Introducción a la inteligencia biológica y artificial
El siguiente texto es una traducción literal del libro no finalizado y no publicado formalmente Inteligencia biológica y artificial de Jeff Hawkings, publicado en Numenta.
El siglo XXI es una linea divisoria en la evolución humana. Estamos ya aprendiendo la manera en que el cerebro funciona y estamos construyendo máquinas que funcionan con los mismos principios que lo hace el cerebro. Vemos esta época como el inicio de la era de la inteligencia de las máquinas, que traerá consigo una explosión de aplicaciones benéficas y avances científicos.
La mayoría de personas intuitivamente percibe el valor en comprender la manera en que funciona el cerebro humano. Resulta fácil ver cómo una teoría del cerebro conduciría a la cura y prevención de enfermedades mentales o conducirnos a mejores métodos de educación para nuestros hijos. Estos beneficios prácticos justifican la enorme cantidad de esfuerzos que se realizan para aplicar ingeniería inversa al cerebro. Sin embargo, los beneficios van mucho más allá que la utilidad práctica y de corto plazo. El cerebro humano define a nuestra especie. En muchos aspectos somos una especie poco destacable, pero nuestro cerebro es único. El gran tamaño de nuestro cerebro, y su diseño único, es la razón por la cual los humanos somos la especie más exitosa del planeta. Ciertamente, el cerebro humano es la única cosa que conocemos en el universo que puede crear y compartir conocimiento. Nuestro cerebro es capaz de descubrir el pasado, predecir el futuro y mostrar los misterios del presente. Por consiguiente, si queremos saber quienes somos, si queremos profundizar nuestro conocimiento del universo, y si deseamos explorar nuevas fronteras, es indispensable tener una comprensión clara de como conocemos, como aprendemos y como construir máquinas inteligentes que nos ayuden a adquirir más conocimiento. La promesa última de la teoría del cerebro y de la inteligencia artificial es la adquisición y diseminación del conocimiento. En el camino se tendrán múltiples beneficios para la sociedad. El impacto benéfico de la inteligencia artificial en nuestra vida diaria será igual y superará al de las computadoras programables.
Pero, ¿de qué manera funcionarán las máquinas inteligentes y qué harán? Si le sugieres a una persona no experta en el tema que la manera de construir máquinas inteligentes es primeramente entender la manera en que el cerebro funciona y luego construir máquinas que funcionen bajo los mismos principios, casi con seguridad dirá, “Eso tiene sentido”. Sin embargo, si le sugieres lo mismo a científicos de aprendizaje de máquina y de inteligencia artificial, muchos no estarán de acuerdo. La réplica más común que escucharás es “los aviones no baten sus alas”, sugiriendo así que no importa la manera en que el cerebro funciona, o aún peor, que el estudio del cerebro te hará recorrer un camino equivocado, como construir un avión que bata sus alas.
Esta analogía es a la vez equivocada y una mala comprensión de la historia. Los hermanos Wright y otros pioneros de la aviación comprendieron la diferencia entre los principios del vuelo y la necesidad de la propulsión. Las alas de un pájaro y las de un avión funcionan bajo los mismos principios aerodinámicos, y esos principios debían ser comprendidos antes de que los hermanos Wright pudieran construir un aeroplano. Es por eso que estudiaron la manera en que planean los pájaros y probaron distintas formas de alas en túneles aerodinámicos para comprender los principios del despegue. El aleteo de las alas es diferente, es un medio de propulsión y el método específico de propulsión es menos importante cuando se trata de construir máquinas voladoras. En una analogía similar, se requiere comprender los principios de la inteligencia antes de construir máquinas inteligentes. Debido al hecho que el único ejemplo de sistemas inteligentes que conocemos es el cerebro, y los principios de inteligencia no resultan obvios, debemos estudiar el cerebro para aprender. Sin embargo, al igual que los aviones y pájaros, no se requiere que hagamos todo lo que el cerebro hace y tampoco se requiere que implementemos los principios de inteligencia de la misma manera que el cerebro lo hace. Tenemos una gran cantidad de recursos en software y silicio para crear máquinas inteligentes de maneras novedosas y atractivas. El objetivo de construir máquinas inteligentes no es replicar el comportamiento humano, tampoco lo es construir un cerebro y tampoco construir máquinas que hagan lo que los humanos hacemos. El objetivo de crear máquinas inteligentes es crear máquinas que funcionen bajo los mismos principios que el cerebro lo hace –máquinas que puedan aprender, descubrir y adaptarse de formas que las computadoras hoy día no pueden y los cerebros sí.
