Una investigación revela que ciertos modelos computacionales basados en el aprendizaje automático (una modalidad de inteligencia artificial) pueden generar representaciones internas de sonidos que comparten propiedades de las representaciones observadas en el cerebro humano cuando las personas escuchan los mismos sonidos.
El estudio lo ha realizado un equipo integrado, entre otros, por Josh McDermott y Greta Tuckute, ambos del Instituto McGovern de Investigación del Cerebro, adscrito al Instituto Tecnológico de Massachusetts (MIT) en Estados Unidos.
Se trata, hasta donde saben sus autores, del estudio más extenso sobre redes neuronales profundas que han sido entrenadas para realizar tareas auditivas.
Las redes neuronales profundas son modelos computacionales formados por muchas capas de unidades de procesamiento de información que pueden entrenarse con enormes volúmenes de datos para realizar tareas específicas. Este tipo de modelo se ha generalizado en muchas aplicaciones, y los neurocientíficos han empezado a explorar la posibilidad de que estos sistemas puedan utilizarse también para conocer mejor cómo realiza ciertas tareas el cerebro humano.
Cuando una red neural realiza una tarea, sus unidades de procesamiento generan patrones de activación en respuesta a cada entrada de audio que recibe, como una palabra u otro tipo de sonido. Esas representaciones modelo de la entrada pueden compararse con los patrones de activación vistos en los escaneos mediante captación de imágenes por resonancia magnética funcional (fMRI) realizados al cerebro de personas mientras escuchan los mismos sonidos.
