Respuestas del sensor sintético en bruto y normalizado a muestras de prueba de dos conjuntos de datos generados, diseñadas para simular una alta varianza en la concentración o sensibilidades del sensor (izquierda) y fuertes efectos de saturación (derecha). Crédito: Informes científicos (2025). Doi: 10.1038/s41598-025-96223-z
Los cerebros humanos son excelentes para clasificar un aluvión de información sensorial, como discernir el olor a salsa de tomate al entrar en un restaurante ocupado, pero los sistemas de inteligencia artificial son desafiados por grandes explosiones de aportes no regulados.
Utilizando el cerebro como modelo, los investigadores de Cornell del Laboratorio de Fisiología Computacional del Departamento de Psicología y el Instituto de IA de la Universidad de Cornell para Ciencias han desarrollado una estrategia para los sistemas de IA para procesar los datos olfativos y otros datos sensoriales.
Los cerebros humanos (y otros mamíferos) organizan eficientemente la entrada rebelde del mundo exterior en representaciones confiables que podemos entender, recordar y usar para hacer conexiones duraderas. Con estos mecanismos cerebrales como guía, los investigadores están diseñando sistemas robóticos eficientes y de baja energía inspirados en la biología y útiles para una amplia gama de aplicaciones potenciales.
“El cerebro realiza asombrosas hazañas de cognición en tiempo real y con un consumo de energía sorprendentemente bajo. Esto incluye la clasificación de mucha información sensorial, a menudo ocluida, parcialmente bloqueada o degradada, para identificar la información que importa e interpretarla basada en señales contextuales y experiencia previa”, dijo Thomas Cleland, profesor de psicología en las universidades de artes y ciencias (ES).
“En principio, los sistemas físicos artificiales deberían poder hacer lo mismo, una vez que descubramos cómo funciona”.
En este estudio, que se publicó en Cientific Informes con Cleland como autor co-correspondiente, los investigadores iluminan aspectos clave de cómo los cerebros procesan la información sensorial, tanto para comprender el cálculo neuronal como para ayudar a construir dispositivos artificiales con nuevas capacidades.
Un objetivo de este “diseño neuromórfico” es hacer dispositivos de IA que sean tan eficientes y de baja potencia como el cerebro. Sería un avance tremendo en el diseño, dijo el investigador postdoctoral Roy Moyal, primer autor y autor correspondiente del estudio, pero hay mucho trabajo por hacer antes de que pueda realizarse.
“El estado actual del arte en el aprendizaje automático se basa en modelos de cimientos muy grandes que requieren una cantidad significativa de potencia de procesamiento para entrenar y trabajar.
“En su lugar, imagine poder desplegar agentes de IA autónomos y livianos en pequeños dispositivos hechos para el propósito que podrían, por ejemplo, detectar materiales peligrosos. Se adaptarían de manera inteligente a lo que ven en el campo localmente, rápidamente, sin enviar datos potencialmente sensibles a través de una red”, dijo Moyal, cuyos larga investigación de la investigación de la energía de larga data de los objetivos de Leartment, que pueden vencer a los objetivos de Leartment de Long Investigaciones, que pueden vencer a los objetivos de AII modernos en sus niveles de aprendizaje. factor.
Para realizar esta visión, los investigadores necesitan una comprensión más detallada de cómo el sistema olfativo procesa la entrada.
Arquitectura de red. Crédito: Informes científicos (2025). Doi: 10.1038/s41598-025-96223-z
El sistema olfativo temprano, dijo Cleland, incluye el epitelio olfativo, que es la capa de neuronas que detectan productos químicos en la cavidad nasal; el bulbo olfativo, un área cerebral al que se proyectan directamente estas neuronas quimiosensoriales; y múltiples áreas aguas abajo en el cerebro que reciben información sensorial del bulbo olfativo y también se comunican con la bombilla para dar forma a sus operaciones.
En este estudio, los investigadores de Cornell descubrieron exactamente cómo las capas externas del sistema biológico, el epitelio olfativo y la capa externa del bulbo olfativo, los cálculos de rendimiento que “crean un firewall entre el mundo y el cerebro”, dijo Cleland.
El aluvión de la entrada sensorial, como los olores de un restaurante, se necesita organizar, limitarse y masajearse en una forma que la bombilla profunda y las áreas posteriores pueden tratar sin romperse, dijo Cleland, y sin perder nada (o mucho) de la información que proporciona la entrada sensorial.
El estudio se centra en estos cálculos iniciales del bulbo olfativo, que tiene dos capas computacionales. “Pensamos en la bombilla como la interfaz entre el cerebro y el mundo para esta modalidad sensorial”, dijo Cleland. “La capa profunda de la bombilla es dinámicamente sofisticada y es muy dedicada al aprender sobre los olores. Pero para operar de esta manera, necesita todas sus aportes para que se porten bien”.
Los sistemas artificiales también necesitan la compleja entrada sensorial del mundo para ser empaquetado y organizado de una manera que conserva toda la información crítica. Esto es cierto en las configuraciones donde los sistemas artificiales utilizan sensores químicos para “oler”, así como en los sistemas que detectan otras entradas sensoriales.
El trabajo de los investigadores sobre el sistema olfativo también ha arrojado ideas teóricas con respecto a la codificación de fase de espiga en el cerebro, un método por el cual las neuronas transmiten información al regular estrechamente el momento de sus pulsos de comunicación. Esta estrategia común de conservación de energía, ahora está clara, también puede aprovecharse para el aprendizaje estable y la regularización en escenarios prácticos donde los datos pueden ser ruidosos y escasos.
“Sugiere paralelos interesantes para el trabajo reciente sobre la capacitación de cuantización en el aprendizaje automático y la inteligencia artificial que estamos explorando actualmente. Hemos estado trabajando duro implementando y optimizando un algoritmo generalizado basado en estos principios”, dijo Moyal.
“No tiene que saber nada sobre el mundo para que este algoritmo funcione: regularizará cualquier cosa que sus sensores puedan codificar”, dijo Cleland. “Pero si sabes algo sobre el mundo, puedes mejorar aún más el rendimiento”.
Si bien este estudio trata sobre circuitos de bulbo olfativo, sus hallazgos no se limitan al olfato, dijo Cleland. Es un mecanismo genérico de regularización para cualquier tipo de datos que tenga una estructura general similar, lo que hace que las aplicaciones potenciales en robótica u otro procesamiento de IA sean bastante amplios.
Los contribuyentes incluyen Kyrus Mama ’21 y Matthew Einhorn, Laboratorio de Fisiología Computacional (A&S); y Ayon Borthakur, Instituto Indio de Tecnología, Guwahati.
Más información: Roy Moyal et al, cuantización heterogénea regulariza la actividad de la red neuronal de picos, informes científicos (2025). Doi: 10.1038/s41598-025-96223-z
Proporcionado por la Universidad de Cornell
Cita: el modelo de IA imita el sistema olfativo de Brain para procesar datos sensoriales ruidosos de manera eficiente (2025, 21 de mayo) recuperado el 21 de mayo de 2025 de https://techxplore.com/news/2025-05-ai-mimics-brain-olfactory-noisy.html
Este documento está sujeto a derechos de autor. Además de cualquier trato justo con el propósito de estudio o investigación privada, no se puede reproducir ninguna parte sin el permiso por escrito. El contenido se proporciona solo para fines de información.