Por consiguiente, los principios de inteligencia artificial que se describen en este libro se derivan del estudio del cerebro. Utilizamos términos de neurociencia para describir la mayoría de principios, y explicamos la manera en que esos principios funcionan en el cerebro. Los principios de inteligencia pueden ser comprendidos por ellos mismos, sin ninguna referencia al cerebro, pero en el futuro cercano resulta más fácil comprender estos principios en el contexto del cerebro ya que el cerebro continúa ofreciendo sugerencias y limitaciones a las soluciones de muchos asuntos pendientes.
El objetivo de crear máquinas inteligentes es crear máquinas que funcionen bajo los mismos principios que el cerebro lo hace –máquinas que puedan aprender, descubrir y adaptarse de formas que las computadoras hoy día no pueden y los cerebros sí.
Este acercamiento a la inteligencia artificial es diferente de la que toman la inteligencia artificial clásica y las redes neuronales artificiales (ANNs por sus siglas en inglés). Los técnicos de la inteligencia artificial clásica tratan de construir máquinas inteligentes codificando reglas y conocimiento en el software, así como una estructura de datos diseñada por humanos. Este método ha tenido mucho éxito en la resolución de problemas específicos pero no ha ofrecido un acercamiento generalizado a la inteligencia artificial y, para la mayor parte, no ha abordado la pregunta de como las máquinas pueden aprender. En años recientes ANNS, a menudo llamadas “redes de aprendizaje profundo”, han tenido éxito en solucionar muchos problemas de clasificación. Sin embargo, a pesar de la palabra “neural”, la mayoría de ANNs se basan en modelos neuronales y arquitectura de redes que resultan incompatibles con el tejido biológico real. Aún más importante, las ANNS, al desviarse de conocidos principios del cerebro, no proporcionan una ruta obvia para la construcción de máquinas verdaderamente inteligentes.
La IA clásica y las ANNS se diseñan generalmente para solucionar tipos específicos de problemas en lugar de proponer una teoría de la inteligencia. En contraste, sabemos que los cerebros usan principios comunes de visión, escucha, tacto, lenguaje y comportamiento. Este hecho fue propuesto por primera vez en 1979 por Vernon Mountcastle. Él señalaba el hecho de que no hay nada visual acerca de la corteza visual y nada auditivo en la corteza auditiva. Cada región de la neocorteza ejecuta las mismas operaciones básicas. Lo que hace visual a la corteza visual es que recibe información desde los ojos; lo que hace auditivo a la corteza auditiva es que recibe información desde los oídos. A partir de décadas de investigación en neurociencia, ahora sabemos que esta conjetura es correcta. Algunas de las consecuencias de este descubrimiento resultan sorprendentes. Por ejemplo, la neuroanatomía nos indica que cada región de la neocorteza tiene tanto funciones sensoriales como motoras. Por consiguiente, la visión, escucha y tacto son sentidos senso-motores integrados; no podemos construir sistemas que vean y escuchen como los humanos sin incorporar movimiento de ojos, cuerpo y extremidades.
El descubrimiento que la neocorteza utiliza algoritmos comunes para todo lo que hace es a la vez elegante y fortuito. Este descubrimiento nos indica que para comprender la manera en que la neocorteza funciona, debemos buscar soluciones que sean universales en la manera en que se aplican a cada modalidad y capacidad sensorial de la neocorteza. Pensar la visión como “problema de visión” es equivocado. En su lugar, debemos pensar sobre la visión como un “problema sensorial motor” y preguntarnos de qué manera la visión es lo mismo que escuchar, el tacto o el lenguaje. Una vez entendamos los principios corticales comunes, podremos aplicarlos a cualquier sistema sensorial o conductual, incluso sistemas que no tengan contrapartes biológicas. La teoría y métodos descritos en este libro han sido extraídas con esa idea en mente. Ya sea que construyamos un sistema que vea usando luz o un sistema que “vea” usando radar o un sistema que directamente perciba coordinadas GPS, los principios subyacentes de aprendizaje son los mismos.
Hoy comprendemos lo suficiente de la manera en que la neocorteza funciona como para construir sistemas prácticos que solucionan problemas actuales importantes. Por supuesto, aún quedan puedan cosas que no comprendemos del cerebro y su neocorteza. Es importante definir nuestra ignorancia tan claro como sea posible para que tengamos un mapa de lo que aún se requiere y queda pendiente. Este libro refleja el estatus de ese conocimiento parcial. La tabla de contenidos muestra los temas que requieren ser comprendidos, pero sólo algunos capítulos han sido escritos. A pesar de los muchos temas que no comprendemos aún, tenemos confianza que hemos realizado el progreso suficiente en la comprensión de algunos de los principios básicos de inteligencia y de como funciona el cerebro de tal manera que el campo de la inteligencia artificial puede progresar con más rápidez que en el pasado. El campo de la inteligencia artificial está empeñado en realizar progresos rápidamente.
Una vez entendamos los principios corticales comunes, podremos aplicarlos a cualquier sistema sensorial o conductual, incluso sistemas que no tengan contrapartes biológicas.
Comentarios