Desarrollan en CULagos inteligencia artificial que emula la memoria neuronal
El trabajo trata de reproducir el aprendizaje a corto y largo plazo para su aplicación en la toma de decisiones
Investigadores del Centro Universitario de los Lagos (CULagos) desarrollan un atractor de memoria, un modelo de inteligencia artificial que emula el proceso neuronal de aprendizaje a corto y largo plazo capaz de recordar un conocimiento previo.
El profesor-investigador del Departamento de Ciencias Exactas y Tecnología del CULagos, Rider Jaimes Reategui, explicó que el trabajo definido como atractor de memoria o “comportamiento memorio”, basado en la neurociencia, trata de emular el comportamiento de las neuronas y redes neuronales.
«Para esto se desarrollan modelos matemáticos que emulan el comportamiento de una neurona biológica y la conexión de transferencia de información”, precisó.
De la neurociencia incorporan el proceso de aprendizaje y memoria de las conexiones sinápticas representado en una ecuación matemática, un acoplamiento estático y uno dinámico.
“Qué es un comportamiento multiestable: un atractor, un sistema o modelo multiestable modulado que, cuando quito la modulación al sistema, éste se relaja y provoca otro comportamiento que aplica en una otra modulación capaz de recordar el conocimiento previo”, dijo Jaimes Reategui.
"En neurociencia la memoria tiene que ver con el proceso de aprendizaje: el trabajo que hacemos es tratar de emular el aprendizaje a corto y largo plazo para su aplicación en la toma de decisiones”
Este conocimiento tiene aplicación en dispositivos que procesan grandes volumenes de información o big data.
“Cuando ingresas estos datos, se tienen sensores que registran los datos y los algoritmos toman una decisión que se orienta al dispositivo físico con memoria y aprendizaje y así toma las decisiones”.
El potencial de la investigación se encuentra en el campo de la inteligencia artificial, minería de datos, telecomunicaciones, fibra óptica y en sistemas que manejan altos volúmenes de información y datos aplicable como la base de un sistema de aprendizaje o un aporte predictivo.
La investigación se desarrolla en el área de “machine learning” o aprendizaje automático supervisado en el estudio “Attractor memory in a nonautonomous multistable system” publicado en la revista Chaos, Solitons and Fractals.
