Un modelo a gran escala de corteza visual primaria puede resolver con precisión múltiples tareas de procesamiento visual

Un modelo a gran escala de corteza visual primaria puede resolver con precisión múltiples tareas de procesamiento visual

Los investigadores de HBP han entrenado un modelo a gran escala de la corteza visual primaria del ratón para resolver tareas visuales de una manera extremadamente sólida. El modelo constituye la base para una nueva generación de modelos de redes neuronales. Debido a su versatilidad y procesamiento energéticamente eficiente, estos modelos pueden contribuir a los avances en la computación neuromórfica.

Modelar el cerebro puede tener un impacto enorme en la inteligencia artificial (IA): dado que el cerebro procesa imágenes con mucha más eficiencia energética que las redes artificiales, los científicos se están inspirando en la neurociencia para crear redes neuronales que funcionan mucho más estrechamente que las biológicas, ahorrando energía.

En este sentido, es probable que las redes neuronales inspiradas en el cerebro tengan un impacto en las tecnologías futuras al servir como modelos para el procesamiento visual en hardware neuromórfico de mayor eficiencia energética. Ahora, un estudio realizado por investigadores del Proyecto Cerebro Humano (HBP) de la Universidad Tecnológica de Graz (Austria) mostró cómo un gran modelo basado en datos puede reproducir una variedad de capacidades de procesamiento visual del cerebro de una manera versátil y precisa. Los resultados fueron publicados en la revista Science Advances.

Libro electrónico de neurociencia

Recopilación de las principales entrevistas, artículos y noticias del último año. Descargue una copia hoy

Utilizando los sistemas piloto PCP del Centro de Supercomputación de Jülich, desarrollados en colaboración entre el HBP y la empresa de software Nvidia, el equipo analizó un modelo a gran escala biológicamente detallado de la corteza visual primaria del ratón que puede resolver múltiples tareas de procesamiento visual. Este modelo proporciona la mayor integración de detalles anatómicos y datos neurofisiológicos disponibles actualmente para el área de la corteza visual V1, que es la primera región cortical en recibir y procesar información visual.

El modelo está construido con una arquitectura diferente a la de las redes neuronales profundas utilizadas en la IA actual, y los investigadores descubrieron que tiene ventajas interesantes en términos de velocidad de aprendizaje y potencia de procesamiento visual sobre los modelos comúnmente utilizados para el procesamiento visual en IA.

El modelo pudo resolver las cinco tareas visuales establecidas por el equipo con gran precisión. Estas tareas implicaban, por ejemplo, clasificar imágenes de números escritos a mano o reconocer cambios visuales en una larga secuencia de imágenes. Sorprendentemente, el modelo virtual logró el mismo alto rendimiento que el cerebro, incluso cuando los investigadores expusieron el modelo a ruido en las imágenes y la red que no había encontrado durante el entrenamiento.

Una de las razones de la robustez superior del modelo -o su capacidad para hacer frente a errores o entradas inesperadas como el ruido en las imágenes- es que reproduce varias propiedades de codificación distintivas del cerebro.

Los autores han desarrollado una herramienta única para estudiar el procesamiento visual y la codificación neuronal del estilo del cerebro y describen su nuevo modelo como una "ventana sin precedentes a la dinámica de esta área del cerebro".

Fuente:

Proyecto Cerebro Humano

Referencia:

Chen, G., et al. (2022) Un modelo a gran escala basado en datos para la corteza visual primaria permite un procesamiento visual robusto y versátil similar al del cerebro. Avances científicos. doi.org/10.1126/sciadv.abq7592.

.