El psicoanalista francés Jacques Lacan, seguidor de los dictados de Sigmund Freud, decía que "lo obvio suele pasar desapercibido, precisamente por obvio". Lo obvio es obviado, menuda paradoja de la obviedad.

Obviedades al margen, hay fenómenos de la vida cotidiana que pueden escapar a un vistazo superficial por más evidentes que resulten en un segundo y más profundo análisis. Por ello, hoy les traigo una historia sobre las redes neuronales y la eficiencia energética. Pueden sonar hechos alejados entre sí, pero nada más lejos de la realidad.

¿No están viendo la relación? Quizás no es tan obvia como me parecía. Ahora vamos al detalle y, para ello, debo introducir otro concepto a esta particular ecuación: la codificación predictiva.

Bajo este paraguas se explica que el cerebro humano inhibe de manera constante la información sensorial predecible, asegurando el procesamiento de los elementos novedosos o relevantes. Un buen ejemplo sería cuando vamos por la calle de una gran ciudad y obviamos las luces y los sonidos de ambiente para centrarnos en la conversación con nuestro compañero de paseo o en las serendipias de turno.

La codificación predictiva se entiende, históricamente, como el resultado de una suerte de 'conectividad jerárquica': nuestro cerebro usa una arquitectura propia para priorizar determinadas informaciones nuevas ante señales recurrentes. Ese "cableado" es parte fundamental para permitir que nuestra mente no se sature a cada segundo. ¿O no?

Un grupo de investigadores de universidades holandesas ha descubierto que toda esa arquitectura jerárquica realmente no es necesaria. "Más bien, se muestra que la codificación predictiva surge como consecuencia de la eficiencia energética", afirman con contundencia en su publicación.

Este hallazgo biológico esencial para entender nuestra naturaleza humana ha sido descubierto y probado gracias al entrenamiento de las redes neuronales en modelos computacionales. 

"Al entrenar redes neuronales recurrentes para minimizar su consumo de energía mientras operan en entornos predictivos, las redes se autoorganizan en unidades de predicción y error con interconexiones inhibitorias y excitadoras apropiadas, y aprenden a inhibir la entrada sensorial predecible", detalla el paper.

Para ello, estos investigadores probaron a producir lesiones virtuales para que las redes realizaran predicciones en dos escalas de tiempo: predicciones laterales rápidas entre unidades sensoriales y ciclos de predicción más lentos que integran evidencias a lo largo del tiempo. Y el resultado es el obvio, aunque obviado.

"Demostramos así que los modelos de redes neuronales recurrentes, entrenados para minimizar el consumo de energía biológicamente realista (potenciales de acción y transmisiones sinápticas), desarrollan espontáneamente sellos distintivos de codificación predictiva sin la necesidad de cablear principios de codificación predictiva en la arquitectura de la red", añade el documento, antes de anticipar la conclusión más interesante de todo este parlamento: "Esto abre la posibilidad de que la codificación predictiva pueda entenderse como una consecuencia natural de las redes recurrentes que operan con un presupuesto energético limitado en entornos predictivos".

¿Era tan obvio pensar en esta particular relación entre nuestras redes neuronales y la eficiencia energética, computación mediante? Obviemos la pregunta.

*** Esta columna se basa en la investigación 'Predictive coding is a consequence of energy efficiency in recurrent neural networks' de Abdullahi Ali, Nasir Ahmad, Elgar de Groot, Marcel A. J. van Gerven y Tim C. Kietzmann, cuyo original puede consultarse aquí.