Una red neuronal artificial puede 'aprender' el lenguaje humano
Un equipo de investigadores de las universidades de Sassari (Italia) y Plymouth (Inglaterra) desarrolló un modelo cognitivo compuesto de dos millones de neuronas artificiales interconectadas capaces de aprender a comunicarse mediante el lenguaje humano desde cero.
Este avance ofrece valiosa información para entender los procesos neuronales en el desarrollo del lenguaje y para futuras aplicaciones cognitivas, según un artículo publicado por la revista Plos One
La característica esencial del sistema nervioso es la capacidad de remitir información unas 100 mil millones de neuronas. Esta propiedad no es un proceso pasivo de entrega de mensajes cerrados, sino que en cada paso se realiza un análisis del mensaje, procesándole y perfilando con exactitud sus contenidos.
Este intercambio entre neuronas se produce a nivel de una unión especializada denominada sinapsis. Cada neurona establece un promedio de unas 1000 conexiones sinápticas, explica la investigación.
El sistema neuronal artificial, denominado Annabell (Artificial Neural Network with Adaptive Behavior Exploited for Language Learning), partió bajo la idea de que el cerebro funciona de manera similar a una computadora:. estas máquinas trabajan a través de señales eléctricas, igual que las neuronas, señalan los investigadores.
Pero, además de las diferencias estructurales, hay profundas diferencias entre el cerebro y una computadora, especialmente en los mecanismos de procesamiento de aprendizaje y de información, matizan los autores.
Annabell no tiene precodificado un conocimiento de lenguaje: 'aprende' solo a través de la comunicación con un interlocutor humano, gracias a dos mecanismos fundamentales, que también están presentes en el cerebro biológico: la plasticidad sináptica y las compuertas neuronales.
La plasticidad sináptica es la capacidad de la conexión entre dos neuronas para aumentar su eficiencia. Este mecanismo es esencial para el aprendizaje y para la memoria a largo plazo.
Los mecanismos de compuerta neuronales se basan en las propiedades de ciertas neuronas (llamadas neuronas biestables) de comportarse como interruptores que se pueden 'encender' o 'apagar' mediante una señal de control que viene de otras neuronas.
Cuando se activan, las neuronas biestables transmiten la señal de una parte del cerebro a otra, y también cumplen el proceso contrario. El modelo es capaz de aprender gracias a la plasticidad sináptica y debido a que puede controlar las señales que abren y cierran las puertas neurales, así como a manejar el flujo de información entre las diferentes áreas.
El modelo cognitivo ha sido validado utilizando una base de datos de cerca de mil 500 frases, se ha basado en la literatura científica sobre el desarrollo temprano del lenguaje, y ha producido un total de 500 oraciones, con nombres, verbos, adjetivos, pronombres y otras clases de palabras, lo que demuestra su capacidad para el procesamiento del lenguaje humano.
