Los bebés pueden ayudar a desbloquear la próxima generación de inteligencia artificial (AI), según los neurocientíficos e investigadores de Trinity que acaban de publicar nuevos principios rectores para mejorar la IA. La investigación, publicada en la revista Nature Machine Intelligence, examina la neurociencia y la psicología del aprendizaje infantil y destila tres principios para guiar a la próxima generación de IA, que ayudará a superar las limitaciones más apremiantes del Aprendizaje Automático.
La Dra. Lorijn Zaadnoordijk, becaria de investigación Marie Sklodowska-Curie en el Trinity College, explicó: “La inteligencia artificial (IA) ha hecho un gran progreso en la última década, brindándonos altavoces inteligentes, pilotos automáticos en automóviles, aplicaciones cada vez más inteligentes y diagnósticos médicos mejorados. Estos emocionantes desarrollos en IA se han logrado gracias al aprendizaje automático que utiliza enormes conjuntos de datos para entrenar modelos de redes neuronales artificiales. Sin embargo, el progreso se está estancando en muchas áreas porque los conjuntos de datos de los que aprenden las máquinas deben ser cuidadosamente seleccionados por humanos.»
«Pero sabemos que el aprendizaje se puede hacer de manera mucho más eficiente, ¡porque los bebés no aprenden de esta manera! Aprenden al experimentar el mundo que los rodea, a veces incluso al ver algo solo una vez.”
En su artículo ‘ Lecciones del aprendizaje infantil para el aprendizaje automático no supervisado’, el Dr. Lorijn Zaadnoordijk y el Profesor Rhodri Cusack, del Trinity College Institute of Neuroscience (TCIN), y el Dr. Tarek R. Besold de TU Eindhoven, Países Bajos, argumentan que mejores formas para aprender de los datos no estructurados son necesarios. Por primera vez, hacen propuestas concretas sobre qué ideas particulares del aprendizaje infantil se pueden aplicar de manera fructífera en el aprendizaje automático y cómo aplicar exactamente estos aprendizajes.
Las máquinas, dicen, necesitarán preferencias integradas para dar forma a su aprendizaje desde el principio. Tendrán que aprender de conjuntos de datos más completos que capturen cómo se ve, suena, huele, saborea y siente el mundo. Y, como los bebés, necesitarán tener una trayectoria de desarrollo, donde las experiencias y las redes cambien a medida que «crecen».
El Dr. Tarek R. Besold, investigador del grupo de Filosofía y Ética de TU Eindhoven, dijo: “Como investigadores de Inteligencia Artificial, a menudo trazamos paralelos metafóricos entre nuestros sistemas y el desarrollo mental de bebés y niños humanos».
«Ya es hora de tomar estas analogías más en serio y observar el rico conocimiento del desarrollo infantil de la psicología y la neurociencia, que puede ayudarnos a superar las limitaciones más apremiantes del aprendizaje automático.”
El profesor Rhodri Cusack, profesor de neurociencia cognitiva Thomas Mitchell, director del Instituto de Neurociencia del Trinity College, agregó: «Las redes neuronales artificiales estaban en parte inspiradas en el cerebro. Al igual que los bebés, dependen del aprendizaje, pero las implementaciones actuales son muy diferentes del aprendizaje humano (y animal). A través de la investigación interdisciplinaria, los bebés pueden ayudar a desbloquear la próxima generación de IA.
El artículo publicado se puede ver en Nature Machine Intelligence.
Lessons from infant learning for unsupervised machine learning
Lorijn Zaadnoordijk, Tarek R. Besold & Rhodri Cusack
Fuente: Trinity College Dublin
Otras noticias sobre Inteligencia Artificial y Redes Neuronales que te pueden interesar:
- Interfaz cerebro-máquina para convertir pensamientos en acciones
- Neuromodulación: Inteligencia Artificial inspirada en el funcionamiento del cerebro humano
- Hackeando el cerebro humano con marketing social
- Chips y Robots para el estudio del cerebro humano
- Un ordenador que emula el cerebro y puede resolver los problemas matemáticos más complejos del mundo
- Del Aprendizaje Automático al Aprendizaje Natural en Robots
- Neuronas Artificiales para Inteligencia Artificial Cuántica
- Robot aprende a combinar visión y tacto
- ‘Neuronas’ y ‘sinapsis’ para nuevas computadoras
- Memristors o memoria orgánica para IoT y la Inteligencia Artificial
- Sensores neuronales inalámbricos diminutos
- La computación afectiva mejora la medición de emociones con AI