¿Qué tipo de algoritmo de aprendizaje usa el cerebro humano y cómo se compara con los algoritmos que se están desarrollando actualmente para la inteligencia artificial?

Permítanme estar en desacuerdo con el Sr. Trusov en este caso (el más votado). Aunque el libro de Marvin Minsky es perspicaz, no aborda la pregunta de la manera correcta. Además, su respuesta me dio la idea de que el cerebro es una “caja negra” para la ciencia en este momento.

Existen varios enfoques para modelar el cerebro humano. Estamos lejos de las explicaciones completas, pero ya tenemos algunas pistas.

Neuronas

Las neuronas artificiales (y las redes) se inspiraron en las biológicas. Y ellos trabajan. Ese es un buen punto a favor de los modelos teóricos, si pensamos de manera pragmática (Popper). Usando la teoría y las funciones gráficas, tratamos de modelar cómo las neuronas calculan la información y las neuronas artificiales resultantes son realmente buenas como dispositivos computacionales complejos. Alan Lloyd Hodgkin y Andrew Fielding Huxley ganaron un Premio Nobel por el modelo Hodgkin-Huxley:

Normalmente, se utilizan modelos menos complejos en aplicaciones de IA reales debido a limitaciones de recursos, sin embargo, se está dilucidando la forma en que las neuronas codifican la información.

Redes neuronales convolucionales multicapa (profundas)

Este tipo de redes multicapa actualmente es de primer nivel en muchas competiciones de clasificación y se inspiró en la arquitectura de la corteza visual en los monos.

Procesamiento de información

Aparentemente, las neuronas codifican información usando sus tasas de disparo. Más que eso, parece que el tiempo preciso de los picos codifica la información. Puedes estudiar más en esta tesis.

Al combinar modelos de neuronas de punta biológicamente inspirados y arquitecturas de red, podemos lograr un buen rendimiento en tareas de clasificación difíciles para imágenes. Verifique las respuestas en este tema.

Agentes de refuerzo de aprendizaje y dopamina

También tenemos modelos de animales como agentes en un entorno de aprendizaje de refuerzo. Los investigadores de este campo descubrieron que los niveles de liberación de dopamina cerebral en el cerebro medio durante las tareas siguen el patrón esperado de los modelos matemáticos que usan RPE (Errores de Precisión de Recompensa, la diferencia entre la recompensa esperada y la real).

Por supuesto, todo esto se refiere a la parte algorítmica.

Los aspectos subjetivos son un problema diferente. Me gusta la visión de Paul Churchland en su libro La cámara de Platón.

No diría que estamos cerca de una ingeniería inversa completa del cerebro, pero estamos avanzando y rápido (sin juego de palabras).

Hace no más de 150 años, los científicos todavía discutían si el tejido cerebral era continuo o discreto. Ahora, tenemos los cerebros artificiales de Facebook y Google haciendo cosas aterradoras como reconocer rostros y lugares de las imágenes, traducir el ruido en palabras e incluso dibujar imágenes psicodélicas.

Si lo supiera, tendría la pasantía más espectacular de la historia. Pero yo no. Y nadie lo hace. Nadie tiene la menor idea.

Hay un buen libro sobre cómo está organizada la mente. No es técnico, pero las ideas tienen sentido y es fácil compararlas con las redes neuronales y frustrarse y enojarse. El libro es “La sociedad de la mente” de Marvin Minsky.

Probablemente sea lo mejor que puede hacer para expandir rápidamente su conocimiento sobre inteligencia artificial. Muestra cómo el proceso de pensamiento puede descomponerse en partes más simples y crea una analogía entre esas partes y los programas de computadora. Sin embargo, no te dice nada sobre el cerebro humano.

Y no necesita hacerlo. Como Yann LeCun dijo una vez, la gente no construye aviones que agiten sus alas. Precisamente porque entienden los principios subyacentes del vuelo, lo cual no es cierto para el proceso de pensar o incluso para transmitir y almacenar información en el cerebro.

