Vista general de un laberinto resuelto. El laberinto comprende un espacio de estado discreto, en el que las celdas blancas y negras indican caminos y paredes, respectivamente. El camino azul es la trayectoria. Comenzando desde la izquierda, el agente debe llegar al borde derecho del laberinto en una cierta cantidad de pasos (tiempo). El laberinto se resolvi\u00f3 siguiendo el principio de la energ\u00eda libre. Cr\u00e9dito: RIKEN <\/p>\n
El Centro RIKEN para la Ciencia del Cerebro (CBS) en Jap\u00f3n, junto con sus colegas, ha demostrado que el principio de energ\u00eda libre puede explicar c\u00f3mo se optimizan las redes neuronales para lograr la eficiencia. Publicado en la revista cient\u00edfica Communications Biology, el estudio muestra primero c\u00f3mo el principio de la energ\u00eda libre es la base de cualquier red neuronal que minimice el costo de la energ\u00eda. Luego, como prueba de concepto, muestra c\u00f3mo una red neuronal minimizadora de energ\u00eda puede resolver laberintos. Este hallazgo ser\u00e1 \u00fatil para analizar la funci\u00f3n cerebral deteriorada en los trastornos del pensamiento, as\u00ed como para generar redes neuronales optimizadas para inteligencias artificiales. <\/p>\n
La optimizaci\u00f3n biol\u00f3gica es un proceso natural que hace que nuestros cuerpos y nuestro comportamiento sean lo m\u00e1s eficientes posible. Un ejemplo de comportamiento se puede ver en la transici\u00f3n que hacen los gatos de correr a galopar. Lejos de ser aleatorio, el cambio ocurre precisamente a la velocidad en que la cantidad de energ\u00eda que se necesita para galopar se vuelve menor que la que se necesita para correr. En el cerebro, las redes neuronales se optimizan para permitir un control eficiente del comportamiento y la transmisi\u00f3n de informaci\u00f3n, al mismo tiempo que mantienen la capacidad de adaptarse y reconfigurarse a entornos cambiantes.<\/p>\n
Al igual que con el c\u00e1lculo simple de costo\/beneficio que puede predecir la velocidad a la que un gato comenzar\u00e1 a galopar, los investigadores de RIKEN CBS est\u00e1n tratando de descubrir los principios matem\u00e1ticos b\u00e1sicos que subyacen a c\u00f3mo las redes neuronales se autooptimizan. El principio de energ\u00eda libre sigue un concepto llamado inferencia bayesiana, que es la clave. En este sistema, un agente se actualiza continuamente con nuevos datos sensoriales entrantes, as\u00ed como con sus propios resultados o decisiones anteriores. Los investigadores compararon el principio de energ\u00eda libre con reglas bien establecidas que controlan c\u00f3mo la fuerza de las conexiones neuronales dentro de una red puede ser alterada por cambios en la informaci\u00f3n sensorial.<\/p>\n
El laberinto comprende un espacio de estado discreto, en el que las c\u00e9lulas blancas y negras indican caminos y paredes, respectivamente. Comenzando desde la izquierda, el agente debe llegar al borde derecho del laberinto en una cierta cantidad de pasos (tiempo). El agente resuelve el laberinto usando aprendizaje adaptativo que sigue el principio de energ\u00eda libre. Cr\u00e9dito: RIKEN <\/p>\n
\u00abPudimos demostrar que las redes neuronales est\u00e1ndar, que cuentan con modulaci\u00f3n retrasada de la plasticidad de Hebbian, realizan planificaci\u00f3n y control conductual adaptativo al tener en cuenta sus ‘decisiones’ anteriores\u00bb, dice el primer autor y l\u00edder de la unidad, Takuya Isomura. . \u00abLo que es m\u00e1s importante, lo hacen de la misma manera que lo har\u00edan al seguir el principio de energ\u00eda libre\u00bb.<\/p>\n
Una vez que establecieron que las redes neuronales siguen te\u00f3ricamente el principio de energ\u00eda libre, probaron la teor\u00eda mediante simulaciones. Las redes neuronales se autoorganizan cambiando la fuerza de sus conexiones neuronales y asociando decisiones pasadas con resultados futuros. En este caso, se puede considerar que las redes neuronales se rigen por el principio de energ\u00eda libre, lo que les permiti\u00f3 aprender la ruta correcta a trav\u00e9s de un laberinto a trav\u00e9s de prueba y error de una manera estad\u00edsticamente \u00f3ptima.<\/p>\n
Estos hallazgos apuntan hacia un conjunto de reglas matem\u00e1ticas universales que describen c\u00f3mo las redes neuronales se autooptimizan. Como explica Isomura, \u00abnuestros hallazgos garantizan que una red neuronal arbitraria puede convertirse en un agente que obedece el principio de energ\u00eda libre, proporcionando una caracterizaci\u00f3n universal para el cerebro\u00bb. Estas reglas, junto con la nueva t\u00e9cnica de ingenier\u00eda inversa de los investigadores, se pueden utilizar para estudiar redes neuronales para la toma de decisiones en personas con trastornos del pensamiento como la esquizofrenia y predecir los aspectos de sus redes neuronales que se han alterado.<\/p>\n
Otro uso pr\u00e1ctico para estas reglas matem\u00e1ticas universales podr\u00eda ser en el campo de la inteligencia artificial, especialmente aquellas que los dise\u00f1adores esperan que puedan aprender, predecir, planificar y tomar decisiones de manera eficiente. \u00abNuestra teor\u00eda puede reducir dr\u00e1sticamente la complejidad del dise\u00f1o de hardware neurom\u00f3rfico de autoaprendizaje para realizar varios tipos de tareas, que ser\u00e1n importantes para una inteligencia artificial de pr\u00f3xima generaci\u00f3n\u00bb, dice Isomura. <\/p>\n
Explore m\u00e1s<\/p>\n
Las redes neuronales artificiales modeladas en cerebros reales pueden realizar tareas cognitivas M\u00e1s informaci\u00f3n:<\/strong> Takuya Isomura et al, Las redes neuronales can\u00f3nicas realizan inferencia activa, Communications Biology (2022). DOI: 10.1038\/s42003-021-02994-2 Informaci\u00f3n de la revista:<\/strong> Communications Biology <\/p>\n Proporcionado por RIKEN Cita<\/strong>: El principio de energ\u00eda libre explica el cerebro (2022, 14 de enero) recuperado el 29 de agosto de 2022 de https:\/\/medicalxpress.com\/news\/2022-01-free-energy-principle-brain.html Este documento est\u00e1 sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigaci\u00f3n privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona \u00fanicamente con fines informativos.<\/p>\n","protected":false},"excerpt":{"rendered":" Vista general de un laberinto resuelto. El laberinto comprende un espacio de estado discreto, en el que las celdas blancas y negras indican caminos y paredes, respectivamente. El camino azul es la trayectoria. Comenzando desde la izquierda, el agente debe llegar al borde derecho del laberinto en una cierta cantidad de pasos (tiempo). El laberinto … Continuar leyendo \u00abEl principio de la energ\u00eda libre explica el cerebro\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-6693","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/6693","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/comments?post=6693"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/6693\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=6693"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=6693"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=6693"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}