Construyendo mentes artificiales

Si la inteligencia artificial persiguiera imitar el funcionamiento del cerebro humano, se enfrentar¨ªa a un escollo formidable: que a¨²n no sabemos c¨®mo funciona el cerebro humano. Pero ni el objetivo de esta tecnolog¨ªa vigorosa es solo ese, ni la estrategia de imitar al cerebro tiene que esperar a que lo entendamos todo sobre ese ¨®rgano fabuloso que llevamos dentro del cr¨¢neo. Incluso con el conocimiento fragmentario que tenemos sobre ¨¦l, nuestro cerebro est¨¢ sirviendo como una fuente de inspiraci¨®n muy eficaz para los ingenieros, los cient¨ªficos de la computaci¨®n y los expertos en rob¨®tica. Y los resultados ya nos rodean por entero.

Como un pasajero asomado a la borda de un transatl¨¢ntico, pasamos el d¨ªa viajando sobre una maquinaria prodigiosa de la que entendemos muy poca cosa. El sistema de reconocimiento de voz con el que podemos hablar a Google es inteligencia artificial (AI, en sus siglas en ingl¨¦s), como lo es ese circulito que identifica las caras de tus primas cuando vas a hacerles una foto. Que sean AI quiere decir que nadie ha programado all¨ª tu voz ni la cara de tu prima, sino que el sistema aprende a reconocerlas a partir de la experiencia, como hace nuestro cerebro con la realidad impredecible de ah¨ª fuera.

Hay gente obsesionada por definir las cosas, y el lector podr¨¢ encontrar en la red una docena de definiciones distintas de la inteligencia artificial. Mi favorita es la de Marvin Minsky, un pionero del campo que muri¨® en enero. La AI, dijo Minsky, ¡°es la ciencia que investiga para que las m¨¢quinas hagan cosas que requerir¨ªan inteligencia si las hubiera hecho un humano¡±. La definici¨®n de Minsky parece gratuitamente enrevesada, pero en realidad es un dardo envenenado. Va con retranca, y es importante que veamos por qu¨¦.

A principios de los a?os noventa, todo el mundo habr¨ªa considerado que ganar al campe¨®n mundial de ajedrez ser¨ªa una prueba de inteligencia. En esos mismos a?os, sin embargo, los cient¨ªficos de IBM estaban desarrollando un ingenio destinado a vencer a Gari Kasp¨¢rov, el n¨²mero uno de la ¨¦poca. Se llamaba Deep Blue, contaba con 256 procesadores trabajando en cadena que evaluaban 200 millones de jugadas por segundo y dio el campanazo el vencer al gran Kasp¨¢rov. ?Debemos concluir que Deep Blue era inteligente?

No, de ning¨²n modo, respondi¨® todo el mundo al un¨ªsono. El ajedrez, al fin y al cabo, es un juego acotado, con un n¨²mero enorme pero finito de soluciones posibles, y sus reglas son simples y matem¨¢ticamente consistentes. Este es el campo de juego ¨®ptimo para un cerebro de silicio con superpoderes como Deep Blue.

El sistema de reconocimiento de voz, o el de identificaci¨®n de caras del smartphone son ejemplos de inteligencia artificial que usamos diariamente?

Pero nuestro cerebro no funciona as¨ª. Ni tiene 256 procesadores en cadena ni puede evaluar 200 millones de jugadas por segundo. El ¨¦xito del ingenio de IBM se atribuy¨® a la fuerza computacional bruta. Nuestra percepci¨®n del ajedrez dio un vuelco, pero no para declarar inteligente a Deep Blue, sino para excluir al ajedrez de la definici¨®n de inteligencia. Si una m¨¢quina pod¨ªa ganar a Kasp¨¢rov, ser el campe¨®n mundial de ajedrez no deb¨ªa ser para tanto, despu¨¦s de todo.

Justo ah¨ª iba Minsky con el dardo de su definici¨®n. Si quien hubiera ganado a Kasp¨¢rov hubiera sido un joven talento, todos le habr¨ªamos admirado por su inteligencia extrema. Pero ninguno de nosotros estuvimos dispuestos a concederle la misma consideraci¨®n a Deep Blue. La AI no es la ciencia que investiga para que las m¨¢quinas hagan cosas inteligentes, sino para que las m¨¢quinas hagan cosas que requerir¨ªan inteligencia si las hubiera hecho un humano. Es una importante lecci¨®n de Minsky que conviene tener muy presente al reflexionar sobre la inteligencia de las m¨¢quinas.

Los sistemas de inteligencia artificial aprenden con nosotros gracias a la experiencia?

Hay otro criterio cl¨¢sico sobre la misma cuesti¨®n, formulado por el gran padre de la inteligencia artificial, Alan Turing (algunos lectores le recordar¨¢n con la cara de Benedict Cumberbatch en la pel¨ªcula Descifrando Enigma). Tendremos que considerar que una m¨¢quina es inteligente cuando logre hacerse pasar por un humano, por ejemplo por correo electr¨®nico. Los cient¨ªficos de la computaci¨®n veneran a Turing, pero ya no creen que su test de Turing sea un criterio v¨¢lido. Ni aprobarlo demuestra inteligencia, ni suspenderlo implica la falta de ella. ?Entonces?

Entonces, como casi siempre, lo mejor es prescindir de los grandes principios matem¨¢ticos o filos¨®ficos y ponerse las botas para hundirlas en el barro. Caso a caso, con un sentido pr¨¢ctico y una mente abierta. Los ordenadores ya nos superan en capacidad de c¨¢lculo, en velocidad de gesti¨®n y en otras cosas. Nos ganan al ajedrez e incluso al Go, el juego chino que seguramente es el m¨¢s complejo que hemos inventado los humanos.

Podemos, por supuesto, aducir que eso no es la verdadera inteligencia. Pero la verdadera inteligencia, por todo lo que sabe la neurociencia, est¨¢ hecha de cosas como esas. No sabemos de cu¨¢ntas, no sabemos cu¨¢ndo la tecnolog¨ªa lograr¨¢ emularlas a todas ellas, pero no parece haber ning¨²n problema de principio, o frontera infranqueable, para que las m¨¢quinas lleguen ah¨ª.

Si el cerebro es un objeto f¨ªsico (como los cient¨ªficos saben que es), no puede haber ning¨²n escollo filos¨®fico para que la tecnolog¨ªa lo pueda emular. O superar.

'Deep Blue', el ordenador que gan¨® a Kasparov al ajedrez no era inteligencia artificial

De inteligencia artificial se habla desde los a?os cincuenta, pero los avances recientes que explican su afloramiento en los medios ¡ªy que usted est¨¦ leyendo esto¡ª proponen dos enfoques que se basan en ciertos aspectos del funcionamiento del cerebro. El primero es un tipo de programa inform¨¢tico ¡ªo de arquitectura de sistemas¡ª que se llama red neural y que, como indica su nombre, emula el tipo de computaci¨®n que hacen las neuronas biol¨®gicas.

Todo el mundo est¨¢ familiarizado hoy con la forma de una neurona. Sus entradas (dendritas) forman un ¨¢rbol de ramificaci¨®n frondosa y fractal, de modo que de un solo tronco pueden llegar a formar 10.000 ramas que rastrean la informaci¨®n de su entorno local y de media distancia. En contraste, el cable de salida (ax¨®n) es ¨²nico, de modo que cada neurona tiene que integrar masas de informaci¨®n procedente de sus miles de dendritas para generar una respuesta sint¨¦tica a trav¨¦s de su ax¨®n. Esta es la arquitectura que imitan las redes neurales de silicio.

La inteligencia artificial es la ciencia que investiga para que las m¨¢quinas hagan cosas que requerir¨ªan inteligencia si las hicieran humanos?

La segunda inspiraci¨®n que proviene del cerebro es m¨¢s compleja, y m¨¢s poderosa. Se llama deep learning (aprendizaje profundo), y es el fundamento de los grandes avances que nos han asombrado en los ¨²ltimos tres o cuatro a?os. De manera parad¨®jica, lo m¨¢s f¨¢cil es explicar primero el funcionamiento del cerebro y despu¨¦s el del deep learning.

Cuando el premio Nobel Francis Crick, codescubridor de la doble h¨¦lice del ADN y neurocient¨ªfico, le dijo a una amiga que su inter¨¦s profesional era comprender el mecanismo cerebral de la visi¨®n, la amiga se mostr¨® estupefacta:

¡ªNo s¨¦ qu¨¦ inter¨¦s tiene eso. A m¨ª me basta imaginar que el cerebro forma una especie de imagen de televisi¨®n.

La clave de la inteligencia artificial es que las m¨¢quinas sean capaces de aprender, lo que se conoce como 'deep learnig'

¡ªS¨ª ¡ªrespondi¨® Crick¡ª, pero ?qui¨¦n est¨¢ viendo la televisi¨®n?

Nuestras intuiciones sobre el funcionamiento de nuestra propia mente siempre son garrafales. La verdadera forma en que procesamos la informaci¨®n visual (c¨®mo formamos im¨¢genes mentales del mundo) hubo que descubrirla con experimentos sofisticados. La imagen que capta la retina se transmite por el nervio ¨®ptico a la parte posterior del cerebro, la m¨¢s pr¨®xima a la nuca (V1, por ¨¢rea visual uno, en la jerga). V1 solo ve l¨ªneas entre luz y sombra, horizontales, verticales o con cierto ¨¢ngulo de inclinaci¨®n. Eso es todo lo que entra.

Subiendo desde la nuca hacia la coronilla, se sucede un encadenamiento de ¨¢reas visuales (V2, V3 y otras con nombres m¨¢s caprichosos) que va abstrayendo la informaci¨®n progresivamente. Si V1 solo ve¨ªa l¨ªneas inclinadas, las siguientes ¨¢reas las abstraen en ¨¢ngulos, luego en pol¨ªgonos, despu¨¦s en poliedros y al final en una gram¨¢tica de las formas que nos permite construir un modelo interno de la persona que vemos, ya est¨¦ de frente o de medio perfil, enfadada o partida de risa. Ese es el que est¨¢ viendo la televisi¨®n.

En eso se basa tambi¨¦n el deep learning (aprendizaje profundo) de las m¨¢quinas. Las neuronas de silicio se organizan en muchas capas (decenas o cientos) que van abstrayendo progresivamente la informaci¨®n. Cada capa, por as¨ª decir, infiere un concepto a partir de la jungla que le transmite la capa anterior y, capa a capa, la informaci¨®n se va haciendo m¨¢s abstracta, menos pendiente de los detalles que de las propiedades invariantes de los objetos del mundo. Es como poner un nombre a las cosas, y esto es lo que hacen los actuales sistemas expertos.

Pueden leer en los art¨ªculos de este suplemento cosas interesantes sobre las oportunidades y los riesgos, los sue?os y las pesadillas. Pero recuerden los conceptos b¨¢sicos expuestos aqu¨ª. Les seguir¨¢n sirviendo dentro de 10 a?os.