El mundo de la IA ha cambiado para siempre  El Dr. Karl J. Friston es el neurocientífico más citado del mundo, célebre por su trabajo en imágenes del cerebro y teoría del cerebro inspirada en la física. También es el científico jefe de VERSES AI, que trabaja en un tipo completamente nuevo de IA llamada IA de inferencia activa, basada en el Principio de energía libre (FEP), la teoría de Karl que acaba de ser probada por investigadores en Japón para explicar cómo la cerebro aprende.  Hasta ahora, la mayor parte de la investigación en IA se ha centrado en modelos de aprendizaje automático, que se sabe que enfrentan muchos desafíos. Desde la arquitectura insostenible de la carga masiva de datos para el entrenamiento hasta la falta de interpretabilidad y explicabilidad en los resultados, los algoritmos de aprendizaje automático se ven como herramientas que no se pueden conocer, controlar y, aunque son buenos en la coincidencia de patrones, no existe un "pensamiento real". " teniendo lugar.  El trabajo que está haciendo el Dr. Friston con VERSES es radicalmente diferente y estará en manos del público en cuestión de meses. Active Inference AI y FEP, junto con el nuevo Spatial Web Protocol, están sentando las bases para un sistema unificado de inteligencia colectiva distribuida que imita la forma en que funciona la inteligencia biológica en toda la naturaleza. Han creado una arquitectura cognitiva completamente nueva que se organiza, optimiza y evoluciona por sí misma. Y, sin embargo, es completamente programable, conocible y auditable, lo que le permite escalar junto con la gobernanza humana.  Esta es la IA que cambiará todo lo que crees saber sobre la inteligencia artificial.  Cómo aprende tu cerebro  ¿Alguna vez te has preguntado cómo tu cerebro da sentido a la constante avalancha de imágenes, sonidos, olores y otras sensaciones que experimentas todos los días? ¿Cómo transforma esa entrada caótica en una imagen coherente de la realidad que le permite percibir, comprender y navegar por el mundo?  Los neurocientíficos han reflexionado sobre esta cuestión durante décadas. Ahora, una nueva y emocionante investigación proporciona la validación experimental de una teoría innovadora llamada "Principio de energía libre", del Dr. Karl J. Friston, que explica los cálculos profundos detrás de la percepción sin esfuerzo.  El   , publicado el 7 de agosto de 2023 en Nature Communications por científicos del instituto de investigación RIKEN de Japón, demuestra que las redes de neuronas se autoorganizan en base a este principio. Sus hallazgos confirman que los cerebros construyen un modelo predictivo del mundo, actualizando constantemente las creencias para minimizar las sorpresas y hacer mejores predicciones en el futuro. estudio   “  Nuestros resultados sugieren que el principio de energía libre es el principio de autoorganización de las redes neuronales biológicas. Predijo cómo se produjo el aprendizaje al recibir entradas sensoriales particulares y cómo se vio interrumpido por alteraciones en la excitabilidad de la red inducida por las drogas”. – Takuya Isomura, RIKEN  Desmitificando la Percepción  Para comprender por qué esta teoría es tan revolucionaria, debemos apreciar la enormidad del desafío que enfrenta su cerebro. En todo momento, tus sentidos captan una ventisca de diversas señales: patrones de luces y sombras, ondas de sonido que hacen vibrar tus tímpanos, sustancias químicas que activan los receptores del olfato. De alguna manera tu cerebro le da sentido a este caos, percibiendo objetos coherentes como una cara, una melodía o el aroma del café.  El proceso parece instantáneo y sin esfuerzo. Pero bajo el capó, su cerebro está resolviendo un problema de inferencia increíblemente complejo, descubriendo las causas probables en el mundo exterior que generan los patrones sensoriales. Este acertijo inverso, trabajar hacia atrás desde los efectos para inferir causas ocultas, es profundamente difícil, especialmente porque la misma causa (como la cara de una persona) puede crear diferentes patrones sensoriales según el contexto.  El Principio de la Energía Libre, formulado por el renombrado neurocientífico Karl Friston, propone una elegante explicación de cómo el cerebro maneja esto. Afirma que las neuronas generan constantemente predicciones de arriba hacia abajo para explicar los datos sensoriales entrantes. Cualquier desajuste da como resultado "errores de predicción" que actualizan las creencias para mejorar las predicciones futuras. Tu cerebro es una máquina de inferencias que actualiza constantemente su modelo interno del mundo para minimizar la sorpresa y la incertidumbre.  Demostración de la teoría en redes neuronales  El Principio de la Energía Libre sintetiza muchas observaciones sobre la percepción, el aprendizaje y la atención dentro de un único marco unificador. Pero ha faltado una validación experimental directa en redes neuronales biológicas.  Para proporcionar tal prueba, el equipo japonés creó cultivos neuronales a microescala cultivados a partir de células cerebrales de embriones de rata. Entregaron patrones eléctricos que imitaban las sensaciones auditivas, generados al mezclar señales de dos "altavoces".  Inicialmente, las redes reaccionaron al azar, pero gradualmente se autoorganizaron para responder selectivamente a un hablante u otro, como sintonizar una sola voz en un cóctel ruidoso. Esto demostró la capacidad de separar señales sensoriales mixtas hasta causas ocultas específicas, un cálculo crítico para la percepción.  Verificación de predicciones  Los investigadores demostraron poderosamente que esta autoorganización coincidía con las predicciones cuantitativas de los modelos informáticos basados en el Principio de la Energía Libre. Mediante ingeniería inversa de los modelos computacionales implícitos empleados por las redes neuronales vivas, pudieron pronosticar sus trayectorias de aprendizaje basándose únicamente en las mediciones iniciales. Los desajustes de las predicciones de arriba hacia abajo generaron cambios sinápticos que mejoraron las predicciones en el futuro.   El equipo también demostró que la manipulación de la excitabilidad de las neuronas, en consonancia con los efectos farmacológicos, alteró el aprendizaje según lo predicho al interrumpir los modelos existentes de las redes. En general, el estudio proporciona pruebas convincentes de que el Principio de energía libre describe cómo las redes neuronales realizan la inferencia bayesiana, estructurando las conexiones sinápticas para actualizar continuamente los modelos generativos de arriba hacia abajo que explican mejor los datos sensoriales.  Hacia la IA inspirada en el cerebro  Comprender las exquisitas habilidades computacionales de las redes neuronales biológicas tiene importantes implicaciones prácticas. Al igual que con el trabajo que realiza el Dr. Friston como científico jefe con VERSES AI, la inferencia activa y el principio de energía libre, junto con el protocolo web espacial, se están implementando para lograr un tipo completamente nuevo de IA que se basa en la inteligencia biomimética. en lugar de la propagación hacia atrás de la fuerza bruta del aprendizaje automático, con la eficiencia y la capacidad de generalización de la percepción humana.   Como sugieren los investigadores, la IA de inferencia activa y el principio de energía libre a través de la inferencia bayesiana permiten que una red neuronal se optimice automáticamente a través de la ingesta y la actualización continua de nuevos datos sensoriales en tiempo real, al mismo tiempo que considera salidas y determinaciones previamente establecidas, generando modelos predictivos. permitiendo la creación de inteligencias artificiales inspiradas en el cerebro (agentes inteligentes) que aprenden como lo hacen las redes neuronales reales. Un conjunto de estos agentes inteligentes, todos originados desde su propio punto de vista de inteligencias especializadas únicas obtenidas de su propio marco de referencia, dentro de una red global unificada de espacios gemelos digitales anidados ricos en contexto, brinda el modelo de mundo contextual que ha estado faltando en Aplicaciones prácticas de IA. Esta es una pieza fundamental del rompecabezas para avanzar en la investigación de IA y lograr AGI (inteligencia general) o ASI (superinteligencia). El avance de estos sistemas informáticos neuromórficos es un objetivo vital, ya que buscamos emular la versatilidad y adaptabilidad de la cognición biológica en las máquinas.  Entonces, aunque comprender cómo funciona su propio cerebro puede parecer abstracto, esta investigación pionera acerca las aplicaciones prácticas de inteligencia artificial y confirma el trabajo verdaderamente revolucionario que VERSES AI ha introducido y está liderando en el mundo de la IA. El Principio de la Energía Libre proporciona una teoría unificadora de la computación cortical, y su validación experimental en redes neuronales vivas marca un hito importante en el camino hacia la construcción de inteligencias artificiales verdaderamente similares al cerebro.     Visite  VERSES AI y   para obtener más información sobre el trabajo revolucionario del Dr. Karl Friston con ellos en el campo de la IA de inferencia activa y el Principio de energía libre. Spatial Web Foundation  También publicado   . aquí

