LOS ROBOTS ENSAMBLADORES HACEN GRANDES ESTRUCTURAS A PARTIR DE PEQUEÑAS PIEZAS

Arriba: La foto muestra dos prototipos de robots ensambladores en el trabajo que reúnen una serie de pequeñas unidades, conocidas como voxels, en una estructura más grande.

Los sistemas de pequeños robots pueden algún día construir estructuras de alto rendimiento, desde aviones hasta asentamientos espaciales.

¿CÓMO CREA LA SOCIEDAD UNA GUÍA DE ÉTICA PARA LA INTELIGENCIA ARTIFICIAL?

Acuñada la cuarta revolución industrial, el avance de la inteligencia artificial y el aprendizaje automático trae una interesante discusión a la mesa. Debido a que la inteligencia artificial es tan completa y abarca varias industrias, nos encontramos haciendo preguntas oscuras como "¿Necesitamos legalizar la vigilancia predictiva de la inteligencia artificial?" O "¿Cómo solucionamos los sesgos de los algoritmos que determinan las promociones laborales?"

Al surgir estas preguntas, la clave que queda sin respuesta es la ética. ¿Cómo nos aseguramos de que las tecnologías de IA estén diseñadas éticamente?

La realidad o el observador

La REALIDAD es simplemente esa forma más o menos definida en que captamos y percibimos los hechos. Cada ser humano es un observador distinto. Y si bien podemos estar parados frente a un mismo objeto, cada cual interpretará ese objeto desde su propia experiencia, desde su sentir disímil, desde lo que le dijeron que debía “ser” ese objeto. Vale decir, cada cual le dará una SIGNIFICACIÓN diferente.

Estocástico

Un proceso estocástico es aquel cuyo comportamiento es no determinista, en la medida que el subsiguiente estado del sistema está determinado tanto por las acciones predecibles del proceso como por elementos aleatorios. No obstante, de acuerdo a M. Kac y E. Nelson, cualquier desarrollo temporal (sea determinista o esencialmente probabilístico) que pueda ser analizable en términos de probabilidad merece ser denominado como un proceso estocástico.

Igor Aleksander

Igor Aleksander:

Jefe del Departamento de Ingeniería de Sistemas neuronales del Imperial College de Londres. Uno de los mayores expertos en inteligencia artificial.

Planeta Humano

M.A.G.N.U.S.

Igor Aleksander ha creado, por primera vez en la historia de la informática, una especie de mezcla de maquina, ordenador y software, que se denomina MAGNUS (Multi-Automata-General-Neural-Units-Structure), capaz de tener consciencia, imaginar, sentir, tener deseos y soñar.

MAGNUS es la primera fase de consciencia artificial, su diseño y evolución, permitirá conocernos mejor a nosotros mismos, e iluminará lo extraordinario de las criaturas vivientes.

La base de esta consciencia artificial está en el desarrollo de las redes neuronales que no son ni más ni menos que ordenadores y software que simulan el comportamiento de las neuronas humanas.

Red Neuronal
Para llegar a la consciencia artificial se requiere en primer lugar una red neuronal. Estas redes son ordenadores y software que simulan a las neuronas humanas. En el ordenador convencional cualquier decisión es producto del programador, las redes neuronales no se programan de antemano sino que aprenden de una manera parecida al cerebro humano, captando la realidad a través de la experiencia y evitando planificadar todo por anticipado.

El equipo del profesor Aleksander ha producido un software con 250.000 neuronas, lo que supone cuatro millones de conexiones. Las neuronas de nuestro cerebro disparan 100 veces por segundo, un PC actual lo hace a 200 MHz ( 200 millones por segundo).

Por esta razón, aunque haya un menor número de neuronas en una red artificial que una cerebral, es la velocidad la que podrá hacer posible representaciones parecidas a las humanas.

En cuanto al tamaño también existen diferencias: La corteza cerebral extendida tiene una superficie de un metro cuadrado mientras que superficie de Magnus tiene la cuarta parte de una uña.

El ser vivo es consciente de que está vivo y de que tiene unas necesidades biológicas como el deseo de procrear, el deseo de sobrevivir y el deseo de ocupar un lugar en el mundo.

