En los últimos años, con el auge del Deep Learning hemos visto relaciones entre el procesamiento de la información en una red neuronal profunda y cómo se estructura y procesa la información en el cerebro.
Estas comparativas en ocasiones sugieren dudas de si la relación es exacta, intuitiva y finalmente de qué relación hay entre el campo de las neurociencias y el machine learning.
Además, basta con comentar la frase “machine learning aplicado a neurociencias” para todavía sembrar más duda, incluso en profesionales de campos relacionados.
La relación entre los dos campos se puede estructurar en tres tipos:
- La aplicación de técnicas del aprendizaje automático (machine learning) para analizar y predecir datos de investigaciones y estudios de neurociencias. Diversos proyectos como el conectoma humano, están produciendo gran cantidad de datos de las conexiones anatómicas y funcionales del cerebro. El uso del machine learning permite clasificar, predecir y extraer conclusiones de estos datos. Por ejemplo, se pueden usar modelos de predicción de patologías mentales en función de ciertas características de las conexiones.
- El uso de técnicas de la computación y el machine learning para teorizar y explicar el funcionamiento del cerebro, que estarían incluidas en el campo de la neurociencia computacional. El uso de algoritmos e ideas del machine learning puede aportar mucho a entender cómo se procesa la información en el cerebro, tanto a nivel biofísico, circuitos y sistemas. Por ejemplo, conceptos como recurrencia, representación distribuida, jerarquía, muestreo, entropía, información mutua… pueden ser muy útiles a la hora de estudiar la neurociencia.
- El desarrollo de algoritmos de machine learning inspirados en el funcionamiento del cerebro. Esta también es un área bastante productiva. Igual que otras áreas de la biología también inspiraron el desarrollo de algoritmos (p.e. algoritmos genéticos), el cerebro ha sido y será siempre una fuente de inspiración para el desarrollo de algoritmos de machine learning. Desde las redes neuronales artificiales hasta el deep learning, todos surgieron emulando (y a la vez simplificando) la forma en la que el cerebro procesa y transmite información.
Como hemos visto, neurociencias y machine learning son dos áreas interrelacionadas cuyo estudio conjunto ha permitido y permitirá seguir avanzando en el desarrollo de algoritmos cada vez más inteligentes y próximos al comportamiento humano.