This story contains new, firsthand information uncovered by the writer.

Solving big problems using AI technology? Please reach out to me. I’d love to hear from you. 

Read My Stories

Karl Friston's AI Law is Proven: FEP Explains How Neurons Learn

Revolutionary Proposal Emerges for Effective AI Governance

The Era of AI and The Spatial Web: What It All Means - Part 1

Este audio es producido en el idioma original de la historia!

Demasiado Largo; Para Leer

Boost your HackerNoon story @ $159.99! 🚀

La ley de IA de Karl Friston está probada: FEP explica cómo aprenden las neuronas

About Author

COMENTARIOS

ETIQUETAS

ESTE ARTÍCULO FUE PRESENTADO EN

Related Stories

Una guía del arquitecto para crear una arquitectura de referencia para un lago de datos de IA/ML

Nómadas digitales escuchen: lo que necesitan saber sobre la nueva visa DTV de Tailandia

Cómo mejorar su flujo de trabajo 10 veces: 17 aplicaciones esenciales

De los foros a los feeds: cómo los algoritmos de las redes sociales influyen en la interacción digital

Una guía del arquitecto para crear una arquitectura de referencia para un lago de datos de IA/ML

Nómadas digitales escuchen: lo que necesitan saber sobre la nueva visa DTV de Tailandia

Cómo mejorar su flujo de trabajo 10 veces: 17 aplicaciones esenciales

De los foros a los feeds: cómo los algoritmos de las redes sociales influyen en la interacción digital

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps