Sabemos mucho sobre el cerebro, pero no necesariamente cómo funciona.
La neurociencia es un tema vasto, e incluso en su gran tamaño todavía tiene un largo camino por recorrer. La mayor parte de nuestra comprensión del cerebro proviene de niveles que podrían no ser los más aplicables a un buen modelo de inteligencia. Podemos tratar de entender un cerebro por su comportamiento, o mirando el nivel molecular. ¿Cuál de estos nos dará el mejor modelo de inteligencia? Tal vez sí, pero no estoy tan seguro …
- ¿Cuándo matará la inteligencia artificial a la primera persona?
- ¿Cuál es la diferencia entre inteligencia artificial y soporte de decisión clínica?
- ¿La inteligencia artificial tiene un futuro prometedor?
- ¿La gente considera la IA como una amenaza?
- ¿Cuál es el mayor problema no resuelto para la IA?
Soy parte del campamento que está apostando por modelos de mesoescala de cómo funciona el cerebro, el único conjunto de métodos que hemos estado perdiendo por un tiempo. Las grabaciones celulares solo le dicen qué están haciendo algunas neuronas como máximo, donde fMri solo puede decirle dónde buscar *.
Las técnicas que han surgido en los últimos años adoptan un enfoque a nivel de circuito, que analiza no solo qué regiones interactúan, sino cómo lo hacen. Tenemos la capacidad de modelar y probar cómo el cerebro manipula la información, y este es el nivel que yo y un grupo cada vez mayor de investigadores sentimos que los mayores avances vendrán.
Hay niveles de abstracción.
En los campos de la neurociencia computacional y la inteligencia artificial, al crear una aplicación o modelo tiene un lienzo en blanco para trabajar. Tiene la opción de hacer lo más preciso o abstracto que desee. En cierto modo, las redes neuronales que están de moda hoy modelan cómo funciona el cerebro, pero a un nivel muy alto. El modelo de bola y palo de una neurona que se puede mostrar en una hoja de cálculo excelente a primera vista puede mostrar poco o ningún parecido con su contraparte biológica compleja, sin embargo, las funciones principales están ahí. Lo que renuncia a la complejidad lo ahorra en comprensión y factibilidad: parece perfecto para el uso de la industria …
Por otro lado, los modelos más biológicamente precisos consumen más recursos, toman más tiempo y requieren equipos más grandes de personas para ensamblarse. Los modelos más precisos que hemos construido, que modelan la dinámica cortical a nivel molecular, requieren que las supercomputadoras simulen solo unos segundos, incluso entonces, estos modelos no están diseñados con el objetivo de jugar ajedrez, sino más bien para demostrar un nuevo medio para haga más preguntas biológicamente centradas sobre el cerebro, piense en Alzheimer o enfermedad mental.
Sin embargo, prepárate, porque vas a ver más y más.
Como mencioné anteriormente, la neurociencia está avanzando más que nunca, al igual que la IA. Creo firmemente que de hecho puedes construir una inteligencia sin modelar el cerebro, pero millones de años de evolución es un gran lugar para buscar inspiración. La neurociencia necesita que más personas observen los algoritmos del cerebro. Aquí es donde probablemente surjan las ideas reales sobre no solo su función, sino también la inteligencia en general. Los informáticos están tomando más cursos de neurociencia, y los neurocientíficos están aprendiendo a codificar. Para las personas como yo que trabajan en la intersección de los dos, este es un momento maravilloso.
* esta es una simplificación excesiva
