Cuando hace unas semanas el equipo de Google DeepMind consiguió vencer con su algoritmo a un campeón del juego chino 'Go', muchos volvieron a preguntarse cuánto queda para que las máquinas sean más 'inteligentes' que nosotros. El juego se había escogido por ser más complejo que el ajedrez, en número de posibles movimientos, y porque había quien pensaba que era imposible vencer a un jugador humano por la fuerza bruta de los cálculos. Pero los ingenieros de Google diseñaron una táctica diferente: enseñaron a la máquina a jerarquizar movimientos y a seguir un esquema parecido al que aplica nuestro cerebro.
El objetivo es extrapolar los resultados para diseñar mejores algoritmos
Ahora el equipo de Jan Balaguer, investigador de la Universidad de Oxford y miembro de Google DeepMind, ahonda en este terreno mediante un estudio comparativo de lo que hace el cerebro humano cuando interpreta un mapa de metro. Su intención es analizar la actividad cerebral humana y extrapolar los resultados para diseñar mejores algoritmos de Inteligencia Artificial que se basen en las mimas estrategias que nuestras neuronas.
El trabajo, publicado esta semana en la revista Neuron, consistió en analizar los patrones de actividad cerebral de 22 voluntarios mientras se orientaban con un plano de metro ficticio, inspirado en el de la ciudad de Londres. Cada una de las estaciones estaba representada por un punto diferenciado y se conectaban mediante líneas marcadas con diferentes colores. La intención de los autores era comprender mejor el proceso humano de toma de decisiones y qué elementos son los que priorizamos a la hora de seguir una ruta. En las resonancias magnéticas funcionales de los voluntarios, los científicos observaron que fijaban más su atención en las líneas que en los puntos mientras navegaban por el juego.
Los autores también vieron que la actividad cerebral y el tiempo de respuesta aumentaban, en general, a medida que aumentaban el número de líneas a tomar y no el número de estaciones. Además, la actividad se concentraba en la corteza prefrontal medial, que se activa cuando hacemos planes, y la corteza premotora, que nos prepara para el movimiento. "Hemos demostrado, de una manera más directa que en estudios anteriores, que hay representaciones jerárquicas en el cerebro", asegura Balaguer.
Los humanos creamos diferentes "capas" para jerarquizar nuestras acciones
La diferencia entre humanos y máquinas es que nosotros creamos diferentes "capas" para organizar nuestras acciones y después pensamos sobre las capas más elevadas en lugar de en los pasos individuales. "Queremos ver cómo implementa el cerebro humano cosas como las estructuras jerárquicas con el objetivo de crear mejores algoritmos", resume el autor principal del estudio. "En el aprendizaje de las máquinas, tener una representación jerárquica para tomar decisiones puede ser útil o contraproducente dependiendo en si escoges la jerarquía correcta en primer lugar". Ya no se trata de que Terminator analice todas las combinaciones posibles para viajar en el metro, sino de que sepa enseguida qué líneas debe combinar para no perderse.
Referencia: Neural mechanisms of hierarchical planning in a virtual subway network (Neuron)