El ser artificial tendrá una consciencia basada en otro tipo de intereses, la mayoría tecnológicos.

A excepción de José Fulano Mengano ningún representante de la raza humana sabe qué es ser José Fulano Mengano. Según los científicos esta sensación es producto de impulsos neuronales, según los filósofos de la facultad contemplativa que permite especular sobre el mundo. Esta escisión será contemplada con la evolución de esta maquina.

Qualia
La consciencia depende en gran medida de la medida en que se adquieren los conocimientos, es decir con la experiencia acumulativa. Las qualia es la sensación interna de la cualidad de un objeto. Ese objeto puede ser una visión, un sonido, un aroma, toda una escena... El ser humano es capaz de combinar en una qualia "un bello atardecer en un día de primavera, mientras perdura en el aire un tenue aroma de jazmín". Magnus ha demostrado que es capaz de captar cualidades de objetos, aproximándose a las qualia humanas. Mientras, los filósofos argumentan que es imposible que esto se consiga con medios tecnológicos.

La consciencia y el lenguaje irán surgiendo del software neuronal, y el propio ordenador se atreverá a interpretar la información que le llega pos sus sentidos y su pensamiento.

Pero veamos lo que esta maquina-ordenador es capaz de hacer en estos mismísimos momentos, ya que aún no sabemos lo que puede llegar a aprender a lo largo de los años:

1. Magnus a primera vista parece un ordenador portátil: Cuenta con dos paneles, uno indica lo que se está observando y otro lo que esta pensando.
2. Magnus está dotado de visión: si se le muestra una imagen y se le pide que responda, nos dará una imagen de lo que vé.
3. Magnus aprende: la información se almacena en la RAM. Lo que se hace es reducir esa unidad de almacenamiento hasta el tamaño de una neurona. Por eso tiene un millón de "neuronas" en la red neuronal en lugar de la neurona única de los ordenadores normales.
4. Magnus habla: Cuando se le deja libre en los mundos simulados que se le almacenan, asocia los objetos con el nombre correspondiente y de este modo aprende el significado de las palabras.
5. Magnus tiene características cognitivas: como pensamiento, memoria ya tención. Tiene conocimiento de sí mismo, es capaz de explorar su mundo virtual y de tener sentido de lo que se puede hacer en ese mundo.
6. Magnus es consciente: sabe las muchas medidas que puede tomar, y elige la que más se adecúa a sus fines.
7. Magnus tiene voluntad: en la actualidad el programa tiene un sentido de dónde procede y a dónde le gustaría ir, y a veces toma decisiones arbitrarias.
8. Magnus imagina: desde lo posible, como un gato negro, hasta lo imposible, como las mariposas quiméricas que pueda haber en Marte.
9. Magnus tiene miedo: es consciente del esfuerzo invertido en su creación. Si algo amenaza el contenido de sus neuronas, donde se almacena dicho esfuerzo, el sistema tratará de protegerse.
10. Magnus envejece: a medida que envejece, hay una mayor cohesión en torno al conocimiento ya adquirido.
11. Magnus posiblemente sueña: sucede en la mayoría de los campos de las neuronas que se encuentran en estado inactivo. El autómata tiene libertad de vagar por su estructura dejándose llevar por el azar.
12. Magnus ¿ se emociona?: tiene capacidad de alejarse de situaciones y de acercarse a otras, lo que podría parecer como el comienzo del placer y del dolor.

La mente en pañales: 5- La vida y el tiempo

The child's word" es una serie documental que trata los principales acontecimientos y logros que marcan el camino en el increíble viaje de cada ser humano para convertirse en una persona independiente de pleno derecho. Se trata de cómo el trabajo de los niños y la forma en la mente universal en la que los procesos emocionales e intelectuales se desarrollan entre las edades de dos y doce años.

La mente en pañales: 5- La vida y el tiempo

Cada episodio cuenta la historia de la consecución de una habilidad específica o de la comprensión fundamental para operar en el mundo de los adultos. Se centra en cómo los niños adquieren un sentido de sí mismo, cómo navegar por el mundo social, la forma en que aprenden acerca de la mentira y cómo darle sentido al mundo físico. La serie también examina cómo los niños llegan a comprender la vida, la muerte y el sexo, y revela la larga lucha para liberarse de las ataduras parentales.
No se trata de crianza de los hijos. No se trata de lenguaje, sino sobre el comportamiento y la mente - cómo funcionan las mentes de todos los niños y la forma universal en la que los procesos cognitivos se desarrollan en el período previo a la adolescencia.

