Resumen: los modelos de IA modernos, como los modelos de idiomas grandes, generalmente se entrenan una vez en un gran corpus de datos, potencialmente ajustados para una tarea específica y luego se implementan con parámetros fijos. Su entrenamiento es costoso, lento y gradual, que requiere miles de millones de repeticiones. En marcado contraste, los animales se adaptan continuamente a las contingencias siempre cambiantes en sus entornos. Esto es particularmente importante para las especies sociales, donde las políticas conductuales y los resultados de las recompensas pueden cambiar con frecuencia en la interacción con los compañeros. Los procesos computacionales subyacentes a menudo están marcados por cambios rápidos en el comportamiento de un animal y transiciones más bien repentinas en la actividad de la población neuronal. Dichas capacidades computacionales son de creciente importancia para los sistemas de IA que operan en el mundo real, como aquellos que guían robots o vehículos autónomos, o para la IA agente que interactúa con humanos en línea. ¿Puede AI aprender de la neurociencia? Esta perspectiva explora esta pregunta, integrando la literatura sobre el aprendizaje continuo y en contexto en IA con la neurociencia del aprendizaje en tareas conductuales con reglas cambiantes, probabilidades de recompensas o resultados. Esbozaremos una agenda sobre cómo específicamente las ideas de la neurociencia pueden informar los desarrollos actuales en la IA en esta área y, viceversa, lo que la neurociencia puede aprender de la IA, contribuyendo al campo en evolución de los neuroai.
Publicado Originalme en export.arxiv.org El 3 de julio de 2025.
Ver Fuente Original
