Durante décadas, los neurocientíficos han intentado diseñar redes informáticas capaces de imitar habilidades visuales como reconocer objetos, una tarea que el cerebro humano realiza con gran precisión y rapidez.
Hasta ahora, ningún modelo informático había logrado igualar al cerebro de los primates en el reconocimiento visual de objetos con una breve mirada. Sin embargo, un nuevo estudio de neurocientíficos del MIT ha descubierto que una de las redes de última generación llamadas «redes neuronales profundas» iguala al cerebro de los primates.
Como estas redes se basan en la comprensión actual de los neurocientíficos sobre cómo el cerebro reconoce objetos, el éxito de las redes más recientes sugiere que los neurocientíficos entienden con bastante precisión cómo funciona el reconocimiento de objetos, afirma James DiCarlo, profesor de neurociencia y director del Departamento de Ciencias Cerebrales y Cognitivas del MIT, y autor principal de un artículo que describe el estudio en el número del 18 de diciembre de la revista PLoS Computational Biology.
«El hecho de que los modelos predigan las respuestas neuronales y las distancias entre objetos en el espacio de poblaciones neuronales demuestra que estos modelos recogen nuestra mejor comprensión actual de lo que ocurre en esta parte del cerebro, que antes era un misterio», afirma DiCarlo, quien también es miembro del Instituto McGovern para la Investigación Cerebral del MIT.
Esta mejor comprensión del funcionamiento del cerebro de los primates podría conducir a una mejor inteligencia artificial y, algún día, a nuevas formas de reparar las disfunciones visuales, añade Charles Cadieu, investigador posdoctoral del Instituto McGovern y autor principal del artículo.
Los demás autores son los estudiantes de posgrado Ha Hong y Diego Ardila, el científico investigador Daniel Yamins, el antiguo estudiante de posgrado del MIT Nicolas Pinto, el antiguo estudiante de grado del MIT Ethan Solomon y el investigador afiliado Najib Majaj.
Inspiradas en el cerebro
Los científicos comenzaron a construir redes neuronales en la década de 1970 con la esperanza de imitar la capacidad del cerebro para procesar información visual, reconocer el habla y comprender el lenguaje.
En el caso de las redes neuronales basadas en la visión, los científicos se inspiraron en la representación jerárquica de la información visual en el cerebro. A medida que la información visual pasa de la retina a la corteza visual primaria y luego a la corteza inferotemporal (IT), se procesa en cada nivel y se vuelve más específica hasta que es posible identificar los objetos.
Para imitar este proceso, los diseñadores de redes neuronales crean varias capas de cálculo en sus modelos. Cada nivel realiza una operación matemática, como un producto escalar lineal. En cada nivel, las representaciones del objeto visual se vuelven cada vez más complejas y se descarta la información innecesaria, como la ubicación o el movimiento del objeto.
«Cada elemento individual suele ser una expresión matemática muy sencilla», afirma Cadieu. «Pero al combinar miles y millones de estos elementos, se obtienen transformaciones muy complejas desde las señales sin procesar hasta representaciones muy eficaces para reconocer objetos».
Para este estudio, los investigadores midieron primero la capacidad del cerebro para reconocer objetos. Hong y Majaj dirigieron la implantación de matrices de electrodos en la corteza IT y también en el área V4, una parte del sistema visual que envía información a la corteza IT. Esto les permitió observar la representación neuronal —la población de neuronas que responde— de cada objeto que miraban los animales.
A continuación, los investigadores pudieron compararla con las representaciones creadas por las redes neuronales profundas, que consisten en una matriz de números generados por cada elemento computacional del sistema. Cada imagen genera una matriz de números distinta. La precisión del modelo se determina según si agrupa objetos similares en conjuntos similares dentro de la representación.
«Con cada una de estas transformaciones computacionales, con cada una de estas capas de redes, ciertos objetos o imágenes se acercan entre sí, mientras que otros se alejan», afirma Cadieu.
