Un modelo típico de aprendizaje automático observa un objeto a la vez: un cerebro, un paciente, un motor. Pero los biólogos necesitan lo general: cómo está organizado el cerebro de una especie en su conjunto, no solo el de un pez concreto. El nuevo método — síntesis probabilística profunda de modelos (DPMS) — aprende directamente de múltiples ejemplares, como un cocinero que prueba decenas de manzanas para entender el sabor de la variedad, no el de una sola fruta.
El enfoque es aplicable a distintos tipos de modelos, desde la regresión hasta la reducción de dimensionalidad. Con datos sintéticos y registros de actividad cerebral de larvas de pez cebra, DPMS mostró mejores resultados que los modelos entrenados con un solo ejemplar. Es un paso hacia la comprensión de los principios generales de funcionamiento de sistemas complejos a partir de sus múltiples manifestaciones.
Las larvas de pez cebra son transparentes, por lo que los científicos pueden observar la actividad de su cerebro directamente bajo el microscopio, sin necesidad de intervención quirúrgica.