{"id":24542,"date":"2021-09-15T11:23:34","date_gmt":"2021-09-15T17:23:34","guid":{"rendered":"https:\/\/otech.uaeh.edu.mx\/noti\/?p=24542"},"modified":"2021-09-15T11:23:34","modified_gmt":"2021-09-15T17:23:34","slug":"un-nuevo-estudio-encuentra-que-una-sola-neurona-es-una-pequena-computadora-sorprendentemente-compleja","status":"publish","type":"post","link":"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/un-nuevo-estudio-encuentra-que-una-sola-neurona-es-una-pequena-computadora-sorprendentemente-compleja\/","title":{"rendered":"Un nuevo estudio encuentra que una sola neurona es una peque\u00f1a computadora sorprendentemente compleja"},"content":{"rendered":"

Compare los cerebros con las computadoras es una analog\u00eda larga y muy apreciada tanto en la neurociencia como en la inform\u00e1tica.<\/span><\/span><\/span><\/p>\n

No es dif\u00edcil ver por qu\u00e9.<\/span><\/span><\/span><\/p>\n

Nuestro cerebro puede realizar muchas de las tareas que queremos que las computadoras manejen con una gracia f\u00e1cil y misteriosa. <\/span>Por lo tanto,\u00a0 <\/span><\/span>comprender el funcionamiento interno de nuestra mente<\/span><\/span><\/a> \u00a0puede ayudarnos a\u00a0 <\/span><\/span>construir mejores computadoras<\/span><\/span><\/a> \u00a0; <\/span>y esas computadoras pueden ayudarnos a comprender mejor nuestras propias mentes. <\/span>Adem\u00e1s, si los cerebros\u00a0 <\/span><\/span>son<\/span><\/span><\/em> \u00a0como las computadoras, saber cu\u00e1ntos c\u00e1lculos se necesitan para hacer lo que hacen puede ayudarnos a predecir cu\u00e1ndo las m\u00e1quinas coincidir\u00e1n con las mentes.<\/span><\/span><\/span><\/p>\n

De hecho, ya existe un flujo productivo de conocimiento entre los campos.<\/span><\/span><\/span><\/p>\n

El aprendizaje profundo, una forma poderosa de\u00a0 <\/span><\/span>inteligencia artificial<\/span><\/span><\/a> \u00a0, por ejemplo, se\u00a0 <\/span><\/span>modela vagamente<\/span><\/span><\/a> \u00a0en las vastas redes de neuronas en capas del cerebro.<\/span><\/span><\/span><\/p>\n

Puede pensar en cada “nodo” de una red neuronal profunda como una neurona artificial. <\/span>Al igual que las neuronas, los nodos reciben se\u00f1ales de otros nodos conectados a ellos y realizan operaciones matem\u00e1ticas para transformar la entrada en salida.<\/span><\/span><\/span><\/p>\n

Dependiendo de las se\u00f1ales que reciben un nodo, puede optar por enviar su propia se\u00f1al a todos los nodos de\u00a0 <\/span><\/span>su<\/span><\/span><\/em> \u00a0red. <\/span>De esta manera, las se\u00f1ales caen en cascada a trav\u00e9s de una capa tras otra de nodos, ajustando y afinando progresivamente el algoritmo.<\/span><\/span><\/span><\/p>\n

El cerebro tambi\u00e9n funciona as\u00ed. <\/span>Pero la palabra clave anterior es\u00a0 <\/span><\/span>vaga.<\/span><\/span><\/em><\/span><\/p>\n

Los cient\u00edficos saben que las neuronas biol\u00f3gicas son m\u00e1s complejas que las neuronas artificiales empleadas en los algoritmos de aprendizaje profundo, pero es una pregunta abierta cu\u00e1nto m\u00e1s complejas.<\/span><\/span><\/span><\/p>\n

