sábado, 30 de noviembre de 2024

LA IA PODRÍA EVOLUCIONAR APRENDIENDO DEL GENOMA HUMANO: EL ALGORITMO


Un algoritmo informático que pliega montones de datos en un paquete ordenado, de forma similar a nuestro genoma, podría marcar la nueva evolución de la IA

Utilizando una versión informática de la estructura o diseño del genoma humano comprimida en un algoritmo, los científicos han dado los primeros pasos para lograr que las redes neuronales artificiales aprendan y evolucionen de una manera que refleja los procesos humanos y de todas las criaturas vivientes en la naturaleza, abriendo nuevas posibilidades de investigación en IA.

Científicos del Laboratorio Cold Spring Harbor, en Estados Unidos, explican en un nuevo estudio publicado recientemente en la revista Proceedings of the National Academy of Sciences (PNAS) que la creación de un algoritmo que comprime la información siguiendo los patrones del código genético humano les ha permitido activar redes neuronales artificiales que superan en sus habilidades a los sistemas actuales de Inteligencia Artificial (IA).

El hallazgo, que podría dar paso a una nueva fase de evolución de la IA, comenzó con una inquietud sobre el poder para comprimir la información del genoma humano y de los códigos genéticos del resto de las especies en la naturaleza. Los investigadores se preguntaron cómo nuestro genoma puede acumular en una pequeña fracción del código genético la información necesaria para formar los billones de conexiones neuronales necesarios para controlar comportamientos complejos. Este esquema, con menor complejidad, se repite en el resto de las especies.

Información comprimida y evolución

Los científicos pensaron que esa condición es quizás una estrategia evolutiva natural: somos capaces de aprender rápidamente porque los límites del genoma nos obligan a adaptarnos con velocidad. Así nació la idea del “algoritmo de cuello de botella genómico”: un código informático que replica la forma de comprimir grandes cantidades de datos en poco espacio que utilizan el genoma humano y otros códigos genéticos en la naturaleza.

“La arquitectura cortical del cerebro humano permite la acumulación de alrededor de 280 terabytes de información, o sea el equivalente a 32 años de video de alta definición. Sin embargo, nuestros genomas tienen capacidad para almacenar aproximadamente una hora: esto implica que funciona una tecnología de compresión de 400.000 veces, algo que la IA no puede alcanzar aún”, indicó en una nota de prensa el profesor Alexei Koulakov, uno de los autores del estudio.

Sin embargo, el algoritmo creado por los investigadores busca acercarse a esta proeza de nuestro código genético: pliega montones de datos en un paquete ordenado de forma similar a nuestro genoma, comprimiendo la información necesaria para formar y hacer funcionar redes neuronales artificiales, de manera semejante a los datos requeridos por los circuitos cerebrales naturales que comprime el genoma humano.

Hacia una IA más rápida y avanzada

Al probar el “algoritmo de cuello de botella genómico” contra redes de IA que se someten a múltiples rondas de entrenamiento, los especialistas descubrieron que el nuevo algoritmo realiza tareas como el reconocimiento de imágenes casi tan efectivamente como la IA de última generación. Incluso, el algoritmo puede ejecutar videojuegos de forma inmediata: es como si entendiera de manera innata cómo jugar.

Aunque la tecnología disponible aún no permite alcanzar la capacidad del cerebro humano y de nuestro genoma, el algoritmo desarrollado facilita niveles de compresión hasta ahora no vistos en la IA. Esa característica podría tener usos impresionantes y altamente innovadores en tecnología, permitiendo el desarrollo de aplicaciones para una IA más evolucionada y con tiempos de ejecución más rápidos.

Referencia

Encoding innate ability through a genomic bottleneck. Sergey Shuvaev et al. PNAS (2024). DOI:https://doi.org/10.1073/pnas.2409160121

Fuente: https://www.levante-emv.com/tendencias21/2024/11/28/ia-evolucionar-aprendiendo-genoma-humano-112139517.html

 

No hay comentarios: