Aprendizaje por refuerzo y neuroinformática: entrenamiento multipropósito de redes artificiales con inspiración biológica

El aprendizaje de máquina (Machine Learning) es un area de las ciencias de la computación en franca expansión y desarrollo, sus influencias van desde aplicaciones comerciales hasta herramientas de apollo a la salud, pasando por la ciencia aeroespacial, las ciencias sociales y una gran variedad de usos en el medio. En este escenario el Aprendizaje por Refuerzo (Reinforcement Learning) no es una excepción y aunque su expansión y crecimiento es más reciente que la de sus parientes (clásico, supervisado y no supervisado), está suscitando un interés creciente nuevamente en una amplia variedad de escenarios dado, entre otras cosas, que viene en auxilio para una variedad de escenarios en donde los anteriores no son aplicables. En este trabajo se utilizan varios conceptos inspirados en la biología que van desde el modelado de una porción de un conectoma de un organismo biológico y su modelado de actividad neuronal hasta el uso del algoritmo genético para su optimización, se logra hacer aprender (mediante el uso de aprendizaje por refuerzo y métodos de optimización) al sistema una configuración adecuada para resolver un problema específico. Todas estas componentes son ensambladas a forma de rompecabezas para intentar resolver incluso problemas más generales con el espíritu de mantener la variedad disciplinaria de los problemas a resolver.

Ariel es licenciado en ciencias de la computación, cursó sus estudios de grado en famaf, hizo experiencia en la industria y en el sector público y actualmente transita su carrera de doctorado en ciencias de computación, también en famaf, estudiando temas relacionados al machine learning.

• Link de Streaming