C.Elegans se ha convertido rápidamente en la mascota de la Inteligencia Artificial. Hoy ya se tiene un circuito completo de sus neuronas y se han logrado impresionantes resultados, incluyendo una versión artificial del cerebro del gusano. Ahora el asunto se está moviendo al uso de circuitos que se han ido descubriendo.
El gusano es un nematodo pequeño. Debido a su relativa simpleza, los investigadores han completado el mapa de sus neuronas. Esto ha sido usado para implementar el cerebro del C.Elegans de diversas maneras y los investigadores han quedado asombrados de lo bien que los dispositivos artificiales se están comportando como el gusano.
Todo esto es interesante por sí mismo, pero el modelado de las neuronas individuales fue menos que realista. Ahora un grupo de científicos, Mathias Lechner, Radu Grosu, y Ramin M. Hasani de una Universidad en Wien, Austria, han creado un modelo más preciso y han reconfigurado parte de la red neuronal para hacer un trabajo diferente.
Las neuronas fueron modeladas usando una ecuación diferencial para un sistema que es más plausible biológicamente que simplemente la suma de los pesos de las conexiones neuronales que disparan el estímulo, como ocurre frecuentemente en muchos modelos de redes neuronales simples. La sección que se modelo hace que cuando el gusano siente que le tocan la cola, trata de huir como lo haría precisamente un gusano.
Esto se usó para controlar un péndulo invertido, una tarea estándar de la IOA que se usa especialmente en aprendizaje reforzado. Y el circuito modificado del C. Elegans nos lleva a hacer el mismo trabajo que se observa cuando se trabaja con el péndulo invertido.
El siguiente video puede dar una idea de esto:
Todo esto es interesante, al menos teóricamente, porque demuestra que la estructura de las neuronas es capaz de trabajar con problemas de control complejos y que todo lo que hay que hacer es simplemente ajustar los parámetros de las neuronas sensibles en este fenómeno.
El tema da para mucho más y ante el enorme éxito que ha mostrado la red neuronal de aprendizaje reforzado, muchos investigadores están empezando a plantear más problemas bajo este paradigma.