Un nuevo estudio de la Escuela de Ingeniería Granger de la Universidad de Illinois en Urbana-Champaign muestra que la corteza sensorial más temprana del cerebro no solo es responsable de "recibir información pasivamente", sino que desempeña un papel activo inesperado en el proceso de toma de decisiones. Este descubrimiento desafía el modelo clásico predominante desde hace mucho tiempo de procesamiento jerárquico y paso a paso del cerebro. El equipo de investigación cree que se espera que este método de organización neuronal interactiva bidireccional, más dinámico, proporcione nueva inspiración para una arquitectura de inteligencia artificial de bajo consumo de energía y alta eficiencia en el futuro.
La visión tradicional es que el proceso de toma de decisiones del cerebro generalmente sigue una vía jerárquica unidireccional “de abajo hacia arriba”: la información ingresa desde áreas sensoriales tempranas como la visión, la audición o la somatosensorial, y se transmite gradualmente a la corteza de asociación de nivel superior y a la corteza frontal, y finalmente la integración y la toma de decisiones se completan en estos “centros de orden superior”. Se basa en esta comprensión de que la mayoría de los sistemas de inteligencia artificial, como las redes neuronales convolucionales, adoptan una estructura jerárquica similar, viendo la inteligencia como el resultado del procesamiento de la información capa por capa a lo largo de una dirección fija y "tomando decisiones" en el nivel superior. Sin embargo, a medida que se profundiza la comprensión de la inteligencia natural, cada vez más académicos han comenzado a cuestionar este modelo demasiado simplificado de "línea de montaje".
Esta investigación fue dirigida por Yurii Vlasov, profesor del Departamento de Ingeniería Eléctrica e Informática de la Universidad de Illinois, y el artículo se publicó en las Actas de la Academia Nacional de Ciencias (PNAS). El equipo de investigación optó por reexaminar el cerebro desde un nivel de sistema, viéndolo como un sistema de "inteligencia natural" moldeado por la evolución, enfatizando los bucles de retroalimentación y el flujo de información bidireccional entre diferentes áreas del cerebro, en lugar de una cadena de procesamiento en serie unidireccional. Bajo este marco, la toma de decisiones se considera el resultado de la interacción continua y la coemergencia entre múltiples regiones del cerebro, en lugar de una instrucción "emitida unidireccionalmente" por regiones de orden superior.
Una característica distintiva de la inteligencia natural es su alta eficiencia y ahorro de energía: al completar tareas complejas de percepción, cognición y toma de decisiones, el consumo de energía del cerebro humano es mucho menor que el de la mayoría de los sistemas de inteligencia artificial actuales. Para comprender el origen de esta eficiencia, el equipo de investigación no se limita a un determinado módulo funcional, sino que parte de la arquitectura general y examina la colaboración entre diferentes áreas. Vlasov dijo que se espera que comprender cómo el cerebro organiza los cálculos de toma de decisiones a nivel arquitectónico ayude a la comunidad de ingenieros a diseñar sistemas de inteligencia artificial de próxima generación que sean más efectivos, más ahorradores de energía y "más inteligentes".
En términos de diseño experimental específico, los investigadores se centraron en la etapa de procesamiento más temprana del cerebro, es decir, el área responsable de la sensación y la percepción. Realizaron experimentos con ratones, permitiendo a los animales moverse en un corredor de realidad virtual, sintiendo el entorno a través de sus tentáculos y tomando decisiones perceptivas sobre girar a la izquierda o a la derecha. Durante este proceso, los investigadores registraron la actividad de las neuronas en una amplia zona del cerebro del ratón, prestando especial atención al patrón de respuesta de la corteza somatosensorial primaria (S1).
Los resultados fueron inesperados: las señales relacionadas con la toma de decisiones se capturaron claramente en la corteza somatosensorial primaria, que tradicionalmente se ha considerado como “procesadora únicamente de sensaciones básicas”. Esto muestra que el proceso de toma de decisiones no se inicia sólo en la "parte posterior" de la corteza de orden superior, sino que las representaciones obvias de la toma de decisiones ya son evidentes en la etapa de procesamiento sensorial en la parte frontal del cerebro. En otras palabras, el área sensorial temprana no simplemente empaqueta y carga "datos en bruto", sino que participa en la codificación de opciones de acción en un momento muy temprano.
Un análisis adicional encontró que la actividad de la corteza somatosensorial primaria no ocurre de forma aislada, sino que está significativamente modulada por la retroalimentación de áreas cerebrales de orden superior. Esta señal de retroalimentación de arriba hacia abajo, junto con la información sensorial de abajo hacia arriba, da forma al patrón de actividad neuronal en S1. Se puede observar que el cerebro no avanza linealmente por un único camino "desde la percepción hasta la toma de decisiones", sino que intercambia información continuamente a través de circuitos de retroalimentación entre múltiples niveles para completar la interpretación de la información externa y la elección del comportamiento.
Vlasov señaló que la “codificación neuronal” del cerebro todavía es como un lenguaje no descifrado, pero comprender estos circuitos de retroalimentación e interacciones dinámicas desde un nivel de sistema ya puede proporcionar una inspiración valiosa para el diseño de redes neuronales artificiales. La inteligencia artificial actual todavía tiene deficiencias evidentes a nivel de toma de decisiones. Sin embargo, la inteligencia natural puede realizar cálculos con un consumo de energía mucho menor que el de los sistemas de hardware modernos en tareas iguales o incluso más complejas. La experiencia arquitectónica detrás de esto es digna de que la comunidad de ingenieros "aprenda de la naturaleza".
Aunque este trabajo no es suficiente para proporcionar directamente un plan de ingeniería para construir una "mejor IA", el equipo de investigación cree que proporciona una perspectiva desde la cual repensar la inteligencia artificial. Al estudiar sistemáticamente cómo el cerebro organiza y procesa la información, se espera que los investigadores resuman un conjunto de principios transferibles para guiar la mejora de la inteligencia artificial en términos de arquitectura, eficiencia energética y mecanismos de toma de decisiones. Es posible que los futuros sistemas de IA deban romper con el estricto marco de comunicación unidireccional y de capas y, en su lugar, introducir retroalimentación más dinámica y estructuras de interacción paralelas similares a los cerebros biológicos.
A continuación, el equipo de Vlasov planea continuar rastreando los cambios en la actividad cerebral en la dimensión temporal, centrándose en estudiar la rápida dinámica temporal de la actividad neuronal. Están desarrollando nuevas herramientas para medir y analizar señales neuronales con mayor precisión, intentando descubrir cómo intervienen los bucles de retroalimentación en la toma de decisiones a partir de datos con mayor resolución temporal. En su opinión, sólo viendo cómo se activan estos bucles de retroalimentación en el tiempo y cómo se forman y reconstruyen entre los diferentes niveles de procesamiento podremos comprender verdaderamente el funcionamiento de la inteligencia natural y transformarla en la base de diseño de una nueva generación de arquitectura de inteligencia artificial.