Por AEfe/Redacción

Investigadores del Instituto de Bioingeniería de Cataluña, España, identificaron el mecanismo neuronal del aprendizaje autónomo, es decir, cómo el cerebro humano aprende y almacena los recuerdos.

El laboratorio de Sistemas Sintéticos, Perceptivos, Emotivos y Cognitivos (SPECS), del Instituto de Bioingeniería de Cataluña (IBEC), que lidera el profesor Paul Verschuire, dirigió este trabajo en colaboración con el neurofisiólogo Ivan Soltesz, de la Universidad de Stanford, en Estados Unidos, quienes ayer publicaron sus resultados en la revista Trends in Cognitive Sciences.

El trabajo reveló cómo el cerebro mejora a través del aprendizaje supervisado por la propia persona, y abordó el desafío de la inteligencia artificial frente a cómo las máquinas pueden aprender sin supervisión directa.

Aunque gracias al llamado aprendizaje profundo (deep learning), un subconjunto de algoritmos de inteligencia artificial (IA) inspirados en el cerebro, las máquinas pueden igualar el rendimiento humano en percepción y reconocimiento del lenguaje, e incluso superar a los humanos en ciertas tareas, aún se desconoce si los humanos aprenden igual que estos sistemas artificiales de inspiración biológica.

Según el investigador del IBEC Diogo Santos-Pata, "el mecanismo de aprendizaje autónomo que subyace a estos sistemas de IA refleja la naturaleza más de cerca de lo que se pensaba", y podría servir para mejorar el déficit de memoria en humanos y construir nuevas formas de memoria artificial.

El cerebro se considera un sistema de aprendizaje autónomo, es decir, que puede detectar patrones y adquirir nuevos conocimientos sin ayuda externa, a diferencia de la IA, que necesita que cualquier dato que se introduce en el sistema de aprendizaje automático debe ser etiquetado primero.

Esta diferencia, denominada "el problema de la fundamentación de los símbolos", ha obstaculizado el progreso de la IA en las últimas décadas y por eso el IBEC estudia la capacidad de los sistemas cognitivos para adquirir conocimientos de forma autónoma, también llamada "autonomía epistémica".

"Resolvimos dos enigmas que parecían no estar relacionados, pero que están entrelazados: que la autonomía epistémica del cerebro se basa en su capacidad para establecer objetivos de aprendizaje autogenerados, y que las señales inhibitorias se propagan por el cerebro para mejorar el aprendizaje", detalló Verschure.

Según el investigador, "algunos (de sus pares) presuponían que este mecanismo no existía en las redes neuronales biológicas", pero, basándose en una combinación de IA, neurociencia computacional, y un análisis de la fisiología del hipocampo, los autores demostraron que la autosupervisión y la retropropagación de errores coexisten en el cerebro, y en concreto en el hipocampo.

De esta región central del cerebro se sabe, desde hace tiempo, que desempeña un papel crucial en la memoria y aprendizaje, pero los científicos aún desconocen cómo sabe qué y cuándo aprende o cuál es el mecanismo que lo impulsa.

Con la colaboración del neurofisiólogo Ivan Soltesz y su equipo de la U. de Stanford, los investigadores demostraron que el hipocampo contiene una red de neuronas que controlan las señales y la información de forma similar a las operaciones de las redes neuronales artificiales.

"Nuestro principal hallazgo ha sido poner en perspectiva, no solo los circuitos y la anatomía del complejo hipocampal, sino también los tipos de neuronas que impulsan el aprendizaje y permiten que el hipocampo sea totalmente autónomo para decidir qué y cuándo aprender", puntualizó Santos-Pata.

"Es interesante porque el aprendizaje automático autosupervisado, impulsado por la retropropagación de errores, está ganando actualmente mucha atención en el mundo de la inteligencia artificial, y este es el primer estudio que proporciona una explicación biológica completa para el mecanismo", finalizó el investigador.

ROBOTS "APRENDEN" A NADAR

La mayoría de los robots que hoy existen son torpes en sus movimientos, debido a los materiales con que están hechos y la inexistencia de memoria muscular, como la que desarrollan los seres vivos, por esto, científicos del Instituto de Bioingeniería de Cataluña (IBEC) desarrollaron autómatas de poco más de un centímetro de longitud, impresos en 3D con material biológico, que pueden nadar y deslizarse como peces, alcanzando mayores velocidades que sus pares, mediante la contracción espontánea -aprendida -de materiales basados en células musculares, con un esqueleto innovador y flexible.

791 veces más rápidos que sus pares son los robots impresos en 3D con células musculares, ya que "recuerdan" cómo desplazarse.

1947 Allan Turing, matemático británico, planteó la idea de si las máquinas pueden pensar, cuestionamiento que inspira hasta hoy.

La neumonía grave suele ser la causa que lleva al hospital a muchos de los enfermos de covid-19 y, un año después de recibir el alta, un tercio de ellos siguen presentando indicios de daños en los pulmones, señaló un estudio publicado por The Lancet Respiratory Medicine.

Aunque se ha avanzado en la comprensión y el tratamiento de la neumonía provocada por el coronavirus, se sabe poco sobre el tiempo que tardan los pacientes en recuperarse por completo y si persisten los cambios en los pulmones.

Investigadores de la Universidad de Southampton, en Reino Unido, hicieron el seguimiento de 83 personas para ver la recuperación de una neumonía grave por covid-19 hasta un año después de la hospitalización.

A los participantes se les realizó, a los 3, 6, 9 y 12 meses, una evaluación clínica, así como mediciones del funcionamiento de los pulmones, junto a una tomografía computarizada del tórax para obtener una imagen de los pulmones y una prueba de marcha (caminar).

Durante el año de seguimiento, la mayoría de los pacientes experimentó una mejoría de los síntomas, de su capacidad para hacer ejercicio y de los cambios observados en la tomografías; y a los 12 meses parecían haberse recuperado por completo, aunque un 5% seguía manifestando disnea (dificultad para respirar).

De esta forma, un tercio de los pacientes presentaba aún una reducción de la función pulmonar -en particular, de la eficacia con la que el oxígeno se transfiere de los pulmones a la sangre-, que además era más frecuente en mujeres.

Esa mayor propensión a una reducción persistente en las pruebas de función pulmonar necesitó de un seguimiento, para saber si hay una diferencia específica por sexo en la recuperación, destacó Mark Jones, codirector del estudio.

En paralelo, en una cuarta parte de los pacientes las tomografías mostraron que todavía había pequeñas áreas de cambio en los pulmones, que eran más comunes en aquellos que habían sufrido las modificaciones pulmonares más graves durante la hospitalización.

"La mayoría de los pacientes con neumonía grave por covid-19 parecían recuperarse por completo, aunque en algunos casos les llevó muchos meses", indicó Jones, aunque, por el momento, no se sabe lo que ocurre más allá de los 12 primeros meses tras recibir el alta, y habría que hacer un estudio continuo.

El equipo de científicos también señaló que la investigación incluía a un pequeño número de pacientes, por lo que sus hallazgos requerirán la confirmación en análisis posteriores.

83 recuperados de coronavirus participaron del análisis, que se extendió por un año para observar consecuencias en la respiración.

5% mantenía síntomas de disnea (dificultad para respirar, como cuando se está en altura) hasta 12 meses tras la hospitalización.