Aprendizaje automático: ¿Cómo se puede utilizar la red neuronal artificial para explicar el aprendizaje?

Answer 1

Cuando intentamos explicar algo, usamos metáforas (pensemos en niños de 1er grado que están aprendiendo a contar), usan imágenes de animales u objetos para comprender que las variaciones de un símbolo (2, dos o el sonido “dos”) están relacionadas con Las instancias de los objetos. El conteo es en realidad un proceso mental muy complejo, pero los niños muy pequeños lo aprenden muy rápidamente a través de la metáfora.

La razón por la que esto funciona es porque el cerebro funciona en lo que algunos llaman una forma holográfica: es como si el cerebro reutilizara las conexiones neuronales para diferentes roles. Por ejemplo, las mismas conexiones neuronales usadas para controlar la postura pueden estar vinculadas a los recuerdos que su cerebro tiene de su relación con sus padres.

La forma en que el cerebro lo hace es todavía un misterio: la ciencia actualmente está luchando para lidiar con una gran variedad de posibilidades. Sabemos, por ejemplo, que a través de la epi-genética, ciertos “recuerdos” o hábitos se transfieren de manera generacional. También sabemos que el cerebro puede crecer nuevas células y conexiones a medida que aprendemos cosas nuevas.

Volviendo a su pregunta, no podemos preguntar “cómo” antes de determinar las limitaciones de las redes neuronales artificiales. Una de las principales limitaciones de las redes neuronales artificiales es su incapacidad para discernir los matices. Un buen ejemplo de esta limitación es la incapacidad de las máquinas para diferenciar efectivamente el sarcasmo y las mentiras de los textos normales y veraces.

No estoy convencido de que el aprendizaje automático (a través de redes neuronales artificiales o de otro tipo) sea lo suficientemente maduro como para enseñarnos algo sobre el aprendizaje humano por el momento, simplemente porque se basa en nuestras propias ideas rudimentarias sobre cómo creemos que tiene lugar el aprendizaje.

Answer 2

Las redes neuronales son como senderos en el bosque:
Digamos que alguien quiere ir de un lado al otro de un bosque virgen. Comenzarán y pasearán entre los arbustos para llegar al destino. Si hay otras personas después de él que tienen el mismo punto de partida y el mismo destino, tendrán una probabilidad cada vez mayor de seguir el mismo camino, ya que es más fácil caminar.
Después de que suficientes personas caminaron sobre él, comenzará a tener sentido para las personas que tienen puntos de partida o destinos ligeramente diferentes a usar la ruta, ya que el costo de viajar a los puntos finales de la ruta es más bajo que el costo de atravesar la zona. arbustos
Eventualmente, cuando se convierta en una autopista interestatal, la gente se desviará de su camino incluso si es significativamente diferente de la ruta prevista.
Eso es aprender. el camino es un comportamiento, un conocimiento, o ambos (principalmente en la forma “si A entonces B”). Cuanto más lo use, más se ampliará, cuanto más ancho sea, más probabilidades tendrá de usarlo.

Sin embargo, necesitamos una perspectiva sobre eso. Hay más rutas de este tipo de ancho variable en nuestro cerebro que galaxias en el universo conocido. Y hay muchas galaxias. Por lo tanto, todavía es difícil imaginar una réplica exacta del cerebro con redes neuronales artificiales en el corto plazo.

Sin embargo, existen otras técnicas de IA que, aunque no hacen una réplica exacta del cerebro, pueden hacer un buen trabajo de aproximación utilizando la tecnología disponible en la actualidad.