La mente en pañales: 3- La capacidad de mentir

The child's word" es una serie documental que trata los principales acontecimientos y logros que marcan el camino en el increíble viaje de cada ser humano para convertirse en una persona independiente de pleno derecho. Se trata de cómo el trabajo de los niños y la forma en la mente universal en la que los procesos emocionales e intelectuales se desarrollan entre las edades de dos y doce años.

La mente en pañales: 3- La capacidad de mentir

Cada episodio cuenta la historia de la consecución de una habilidad específica o de la comprensión fundamental para operar en el mundo de los adultos. Se centra en cómo los niños adquieren un sentido de sí mismo, cómo navegar por el mundo social, la forma en que aprenden acerca de la mentira y cómo darle sentido al mundo físico. La serie también examina cómo los niños llegan a comprender la vida, la muerte y el sexo, y revela la larga lucha para liberarse de las ataduras parentales.

No se trata de crianza de los hijos. No se trata de lenguaje, sino sobre el comportamiento y la mente - cómo funcionan las mentes de todos los niños y la forma universal en la que los procesos cognitivos se desarrollan en el período previo a la adolescencia.

La mente en pañales: 1- El adivino

The child's word" es una serie documental que trata los principales acontecimientos y logros que marcan el camino en el increíble viaje de cada ser humano para convertirse en una persona independiente de pleno derecho. Se trata de cómo el trabajo de los niños y la forma en la mente universal en la que los procesos emocionales e intelectuales se desarrollan entre las edades de dos y doce años.

La mente en pañales: 1- El adivino

Cada episodio cuenta la historia de la consecución de una habilidad específica o de la comprensión fundamental para operar en el mundo de los adultos. Se centra en cómo los niños adquieren un sentido de sí mismo, cómo navegar por el mundo social, la forma en que aprenden acerca de la mentira y cómo darle sentido al mundo físico. La serie también examina cómo los niños llegan a comprender la vida, la muerte y el sexo, y revela la larga lucha para liberarse de las ataduras parentales. No se trata de crianza de los hijos. No se trata de lenguaje, sino sobre el comportamiento y la mente - cómo funcionan las mentes de todos los niños y la forma universal en la que los procesos cognitivos se desarrollan en el período previo a la adolescencia.

Entregado a la suerte

Los ordenadores son totalmente racionales, y, en consecuencia, Incapaces de elegir un numero al azar, que es una tarea irracional

El metodo Monte Carlo
Este metodo lo invento John Von Neumann y se vale de los numeros al azar para calcular las respuestas a problemas matematicos. En matematicas, con frecuencia se necesita calcular la superficie delimitada por una curva y esto, en cierto sentido, es analogo a hallar la superficie de una isla cuando solo se dispone de un mapa de las lineas costeras. Se ilustra el mapa de Gran Bretaña en un recuadro de dimensiones conocidas, que sera bombardeado por puntos al azar. Dado que las posiciones de os puntos se generan aleatoriamente, caerán sobre toda la superficie enmarcada en el recuadro, y el número que caiga dentro de la isla será proporcional a la superficie de Gran Bretaña. Utilizando 40 numeros aleatorios hallamos que 24 caen en el mar y 16 en tierra. Por tanto, la superficie de la isla es: 16/40 X (1050x550)= 16/40 X 577500= 231000 Kilometros cuadrados. Si se utilizara un mayor numero de puntos al azar, el resultado se aproximaria mas a la cifra de 229523 km2, la superficie de Gran Bretaña.

"Elija un numero al azar." Esta es una de las cosas más fáciles para cualquiera; pero, paradójicamente, esta sencilla tarea es imposible para un ordenador.

Un numero al azar, o aleatorio, es un numero imposible de predecir en cualquier circunstancia. Un ordenador no hace más que seguir instrucciones y necesita una razón para todas las acciones que asume, de modo que cualquier número que cree será la consecuencia de una serie de instrucciones. Independientemente del grado de complejidad de estas instrucciones, el número será aun teóricamente predecidle y por ello el número no es auténticamente aleatorio.