En un\u00a0 <\/span><\/span>fascinante art\u00edculo<\/span><\/span><\/a> \u00a0publicado recientemente en la revista\u00a0 <\/span><\/span>Neuron<\/span><\/span><\/em> \u00a0, un equipo de investigadores de la Universidad Hebrea de Jerusal\u00e9n intent\u00f3 acercarnos un poco m\u00e1s a la respuesta. <\/span>Si bien esperaban que los resultados mostraran que las neuronas biol\u00f3gicas son m\u00e1s complejas, se sorprendieron de lo mucho m\u00e1s complejas que son en realidad.<\/span><\/span><\/span><\/p>\n

En el estudio, el equipo descubri\u00f3 que se necesita una red neuronal de cinco a ocho capas, o casi 1.000 neuronas artificiales, para imitar el comportamiento de una sola neurona biol\u00f3gica de la corteza cerebral.<\/span><\/span><\/span><\/p>\n

Aunque los investigadores advierten que los resultados son un l\u00edmite\u00a0 <\/span><\/span>superior<\/span><\/span><\/em> \u00a0para la complejidad, en el lugar de una medici\u00f3n exacta de la misma, tambi\u00e9n creen que sus hallazgos podr\u00edan ayudar a los cient\u00edficos a concentrarse m\u00e1s en lo que hace que las neuronas biol\u00f3gicas sean tan complejas. <\/span>Y ese conocimiento, tal vez, pueda ayudar a los ingenieros a dise\u00f1ar redes neuronales e inteligencia artificial a\u00fan m\u00e1s capaces.<\/span><\/span><\/span><\/p>\n

\u201c[El resultado] forma un puente entre las neuronas biol\u00f3gicas y las neuronas artificiales\u201d,\u00a0 <\/span><\/span>dijo a\u00a0 <\/span><\/span>Quanta<\/span><\/span><\/em><\/a> \u00a0Andreas Tolias, neurocient\u00edfico computacional de la Facultad de Medicina de Baylor,\u00a0 <\/span><\/span>a\u00a0 <\/span><\/span><\/a>Quanta la<\/span><\/span><\/em><\/a> \u00a0\u00a0semana pasada.<\/span><\/span><\/span><\/p>\n

Cerebros asombrosos<\/span><\/span><\/strong><\/span><\/h3>\n

Las neuronas son las c\u00e9lulas que forman nuestro cerebro. <\/span>Hay muchos tipos diferentes de neuronas, pero generalmente tienen tres partes: estructuras delgadas y ramificadas llamadas dendritas, un cuerpo celular y un ax\u00f3n en forma de ra\u00edz.<\/span><\/span><\/span><\/p>\n

En un extremo, las dendritas se conectan a una red de otras neuronas en uniones llamadas sinapsis. <\/span>En el otro extremo, el ax\u00f3n forma sinapsis con una poblaci\u00f3n diferente de neuronas. <\/span>Cada c\u00e9lula recibe se\u00f1ales electroqu\u00edmicas a trav\u00e9s de sus dendritas, filtra esas se\u00f1ales y luego pasa selectivamente a lo largo de sus propias se\u00f1ales (o picos).<\/span><\/span><\/span><\/p>\n

Para comparar computacionalmente neuronas biol\u00f3gicas y artificiales, el equipo pregunt\u00f3: \u00bfQu\u00e9 tama\u00f1o de red neuronal artificial se necesitar\u00eda para simular el comportamiento de una sola neurona biol\u00f3gica?<\/span><\/span><\/span><\/p>\n

Primero, construyeron un modelo de neurona biol\u00f3gica (en este caso, una neurona piramidal de la corteza de una rata). <\/span>El modelo utilizado unas 10.000 ecuaciones diferenciales para simular c\u00f3mo y cu\u00e1ndo la neurona traducir\u00eda una serie de se\u00f1ales de entrada en un pico propio.<\/span><\/span><\/span><\/p>\n

Luego, introdujeron entradas en su neurona simulada, registraron las salidas y entrenaron algoritmos de aprendizaje profundo en todos los datos. <\/span>\u00bfSu meta? <\/span>Encontrar el algoritmo que podr\u00eda aproximar el modelo con mayor precisi\u00f3n.<\/span><\/span><\/span><\/p>\n