Tomando lecciones de una babosa marina, un estudio apunta a un mejor hardware para la inteligencia artificial

Para que la inteligencia artificial se vuelva más inteligente, primero debe ser tan inteligente como una de las criaturas más simples del reino animal: la babosa marina.

Un nuevo estudio ha descubierto que un material puede imitar las características de inteligencia más esenciales de la babosa marina. El descubrimiento es un paso hacia la construcción de hardware que podría ayudar a que la inteligencia artificial sea más eficiente y confiable para tecnologías que van desde automóviles autónomos y robots quirúrgicos hasta algoritmos de redes sociales.

El estudio, publicado esta semana en el procedimientos de la Academia Nacional de Ciencias, fue realizado por un equipo de investigadores de la Universidad Purdue, la Universidad Rutgers, la Universidad de Georgia y el Laboratorio Nacional Argonne.

«Mediante el estudio de las babosas marinas, los neurocientíficos descubrieron las características de la inteligencia que son fundamentales para la supervivencia de cualquier organismo», dijo Shriram Ramanathan, profesor de ingeniería de materiales en Purdue. «Queremos aprovechar esa inteligencia madura en los animales para acelerar el desarrollo de la IA».

Dos signos principales de inteligencia que los neurocientíficos han aprendido de las babosas marinas son la habituación y la sensibilización. La habituación es acostumbrarse a un estímulo con el tiempo, como desconectarse de los ruidos al conducir todos los días por la misma ruta al trabajo. La sensibilización es lo contrario: reacciona con fuerza a un nuevo estímulo, como evitar la mala comida de un restaurante.

La IA tiene muchas dificultades para aprender y almacenar nueva información sin sobrescribir la información que ya ha aprendido y almacenado, un problema que los investigadores que estudian la computación inspirada en el cerebro denominan «dilema estabilidad-plasticidad». La habituación permitiría a la IA «olvidar» información innecesaria (logrando más estabilidad) mientras que la sensibilización podría ayudar a retener información nueva e importante (permitiendo la plasticidad).

En este estudio, los investigadores encontraron una manera de demostrar tanto la habituación como la sensibilización en el óxido de níquel, un material cuántico. El material se llama «cuántico» porque sus propiedades no pueden ser explicadas por la física clásica.

Si un material cuántico pudiera imitar de manera confiable estas formas de aprendizaje, entonces podría ser posible construir IA directamente en el hardware. Y si la IA pudiera operar tanto a través del hardware como del software, podría realizar tareas más complejas usando menos energía.

«Básicamente, emulamos experimentos realizados con babosas marinas en materiales cuánticos para comprender cómo estos materiales pueden ser de interés para la IA», dijo Ramanathan.

Los estudios de neurociencia han demostrado que la babosa marina demuestra habituación cuando deja de retirar sus branquias tanto en respuesta a un golpecito en el sifón. Pero una descarga eléctrica en su cola hace que su branquia se retraiga mucho más dramáticamente, mostrando sensibilización.

Para el óxido de níquel, el equivalente a una «retirada de branquias» es un cambio aumentado en la resistencia eléctrica. Los investigadores encontraron que la exposición repetida del material al gas hidrógeno hace que el cambio en la resistencia eléctrica del óxido de níquel disminuya con el tiempo, pero la introducción de un nuevo estímulo como el ozono aumenta en gran medida el cambio en la resistencia eléctrica.

Inspirado por estos hallazgos, un grupo de investigación dirigido por Kaushik Roy, Profesor Distinguido de Ingeniería Eléctrica e Informática Edward G. Tiedemann Jr. de Purdue, modeló el comportamiento del óxido de níquel y construyó un algoritmo que utilizó con éxito estas estrategias de habituación y sensibilización para clasificar los puntos de datos en grupos.

«El dilema estabilidad-plasticidad no está resuelto en absoluto. Pero hemos mostrado una forma de abordarlo basándonos en el comportamiento que hemos observado en un material cuántico», dijo Roy. «Si pudiéramos convertir un material que aprende así en hardware en el futuro, entonces la IA podría realizar tareas de manera mucho más eficiente».

Para el uso práctico de materiales cuánticos como hardware de IA, los investigadores deberán descubrir cómo aplicar la habituación y la sensibilización en sistemas a gran escala. También tendrían que determinar cómo un material podría responder a los estímulos mientras está integrado en un chip de computadora.

Este estudio es un punto de partida para orientar los próximos pasos, dijeron los investigadores. Además de los experimentos realizados en Purdue, un equipo de la Universidad de Rutgers realizó cálculos teóricos detallados para comprender lo que estaba sucediendo dentro del óxido de níquel a un nivel microscópico para imitar las características de inteligencia de la babosa marina. El Laboratorio Nacional Argonne caracterizó las propiedades de la muestra de óxido de níquel y la Universidad de Georgia midió la conductividad para analizar más a fondo el comportamiento del material.