Sin embargo, se pueden obtener auténticos números aleatorios a partir de procesos físicos. Por ejemplo, en Gran Bretaña, el ERNIE (Electronics Ramdom Number Indicator Equipment: Equipo electrónico indicador de números al azar) utiliza el movimiento al azar de electrones libres para elegir los números ganadores de los bonos emitidos por las cajas de ahorros y que participan en una especie de lotería nacional.

Fue Von Neumann quien concibió la idea de números seudo aleatorios, que se podían crear matemáticamente. Su método consistía en tomar un numero de cuatro dígitos, por ejemplo, el 4321, y elevarlo al cuadrado. Del resultado obtenido de ocho dígitos, 18671041, el tomaba los cuatro digitos centrales, 6710, como el numero al azar. Este se convierte luego en la "semilla" a partir de la cual se creara el numero siguiente. De manera que 6710 al cuadrado da 45024100, cuyos dígitos centrales son 0241, que se convierte en el número aleatorio, y así sucesivamente. Este proceso puede seguir indefinidamente, pero dado que el total de los diferentes números posibles con cuatro dígitos es limitado (9999), tarde o temprano la secuencia habrá de empezar a repetirse.

Los ordenadores modernos utilizan procedimientos más complicados que proporcionan números seudo aleatorios al instante. Los números Aleatorios se generaron por primera vez electrónicamente para que los emplearan los ingenieros de telecomunicaciones, cuando intentaban simular las fluctuaciones de la demanda en las centrales telefónicas. En la actualidad se emplean para muchos fines, desde la simulación de procesos que fluctúan al azar en los juegos por ordenadores, hasta la evaluación de difíciles funciones matemáticas. Para la mayoría de las aplicaciones, los algoritmos para números aleatorios se pueden considerar genuinamente al azar.

EL ASNO RACIONAL
Imaginemos que colocamos a un asno totalmente racional a medio camino entre dos pilas de heno identicas. El asno no puede escoger la pila mas grande porque ambas son iguales, y no puede escoger la que esté más cerca por que el esta exactamente en medio de las dos. De modo que tal vez el animal se dirigiera a la que hubiera visto primero. Pero ¿por que habria de mirar a una en lugar de a la otra? Puesto que no existe razon alguna que le haga elegir una pila y no la otra, el asno simplemente se quedaría allí, en el medio, y se moriría de hambre. Del mismo modo, los ordenadores no puden generar números auténticamente aleatorios, por que todo lo que hacen lo realizan estrictamente de acuerdo a la razon.

Asno de Buridán

El asno de Buridán es el nombre que se le da al animal que protagoniza un antiguo argumento de reducción al absurdo contra Jean Buridan (1300 - 1358), teólogo escolástico discípulo de Guillermo de Ockham, defensor del libre albedrío y de la posibilidad de ponderar toda decisión a través de la razón. Para satirizar su posición, algunos críticos imaginaron el caso absurdo de un asno que no sabe elegir entre dos montones de heno (o, en otras versiones, entre un montón de avena y un cubo de agua), y que a consecuencia de ello termina muriendo de inanición (o de sed). Se trata, según algunos, de una paradoja, ya que, pudiendo comer, no come porque no sabe, no puede o no quiere elegir qué montón es más conveniente, ya que ambos montones le parecen iguales. Aristóteles, en el De Cælo, ya se había preguntado cómo un perro confrontado ante dos cantidades idénticas de alimento podría comer.

El ejemplo del asno que muere de hambre por indecisión parece inverosímil, pero es posible imaginar casos menos extremos y más intuitivos de la misma paradoja: piénsese en alguien que sigue la máxima de hacer siempre primero lo que es más urgente y, enfrentado ante varias tareas urgentes, su propia deliberación acerca de cuál es la tarea prioritaria le hace perder valiosísimo tiempo. O piénsese en una persona que ama a dos pretendientes ¿puede amarlos a ambos con la misma fuerza y perderlos a ambos por culpa de su indecisión?

