Fuente: Jan Tik/ Flickr
Las agencias de inteligencia actuales se enfrentan a más información de la que son capaces de analizar en un plazo de tiempo razonable. El hombre tiene habilidad para el reconocimiento de patrones, pero no puede seguir un ritmo tan elevado, mientras la máquina no se acerca aún siquiera a la capacidad de aprendizaje de los mamíferos más simples.
El desafío por tanto se centra en averiguar por qué los cerebros son tan buenos para el aprendizaje, y aplicar esa información al diseño de sistemas informáticos capaces de interpretar, analizar y aprender como los humanos. Un reto que no es nuevo, pues hace más de un siglo que la neurociencia aspira a trazar el mapa de conexiones neurales que subyacen a las funciones mentales superiores.
Para hacer frente a tan ambicioso objetivo, la Universidad de Harvard ha recibido el apoyo financiero del gobierno federal de Estados Unidos, con el que impulsarán el desarrollo de algoritmos de aprendizaje automático avanzados que rocen la frontera de la neurociencia. A través de la agencia de inteligencia nacional IARPA (Intelligence Advanced Research Projects Activity), ha otorgado más de 28 millones de dólares a un programa de investigación en el que participan tres departamentos de la Universidad, la Escuela de Ingeniería y Ciencias Aplicadas John A. Paulson (SEAS), el Centro para la Ciencia del Cerebro (CBS) y el Departamento de Biología Molecular y Celular.
Según explica la universidad en un comunicado, el primer paso de la investigación será registrar la actividad en la corteza visual del cerebro con un detalle sin precedentes, mapear sus conexiones a una escala que nunca antes se había intentado, y aplicar retroingeniería para mejorar los algoritmos de aprendizaje.
"El alcance de este reto es similar al Proyecto Genoma Humano", asegura el líder del proyecto, David Cox, profesor de Biología Celular y Molecular e Informática. Y es que solo la primera mitad del proyecto, la grabación de la actividad neuronal y el mapeo de sus conexiones, tiene un importante valor científico por sí misma. “A medida que descubramos los principios fundamentales que rigen cómo aprende el cerebro, no es difícil imaginar que seamos capaces de diseñar sistemas informáticos que puedan coincidir, o incluso superar, a los humanos", añade Cox.
La aplicación de estos algoritmos podría abarcar desde la detección de invasiones en la red, a la lectura de imágenes de resonancias magnéticas o incluso la conducción de coches.
El desafío por tanto se centra en averiguar por qué los cerebros son tan buenos para el aprendizaje, y aplicar esa información al diseño de sistemas informáticos capaces de interpretar, analizar y aprender como los humanos. Un reto que no es nuevo, pues hace más de un siglo que la neurociencia aspira a trazar el mapa de conexiones neurales que subyacen a las funciones mentales superiores.
Para hacer frente a tan ambicioso objetivo, la Universidad de Harvard ha recibido el apoyo financiero del gobierno federal de Estados Unidos, con el que impulsarán el desarrollo de algoritmos de aprendizaje automático avanzados que rocen la frontera de la neurociencia. A través de la agencia de inteligencia nacional IARPA (Intelligence Advanced Research Projects Activity), ha otorgado más de 28 millones de dólares a un programa de investigación en el que participan tres departamentos de la Universidad, la Escuela de Ingeniería y Ciencias Aplicadas John A. Paulson (SEAS), el Centro para la Ciencia del Cerebro (CBS) y el Departamento de Biología Molecular y Celular.
Según explica la universidad en un comunicado, el primer paso de la investigación será registrar la actividad en la corteza visual del cerebro con un detalle sin precedentes, mapear sus conexiones a una escala que nunca antes se había intentado, y aplicar retroingeniería para mejorar los algoritmos de aprendizaje.
"El alcance de este reto es similar al Proyecto Genoma Humano", asegura el líder del proyecto, David Cox, profesor de Biología Celular y Molecular e Informática. Y es que solo la primera mitad del proyecto, la grabación de la actividad neuronal y el mapeo de sus conexiones, tiene un importante valor científico por sí misma. “A medida que descubramos los principios fundamentales que rigen cómo aprende el cerebro, no es difícil imaginar que seamos capaces de diseñar sistemas informáticos que puedan coincidir, o incluso superar, a los humanos", añade Cox.
La aplicación de estos algoritmos podría abarcar desde la detección de invasiones en la red, a la lectura de imágenes de resonancias magnéticas o incluso la conducción de coches.
Fase de laboratorio
El estudio comienza en el laboratorio, donde se utilizarán ratas que se entrenarán para reconocer visualmente varios objetos en una pantalla de ordenador. A medida que los animales vayan aprendiendo, el equipo registrará la actividad de las neuronas visuales utilizando microscopios láser de última generación, creados para este proyecto, para comprobar los cambios que se produzcan en la actividad cerebral.