Por lo tanto, las respuestas prácticas requieren que cambie su forma de pensar desde una perspectiva humana a una perspectiva más formal, similar a una máquina. De eso se trata ese libro.

Felipe Argolo tiene toda la razón: la sociedad de la mente de Minsky era un libro original cuando se lanzó, pero nunca explicó cómo los micro robots mentales podían organizarse para producir un patrón de comportamiento consistente. Mi propia teoría usa ideas similares pero solo para explicar la organización intrínseca de un grupo neuronal. Debe agregarse una serie de ingredientes, también para redes neuronales artificiales, para obtener algo que simule el cerebro. Tema desarrollado en esta pregunta relacionada:
La respuesta de Jean-Pierre Legros a ¿Hay una diferencia significativa entre un cerebro humano y una red neuronal simulada?

El problema no es descubrir mejores algoritmos, sino comprender cómo los algoritmos crean a quienes organizan y controlan, en niveles sucesivos. Esto es lo que hacen las neuronas, de acuerdo con la teoría de la autoorganización de la mente [1].

Notas al pie

[1] Diversio, teoría de siempre y de todo

Desde una perspectiva psicológica, Jean Piaget afirmó que los humanos usan el equilibrio, compensando las diferencias entre las expectativas y los resultados, como su “algoritmo” principal. Hay una gran cantidad de algoritmos de ML, pero no muchos se centran en el equilibrio.

Buena pregunta, avísame cuando obtengas una respuesta correcta ya que hasta ahora nadie lo sabe. Algunas partes se están volviendo más claras, pero hasta ahora no ha surgido una imagen general coherente (que se pueda describir en términos de conceptos adecuados para una implementación) de cómo aprende el cerebro humano.

Por supuesto, en un nivel muy básico hay algunas similitudes (por ejemplo, la forma en que las redes neuronales imitan la función de las neuronas del cerebro), pero hasta ahora diría que eso es todo.

La respuesta a esta pregunta es bastante difícil, pero si piensas en algoritmos de ML funcionan bastante como un cerebro. Cuando nació el bebé, aprenderá de ver cosas, del mismo modo el sistema intenta aprender de los datos, aprender lo mismo con una perspectiva diferente. La red neuronal convolucional es uno de los mejores ejemplos. Funciona exactamente como un cerebro, pero el cuello de botella es que necesitamos muchos datos.

Hola,

Eche un vistazo a este video educativo, que forma una comparación entre el cerebro humano e internet.
Podría encontrar algunas buenas ideas sobre los algoritmos de aprendizaje del cerebro humano y la inteligencia artificial.

‘ El mejor invento del mundo es la mente de un niño. ‘ – Thomas Edison

“On Intelligence” de Jeff Hawkins, es una buena lectura (solo unas 170 páginas). El autor tiene una teoría diferente sobre el cerebro en comparación con otros investigadores.

El libro está bien escrito, y si está realmente interesado en aprender sobre el cerebro / las redes neuronales, le sugiero que pruebe este libro.

Me parece que una distinción significativa entre la inteligencia humana y la inteligencia artificial es la emoción. La emoción sesga la selección de opciones de ramificación creando una jerarquía de opciones en un continuo de resultados indeseables a deseables. Grupos de emociones de experiencias diferentes con emociones comunes que facilitan el procesamiento paralelo en el hemisferio derecho del cerebro.

Con mi comprensión muy limitada, el cerebro utiliza múltiples algoritmos incluso para la tarea más simple. Lo cual creo que es muy difícil de imitar a través de un algoritmo.
Si necesita imitar una neurona muy simple, es mejor usar redes neuronales.
Y si quieres imitar una actividad cerebral real, lee libros sobre psicología cognitiva y busca algoritmos que lo imiten.
Espero que esto sea útil.

Los cerebros no usan algoritmos. Las máquinas usan algoritmos. Actualmente, tenemos muy poca comprensión de los procesos subyacentes que resultan en la cognición. Casi ninguno. Lo que sea que esté sucediendo allí, definitivamente no es algorítmico; Los algoritmos son derivaciones de procesos que no son lineales y son representativos.