Racionalidad y simetría

El problema es un ejemplo del uso del principio de razón suficiente formulado siglos más tarde por Leibniz, según el cual si no hay una razón suficiente para que una cosa suceda en vez de otra, el principio afirma que no sucede nada, la situación inicial no cambia. La paradoja del asno de Buridán aplica el principio anterior a una situación de simetría bilateral. Otro contexto en el que se suele aducir la paradoja es como argumento de reducción al absurdo del racionalismo para justificar la fe religiosa. Como el asno muerto de hambre, debemos supuestamente tomar una decisión no racional para evitar quedar paralizados en una duda sin fin. Un contra-argumento típico responde que es perfectamente racional reconocer que ambas opciones son igualmente buenas y escoger arbitrariamente una en vez de morir de hambre.

Racionalidad y valor

Por otra parte, en un contexto de interpretación ligeramente distinto al anterior, el significado atribuido a la paradoja es que permite reconocer que ya sea que consideremos racional o no a la decisión, la misma estará siempre impregnada de la noción de valor. Pues la situación planteada en la paradoja conduce a la inmovilidad porque propone al asno dos opciones de igual valor. Pero la mayoría de las decisiones humanas se basan en la percepción de una diferencia de valor; más allá de que tal valoración pueda considerarse racional o no.

Sistema de anti-distracción

Científicos canadienses han descubierto que para concentrarse en algo, tan importante es centrarse en ese objeto o tarea como suprimir la atención hacia otros objetos irrelevantes. En concreto, han descubierto un mecanismo cerebral que suprime esa atención innecesaria, y que en algunas personas no se activa suficientemente.

Encefalograma

Los psicólogos de la Universidad Simon Fraser (Columbia Británica, Canadá) han hecho un descubrimiento relacionado con el cerebro que podría revolucionar la percepción y el tratamiento de los trastornos de déficit de atención por parte de los médicos.

Según ellos, existe la posibilidad de que los factores ambientales y/o genéticos puedan impedir o reprimir una actividad específica del cerebro que los investigadores han identificado, y que ayuda a evitar la distracción.

The Journal of Neuroscience acaba de publicar un artículo sobre el descubrimiento, realizado por John McDonald, profesor asociado de psicología, y su estudiante de doctorado John Gaspar, que hizo el descubrimiento durante la investigación para su tesis de máster.

Un mecanismo de supresión activa

Este es el primer estudio que revela que nuestros cerebros dependen de un mecanismo de supresión activa para evitar ser distraídos por información llamativa pero irrelevante cuando nos queremos centrar en un tema o una tarea en particular.

McDonald, experto en Neurociencia Cognitiva, y otros científicos, descubrieron por primera vez la existencia de esta supresión en 2009. Pero, hasta ahora, poco se sabe sobre la forma en que nos ayuda a ignorar las distracciones visuales

"Este es un descubrimiento importante para los neurocientíficos y psicólogos porque la mayoría de las ideas contemporáneas sobre la atención destacan los procesos cerebrales que intervienen en la selección de objetos relevantes del campo visual. Es como encontrar a Wally", explica Gaspar en la nota de prensa de la universidad. "Nuestros resultados muestran claramente que esto es sólo una parte de la ecuación y que la supresión activa de los objetos irrelevantes es otra parte importante."

La distracción en nuestra sociedad

Dada la proliferación de dispositivos de consumo distrayentes en nuestra sociedad de ritmo rápido, dirigida por la tecnología, los psicólogos dicen que el descubrimiento podría ayudar a los científicos y profesionales de la salud a tratar mejor a las personas con déficits de atención relacionados con la distracción.

"La distracción es la principal causa de lesiones y muerte en la conducción y otros entornos de alto riesgo", señala McDonald. "Existen diferencias individuales en la capacidad para hacer frente a la distracción. Los nuevos productos electrónicos están diseñados para captar la atención. La supresión de tales señales requiere esfuerzo, y a veces la gente parece que no puede hacerlo".

Trastornos

"Por otra parte, puede resultar que los trastornos relacionados con el déficit de atención, como el TDAH y la esquizofrenia, sean debidos a las dificultades en la supresión de los objetos irrelevantes en lugar de a dificultades para seleccionar los relevantes."

