Someten a redes neuronales a un ictus artificial y la IA empieza a olvidar cómo hablar

Someten a redes neuronales a un ictus artificial y la IA empieza a olvidar cómo hablar

Científicos plantean crear gemelos digitales de pacientes con afasia.

image

Neurobiólogos estadounidenses descubrieron que al dañar componentes concretos de la inteligencia artificial, las redes neuronales empiezan a cometer errores que recuerdan a los trastornos del lenguaje en personas tras un accidente cerebrovascular. Los investigadores hallaron similitudes con la afasia, en la que la persona tiene dificultades para encontrar las palabras, construir frases y comprender el habla. El experimento inusual podría ayudar a los desarrolladores a crear modelos de IA más compactos y a los médicos a buscar nuevas vías para recuperar las funciones del lenguaje.

Durante más de 150 años, los neurólogos han estudiado las consecuencias de las lesiones cerebrales para entender qué capacidades controla cada región. Los autores del nuevo estudio decidieron aplicar el mismo método a la inteligencia artificial. Dado que modelos de lenguaje se entrenan con el habla humana, los científicos supusieron que las fallas en sus componentes internos podrían provocar síntomas conocidos por los neurólogos.

Para el experimento, los especialistas utilizaron los resultados de evaluaciones de 410 pacientes con afasia crónica tras un accidente cerebrovascular. Con base en los datos médicos, los investigadores crearon un modelo informático que, según el tipo de errores del lenguaje, predecía qué regiones del cerebro estaban dañadas en cada paciente.

Luego los científicos alteraron intencionalmente el funcionamiento de capas individuales de las redes neuronales y pidieron a la inteligencia artificial que realizara las mismas tareas que habían recibido los pacientes. Los modelos debían nombrar los objetos mostrados en imágenes y completar frases. La naturaleza de los errores resultó sorprendentemente cercana a las manifestaciones clínicas de la afasia.

Según los resultados preliminares del trabajo, en el 67% de las condiciones experimentales al nombrar objetos y en el 68,3% al completar frases los investigadores encontraron una correspondencia entre los errores de la IA y las lesiones cerebrales de los pacientes que excedía el nivel de coincidencia aleatoria. Los errores en la elección de palabras por significado y las alteraciones de su estructura sonora también correspondieron a daños en distintas vías nerviosas del cerebro humano.

No obstante, los autores advierten contra analogías directas entre la estructura del cerebro y las redes neuronales. La similitud de síntomas no demuestra que la persona y la máquina procesen el lenguaje de la misma manera. El valor del método reside en la posibilidad de identificar qué componentes de la inteligencia artificial son responsables de determinadas habilidades lingüísticas y por qué el modelo falla cuando se altera su funcionamiento.

En el futuro, los desarrolladores podrán usar daños artificiales para localizar componentes prescindibles de las redes neuronales. Si intervenir en una región concreta apenas afecta la calidad de las respuestas, quizá se pueda prescindir de ella. A la larga, este enfoque permitiría reducir el tamaño de los modelos de lenguaje y disminuir el consumo de energía.

Los investigadores ven una aplicación del método igualmente interesante en la medicina. A partir de redes neuronales podría intentarse crear gemelos digitales de pacientes con afasia que reprodujeran sus alteraciones del habla de forma individual. Los médicos podrían simular ensayos clínicos en pacientes virtuales y encontrar más rápidamente tratamientos prometedores. Aunque estas posibilidades siguen siendo hipotéticas, los autores esperan aplicar la metodología con el tiempo a otras enfermedades neurológicas.