Entonces, se diseccionará una parte del cerebro, de un milímetro cúbico de tamaño, que a su vez será cortado ultrafino para analizarlo en el primer microscopio electrónico de barrido multihaz del mundo, ubicado en el CBS. "Esta es una oportunidad increíble para conocer todos los detalles de un trozo de corteza cerebral", afirma Jeff Lichtman, profesor también de Biología Celular y Molecular.
Sin embargo, son conscientes de que el proceso no va a ser fácil. Para empezar, porque va a generar más de un petabyte de datos, el equivalente a alrededor de 1,6 millones de discos repletos de información. Es aquí donde comienza la labor de los informáticos, encargados de desarrollar algoritmos que reconstruyan los límites de las celdas, las sinapsis y conexiones, y se visualicen en tres dimensiones.
La reconstrucción de circuitos neuronales en una escala de petabytes de datos estructurales y funcionales sin precedentes, les obligará a realizar nuevos avances tanto en gestión de datos, como en computación de alto rendimiento, visión artificial y análisis de redes. De tal forma, si el trabajo se detuviera aquí, ya alcanzaría un impacto científico enorme.
El estudio comienza en el laboratorio, donde se utilizarán ratas que se entrenarán para reconocer visualmente varios objetos en una pantalla de ordenador. A medida que los animales vayan aprendiendo, el equipo registrará la actividad de las neuronas visuales utilizando microscopios láser de última generación, creados para este proyecto, para comprobar los cambios que se produzcan en la actividad cerebral.
Entonces, se diseccionará una parte del cerebro, de un milímetro cúbico de tamaño, que a su vez será cortado ultrafino para analizarlo en el primer microscopio electrónico de barrido multihaz del mundo, ubicado en el CBS. "Esta es una oportunidad increíble para conocer todos los detalles de un trozo de corteza cerebral", afirma Jeff Lichtman, profesor también de Biología Celular y Molecular.
Sin embargo, son conscientes de que el proceso no va a ser fácil. Para empezar, porque va a generar más de un petabyte de datos, el equivalente a alrededor de 1,6 millones de discos repletos de información. Es aquí donde comienza la labor de los informáticos, encargados de desarrollar algoritmos que reconstruyan los límites de las celdas, las sinapsis y conexiones, y se visualicen en tres dimensiones.
La reconstrucción de circuitos neuronales en una escala de petabytes de datos estructurales y funcionales sin precedentes, les obligará a realizar nuevos avances tanto en gestión de datos, como en computación de alto rendimiento, visión artificial y análisis de redes. De tal forma, si el trabajo se detuviera aquí, ya alcanzaría un impacto científico enorme.
Inspiración biológica
Sin embargo, no es ese el objetivo. Una vez que los investigadores conozcan cómo las neuronas de la corteza se conectan entre sí en tres dimensiones, la próxima tarea será averiguar cómo usa esas conexiones el cerebro para procesar información rápidamente e inferir patrones de nuevos estímulos.
Hoy en día, uno de los mayores retos de la informática es la cantidad de entrenamiento que requieren los sistemas de aprendizaje automático. Por ejemplo, para aprender a reconocer un coche, un sistema informático necesita ver cientos de miles de modelos. Sin embargo, tanto el hombre como los mamíferos no necesitan visualizar un objeto miles de veces para reconocerlo; les basta con un par de veces.
En fases posteriores del proyecto, los investigadores de Harvard y sus colaboradores crearán algoritmos informáticos para el aprendizaje y reconocimiento de patrones inspirados y restringidos al mapa de conexiones. Serán por tanto programas de inspiración biológica que tratarán de superar a los sistemas informáticos actuales en su capacidad para reconocer patrones y hacer inferencias partiendo de una entrada de datos limitada.
Con independencia de donde llegue este proyecto, no hay duda de que aborda uno de los grandes logros pendientes para el conocimiento humano, la comprensión de cómo funciona el cerebro en un nivel fundamental.
Sin embargo, no es ese el objetivo. Una vez que los investigadores conozcan cómo las neuronas de la corteza se conectan entre sí en tres dimensiones, la próxima tarea será averiguar cómo usa esas conexiones el cerebro para procesar información rápidamente e inferir patrones de nuevos estímulos.
Hoy en día, uno de los mayores retos de la informática es la cantidad de entrenamiento que requieren los sistemas de aprendizaje automático. Por ejemplo, para aprender a reconocer un coche, un sistema informático necesita ver cientos de miles de modelos. Sin embargo, tanto el hombre como los mamíferos no necesitan visualizar un objeto miles de veces para reconocerlo; les basta con un par de veces.
En fases posteriores del proyecto, los investigadores de Harvard y sus colaboradores crearán algoritmos informáticos para el aprendizaje y reconocimiento de patrones inspirados y restringidos al mapa de conexiones. Serán por tanto programas de inspiración biológica que tratarán de superar a los sistemas informáticos actuales en su capacidad para reconocer patrones y hacer inferencias partiendo de una entrada de datos limitada.
Con independencia de donde llegue este proyecto, no hay duda de que aborda uno de los grandes logros pendientes para el conocimiento humano, la comprensión de cómo funciona el cerebro en un nivel fundamental.