Los investigadores están volcando ahora su atención en la comprensión de cómo hacer frente a la distracción. Están viendo cuándo y por qué no podemos suprimir los objetos potencialmente distractores, si algunas personas son más capaces de hacerlo que otras, y por qué esto es así. "Hay evidencia de que las habilidades atencionales disminuyen con la edad y que las mujeres son mejores que los hombres en ciertas tareas de atención visual", explica Gaspar.

El estudio se basó en tres experimentos en los que 47 alumnos realizaron una tarea de búsqueda visual que exigía atención. Su media de edad era de 21 años. Los investigadores estudiaron sus procesos neuronales relacionadas con la atención, la distracción y la supresión mediante el registro de las señales eléctricas de sus cerebro, a través de sensores integrados en un gorro que llevaban puesto.

El tiempo y los exponentes

Nuestra capacidad de comprensión de cantidades numéricas es una estafa biologica. Para cantidades muy bajas las cifras parecen tener significado. Entendemos muy bien qué diferencia hay entre que a nuestra casa vengan a cenar tres personas o catorce. Puedo establecer comparaciones entre cantidades pequeñas y grandes (doce contra dos mil es una pelea desigual) pero… ¿qué nos pasa cuando trabajamos con cifras muy altas?

El más absoluto desastre. Por ejemplo, ¿cuántos granos de trigo caben en una habitación de tres metros cúbicos de volumen? Ni la más remota idea ¿Un millón? ¿Seis millones? ¿Trescientos mil? Es muy difícil, podría objetarse. Sí, pero, ¿tanto para que no podamos ni siquiera realizar una aproximación razonable? ¿Cuántos es cinco elevado a cuarenta y dos? ¿Es más que seiscientos millones? Cuando oímos cifras tan altas todas nos suenan igual. ¿Mi cerebro entiende algo distinto cuando oye 7.345.456.123.343 que cuando oye 1.245.345.212? “Un montonazo” afirma igualmente para ambas cifras.

Hace tiempo, hablamos de que es más difícil caminar que realizar ecuaciones debido a que el sistema de locomoción es mucho más antiguo que el neocortex, por lo que la evolución ha tenido mucho más tiempo para perfeccionar nuestras piernas que nuestras neuronas dedicadas a calcular. Por eso la Inteligencia Artificial hace máquinas que resuelven complejos algoritmos pero no que corran más que Usain Bolt. Es la llamada Paradoja de Moravec. Además es que para sobrevivir no hace falta manejar cifras exponenciales. ¿Cuántos tigres van a venir a comerme? ¿Cómo repartimos la carne? Desde luego no en cincuenta millones de trozos. Nuestros ancestros no necesitaban unas matemáticas tan potentes para sobrevivir y nosotros heredamos su torpeza.

Pero, ¿Y si nosotros las necesitáramos para comprender nuestra realidad? La diferencia entre cinco y cincuenta millones no es sólo cuantitativa. Una piedra que pesa cinco gramos es pequeñita, mientras que una piedra que pesa cincuenta millones de gramos… Tiene que ser algo muy grande y destructivo pero… ¿Cuánto de grande? ¿Lo pueden imaginar con facilidad? Yo no, pero el caso es que el hecho de que una roca pueda demoler un edificio y la otra no es una diferencia cualitativa que surge de un aumento cuantitativo.

Las diferencias cuantitativas generan diferencias cualitativas, propiedades que emergen de las diferentes relaciones entre las partes, puntos sin retorno, puntos de fractura, momento a partir del cual… El tamaño sí que importa (lo siento machotes), las escalas importan. El Universo no parece funcionar igual a escala cuántica que a escala humana o planetaria. Y la escala cuántica y la planetaria, la de los muy pequeño y la de lo muy grande funcionan con números exponenciales. Tenemos millones de neuronas, millones de receptores sensoriales, millones de conos y bastones, millones de células, virus y bacterias multiplicándose a gran velocidad… incluso la biología también es exponencial. Supongo que será un reto para el evolucionismo explicar cómo los billones de células de cualquier mamífero se han puesto de acuerdo por pequeñas variaciones aleatorias para mantenerlo con vida.

