13 de mayo

Alessio Franci / Facultad de Ciencias de la UNAM

 Resumen: La revolución contemporánea del aprendizaje profundo ha mostrado como máquinas computacionales entrenadas en nuestras GPUs pueden ganarnos al ajedrez, a Go, nos ganan en reconocer caras y en predecir la estructura tridimensional de las proteínas. Y sin embargo, en situaciones reales, por ejemplo, cuando el conjunto de aprendizaje es muy pequeño (o hasta hecho de un solo ejemplar), en presencia de ruido u otras perturbaciones, o en problemas que requieren "generalizar" aprendizaje previo, hasta las redes neuronales artificiales más refinada fallan miseramente en comparación a nuestro desempeño. Esto apunta a diferencias fundamentales entre el funcionamiento de las redes neuronales biológicas y las redes neuronales artificiales.

En esta charla haré un recorrido de las propiedades básicas de las redes neuronales biológicas y artificiales, evidenciando las principales diferencias, e intentando indicar dónde y cómo las matemáticas pueden ayudarnos a salvar la brecha entre los dos mundos.