La mejor red fue desarrollada por investigadores de la Universidad de Nueva York y clasificaba objetos tan bien como el cerebro del macaco.
Más capacidad de procesamiento
Según Cadieu, dos factores principales explican el éxito reciente de este tipo de redes neuronales. Uno es un aumento considerable de la disponibilidad de capacidad de procesamiento computacional. Los investigadores están aprovechando las unidades de procesamiento gráfico (GPU), pequeños chips diseñados para ofrecer un alto rendimiento al procesar la enorme cantidad de contenido visual que requieren los videojuegos. «Eso permite a la gente ampliar los límites del cálculo comprando estas tarjetas gráficas relativamente económicas», afirma Cadieu.
El segundo factor es que ahora los investigadores tienen acceso a grandes conjuntos de datos para alimentar los algoritmos y «entrenarlos». Estos conjuntos contienen millones de imágenes, cada una etiquetada por personas con distintos niveles de identificación. Por ejemplo, una foto de un perro se etiquetaría como animal, cánido, perro doméstico y con la raza del perro.
Al principio, las redes neuronales no son buenas para identificar estas imágenes, pero, a medida que ven cada vez más imágenes y descubren cuándo se equivocaron, refinan sus cálculos hasta que identifican los objetos con mucha más precisión.
Cadieu afirma que los investigadores no saben mucho sobre qué permite exactamente a estas redes distinguir objetos diferentes.
«Eso tiene ventajas y desventajas», afirma. «Es muy bueno que no tengamos que saber realmente qué elementos distinguen esos objetos. Pero la gran desventaja es que resulta muy difícil inspeccionar esas redes, mirar dentro y ver qué hicieron en realidad. Ahora que la gente ve que funcionan bien, se esforzará más por entender qué ocurre en su interior».
El alto rendimiento de los modelos informáticos más recientes «es emocionante no solo como logro de ingeniería, sino también porque nos proporciona mejores herramientas computacionales para modelar cómo funcionan los cerebros biológicos, incluido el cerebro humano», afirma Nikolaus Kriegeskorte, investigador principal de la Unidad de Ciencias Cognitivas y del Cerebro del Consejo de Investigación Médica del Reino Unido, quien no formó parte del equipo de investigación. «Junto con otros dos estudios recientes, este trabajo sugiere que los modelos de aprendizaje profundo resuelven la compleja tarea del reconocimiento visual de formas algo similares a las de los cerebros biológicos».
El laboratorio de DiCarlo planea ahora intentar generar modelos capaces de imitar otros aspectos del procesamiento visual, como el seguimiento del movimiento y el reconocimiento de formas tridimensionales. También esperan crear modelos que incluyan las proyecciones de retroalimentación observadas en el sistema visual humano. Las redes actuales solo modelan las proyecciones «de avance» desde la retina hasta la corteza IT, pero hay 10 veces más conexiones que van desde la corteza IT de regreso al resto del sistema.
Este trabajo contó con el apoyo del Instituto Nacional del Ojo, la Fundación Nacional de Ciencia y la Agencia de Proyectos de Investigación Avanzada de Defensa.
Este artículo se publica en colaboración con MIT News. La publicación no implica que el Foro Económico Mundial respalde estas opiniones.
Para mantenerse al día con Forum:Agenda, suscríbase a nuestro boletín semanal.
Autora: Anne Trafton es colaboradora invitada de MIT News.
Imagen: La última versión del robot humanoide Asimo de Honda corre durante una presentación en Zaventem, cerca de Bruselas, el 16 de julio de 2014. Honda presentó en Bélgica una versión mejorada de su robot humanoide Asimo, que, según la empresa, cuenta con una inteligencia y una destreza manual mejoradas y puede correr a una velocidad de unos 9 kilómetros por hora (5,6 millas por hora). REUTERS/Francois Lenoir.
