El cerebro y los ordenadores ven el mundo de la misma manera

Un ordenador diseñado para etiquetar fotografías de objetos y el cerebro humano presentan notables similitudes en cuanto a la forma en la que reconocen objetos tridimensionales.

El cerebro y los ordenadores ven el mundo de la misma manera
| sport

Científicos de la Universidad Johns Hopkins de Estados Unidos han descubierto sorprendentes similitudes entre el procesamiento visual del cerebro humano y de un ordenador, que los hace reconocer los objetos tridimensionales de forma casi idéntica. Según una nota de prensa, el hallazgo podría abrir nuevas vías de trabajo en torno a la relación entre las redes de Inteligencia Artificial y las redes neuronales naturales.

Sport.es

Se sabe de acuerdo a los últimos descubrimientos en estrategias de inteligencia natural que nuestro cerebro detecta fragmentos de estructuras tridimensionales como esferas o protuberancias en las primeras etapas de la visión de objetos. Ahora, las observaciones del equipo estadounidense han confirmado que sucede algo muy similar en las redes de Inteligencia Artificial entrenadas para reconocer objetos visuales.

De acuerdo al artículo publicado en Current Biology sobre este estudio, las neuronas ubicadas en el área V4 de la corteza visual del cerebro representan fragmentos de formas tridimensionales, no únicamente bidimensionales como se pensaba anteriormente. Pero la gran sorpresa de los investigadores se concretó al comprobar que este mismo mecanismo se reproducía en los ordenadores.

Dentro de la corteza visual, el área denominada V4 participa en el procesamiento de la información referida a la forma de los estímulos visuales y su reconocimiento. Se trata de la primera vía visual de reconocimiento de objetos en el cerebro humano. ¿Puede una estructura natural desarrollada a lo largo de siglos y siglos de evolución obtener resultados casi idénticos a los de un ordenador entrenado para etiquetar imágenes de objetos?

Sorprendentes similitudes

La realidad es que los investigadores de la Universidad Johns Hopkins identificaron respuestas casi idénticas de neuronas artificiales, concretamente en una etapa temprana de AlexNet, una red avanzada de visión por ordenador que se emplea en el reconocimiento y etiquetado de imágenes tridimensionales.

Los científicos resaltaron que tanto en la visión natural como en la artificial la detección temprana de las formas tridimensionales colabora en la interpretación de objetos 3D sólidos en el mundo real. Según Charles E. Connor, profesor de neurociencias y uno de los responsables de la investigación, «ya es sorprendente confirmar el reconocimiento de formas tridimensionales en el área V4 del cerebro humano, pero nunca hubiera imaginado apreciar los mismos patrones en AlexNet, un sistema capacitado únicamente para trabajar con fotografías 2D y etiquetas de objetos», indicó.

¿Un camino de integración?

Resulta paradójico a la luz de este hallazgo que uno de los eternos desafíos para la Inteligencia Artificial ha sido y es replicar la visión humana. Las redes profundas o multicapa como las que se emplean en AlexNet han logrado trascendentes avances en el reconocimiento de objetos, gracias al progreso de las unidades de procesamiento gráfico (GPU) de alta capacidad. Las mismas han evolucionado al calor de la demanda relacionada con el constante crecimiento de la complejidad gráfica de los videojuegos y de la explosión de los contenidos audiovisuales en Internet.

Pero la gran sorpresa para Connor y su equipo al aplicar las mismas pruebas de reconocimiento de imágenes a neuronas naturales y artificiales fue descubrir patrones de respuesta notablemente similares, tanto en el área V4 del cerebro como en una de las capas primarias de AlexNet.

¿Esto significa que la inteligencia natural y la artificial van camino a una etapa de integración? «Las redes artificiales son los modelos actuales más prometedores para comprender el cerebro, pero al mismo tiempo el cerebro humano es la mejor fuente de estrategias para acercar la Inteligencia Artificial a la inteligencia natural», concluyó Connor.

Referencia

Early Emergence of Solid Shape Coding in Natural and Deep Network Vision. Ramanujan Srinath, Alexandriya Emonds, Qingyang Wang, Erika Dunn-Weiss, Charles E. Connor and Kristina J. Nielsen. Current Biology (2020).DOI:https://dx.doi.org/10.1016/j.cub.2020.09.076

Foto: Gerd Altmann. Pixabay.

Video y podcast: editados por Pablo Javier Piacente en base a elementos y fuentes libres de derechos de autor.

cerrar
Sport

SPORT.es

Descarga gratis la app en tu móvil