Los inicios de la Inteligencia Artificial (IA) se basaron en tratar de emular las acciones que consideramos que son inteligentes. Por ejemplo, escribir poesía, entender un informe, jugar al ajedrez, hacer matemáticas simbólicas, etcétera. Para ello, los investigadores de hace unos cincuenta años usaron lo que tenían a la mano: lenguajes de programación quizás con poca expresividad, algoritmos lógicos, redes neuronales, entre muchas otras técnicas. Vamos, se usaba lo que se tenía y punto. E incluso de esta manera, se llegaron a tener algunos éxitos interesantes. Por ejemplo, Prospector logró hallar un yacimiento de molibdeno que se valuó en unos 6 millones de dólares, solamente “analizando” las fotos tomadas por los satélites en una determinada región.
Pero en nuestro tiempo, en pleno siglo 21, los científicos e ingenieros han hecho progresos notables en cómo trabaja el cerebro humano. Poco a poco las diferentes ramas de la ciencia contribuyen a un mejor entendimiento de la mente humana. Aún así, no podemos cantar victoria. Hay muchísimos fenómenos que estamos lejos de entender, la intuición, la creación artística, la composición musical, por ejemplo.
Un experimento reciente del MIT demuestra sin embargo que podemos intentar un enfoque alternativo a la IA. No se trata de lograr que una máquina haga lo que hacemos los seres humanos, sino que le enseñemos a pensar como pensamos los seres humanos, es decir, que aprendan las máquinas. Los investigadores se han dado cuenta que una máquina puede identificar clases de objetos, por ejemplo en este caso, caracteres escritos a mano, después de solamente ver un par de ejemplos. Si se les da a la computadora información sobre cómo se crean los caracteres, entonces la máquina es capaz de entender los componentes que forman la escritura y replicar el modelo que aparentemente los seres humanos usamos para este mismo proceso.
Pero ¿qué hay de las máquina que son capaces de identificar objetos abstractos? ¿Cómo es que los humanos siempre reconocemos una taza como una taza, independiente del color, forma, tamaño o textura de la misma? Y más asombroso aún, ¿cómo podemos hacer esto cuando solamente tenemos a la vista una porción del objeto?
Un nuevo estudio de investigadores del Georgia Tech muestran progresos en la creación de máquinas que pueden replicar el pensamiento de los seres humanos a través de lo que han llamado “proyección azarosa” (random projection). Los investigadores se dieron cuenta que los humanos usan menos del 1% de los datos disponibles sobre un objeto para poderlo identificar. Ellos creen que sus hallazgos explican porqué los seres humanos son capaces de procesar todo tipo de datos visuales de forma tan rápida en un día promedio.
La clave de la habilidad de la máquina es copiar a los seres humanos en este contexto y para ello han programado una red neuronal, tratando de simular precisamente el funcionamiento de la mente humana. En otro ejemplo, los investigadores de la Universidad de California, en Berkeley, han usado una red neuronal para programar un robot que puede enseñarse a sí mismo a caminar, como un niño pequeño aprende con el tiempo. Esta técnica parece ser muy efectiva y es lo que se llama básicamente “aprendizaje profundo”.
Tal vez ahí esté la clave de la verdadera inteligencia artificial. Así, no usemos todo el poder de los algoritmos como Minimax, alpha-beta, etcétera, para programar una computadora que juegue al ajedrez, porque sí, con este esquema se han logrado programas extraordinariamente fuertes pero no han servido para enseñarnos nada para mejorar nuestro juego. Se requiere probablemente un esquema alternativo. Se requiere observar cómo los seres humanos nos hacemos de información, cómo la usamos y cómo la clasificamos. Pudiese ser que esto sería una nueva fundación a la IA que sí, ha tenido unos pocos éxitos pero que en el promedio, queda a deber, y mucho.
Referencias: