Escolar Documentos
Profissional Documentos
Cultura Documentos
El nuevo informe de Casa Blanca sobre la inteligencia artificial toma una vista apropiadamente
escéptica de ese sueño. Dice que los próximos 20 años probablemente no veamos máquinas
que “exhiben inteligencia aplicable ampliamente comparable o superior a la de los seres
humanos," aunque también dice que, en los próximos años, "las máquinas alcanzarán y
superarán el rendimiento humano en tareas cada vez más." Pero son hipótesis acerca de cómo
esas capacidades se desarrollan en algunos puntos importantes.
Como un investigador de AI debo admitir que era bueno tener mi propio campo que destaque
al más alto nivel del gobierno americano, pero el informe se centra casi exclusivamente en lo
que yo llamo "la aburrida clase de AI". Se despidió en medio de una frase de mi rama de la
investigación del AI, sobre cómo la evolución puede ayudar a desarrollar sistemas de AI siempre
para mejorar, y modelos computacionales que nos puede ayudar entender cómo es la evolución
de nuestra inteligencia humana.
Tenemos que enseñar más a las máquinas del aprender. Hemos de superar los límites que
definen los cuatro diferentes tipos de inteligencia artificial, las barreras que separan a las
máquinas de nosotros y nosotros de ellas.
Tipo I AI: Máquinas Reactivas
Los tipos más básicos de sistemas de IA son puramente reactivos y no tienen la capacidad de
formar memoria, ni usar las experiencias pasadas para informar las decisiones actuales. Deep
Blue, el superordenador ajedrecista de IBM, que derrotó al gran maestro internacional Garry
Kasparov en la década de 1990, es el ejemplo perfecto de este tipo de máquina.
Deep Blue puede identificar las piezas en un tablero de ajedrez y saber cómo cada uno se mueve.
Puede hacer predicciones sobre lo que se mueve y que puede ser luego para él y su oponente.
Y puede elegir los movimientos más óptimos entre las posibilidades.
Pero no tiene ningún concepto del pasado, ni ningún recuerdo de lo que ha sucedido antes.
Aparte de reglas de ajedrez específicos raramente usada repitiendo el mismo movimiento tres
veces, Deep Blue hace caso omiso de todo antes del momento presente. Lo único que hace es
mirar las piezas en el tablero de ajedrez tal y como está ahora y elegir entre posibles próximos
movimientos.
Este tipo de inteligencia implica el ordenador percibir directamente el mundo y actuar sobre lo
que ve. No dependen de un concepto interno del mundo. En un papel similar, el investigador AI
Rodney Brooks argumentó que sólo deberíamos construir máquinas como esta. Su principal
razón fue que las personas no son muy buenas en programación exacta y mundos simulados
para los equipos a utilizar, lo que se llama en estudios básicos de AI una "representación" del
mundo.
Las máquinas inteligentes actuales en que nos maravillamos no tienen ningún concepto del
mundo, o tienen uno muy limitado y especializado para sus funciones particulares. La innovación
en el diseño de Deep Blue no fue ampliar la gama de posibles películas del equipo considerado.
Los desarrolladores encontraron una manera de limitar su visión, para dejar de perseguir un
futuro potencial de movimientos, basada en cómo clasifica su resultado. Sin esta capacidad,
Deep Blue tendría que ser un equipo aún más poderoso para vencer realmente a Kasparov.
Asimismo, AlphaGo de Google, que ha vencido a expertos humanos, no puede evaluar todos los
movimientos futuros potenciales tampoco. Su método de análisis es más sofisticado que Deep
Blue, con una red neuronal para evaluar la evolución del juego.
Estos métodos mejoran la capacidad de los sistemas de AI para jugar mejores juegos específicos,
pero no puede ser fácilmente modificados o aplicados a otras situaciones. Estas imaginaciones
computarizadas no tienen ningún concepto del resto del mundo – lo que significa que no pueden
funcionar más allá de las tareas específicas que le están asignados, y son fácilmente engañados.
Pero estas piezas simples de información sobre el pasado son sólo transitorias. No están
guardados como parte de una biblioteca de experiencias que pueden aprender de las formas
humanas como controladores de compilación con años de experiencia detrás del volante.
Las máquinas en la clase siguiente, más avanzadas, no sólo formarán representaciones sobre el
mundo, sino también de otros agentes o entidades en el mundo. En psicología, esto es llamado
"teoría de la mente" – el entendimiento de que personas, criaturas y objetos en el mundo
pueden tener pensamientos y emociones que afectan su comportamiento.
Esto es crucial para cómo los seres humanos formamos grupos, porque nos permitieron tener
interacciones sociales. Sin comprender los motivos e intenciones y sin tomar en cuenta lo que
alguien sabe tanto acerca de mí o el medio ambiente, trabajar juntos es difícil en el mejor, en el
peor de los casos imposible.
Si los sistemas de IA en verdad van a caminar entre nosotros, tendrán que ser capaces de
entender que cada uno de nosotros tiene pensamientos y sentimientos y las expectativas de
cómo lo tratamos. Y tendrá que ajustar su conducta en consecuencia.
Tipo IV AI: La auto-conciencia
El paso final del desarrollo de la IA es construir sistemas que pueden formarse representaciones
sobre sí mismos. En definitiva, que AI los investigadores tendrán que entender no sólo el sentido,
sino construir máquinas que los tengan.
Esto es, en cierto sentido, una extensión de la "teoría de la mente" poseído por inteligencias
artificiales de tipo III. La Conciencia es también llamado "auto-conocimiento" por una razón.
("Quiero ese tema" es una declaración muy diferente de "Sé que quiero ese tema".) Seres
conscientes son conscientes de sí mismos, saben acerca de sus estados internos, y son capaces
de predecir los sentimientos de los demás. Suponemos que alguien tocando la bocina detrás de
nosotros en tráfico está enfadado o impaciente, porque así es como nos sentimos cuando nos
toca a nosotros. Sin una teoría de la mente, no podríamos hacer esas clases de inferencias.
Aunque probablemente estamos lejos de crear máquinas que son autoconscientes, debemos
centrar nuestros esfuerzos hacia la comprensión de la memoria, el aprendizaje y la posibilidad
de basar las decisiones en experiencias pasadas. Este es un paso importante para comprender
la inteligencia humana por sí sola. Y es crucial si queremos diseñar o desarrollar máquinas que
son más excepcionales a clasificar lo que ven frente a ellos.