¿Y cómo calcular números tan altos? Llegan las supercomputadoras que, para calcular cifras astronómicas, también ellas mismas lo son: millones de puertas lógicas, millones de nanotransistores, millones de bits… Para ellas, cada vez es menos peligroso que ocurran explosiones combinatorias pues sí saben pensar exponencialmente. ¿Tendrán ellas que enseñarnos la auténtica verdad? ¿Serán ellas las herederas del progreso del conocimiento, quedando los seres humanos obsoletos? No necesariamente. De lo que se trata no es de tener una capacidad de cálculo increíble (en eso ya no podemos competir ni con una calculadora de dos dígitos comprada en los chinos), sino de entender el significado de las cantidades exponenciales. Por ejemplo, cuando entró el euro, todos hacíamos constantemente esfuerzos para pasar los euros a pesetas. Las cantidades en pesetas nos eran significativas. Yo sabía que si por una cerveza me cobraban seiscientas pesetas me estaban timando, y sabía que un coche medio costaba unos dos millones. Sin embargo, cuando me decían 300.000 euros, sólo podía decir “eso es mucho dinero”. Al cabo del tiempo las cantidades en euros cobraron significado por sí mismas y ya no tenemos (casi nunca) que pasarlas a pesetas. Sé que podría pagar por un coche hasta 20.000 euros y que cobrar menos de 10.000 euros anuales es explotación en su sentido más genuino.

Si los intelectuales, hemos de ser los cronistas conceptuales de nuestra época, como afirmaba Hegel, para unos tiempos exponenciales hemos de aprender a pensar exponencialmente.

vonneumannmachine

La independencia del substrato

Una de las más espectaculares promesas de la IA fuerte es lo que llamamos mind uploading: la posibilidad de descargar nuestra mente en la memoria de un ordenador.

Es una original propuesta de inmortalidad, dado que una memoria computacional física puede ser reparada en todas sus partes siendo potencialmente eterna. En un momento del futuro, toda la humanidad (o un selecto grupo de elegidos) podría ser volcada dentro de enormes memorias informáticas, dando el salto a un mundo virtual en donde la felicidad completa, antes sólo prometida postmortem, será alcanzada. El potencial especulativo de esta afirmación es enorme: ¿Podrían unirse varias mentes en una creando la emergencia de una supermente colectiva? ¿Qué siente alguien viviendo dentro de un computador? ¿Podríamos apagar y volver a encender las mentes almacenadas?

Entre los muchos presupuestos necesarios para que la mind uploading sea posible se encuentra la independencia de substrato: nuestra mente puede funcionar exactamente igual independientemente de la base física que la sostenga. Lo importante sería replicar la estructura del sistema que nos permite pensar, no su material, de modo que si podemos copiar la estructura de nuestras intrincadas redes neuronales (wetware) en chips de silicio, dichos chips tendrán las mismas funciones que nuestro cerebro. Este dualismo soluciona, por ejemplo, el viejo enigma del barco de Teseo: ¿Cuántas piezas hay que cambiar a un barco para que ese barco ya no sea el mismo sino otro diferente? Desde la independencia de substrato diríamos que el cambio de piezas es indiferente para la identidad de cualquier ente. Lo esencial es su estructura, por lo que si el barco mantiene la estructura inicial seguirá siendo el mismo a pesar de no tener nada de su materia inicial. La misma idea parece subyacer en las palabras de Sebastian Seung y su concepto de conectoma.

Cuando Seung dice que somos nuestro conectoma está queriendo decir que nuestras funciones cognitivas superiores son el resultado (o se identifican. Ignoro la postura que Seung tiene en este tema) de una complejidad estructural. Entonces, lo de menos es la base física, cualquiera vale, lo importante es meramente la complejidad estructural. Seung tiene la esperanza de que algún día se desvele el misterio y sepamos toda la exponencial cantidad de conexiones sinápticas. Sin embargo, esto encierra un grave problema que creo que no suele tenerse en cuenta y que reside, precisamente, en dar por sentada la independencia de substrato.

