Un equipo de neurocientíficos ha descubierto por qué los cerebros biológicos aprenden más rápidamente que las inteligencias artificiales (IA). En un artículo publicado en ‘Neuron’, los investigadores exponen como las acciones exploratorias permiten a los animales ser más eficientes en el aprendizaje espacial, en un estudio que podría ayudar a que las IAs puedan aprender más rápido, necesitando menos experiencia para hacerlo.
A los experimentos llevados a cabo en ratones, los científicos observaron como las actividades institintives de exploración de los animales no son aleatorias sino que los permiten hacer un ‘mapa’ de su entorno de manera eficiente. Así, por ejemplo, cuando corren hacia un objeto, no es porque sí sino que es importante para que aprendan a navegar en el espacio.
Explorando las teorías sobre el aprendizaje
Hay muchas teorías psicológicas sobre como algunas acciones facilitan el aprendizaje, y en este experimento se quiso probar si la simple observación era suficiente para entender qué obstáculos hay al entorno o si las acciones intencionadas y guiadas por los sentidos ayudan a la construcción de un mapa cognitivo más completo y de manera más rápida.
En estudios anteriores, los mismos investigadores habían observado la relación entre cómo de bien se mueven los animales en el entorno, especialmente alrededor de un obstáculo, y la cantidad a veces que habían corrido hasta él. Es por eso que se diseñaron unos experimentos para ver qué efecto tiene impedir estas incursiones exploratorias, haciéndolos activar una proteína que los impedía correr hacia los obstáculos.
Un elemento muy importante en la hora de aprender
Los resultados son claros: aunque los ratones pasaran mucho de tiempos observando y husmeando los obstáculos, si no podían correr hacia ellos, no aprendían bastante. Esto, por sí mismo, ya demuestra que las acciones exploratorias instintivas son una parte muy importante de la creación del mapa mental del entorno. Para mirar de entender los ‘algoritmos’ que podría estar usando para aprender, los investigadores crearon varios modelos de refuerzo desarrollados para inteligencias artificiales y observando qué reproducía de manera más fiel el comportamiento de los ratones
Hay dos grandes tipos de modelos de aprendizaje por refuerzo, el que es libre de modelos y el que se basa en un modelo. Los investigadores vieron que, en algunos casos, los ratones se comportan como si estuvieran libre de modelos y, en otros, parece que lo tienen. Es por eso que crearon un agente que pudiera decidir entre ambos tipos, una forma que no es necesariamente igual a la del funcionamiento del cerebro de los ratones pero que los ayudó a entender qué necesita un algoritmo para que el comportamiento sea parecido.
Una ayuda para el desarrollo de inteligencias artificiales
A día de hoy, uno de los problemas de las IAs es que necesitan mucha experiencia para aprender, explorando el entorno miles a veces mientras que un animal real lo puede hacer en menos de 10 minutos. Esto es, cuando menos en parte, porque la exploración de los animales no es aleatoria sino que se centra en los objetos que destacan más, en una exploración dirigida que hace el aprendizaje más eficiente y, por lo tanto, necesita menos experiencia.
A partir de aquí, los investigadores quieren explorar la relación entre estas acciones exploratorias y la representación de ‘sub-metas’, grabando el cerebro para ver qué zonas están implicadas en su representación y como las acciones de exploración contribuyen a formar estas representaciones del entorno.
