Inteligencia natural: Las redes biolgicas

son jerrquicas por ahorrar conexiones

Este descubrimiento ayudar a mejorar la inteligencia artificial
Un estudio desarrollado en EE.UU. y Francia mediante simulacin por ordenador ha
demostrado que las redes biolgicas, como la neuronal del cerebro, se organizan
normalmente en redes jerrquicas porque ahorran conexiones, que tienen un coste
importante de construccin, mantenimiento, etc. Segn los investigadores, el hallazgo
ayudar a mejorar la inteligencia artificial.

inShare18

Imagen: geralt. Fuente: Pixabay.

Una nueva investigacin explica por qu tantas redes biolgicas, incluido el cerebro humano (una
red de neuronas), exhiben una estructura jerrquica. El descubrimiento mejorar los intentos de
crear
inteligencia
artificial.
El estudio, desarrollado por investigadores de la Universidad de Wyoming (EE.UU.) y del INRIA
(Instituto Nacionald de Investigacin en Informtica y Automtica francs), ha sido publicado
en PLOS Computational Biology, y muestra que la evolucin de la jerarqua -un sencillo sistema de
clasificacin- en las redes biolgicas puede surgir debido a los costes asociados con las
conexiones
de
red.
Al igual que las grandes empresas, muchas redes biolgicas se organizan jerrquicamente, tales
como las redes de genes, de protenas, las nerviosa, y las metablicas. Esto significa que tienen
unidades separadas que pueden divididrse de forma repetida en subunidades ms pequeas y de
menor tamao. Por ejemplo, el cerebro humano tiene reas separadas para el control motor y el
procesamiento tctil, y cada una de estas reas consta de sub-regiones que regulan diferentes
partes
del
cuerpo.
Pero, por qu tantas redes biolgicos evolucionan para ser jerrquicas? Los resultados de este
trabajo sugieren que la jerarqua no evoluciona porque produzca redes ms eficientes, sino porque
las redes cableadas jerrquicamente tienen menos conexiones. Esto se debe a que las conexiones
de las redes biolgicas son caras -tienen que ser construidas, alojadas, mantenidas, etc.- y por lo
tanto
hay
una
presin
evolutiva
para
reducir
el
nmero
de
conexiones.
Adems de arrojar luz sobre la aparicin de la jerarqua en los muchos mbitos en los que

aparece, estos hallazgos tambin pueden acelerar la investigacin futura para desarrollar cerebros
computacionales ms complejos e inteligentes en el campo de la inteligencia artificial y la robtica.

Artculos relacionados

Un Test de Turing para artes creativas pondr a prueba la Inteligencia Artificial

La inteligencia artificial puede ser fcilmente engaada
Construyen 'mapas' de redes de genes de 400 tipos de clulas y tejidos humanos
Robots del GA Tech aprenden valores en historias escritas
Un microscopio con Inteligencia Artificial diagnostica por s solo la malaria
Modelos

computacionales

Los investigadores, dirigidos por Henok S. Mengistu, simularon la evolucin de modelos

computacionales del cerebro, conocidos como redes neuronales artificiales, comparando que las
conexiones de red tuvieran un coste con que no lo tuvieran. Encontraron que las estructuras
jerrquicas emergen con mucha ms frecuencia cuando las conexiones tienen un coste.
El autor Jeff Clune dice, en la nota de prensa de PLOS recogida porEurekAlert!: "Durante ms de
una dcada hemos estado buscando entender por qu las redes evolucionan hasta tener las
propiedades de modularidad, jerarqua y regularidad. Con estos resultados, hemos descubierto las
claves
evolutivas
de
cada
una
de
estas
propiedades
clave."
Mengistu comenta: "Los resultados no slo explican por qu las redes biolgicas son jerrquicas,
sino que tambin pueden dar una explicacin de por qu muchos sistemas hechos por el hombre,
tales como Internet y los sistemas de carreteras, tambin son jerrquicos."
Otro autor, Joost Huizinga, aade: "El siguiente paso consiste en aprovechar y combinar este
conocimiento para evolucionar redes a gran escala organizadas estructuralmente, con la
esperanza de crear una mejor inteligencia artificial y aumentar nuestra comprensin de la evolucin
de la inteligencia animal, incluida la nuestra."
Referencia

bibliogrfica:

Henok Mengistu, Joost Huizinga, Jean-Baptiste Mouret, Jeff Clune: The Evolutionary Origins of
Hierarchy. PLOS Computational Biology (2016). DOI: 10.1371/journal.pcbi.1004829.