Ciencias de la vidaPrepublicaciónSimulación5 min de lectura

¿POR QUÉ NECESITARÍA DORMIR UNA RED DE MUELLES?

¿Qué es el sueño? Se identifica como un estado reversible de reposo en el que un animal responde menos a su entorno, y que necesita en mayor cantidad tras haber sido privado de él. Definido así, el sueño aparece en todo el reino animal: en mamíferos y aves, peces y gusanos, e incluso en animales sin sistema nervioso centralizado, como las medusas y las hidras. Esa amplitud plantea una pregunta que se hacen Nada Elmeligy, Nidhi Pashine y J. M. Schwarz, de la Universidad de Syracuse: ¿podría la necesidad de dormir surgir del propio aprendizaje, sea cual sea el sistema que aprende?

La inteligencia artificial tiene una respuesta parcial: desde el algoritmo «vigilia–sueño» (wake–sleep), las fases parecidas al sueño han ayudado a las redes neuronales a aprender cosas nuevas sin olvidar las antiguas. Pero esas redes siguen reglas de aprendizaje prescritas matemáticamente. El equipo quería algo más sencillo y puramente físico: un material que aprende a través de su propia mecánica.

Muelles que aprenden

Su aprendiz es una red desordenada de muelles: 128 nodos unidos por entre 354 y 366 muelles. La tarea que debe aprender es mecánica. Cuando un par de fuerzas tira de un muelle (la entrada), otro muelle más alejado (la salida) debe responder con una tensión precisa. El aprendizaje es local: cada muelle ajusta su propia rigidez a partir de las tensiones que siente, sin ningún procesador central.

El equipo entrenó 50 redes de este tipo con una secuencia de 23 visitas: nueve tareas nuevas, mezcladas con 14 repeticiones de tareas anteriores. A medida que avanzaba la secuencia, una fracción cada vez menor de redes conseguía aprender las tareas nuevas. La culpa no era de las tareas en sí: entrenadas en primer lugar, desde el estado inicial, las mismas tareas se aprendían con más frecuencia.

Aprender agota la capacidad de aprender

La explicación está en una magnitud que los autores llaman dominancia (dominance). Si se tira de los dos extremos de un muelle, la carga se reparte: una parte se queda en ese muelle y el resto pasa por la red que lo rodea. La dominancia de un muelle es la parte que retiene, entre 0 y 1. Un muelle que soporta toda la carga ya no puede transmitir cambios al resto de la red; un muelle que no soporta nada no tiene nada que transmitir. Su utilidad para el aprendizaje, que los autores llaman su plasticidad (plasticity), es el producto f(1 − f): nula en ambos extremos y máxima en un medio.

Antes del entrenamiento, las dominancias de los muelles se sitúan cerca de la media. El entrenamiento las polariza: algunos muelles acaban soportando casi toda la carga aplicada entre sus extremos, otros casi nada. Y aquí el equipo demuestra una ley exacta. Si se suma la plasticidad de todos los muelles, se obtiene la capacidad de aprendizaje C de la red; si se mide cuánto se alejan las dominancias de la media, se obtiene la polarización P. Entonces C + P es una constante, fijada únicamente por la estructura de la red. Cada pizca de polarización ganada es capacidad de aprendizaje perdida. Los autores llaman a P la «presión de sueño» de la red. En las simulaciones, las tareas que llegaban cuando C era alta se aprendían con mucha más frecuencia.

Escuchar el ruido

¿Puede deshacerse el daño? En principio, sí: debilitar los muelles demasiado dominantes y reforzar los demasiado débiles. La dificultad es que la dominancia de un muelle depende de toda la red. El equipo encontró un atajo local: si se sacude la red desde dentro con pequeñas fuerzas aleatorias, la energía media almacenada en cada muelle revela su dominancia. Así, cada muelle solo necesita conocer su propia rigidez y su propio estiramiento.

Intercalada entre las visitas de tareas, esta reparación mantuvo a las redes aprendiendo a lo largo de la secuencia. Superó a una relajación a ciegas hacia la rigidez de reposo en 49 de las 50 redes. También reflejó varios rasgos del sueño animal. La reparación perjudicaba cuando no se estaba aprendiendo nada nuevo, y ayudaba más cuando cerca del 40 % de las visitas traía una tarea nueva. Saltarse las tres últimas sesiones de reparación dejaba acumularse la «presión de sueño», y ponerse al día requería una dosis adicional, aunque solo el 75,3 % de lo que se había omitido, y el 52,2 % tras seis sesiones perdidas.

Por qué la reparación tiene que esperar

¿Por qué no reparar mientras se aprende? Porque una tarea en curso añade tensión a los muelles que la soportan. Sus lecturas de energía suben, en las 50 redes, así que la reparación confunde los muelles ocupados con muelles demasiado dominantes y ablanda precisamente las vías que se están usando. La reparación hecha durante la tarea dio resultados mucho peores que la reparación hecha fuera de línea.

Como el sesgo solo empuja las lecturas hacia arriba, un muelle que sigue pareciendo débil durante una tarea lo es de verdad. Así que el equipo probó un reparto: reforzar durante la «vigilia», debilitar solo durante el «sueño». Funcionó casi tan bien como la reparación totalmente fuera de línea. El reparto inverso empeoró el rendimiento en todas las redes. Los autores señalan un paralelismo en la corteza visual de las ratas, donde la actividad se ajusta al alza durante la vigilia y a la baja durante el sueño: una posible explicación física que presentan como una hipótesis por comprobar.

Un interruptor que aún se acciona desde fuera

Las redes no deciden dormir por sí mismas: un supervisor externo programa el aprendizaje y la reparación, y fija el objetivo de recuperación. Y como la reparación no sabe nada de las tareas pasadas, erosiona los recuerdos, a diferencia del sueño biológico, que también reactiva las experiencias del día. Las siguientes preguntas de los autores son cuándo un aprendiz pasaría por sí solo a una fase fuera de línea, y si una forma física de soñar podría proteger lo que acaba de aprender.