligencia artificial.
El equipo, liderado por Mark Harnett, investigó cómo las neuronas en ratones podían ser entrenadas para controlar su actividad mediante una interfaz cerebro-computadora (BCI). Esta metodología permite estudiar la relación entre las redes neuronales artificiales y los cerebros reales, mejorando así la comprensión del aprendizaje biológico y la inteligencia artificial inspirada en el cerebro.
El cerebro en constante cambio
Los cerebros modifican constantemente sus circuitos a medida que interactuamos con el entorno. “Sabemos que hay muchas formas de cambiar la fuerza de las conexiones entre neuronas”, explica Harnett. “Sin embargo, falta un entendimiento claro de cómo se organizan esos cambios para producir un aprendizaje eficiente”.
Las acciones y las conexiones neuronales involucradas se refuerzan mediante neuromoduladores como la dopamina. Sin embargo, estas señales son generales y no discriminan entre las contribuciones individuales de las neuronas. “El aprendizaje por refuerzo mediante neuromoduladores es ineficiente, ya que todas las neuronas reciben un único mensaje”, añade Harnett.
Aprendizaje a través de señales personalizadas
El aprendizaje automático utiliza un método diferente y efectivo mediante la retropropagación, donde las redes neuronales artificiales ajustan sus conexiones basándose en señales de error. Esto plantea la posibilidad de que los cerebros utilicen señales similares para el aprendizaje, aunque los neurocientíficos eran escépticos sobre la capacidad del cerebro para enviar señales individualizadas.
Para superar este obstáculo, el equipo de Harnett desarrolló una tarea de BCI que vinculaba directamente la actividad neuronal con los resultados de recompensa. En este experimento, ciertos grupos de neuronas debían aumentar su actividad, mientras que otros debían disminuirla.
Resultados y descubrimientos
Los investigadores observaron que las neuronas activadas recibían señales de error opuestas en sus dendritas durante el aprendizaje. Algunas neuronas eran instruidas para aumentar su actividad, mientras que otras debían reducirla. Al bloquear estas señales, los ratones no lograban aprender la tarea, lo que proporciona evidencia biológica de que el aprendizaje basado en señales instructivas específicas ocurre en la corteza cerebral.
Este descubrimiento podría fomentar un mayor intercambio entre neurocientíficos y expertos en aprendizaje automático. “Ahora tenemos la oportunidad de investigar cómo aprende la corteza y otras áreas del cerebro, comparando estos procesos con algoritmos de aprendizaje automático”, concluye Harnett. “Esto representa un nuevo comienzo significativo”.
