El futuro de la inteligencia artificial reside en su pasado verdaderamente humano

Por Jonathan Tennenbaum

Parte 3

MSIA Informa, 11 de septiembre de 2020.-Luego del periodo de euforia han crecido las críticas al enfoque centrado en el “aprendizaje profundo” de la inteligencia artificial. Parece que estamos entrando a un nuevo capítulo de los ciclos de euforia y depresión que acompañan a la IA desde el principio, que tienen que ver con los flujos y reflujos del financiamiento de las agencias gubernamentales y de los inversionistas.

Hoy son muchos los que ven el futuro de la inteligencia artificial en el renacimiento de la IA simbólica –el enfoque inicial de la IA, que contemplaba alcanza un grado verdaderamente “humano” de inteligencia, con métodos de lógica simbólica (matemática).

La idea inicial es programar el sistema con un conjunto de axiomas (reglas), una matriz de predicados (símbolos que representan objetos, relaciones, atributos, campos, propiedades, funciones y conceptos) y reglas de inferencias, para que el sistema pueda ejecutar raciocinios lógicos semejantes a los hechos por los humanos.

Los primeros intentos de desarrollar la IA en esa dirección fueron difíciles, pero alcanzaron resultados útiles, principalmente en el campo de los sistemas especialistas. En 1983, el pionero de la IA John Macarthy observó que el desempeño de los sistemas especialistas en sus dominios especializados era, con frecuencia, bastante impresionante.

Sin embargo, ninguno de ellos poseía ciertos conocimientos y habilidades de sentido común que poseía cualquier ser humano sin problemas mentales. Esta deficiencia los vuelve “frágiles”. Los hechos y los métodos del sentido común se comprenden apenas de forma parcial, y extender ese entendimiento es el principal problema de la IA.

El intento más ambicioso de resolver ese problema es el proyecto “Cyc”, iniciado por el especialista en IA Douglas Bruce Lenat en 1984. Lenat y su equipo construyeron gradualmente un gigantesco sistema de IA, el que, en 2017, tenía 1,500,000 términos (416 categorías de objetos, más de un millón de objetos individuales), 42,500 predicados (relaciones, atributos, campos, propiedades, funciones), 2,093,000 hechos y 24 millones de reglas y aserciones del sentido común.

Muchas de las reglas se escribieron individualmente por integrantes del grupo de Lenat, lo que ocupó más de 1,000 hombres-año de trabajo.

El corazón de Cyc es un “mecanismo de inferencia” que saca conclusiones de declaraciones creadas a partir de los términos y predicados de acuerdo con las reglas. Para este fin emplea herramientas de lógica matemática, como el cálculo de predicados de segundo orden, lógica modal y lógica de contexto.

Todo eso es impresionante. Dejando de lado la cuestión del desempeño del Cyc en la práctica, que no estoy en condiciones de evaluar, algunas cuestiones importantes se presentan por sí mismas:

¿La estructura del Cyc se corresponde a la forma en cómo los seres humanos  adquieren y emplean el sentido común? O ¿es más una forma bastante sofisticada de ajuste de curvas, como tratar la cuadratura del círculo?

En el esfuerzo de aproximar la forma del círculo por polígonos con un número cada mayor de lados, estamos obligados a seguir agregando más y más lados. Pero los lados del polígono siguen siendo segmentos de líneas rectas; nunca recibimos nada curvo. Los polígonos “estúpidos” tienen más y más lados, mientras que el círculo no tiene ninguno. Es correcto decir que, en todo rigor, cada vez se vuelven más diferentes al círculo. La complejidad y el volumen de los bancos de datos de los sistemas de la IA, por analogía, pueden crecer indefinidamente en el futuro, sin llegar a la tierra prometida de la “inteligencia humana”. Esto, sin embargo, no impediría que la IA se convirtiese en un instrumento cada vez más valioso para los seres humanos, asumiendo que ellos permanezcan inteligentes lo suficiente para usarlo adecuadamente.

Estupidez de los pioneros de la IA

En la continuación de esta serie pretendo abordar, con algunos detalles, la segunda dimensión del problema de la estupidez de la IA, que se remonta a los pioneros de la IA y que todavía hoy permea el campo.

