La inteligencia artificial ayuda a entender los procesos de aprendizaje

El cerebro revisa los caminos mientras dormimos

El hipocampo es de gran importancia en la formación de la memoria. Así quedó demostrado en casos célebres como el del paciente Su Majestad, que no pudo formar nuevos recuerdos tras extirpar gran parte del hipocampo. Los estudios con roedores han demostrado un papel para el hipocampo en el aprendizaje espacial y la navegación. Un descubrimiento importante en este contexto fueron las celdas que disparan en lugares específicos, conocidas como celdas de lugar. «Desempeña un papel en un fenómeno fascinante conocido como reactivación», explica Nicholas Dickmann: «Cuando un animal se mueve, ciertas células del lugar se activan una por una a lo largo de la trayectoria del animal. Más tarde, durante el descanso o el sueño, las células del mismo lugar pueden reactivarse. ya sea en el mismo orden en que se intentaron o en orden inverso”.

Las secuencias observadas durante la iteración no solo reflejan el comportamiento anterior. Las secuencias también se pueden volver a montar y se pueden adaptar a cambios estructurales en el entorno o representar lugares aún no visitados pero vistos.

«Estábamos interesados ​​en cómo el hipocampo produce tal variedad de tipos de remodelación de manera tan eficiente y para qué sirven», explica Nicholas Dickmann. Entonces, los investigadores construyeron un modelo de computadora en el que la IA aprende información espacial. En última instancia, estudian la rapidez con que un agente de IA encuentra una salida a una situación espacial determinada. Cuanto mejor la conozca, más rápida será ella.

La operación sigue ciertas reglas.

El agente de IA también aprende repitiendo secuencias neuronales. Sin embargo, no se juegan al azar, sino que se priorizan de acuerdo con ciertas reglas. «Las secuencias se reproducen aleatoriamente según su prioridad», señala Dickmann. Las secuencias familiares tienen prioridad. Las situaciones asociadas a una recompensa también se desencadenan con mayor frecuencia. “Nuestro modelo es biológicamente plausible, genera una carga computacional manejable y aprende más rápido que los operadores a medida que las secuencias se reproducen aleatoriamente”, resume Nicholas Dickmann. «Esto nos da más detalles sobre cómo aprende el cerebro».

liberación pública. Este material de la organización/autor(es) original(es) puede ser de un punto en el tiempo y está editado para mayor claridad, estilo y extensión. Mirage.news no toma posiciones ni posiciones institucionales, y todas las opiniones, posiciones y conclusiones expresadas en este documento son exclusivas de los autores. aquí.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *