Historias de la IA: el cognitrón de Kunihiko Fukushima
En un artículo publicado en la revista Biological Cybernetics en 1975 y titulado Cognitron: A self-organizing multilayered neural network, Kunihiko Fukushima introducía el concepto de cognitron. Como una de las primeras redes neuronales que podía ver y aprender, el cognitrón y su secuela el neocognitrón de Fukushima son reconocidos como la base de los desarrollos modernos en inteligencia artificial (IA) y aprendizaje automático en redes neuronales.
En el resumen inicial del artículo ya se podían ver las intenciones:
Se propone una nueva hipótesis para la organización de las sinapsis entre neuronas: «La sinapsis de la neurona x a la neurona y se refuerza cuando x se activa, siempre que ninguna neurona cercana a y se active con más fuerza que y». Al introducir esta hipótesis, se puede deducir un nuevo algoritmo con el que se organiza eficazmente una red neuronal multicapa. Se construye una red neuronal multicapa autoorganizada, denominada «cognitrón», siguiendo este algoritmo, y se simula en un ordenador digital. A diferencia de la organización de los modelos cerebrales habituales, como el perceptrón de tres capas, la autoorganización de un cognitrón progresa favorablemente sin necesidad de un «maestro» que instruya en todos los detalles cómo deben responder las células individuales. Tras presentaciones repetitivas de varios patrones de estímulos, el cognitrón se autoorganiza de tal manera que los campos receptivos de las células se vuelven relativamente más grandes en una capa más profunda. Cada célula de la capa final integra la información de todas las partes de la primera capa y responde selectivamente a un patrón de estímulo específico o a una característica.
Fukushima concluye en su artículo:
El cognitrón que se analiza en este artículo no pretende ser un sistema completo para el reconocimiento de patrones: si queremos crear un reconocedor de patrones con un cognitrón, debemos añadirle otras funciones.
Para finalizar con estas frases:
El autor conjetura que la hipótesis sobre la organización sináptica aquí propuesta se cumple no solo en el centro superior del cerebro, sino también en las partes distales de los sistemas sensoriales. Sin embargo, esto no significa que esta hipótesis sea la única regla que controla la organización de todos los tipos de sinapsis. Quizás la organización de algunos tipos de sinapsis esté controlada por otras reglas.
Recordemos quién es Kunihiko Fukushima. Obtuvo una licenciatura en Ingeniería Electrónica en 1958 y un doctorado en Ingeniería Eléctrica en 1966 por la Universidad de Kioto, Japón. Fue profesor en la Universidad de Osaka de 1989 a 1999, en la Universidad de Electrocomunicaciones de 1999 a 2001, en la Universidad Tecnológica de Tokio de 2001 a 2006 y profesor visitante en la Universidad de Kansai de 2006 a 2010. Antes de su cátedra, fue investigador científico sénior en los Laboratorios de Investigación Científica y Tecnológica de la NHK. Actualmente es investigador científico sénior en el Instituto de Sistemas de Lógica Difusa (puesto a tiempo parcial) y suele trabajar desde su casa en Tokio. En su página web se puede encontrar más información sobre Fukushima.
El nombre de cognitrón lo explica el propio investigador. «Lo llamamos cognitrón, que combina cognición y -trón. El nombre es similar al del perceptrón, que combina percepción y -trón. El perceptrón, popular en las décadas de 1950 y 1960, utiliza un algoritmo de aprendizaje supervisado”.
Cinco años más tarde, Kukushima publicó otro artículo titulado Neocognitron: A Self-organizing Neural Network Model for a Mechanism of Pattern Recognition Unaffected by Shift in Position (Biological Cybernetics 36, 193 202 (1980)), donde introducía el neocognitrón:
En este artículo se propone un modelo de red neuronal para un mecanismo de reconocimiento de patrones visuales. La red se autoorganiza mediante el aprendizaje autónomo y adquiere la capacidad de reconocer patrones de estímulo basándose en la similitud geométrica (Gestalt) de sus formas, sin verse afectada por sus posiciones. Esta red recibe el apodo de «neocognitrón». Tras completar la autoorganización, la red presenta una estructura similar al modelo jerárquico del sistema nervioso visual propuesto por Hubel y Wiesel.
Es importante la referencia al modelo visual desarrollado por David Hubel y Torsten Wiesel, dos neurofisiólogos que ganaron el Premio Nobel en 1981 por sus revolucionarios descubrimientos sobre cómo el cerebro procesa la información visual, identificando células selectivas a características específicas (como bordes, orientaciones y movimiento) y organizadas en columnas en la corteza visual, lo que explicó cómo se construyen las imágenes a partir de estímulos simples.
La extensión del neocognitrón continúa en la actualidad. Mediante la introducción de conexiones descendentes y nuevos métodos de aprendizaje, se han desarrollado diversos tipos de redes neuronales. Cuando se presentan dos o más patrones simultáneamente, el «modelo de atención selectiva» puede segmentar y reconocer patrones individuales por turnos cambiando su atención. Incluso si un patrón está parcialmente oculto por otros objetos, los seres humanos a menudo podemos reconocer el patrón oculto.
Fukushima continúa investigando y trabajando en estos temas. En un artículo de 2021 sobre sus logros comentaba:
En Japón, tenemos un dicho común: «Escuchar una palabra significa entender diez». Esto significa que escuchar una palabra basta para comprender el significado de diez. Actualmente, la IA escucha a miles de millones y comprende a millones —dijo—. Pero el objetivo de la IA en el futuro es escuchar a millones y comprender a miles de millones.
Y para finalizar, les dejamos con un video de una conferencia del profesor Kunihiko Fukushima
y con una entrevista en 2015
_____________
Manuel de León (CSIC, Fundador del ICMAT, Real Academia de Ciencias, Real Academia Canaria de Ciencias, Real Academia Galega de Ciencias, Presidente del ICM2006 Madrid y miembro del Comité Ejecutivo de IOMU (2007-2024) y del Comité Ejecutivo del ISC (2014-2018).