Aquí están algunas probaditas para estimular el apetito del lector y para completar algunos de los puntos presentados anteriormente en esta serie.

Quiero decir que a pesar de lo que recalqué al principio, no pretendo sugerir que los pioneros de la IA sean estúpidos. Sería estúpido. John von Neumann y Alan Turing, por ejemplo, eran individuos excepcionalmente brillantes, y esto vale también para muchos otros de este campo, hasta el día de hoy.

Lejos de eso, lo que tengo en mente es la estupidez de afirmar o creer que la cognición humana es esencialmente algorítmica por naturaleza y que se funda en procesos neuronales elementales de tipo digital, cuyos resultados pueden ser reproducidos exactamente por un computador de dimensiones suficiente: que el cerebro sea una versión biológica de un computador digital, para decirlo más concisamente.

¿Por qué fue estúpido hacer ese tipo de afirmación? ¿Por qué es estúpido seguirlo haciendo hoy?

En los siguientes artículos me concentraré en dos razones principales.

Neurobiología

Las neuronas vivas reales se comportan de una forma completamente diferente de los elementos de conmutación que componen un computador digital. Entre muchas otras cosas, las neuronas vivas, como todas las otras células vivas, tiene su propia actividad espontánea. Así como los pájaros cantan en los árboles, las neuronas en general emiten pulsos y ráfagas rítmicas de pulsos, en ausencia de cualquier señal de neuronas conectadas a ellas

Las redes reales de neuronas del cerebro de humanos y de animales no muestran nada del comportamiento rígidamente algorítmico implícito en los primeros modelos matemáticos de las redes neuronales. Tampoco se comportan como las redes neuronales en las que se fundan los actuales sistemas de IA de “aprendizaje profundo”.

Al paso de esta serie presentaré descubrimientos fascinantes de neurobiología hechos en las últimas décadas, los cuales demuelen lo que queda del “computador biológico” del cerebro.

Es claro que los datos modernos no estaban al alcance de los pioneros de la IA como John von Neumann y Alan Turing, ni de McCullock y Pitts, autores de los primeros modelos neuronales matemáticos. La base conceptual de la IA se estableció en las décadas de los años cuarentas y cincuentas.

Sin embargo, había muchas pruebas del comportamiento espontáneo de las neuronas, sus explosiones de pulsos, la llamada codificación de frecuencia en el control neuromotor, la existencia de formas químicas de comunicación del sistema nervioso, la presencia de oscilaciones de membranas, etc.

Por más interesante y fructífero que haya sido el desarrollo inicial de la IA, desde el punto de vista biológico, el modelo de la red neuronal no tenía sentido desde el principio. Los pioneros de la IA, sin embargo, seguían manteniendo la noción estúpida de que cerebro es esencialmente un sistema de computación digital.

Al creer que estaban listos para resolver los misterios del cerebro y de la mente, aquellos pioneros sobre estimaron enormemente el poder de sus propios métodos matemáticos y modos de pensar (E3), métodos que, es verdad, tuvieron éxito en la construcción de la primera bomba atómica, de la computación electrónica y de máquinas de descifrado, de radares, de sistemas de orientación automática y otras hazañas técnicas realizadas durante la Segunda guerra mundial y en la post guerra inmediata.

La naturaleza del significado

El significado de los conceptos esenciales, como ocurren realmente en la actividad cognitiva humana, no se pueden definir adecuadamente ni representarse en términos formales combinatorios. No se pueden almacenar en una base de datos de computador o incorporarse a una arquitectura de software.

Los pioneros de la inteligencia artificial deberían haber reconocido ese hecho, aún sin los resultados de KurtGödel en la lógica matemática, en los años treinta, con los cuales von Neuman, Turing y otros más estaban perfectamente familiarizados. Pero los argumentos de Gödel no dejan dudas razonables sobre lo inagotable del significado, hasta para conceptos supuestamente simples de matemática, como el de un “conjunto finito” o “verdad”, que se aplica a las proposiciones de la matemática.

A juzgar por sus escritos, queda la impresión de que los pioneros de la IA no entendieron  la importancia del trabajo de Gödel.

No es necesario, sin embargo, estudiar lógica matemática para reconocer que el “significado” está fuera del universo de las relaciones combinatorias.