Yo diría que sí. Ciertamente, las personas en ambas áreas muestran crecientes intereses mutuos y comienzan a organizar conferencias y eventos para fomentar el intercambio de conocimientos. Por ejemplo, UC Berkeley organizará el programa Brain and Computation que reúne a muchos investigadores y neurocientíficos activos de aprendizaje automático (ver Instituto Simons para la Teoría de la Computación). Si miras las páginas de investigación de esas personas, te darás cuenta de que hay muchos trabajos sobre este tema.
Una obra famosa que me gusta especialmente es la escasa investigación de codificación de Olshausen y Field (1996, 1997). Muestran que el mecanismo de codificación de la corteza visual temprana se puede hipotetizar como un algoritmo de codificación disperso. Las “neuronas” artificiales (funciones básicas) entrenadas usando este algoritmo tienen una funcionalidad similar a las neuronas biológicas, por ejemplo, detección de bordes, sensibilidad de orientación, etc. Siguiendo esta línea, los investigadores de aprendizaje automático comienzan a formar muchas hipótesis y modelos biológicos plausibles.
Debido a la popularidad del aprendizaje profundo, las redes neuronales comienzan a llamar más la atención. Si nos fijamos en los primeros investigadores de redes neuronales, como Yann LeCun, Geoffrey Hinton y Terry Sejnowski, muchos de ellos tienen una sólida formación en neurociencia computacional. Algoritmos y modelos importantes, como la propagación hacia atrás, la red neuronal convolucional, la deserción, están más o menos inspirados por los mecanismos cerebrales. Por otro lado, nuevas técnicas desarrolladas por visión artificial, procesamiento de señales,
- ¿Hay bases de datos de palabras clave abiertas?
- Cuando la gente dice que la inteligencia artificial destruirá a la raza humana, ¿es que alguien los programará para que estén predispuestos a no gustarle la vida orgánica, o que de alguna manera adquirirán naturalmente las mismas emociones o algoritmos que lo llevan a uno a matar?
- ¿Cuáles son las deficiencias del aprendizaje profundo? ¿Cuál es el mayor defecto o limitación del aprendizaje profundo?
- ¿Cuáles son las aplicaciones de los gráficos dispersos?
- ¿Qué tan 'neurales' son las redes neuronales?
Otra línea de investigación es el aprendizaje por refuerzo, el algoritmo que puede jugar juegos de Atari, vencer a los campeones humanos en poker y Go, y muchos más. El aprendizaje de refuerzo (como un campo de investigación de aprendizaje automático) en sí proviene de un área de investigación amplia de psicología y neurociencia conductual, conocida como condicionamiento operante. Los neurocientíficos han estado tratando de entender cómo se realiza el aprendizaje de refuerzo en el cerebro. Mecanismos importantes como la recompensa, el descuento temporal (¿cuánto pongo en la recompensa futura?), La codificación de estado (¿dónde estoy en algún espacio de decisión?). Los neurotransmisores como la dopamina y los sistemas serotónicos parecen estar estrechamente relacionados con estos mecanismos, pero estamos lejos de comprender su funcionalidad completa.
Hay muchas, muchas más historias como codificación dispersa, redes neuronales y aprendizaje de refuerzo. Desde mi punto de vista personal, la IA y la neurociencia son esencialmente un campo: para construir IA más inteligentes necesitaremos comprender la inteligencia misma. Ciertamente, los IA y los algoritmos de aprendizaje automático no tienen que ser exactamente como los cerebros biológicos, pero los cerebros proporcionan instrucciones e inspiraciones útiles que nos hemos perdido en el laberinto de las matemáticas.