Arquitectura de red neuronal para la formación de habilidades automáticas. Parte 1

El artículo presenta una arquitectura neuronal inspirada en el mecanismo humano de formación de hábitos, tal como se describe en 'Hábitos Atómicos' de James Clear, donde las acciones se vuelven automáticas tras la repetición. El sistema tiene cuatro componentes principales: un clasificador de novedad, una red consciente, una red generativa y una red subconsciente, además de un verificador externo. Las imágenes de entrada de formas geométricas se clasifican primero como novedosas o familiares. Las imágenes novedosas van a la red consciente, que aprende mediante refuerzo. Tras una respuesta correcta, la red generativa crea variaciones del ejemplo exitoso, que se utilizan para ajustar la red subconsciente, haciendo que la habilidad sea automática. El experimento implica reconocer círculos, cuadrados, triángulos, cruces y estrellas, siendo estas dos últimas inicialmente no vistas. La red subconsciente se preentrena con las tres primeras formas, y el clasificador de novedad se entrena para considerarlas familiares. Cuando aparece una cruz, se dirige a la red consciente, que debe clasificarla correctamente, y luego la red generativa produce muchos ejemplos sintéticos para entrenar la subconsciente. Después del entrenamiento, el clasificador de novedad se actualiza para que las cruces sean familiares, y la subconsciente las maneja directamente. El artículo describe criterios de éxito: reducción de llamadas a la red consciente, mejora en la precisión de la subconsciente en variantes nuevas, retención de habilidades antiguas y reducción de la novedad para formas aprendidas. La arquitectura es intencionalmente simple para pruebas iniciales, con planes futuros para tareas más complejas y un agente.