Avances en IA para revelar cómo funciona el aprendizaje automático internamente

A través de mecanismos de aprendizaje automático, los sistemas de inteligencia artificial de hoy pueden disfrutar de cierta autonomía. Con la formación inicial, pueden adquirir la capacidad de resolver problemas y realizar tareas sin recibir órdenes específicas.

Si bien es posible identificar ciertos aspectos y patrones de funcionamiento de estas instancias, parte del proceso que realizan los algoritmos en estos casos sigue siendo un misterio. Un equipo de investigación presentó un gran avance centrado en este interés particular.

¿Cómo funcionan en detalle los algoritmos de IA independientes?

Peter Coo, profesor asociado del Laboratorio Cold Spring Harbor (CSHL), presentó un nuevo método que desarrolló y que sirve como herramienta para evaluar un programa de aprendizaje automático, lo que le permite examinar qué reglas aprendió de forma autónoma y si son correctas o no.

Aunque los sistemas de aprendizaje automático pueden operar sin comandos explícitos involucrados, los mecanismos que desarrollan para funcionar se basan en una serie de reglas presentadas como pautas iniciales para definir su propio modelo.

"Si aprendes las reglas generales de las matemáticas en lugar de memorizar ecuaciones, sabrás cómo resolver esas ecuaciones. Entonces, en lugar de solo memorizar estas ecuaciones, esperamos que estos modelos aprendan a resolverlas para que podamos darte cualquier ecuación para resolver », Ku señaló.

Las aplicaciones de IA, como hemos visto en otros casos, son realmente amplias y diversas.

En el caso de Ku, su trabajo está directamente relacionado con la biología. El profesor e investigador de CSHL ha desarrollado una red neuronal responsable de buscar patrones en la cadena de ARN que aumenten la capacidad de la proteína para integrarse con ellos.

La IA de Koo está entrenada con una colección de miles de secuencias de ARN asociadas con el modelo objetivo. Sin embargo, el investigador no estaba seguro de que su sistema tratara todas las variables de manera adecuada.

Incrementar la base de datos de muestra y aplicar un nuevo método de análisis llamado Análisis de importancia globalcreado con fines de prueba, que gestiona el algoritmo generado para realizar sus predicciones.

Con esta herramienta, Ku y su equipo de investigación encontraron que había ciertas variables en el proceso de IA que inicialmente no se tomaron en cuenta en el caso.

Refiriéndose a la utilidad de este avance, Ku lo presentó como una alternativa virtual al trabajo de laboratorio. La biología es súper anecdótica. Puedes encontrar consistencia, puedes encontrar un modelo, pero no sabes, "¿Este modelo realmente importa?" Tienes que hacer estos experimentos de intervención. En este caso, todos mis experimentos se realizan simplemente preguntando a la red neuronal »señaló.

Los logros detallados de este estudio están disponibles en publicación y en herramientas usadas están disponibles para todos en línea.