Aprendizaje espontáneo a partir de un modelo: ajuste y refuerzo.

El aprendizaje es la transición del conocimiento cerebral a su realización a través del cuerpo o mediante la iteración de la experiencia. El 3 de agosto de 2015, la Universidad McGill de Montreal publicó los resultados de una investigación sobre golfistas, investigación que arroja luz sobre cómo el cuerpo interactúa con el aprendizaje y lo inesperado.

El modelo del golfista arroja luz sobre el campo del aprendizaje

"Aprenderdel movimiento

Sabíamos que debemos nuestro rendimiento deportivo a un minúsculo grupo de células escondidas en las profundidades de nuestro cerebelo. Lo que no sabíamos, y lo que acaban de descubrir investigadores del Departamento de Fisiología de la Universidad McGill de Canadá, es que durante ellas neuronas del cerebelo realizan cálculos elegantes, casi matemáticos, para comparar en tiempo real lo que sienten con lo que esperaban sentir.

A continuación, se ajustan rápidamente alterando la fuerza de las conexiones entre otras neuronas para formar nuevos patrones cerebrales que permitan realizar la tarea en cuestión. En otras palabras, las neuronas cerebrales individuales tienen la capacidad de reconocer dinámicamente la diferencia entre la información sensorial esperada y la que reciben realmente durante el aprendizaje motor. La diferencia calculada se utiliza entonces para modificar rápidamente los patrones cerebrales y las conexiones entre neuronas para permitir el aprendizaje de nuevas habilidades motoras".

Fuentes : "50 - Aprendizaje del movimiento: nuestro cerebro puede predecir lo inesperado" por Hubert Desrues
23 de agosto de 2015 - https://www.ogolf.fr/50-apprentissage-mouvement-cerveau-sait-prevoir-linattendu/

Todo aprendizaje comienza con un punto de partida teórico o práctico. Este es el punto de comparación. Apoyará la experiencia y la enriquecerá cada vez que se repita. Este conocimiento puede compararse a una nube de puntos de control o de comparación, cuya periodicidad de un punto a otro reforzará más o menos el conocimiento y su transmisión en el cerebro.

Cuanto más recurrente sea la información, más rutas y autopistas neuronales creará, propicias a la integración de experiencias similares o complementarias. Existe un proceso de aprendizaje iterativo y un movimiento de ida y vuelta de una experiencia a otra que genera el modelado y laque genera el modelado y la integración de patrones intelectuales que facilitarán la integración de nuevos conocimientos fisiológicos, físicos y corporales.

Pero la experiencia viva no debe limitarse a la del modelo; también puede generar sus propios modelos.

"Nuestro cerebro puede predecir

Para dominar un nuevo movimiento, el cerebro estima primero la entrada que debe recibir del sistema sensorial. A continuación, el cerebelo utiliza esta predicción para calcular la diferencia entre lo que la persona pretendía hacer y lo que realmente hizo...

En cualquier caso, este descubrimiento confirma una de nuestras intuiciones: la sensación del balanceo, sentida al final de la ejecución, es efectivamente uno de los elementos activos de nuestro aprendizaje... Pero nuestro cerebro necesita un modelo para saber qué esperar y comparar con la sensación realmente sentida. De ahí la importancia de la enseñanza, y de observar a los jugadores de "alto nivel"..."

CF "50 - Aprender a moverse: nuestro cerebro sabe anticiparse a lo inesperado"

El modelo no es sólo intelectual, también se apoya en puntos de validación sensoriales, el modelo puede incluso ser únicamente sensorial e intuitivo y, por tanto, no construido por el intelecto. La memoria del cuerpo también puede servir de modelo de predicción. La memoria visual para el golf también forma parte de este conjunto de comparaciones. El modelo vivo se basa en 3 pilares: el intelecto, lo que siente el cuerpo y la observación por los sentidos.

De hecho, somos como máquinas que aprenden del mundo vivo.

"Los algoritmos utilizados permiten, hasta cierto punto, que un sistema controlado por ordenador (posiblemente un robot) o asistido por ordenador adapte sus análisis y su comportamiento en respuesta, basándose en el análisis de datos empíricos procedentes de una base de datos o de sensores.

La dificultad estriba en que el conjunto de todos los comportamientos posibles a partir de todas las entradas posibles se vuelve rápidamente demasiado complejo para describirlo (lo que se conoce comoexplosión combinatoria). Por tanto, confiamos a los programas la tarea de ajustar un modelo para simplificar esta complejidad y utilizarlo de forma operativa. Lo ideal es que el aprendizaje sea no supervisado, es decir, que no se conozca la naturaleza de los datos de entrenamiento.

Según su grado de sofisticación, estos programas pueden incorporar el tratamiento probabilístico de datos, el análisis de datos de sensores, el reconocimiento (reconocimiento de voz, de formas, de escritura, etc.), la minería de datos, la informática teórica, etc.".

Fuentes Wikipedia : Aprendizaje automático - Capítulo - principios
https://fr.wikipedia.org/wiki/Apprentissage_automatique

El aprendizaje humano se corresponde, por tanto, con el aprendizaje automático de las máquinas. El objeto es diferente, pero los métodos son los mismos. Los informáticos han recreado el proceso de pensamiento humano intentando dotar de inteligencia de aprendizaje a las máquinas.

El modelo simplifica la complejidad y evita el fenómeno de la explosión combinatoria. Hoy en día, nuestro mundo es cada vez más complejo. ¿Hay que abrir un campo de exploración sobre este tema? Continuará...

Fuente de la imagen: Pixabay 422737