Un nuevo mecanismo de aprendizaje del cerebro requiere una revisión de la hipótesis de la neurociencia de larga data
Un cambio de paradigma en la investigación del cerebro: la nueva neurona y el nuevo tipo de aprendizaje. Crédito: Prof. Ido Kanter, Universidad Bar-Ilan
El cerebro es una red compleja que contiene miles de millones de neuronas. Cada una de estas neuronas se comunica simultáneamente con miles de otras a través de sus sinapsis (enlaces) y recoge las señales entrantes a través de varios «brazos» extremadamente largos y ramificados, llamados árboles dendríticos.
Durante los últimos 70 años, una hipótesis central de la neurociencia ha sido que el aprendizaje del cerebro se produce modificando la fuerza de las sinapsis, siguiendo la actividad de activación relativa de sus neuronas conectadas. Esta hipótesis ha sido la base de los algoritmos de aprendizaje automático y profundo que afectan cada vez más a casi todos los aspectos de nuestras vidas. Pero después de siete décadas, esta hipótesis de larga duración ahora se ha puesto en duda.
En un artículo publicado hoy en Scientific Reports, investigadores de la Universidad Bar-Ilan en Israel revelan que el cerebro aprende de manera completamente diferente a como lo ha hecho antes. asumido desde el siglo XX. Las nuevas observaciones experimentales sugieren que el aprendizaje se realiza principalmente en árboles dendríticos neuronales, donde el tronco y las ramas del árbol modifican su fuerza, en lugar de modificar únicamente la fuerza de las sinapsis (hojas dendríticas), como se pensaba anteriormente. Estas observaciones también indican que la neurona es en realidad un elemento mucho más complejo, dinámico y computacional que un elemento binario que puede dispararse o no. Solo una sola neurona puede realizar algoritmos de aprendizaje profundo, que anteriormente requerían una red artificial compleja que constaba de miles de neuronas y sinapsis conectadas.
«Hemos demostrado que el aprendizaje eficiente en árboles dendríticos de una sola neurona puede artificialmente lograr tasas de éxito cercanas a la unidad para el reconocimiento de dígitos escritos a mano. Este hallazgo allana el camino para un nuevo tipo eficiente de hardware y algoritmos de inteligencia artificial inspirados biológicamente», dijo el profesor Ido Kanter, del Departamento de Física de Bar-Ilan y Gonda (Goldschmied) Multidisciplinario Brain Research. Centro, que dirigió la investigación. «Este mecanismo de aprendizaje simplificado representa un paso hacia una realización biológica plausible de algoritmos de retropropagación, que actualmente son la técnica central en IA», agregó Shiri Hodassman, Ph.D. estudiante y uno de los contribuyentes clave de este trabajo.
Un cambio de paradigma en la investigación del cerebro: la nueva neurona y el nuevo tipo de aprendizaje. Crédito: Prof. Ido Kanter, Universidad de Bar-Ilan
El aprendizaje eficiente en árboles dendríticos se basa en la evidencia experimental de Kanter y su equipo de investigación para la adaptación subdendrítica utilizando cultivos neuronales, junto con otras propiedades anisotrópicas de las neuronas, como diferentes picos formas de onda, períodos refractarios y tasas de transmisión máximas.
El reloj del cerebro es mil millones de veces más lento que las GPU paralelas existentes, pero con tasas de éxito comparables en muchas tareas de percepción.
La nueva demostración de el aprendizaje eficiente en árboles dendríticos exige nuevos enfoques en la investigación del cerebro, así como la generación de hardware equivalente con el objetivo de implementar algoritmos avanzados de IA. Si uno puede implementar dinámicas cerebrales lentas en computadoras ultrarrápidas, el cielo es el límite.
Explore más
El cerebro aprende de forma completamente diferente a lo que hemos asumido desde el siglo XX Más información: Shiri Hodassman et al, Aprendizaje dendrítico eficiente como alternativa a la hipótesis de la plasticidad sináptica, Scientific Informes (2022). DOI: 10.1038/s41598-022-10466-8
Shira Sardi et al, Los nodos adaptativos enriquecen el aprendizaje cooperativo no lineal más allá de la adaptación tradicional mediante enlaces, Scientific Reports (2018). DOI: 10.1038/s41598-018-23471-7
Shira Sardi et al, New Types of Experiments Reveal that a Neuron Functions as Multiple Independent Threshold Units, Scientific Reports (2017). DOI: 10.1038/s41598-017-18363-1
Shira Sardi et al, Períodos refractarios absolutos anisotrópicos largos con tiempos de aumento rápidos para una capacidad de respuesta confiable, Physical Review E (2022). DOI: 10.1103/PhysRevE.105.014401
Roni Vardi et al, Plasticidad significativa del período refractario neuronal anisotrópico, EPL (Europhysics Letters) (2021). DOI: 10.1209/0295-5075/ac177a
Roni Vardi et al, Aprendizaje reversible rápido basado en neuronas que funcionan como centros multiplex anisotrópicos, EPL (Europhysics Letters) (2017). DOI: 10.1209/0295-5075/118/46002 Información de la revista: Scientific Reports , Physical Review E