Un equipo de investigadores del Instituto de Gestión de Información en Ingeniería Mecánica de la Universidad Técnica de Aquisgrán, en Alemania, ha explorado recientemente el uso de técnicas de neurociencia para determinar cómo se estructura la información dentro de las redes neuronales artificiales o ANN (Artificial Neural Networks).
Tal y como detallan en un artículo publicado en arXiv, los investigadores Richard Meyes y Tobias Meisen aplicaron la técnica de la ablación en arquitecturas de redes neuronales.
“Nuestra idea se inspiró en la investigación en el campo de la neurociencia, donde uno de los objetivos principales es comprender cómo funciona nuestro cerebro”, explican Meyes y Meisen, en un comunicado. Los resultados de este nuevo estudio sirvieron para comparar la organización de las redes neuronales artificiales con la de las biológicas.
Inteligencia Artificial desde un punto de vista biológico
El objetivo del estudio llevado a cabo por Mayes, Meisen y su colega Peter Lillian fue examinar las redes neuronales artificiales evaluando su estructura y la función de sus diferentes componentes empleando la ablación. Esta técnica se ha utilizado en la investigación neurocientífica desde hace más de doscientos años.
“Se han hecho muchos descubrimientos en los estudios de ablación sobre las funcionalidades del cerebro. En este método, partes específicas del cerebro se dañan cuidadosa y controladamente, lo que afecta en su capacidad para realizar tareas cotidianas, como generar el habla o el movimiento”, explican los investigadores.
Al eliminar o destruir selectivamente tejidos en áreas específicas del cerebro, se pueden observar los efectos de este daño y, por lo tanto, comprender mejor la función de cada área.
La ablación ya se había aplicado a las redes neuronales artificiales en otros estudios. Se centraron principalmente en ajustar las capas de la red y cambiar su estructura, por lo que se parecían más a búsquedas de parámetros que a la ablación biológica.
La ablación en redes neuronales artificiales
El primer paso que llevaron a cabo los investigadores fue entrenar una red para realizar una tarea específica, como reconocer dígitos escritos a mano. Después, cortaron una pequeña parte de la red y evaluaron cómo cambiaba su rendimiento debido al daño causado. En cada sección se eliminó de la red un “grupo de ablación” y solo se separó un grupo cada vez.
En tercer lugar, determinaron si existía una relación entre la ubicación de la parte dañada y el efecto que tuvo en el rendimiento de la red. “De esta manera, observamos que las habilidades específicas de la red, como realizar movimientos hacia adelante del robot controlado, están representadas localmente y se pueden destruir a propósito”, señalan Mayes y Meisen.
Conclusiones principales
Al examinar cómo las intervenciones afectaron en al funcionamiento de sus redes, los investigadores sugirieren que existen vínculos y similitudes entre las redes artificiales y biológicas. Están relacionadas tanto con la forma en que las redes se organizan como con la forma en que almacenan la información.
“Nuestro hallazgo más interesante es la observación de que el rendimiento de una red dañada generalmente disminuye, mientras que las capacidades muy específicas de la red, como el reconocimiento de un dígito específico, pueden mejorarse dañando partes específicas”, señalan Meyes y Meisen. “Además, nuestro estudio implica que la aplicación de métodos neurocientíficos para las redes neuronales artificiales puede abrir nuevas perspectivas para comprender la inteligencia artificial”.
Próximas investigaciones
Las investigaciones futuras podrían estudiar las similitudes entre las redes neuronales artificiales y las redes cerebrales con mayor detalle y en escalas más grandes.
“Uno de nuestros próximos pasos será visualizar la actividad en las redes neuronales artificiales con métodos de imagen como la Resonancia Magnética Funcional (RMF), que se emplean en neurociencia. Nuestro objetivo es hacer que el proceso de toma de decisiones en los redes neuronales artificiales sea más transparente y obtener una nueva perspectiva sobre la Inteligencia Artificial en general”, adelantan Meyes y Meisen.
Referencia
Peter Lillian et al. Ablation of a robot's brain: neural networks under a knife. arXiv:1812.05687v1 [cs.NE] 13 December 2018.