Ilustración de dos códigos neuronales distintos para representar distintos estímulos. Fuente: Universidad Isabel I.
Sergio Miguel Tomé, docente e investigador de la Universidad Isabel I, ha realizado un descubrimiento significativo sobre el funcionamiento de las redes neuronales que abre un nuevo campo de investigación hasta ahora inexplorado.
El trabajo ha desvelado que el código neuronal, es decir, la representación que tiene lugar en el cerebro como respuesta a un estímulo, provoca diferencias en las propiedades del modelo matemático que explica el comportamiento de las redes neuronales.
El código neuronal se define como el conjunto de combinaciones de neuronas activadas de una población que representan en el cerebro la reacción a un conjunto de estímulos. Así, un mismo conjunto de estímulos, podría representarse con diferentes códigos neuronales.
Este hecho motivó que el investigador se cuestionara si el uso de diferentes códigos provocaría diferencias en las propiedades y procesos computacionales de las redes neuronales, es decir, en su modelo matemático, una pregunta que hasta ahora no había sido planteada.
Para llevar a cabo su investigación, Tomé creó un software que le ha permitido realizar experimentos que miden dos características de las redes neuronales con resultados significativos.
Por una parte, ha medido el número de ciclos de aprendizaje que precisa una red neuronal para aprender a identificar y clasificar en categorías un conjunto de estímulos visuales.
Y, por otro lado, Miguel Tomé también ha medido la capacidad de que una red neuronal no pierda su función, aunque haya neuronas que sean destruidas (esta característica se denomina robustez computacional).
Dos experimentos
Mediante el software, el investigador planteó dos experimentos. En el primero hizo que redes neuronales con distintos códigos neuronales para representar estímulos, aprendieran a reconocer las categorías de estos estímulos.
Así, en este experimento, el investigador midió el esfuerzo de las redes neuronales para lograr el aprendizaje. Los resultados revelaron que el proceso de aprendizaje se ve significativamente afectado por el código neuronal.
En el segundo experimento, Miguel Tomé midió cómo esas mismas redes neuronales conservaban su capacidad de reconocer las categorías que habían aprendido, a pesar de que sufrieran daños que destruyeran neuronas de su red.
Los resultados obtenidos evidenciaron que la capacidad de la red neuronal para realizar correctamente su función, a pesar de sufrir daños, estaba también significativamente influida por el tipo de código neuronal que usaba la red neuronal para identificar los estímulos que percibían.
El trabajo ha desvelado que el código neuronal, es decir, la representación que tiene lugar en el cerebro como respuesta a un estímulo, provoca diferencias en las propiedades del modelo matemático que explica el comportamiento de las redes neuronales.
El código neuronal se define como el conjunto de combinaciones de neuronas activadas de una población que representan en el cerebro la reacción a un conjunto de estímulos. Así, un mismo conjunto de estímulos, podría representarse con diferentes códigos neuronales.
Este hecho motivó que el investigador se cuestionara si el uso de diferentes códigos provocaría diferencias en las propiedades y procesos computacionales de las redes neuronales, es decir, en su modelo matemático, una pregunta que hasta ahora no había sido planteada.
Para llevar a cabo su investigación, Tomé creó un software que le ha permitido realizar experimentos que miden dos características de las redes neuronales con resultados significativos.
Por una parte, ha medido el número de ciclos de aprendizaje que precisa una red neuronal para aprender a identificar y clasificar en categorías un conjunto de estímulos visuales.
Y, por otro lado, Miguel Tomé también ha medido la capacidad de que una red neuronal no pierda su función, aunque haya neuronas que sean destruidas (esta característica se denomina robustez computacional).
Dos experimentos
Mediante el software, el investigador planteó dos experimentos. En el primero hizo que redes neuronales con distintos códigos neuronales para representar estímulos, aprendieran a reconocer las categorías de estos estímulos.
Así, en este experimento, el investigador midió el esfuerzo de las redes neuronales para lograr el aprendizaje. Los resultados revelaron que el proceso de aprendizaje se ve significativamente afectado por el código neuronal.
En el segundo experimento, Miguel Tomé midió cómo esas mismas redes neuronales conservaban su capacidad de reconocer las categorías que habían aprendido, a pesar de que sufrieran daños que destruyeran neuronas de su red.
Los resultados obtenidos evidenciaron que la capacidad de la red neuronal para realizar correctamente su función, a pesar de sufrir daños, estaba también significativamente influida por el tipo de código neuronal que usaba la red neuronal para identificar los estímulos que percibían.
Sergio Miguel Tomé, docente e investigador de la Universidad Isabel I.
La punta del Iceberg
Hasta el momento, se había investigado cómo el código neuronal, la representación en el cerebro como respuesta a un estímulo, puede afectar a la transmisión de información. Pero ninguna investigación había planteado que este código neuronal afectase a las propiedades computacionales de una red neuronal.
Miguel Tomé subraya que “los resultados obtenidos son solo la punta del iceberg, ya que muestran la existencia de una nueva rama de investigación en las redes que es importante, tanto para entender las redes neuronales biológicas como para mejorar las redes neuronales artificiales, con todo lo que este hecho implica en la perfección de la inteligencia artificial”.
El investigador presentó su descubrimiento en el congreso internacional IWINAC 2019 (International Work-Conference on the Interplay between Natural and Artificial Computation), celebrado del 3 al 7 de junio en Almería.
Hasta el momento, se había investigado cómo el código neuronal, la representación en el cerebro como respuesta a un estímulo, puede afectar a la transmisión de información. Pero ninguna investigación había planteado que este código neuronal afectase a las propiedades computacionales de una red neuronal.
Miguel Tomé subraya que “los resultados obtenidos son solo la punta del iceberg, ya que muestran la existencia de una nueva rama de investigación en las redes que es importante, tanto para entender las redes neuronales biológicas como para mejorar las redes neuronales artificiales, con todo lo que este hecho implica en la perfección de la inteligencia artificial”.
El investigador presentó su descubrimiento en el congreso internacional IWINAC 2019 (International Work-Conference on the Interplay between Natural and Artificial Computation), celebrado del 3 al 7 de junio en Almería.
Referencia
Miguel-Tomé S. (2019) An Experimental Study on the Relationships Among Neural Codes and the Computational Properties of Neural Networks. In: Ferrández Vicente J., Álvarez-Sánchez J., de la Paz López F., Toledo Moreo J., Adeli H. (eds) From Bioinspired Systems and Biomedical Applications to Machine Learning. IWINAC 2019. Lecture Notes in Computer Science, vol 11487. Springer, Cham
Miguel-Tomé S. (2019) An Experimental Study on the Relationships Among Neural Codes and the Computational Properties of Neural Networks. In: Ferrández Vicente J., Álvarez-Sánchez J., de la Paz López F., Toledo Moreo J., Adeli H. (eds) From Bioinspired Systems and Biomedical Applications to Machine Learning. IWINAC 2019. Lecture Notes in Computer Science, vol 11487. Springer, Cham