En varias notas he
manifestado, estimados amigos, que mi impresión es que la consciencia es el
fruto de la actividad de la red neuronal que adquirimos de los genes maternos y
paternos, de modo que no se ve imposibilidad teórica para que se pueda emular la
dicha red neuronal con dispositivos electrónicos y lograr así seres conscientes
no biológicos. Y, además de lo que ya hemos hablado en notas anteriores, siguen acumulándose novedades que hacen a este tema.
Por ejemplo, el prestigioso Instituto de Tecnología de Massachusetts (MIT por las iniciales de su nombre en inglés, Massachusetts Institute of Technology) que, como ustedes sabrán es una universidad privada localizada en Cambridge, Massachusetts (Estados Unidos) y considerada por numerosos rankings como una de las mejores y más prestigiosas universidades a nivel mundial, manteniendo durante diez años consecutivos el título de la mejor universidad del mundo según la clasificación mundial de universidades QS. Ese prestigioso instituto, digo, realizó una investigación que vinculó biología con tecnología, que puede tener varias aplicaciones en el desarrollo de IAs, llegando a la conclusión de que el cerebro humano procesa la información de una manera “sorprendentemente similar” a la de los modelos computacionales o viceversa, si ustedes quieren.
Los seres humanos, desde
que nacen, se encuentran expuestos a constantes procesos de aprendizaje. Con
esa motivación, investigadores del Instituto Tecnológico de
Massachusetts, compararon el procesamiento de información del cerebro
humano con el funcionamiento de modelos computacionales avanzados y hallaron
que ambos componentes funcionan de manera “sorprendentemente similar”.
Este recientemente
identificado vínculo entre la biología y la tecnología tiene consecuencias
significativas y amplias. Arroja nueva perspectiva sobre el fenómeno de la cognición
humana, al mismo tiempo que respalda de manera sólida las actuales
metodologías de desarrollo en inteligencia artificial.
Es que las tácticas empleadas
por las neuronas para establecer conexiones y aprender de los estímulos del
entorno comparten similitudes con los algoritmos de aprendizaje autodirigido,
que posibilitan a las máquinas aprender de la experiencia sin instrucciones
explícitas.
Esto quiere decir, en buen romance, que, si la red neuronal biológica y los programas computacionales que constituyen una IA funcionan de manera similar y de los primeros emerge una consciencia, es dable esperar que de los segundos también emerja.
Bueno,
bueno, Martín, pero, antes de seguir por qué no nos explicas qué es el aprendizaje
autodirigido.
Bien,
se trata de una rama del aprendizaje automático que se centra en la habilidad
de un sistema para aprender y hacer inferencias a partir de datos que no han
sido etiquetados previamente, es decir, que no estaban en su base de datos.
Tal
como les dijera en la nota Novedades en la IA: La red neuronal es capaz de
aprender nuevos conceptos y combinarlos con los que ya están registrados en su
data.
Algo, queridos amigos, que suena muy parecido a… ¡pensar!
El
aprendizaje autodirigido se diferencia del aprendizaje supervisado en que este
último depende de un conjunto de datos extensivamente aportado por humanos para
entrenar modelos.
El
aprendizaje autodirigido permite a los modelos computacionales generar sus
propias conclusiones a partir de la estructura inherente de los datos no
procesados. Este enfoque simula de manera más auténtica la manera en que los
seres humanos aprenden sobre su entorno, observando y deduciendo patrones sin
instrucciones explícitas.
Por
ejemplo, al presentar a una IA una imagen de un paisaje urbano, el sistema
podría identificar y separar elementos como edificios, vehículos y peatones,
aprendiendo de esta manera qué características definen cada uno de esos
elementos y cómo se relacionan entre sí dentro del entorno visual, sin que haya
sido necesario enviarle previamente las fotos de los coches, edificios y
personas del entorno.
El
contraste entre el aprendizaje supervisado y el autodirigido es significativo
en términos de eficiencia y capacidad de generalización. Mientras que el
aprendizaje supervisado puede requerir miles de ejemplos etiquetados para
entender un concepto, el aprendizaje autodirigido puede lograr una comprensión
similar con menos recursos, ya que se basa en la estructura de los datos para
autogenerar sus etiquetas y conclusiones.
Ahora
bien, estimados amigos, esto es en el área de la programación de las IA, pero
también hay novedades en el área del hardware, o sea, del soporte electrónico de
dichos programas, de la maquinería. Se trabaja desde hace años en un enfoque de
inteligencia artificial inspirado en la arquitectura del cerebro humano. El
resultado es un sistema compuesto por una cantidad enorme de cables colocados
sobre un lecho de electrodos. El sistema recibe la señal de entrada y produce
la de salida mediante impulsos eléctricos. Cada uno de los cables es tan
pequeño que su diámetro se mide en nanómetros (milmillonésimas de metro).
Es decir, tanto en lo que hace a los programas de IA como en lo que hace a los circuitos que los soportan nos acercamos, cada vez más, a lo que es el cerebro humano y a como trabaja. Y no es raro que así sea, la Naturaleza ha diseñado, a lo largo de miles de años de evolución, un dispositivo maravilloso que funciona a las mil maravillas: el cerebro. Lógico es, entonces, que nuestros esfuerzos vayan en la dirección de copiarlo.
Y,
más allá de las obvias implicancias que todo esto tiene en la mejora de las IA
que amenazan con superar todos los límites imaginables, también está el tema,
que a mi me interesa mucho, de que, si seguimos este camino llegaremos a
obtener seres conscientes o no. Daremos respuesta de este modo a la acuciante
pregunta de si la consciencia es producto del alma o si es producto del
hardware y del software del cerebro, sea biológico o electrónico.
No
falta mucho para saberlo, amigos. ¡Estaré atento para informarles!
¡Hasta
la próxima!
No hay comentarios:
Publicar un comentario