Un equipo de científicos estadounidenses desarrolló un modelo de inteligencia artificial en miniatura, Puede enviarse como archivo adjunto de correo electrónico y se basa en mecanismos de procesamiento visual de primates.
Este avance fue liderado por el Laboratorio Cold Spring Harbor (CSHL) en asociación con la Universidad Carnegie Mellon y la Universidad de Princeton, con Los sistemas actuales requieren una gran infraestructura informática y consumen grandes cantidades de energía.
El cerebro humano requiere menos energía que una bombilla para realizar tareas complejas, algo que los sistemas comerciales de inteligencia artificial aún no pueden igualar.
¿Cuál fue la inspiración y motivación para este proyecto?
Los investigadores fueron motivados por la observación de que el cerebro humano, especialmente el de los primates, utiliza muy poca energía y recursos para lograr proezas de percepción visual. Mientras que los modelos tradicionales de inteligencia artificial requieren potentes chips de silicio y un alto consumo de energía y agua, Durante millones de años, el cerebro ha optimizado sus circuitos para procesar la información visual de manera eficiente.
Inicialmente, el equipo no se propuso crear un modelo de IA compacto. Su principal objetivo es Comprender cómo el cerebro interpreta el mundo visual.particularmente a través del sistema visual de los primates. Los científicos se centraron en el área V4 del cerebro, que es fundamental para codificar colores, texturas, curvas y otros patrones visuales.
para esto, Usaron datos de neuronas de macacosregistrando respuestas neuronales mientras los animales observan imágenes naturales cuidadosamente seleccionadas. Este enfoque permite a los investigadores construir un puente entre la actividad cerebral y las representaciones digitales de la visión.
Así es la construcción de modelos de inteligencia artificial
El proceso comienza con la creación de un gran modelo de inteligencia artificial entrenado para predecir con precisión la respuesta de una sola neurona a cada imagen presentada. Este modelo inicial tiene aproximadamente 60 millones de parámetroslo que le permite superar a los sistemas de visión artificial de última generación, prediciendo la actividad neuronal más de un 30% mejor que los modelos anteriores.
El verdadero avance, sin embargo, llegó con una compresión significativa del modelo. Utilizando técnicas especializadas, el equipo redujo el modelo de cada red compacta a aproximadamente 10.000 parámetros, Es aproximadamente 1/5000 menos que el original.
Este pequeño tamaño permite enviar el modelo completo como archivo adjunto por correo electrónico, algo impensable con las arquitecturas actuales.
La compresión no sólo reduce el tamaño sino que también permite visualizar y analizar el funcionamiento interno del sistema. Cada red compacta está entrenada para predecir el comportamiento de una única neurona registrada, Esto facilita el seguimiento preciso de la firma visual de la activación de cada célula.
La miniaturización del modelo no supone una pérdida significativa de precisión. En cambio, permite a los investigadores observar directamente qué patrones o características de una imagen conducen a la activación neuronal.
Se descubrió que la primera capa del modelo actúa como un filtro para detectar bordes y colores, Las capas posteriores integran esta información y generan preferencias especializadas para cada unidad.
Cómo utilizar este nuevo modelo de inteligencia artificial
El impacto potencial de este avance se extiende más allá del campo de la visión por computadora. La posibilidad de comprender y replicar la dinámica de comunicación entre neuronas abre nuevas vías para abordar enfermedades neurodegenerativas como la enfermedad de Alzheimer.
El profesor Cowley dijo que si fuera posible identificar imágenes que estimulen la comunicación entre neuronas, posible en el futuro Reconstruyendo las sinapsis perdidas Patología en la que la pérdida de conexiones neuronales precede al deterioro cognitivo.
Este tipo de modelo también podría revolucionar aplicaciones tecnológicas, como los sistemas de propulsión de automóviles. coches sin conductordándoles una visión más precisa y al mismo tiempo más eficiente energéticamente.
Además, ayudan a desmitificar la llamada «caja negra» de la inteligencia artificial, haciendo que cada paso del procesamiento sea comprensible y rastreable. Un marcado contraste con los modelos enormes y opacos que dominan la industria.
El descubrimiento de que se pueden realizar predicciones cerebrales a través de sistemas diminutos y transparentes desafía la necesidad de arquitecturas cada vez más complejas y costosas.