La conciencia, nuestros sentimientos y nuestros recuerdos surgen de esa intrincada red neuronal de un modo absolutamente desconocido a día de hoy. Los científicos, especialmente neurólogos e ingenieros de AI, tienen poca paciencia y quieren hacer un modelo del cerebro dejando de lado ese desconocimiento. Así, elaboran modelos matemáticos partiendo únicamente de la idea cajaliana de que las neronas son herramientas de transmisión de información que funcionan de modo discreto disparando pulsos eléctricos. Los diferentes modelos neuronales (desde los primeros intentos de McCulloh y Pitts, los perceptrones de Rosenblatt, hasta las redes de Hopfield o las máquinas de Boltzmann) parten de la base de que lo único que hacen las neuronas es lanzar o no pulsos eléctricos, de manera que su actuación puede formalizarse fácilmente en código binario. Los diferentes modelos intentan hacer el mayor número de operaciones (operaciones lógicas, memoria asociativa o reconocimiento de patrones) partiendo de esta hipótesis. Como en la realidad podemos encontrar elementos físicos biestables (cosas que puedan estar en dos estados diferentes el tiempo suficiente: el magnetismo de las memorias informáticas), podemos construir redes neuronales artificiales. Es curioso que nadie haya caído (o sí, vete tú a saber) en que en este planteamiento hay una contradicción inicial muy básica: si las neuronas sólo transmiten información, ¿cómo van a poder generar consciencia? ¿Es que la consciencia es sólo un pulso eléctrico o un transporte de información? No, responderían aireados, la consciencia surge de la complejidad de interconexiones eléctricas, no de las propiedades de los pulsos eléctricos entendidos individualmente. Pero, ¿qué significa realmente que algo pueda surgir de su complejidad estructural?

No significa nada, pues aquí está el error. Yo puedo hacer que mi computadora sea muy compleja en el sentido de que cada vez pueda resolver un número mayor de problemas matemáticos (de hecho los problemas con los que se enfrentan los ingenieros de redes neuronales artificiales son exclusivamente de índole matemático), pero no puedo hacer otra cosa. No, podríamos replicar, si yo conecto mi red neuronal artificial, por ejemplo, a un brazo robótico, podría emular los movimientos de un brazo humano. Los problemas matemáticos se traducen en replicar acciones humanas. Cierto, algunos problemas son de este tipo. Sin embargo, ¿cómo se espera resolver matemáticamente el problema de la conciencia? La conciencia es una entidad real, “física” en el sentido de estar en el mundo como lo está un mueble. No digo que la conciencia sea una cosa, pero sí que será un proceso o, de alguna manera, la propiedad de un sistema físico. Lo poco que sabemos es que la conciencia emerge (o se identifica, o es causada o lo que queramos decir aquí) de un determinado sistema físico: el cerebro. Un sistema, por otra parte, con unas propiedades fisico-químicas muy concretas. Entonces parece razonable pensar que las propiedades físico-químicas del cerebro tendrán mucho que ver con el fenómeno de la conciencia, del mismo modo que las propiedades físico-químicas del estómago tienen mucho que ver con la digestión. ¿En qué se basan entonces para decir que nuestra mente es un conectoma, una complejidad estructural independiente del substrato donde se realice? ¿Es que acaso hemos comprobado alguna vez que otra química diferente a la del carbono dé lugar a algún tipo de conciencia? ¿Es que acaso podemos encender fuego únicamente con un modelo matemático de la combustión?

Nada surge meramente de lo complejo, igual que nada es exclusivamente una estructura. Los ingenieros de AI piensan que si tenemos un mapa muy detallado de lo que es una gallina escrito en un papel, ya tenemos realmente una gallina. No, para hacer una gallina hacen falta átomos de gallina. Y quizá, los átomos de gallina tienen unas propiedades tales que sólo con átomos de gallina podemos hacer gallinas, y no con cualquier otro substrato que se nos antoje estructuralmente similar. La independencia de substrato es una tesis que suele aceptarse con demasiada ligereza.

vonneumannmachine

Alabada sea su divina Singularidad

En las míticas conferencias de Dartmouth, los pioneros de la IA pronosticaron que en unos pocos años tendríamos seres mecánicos con las mismas características que el ser humano. Alan Turing, Marvin Minsky o John McCarthy pensaban que las computadoras tendrían conducta inteligente e incluso consciencia y emociones en unas décadas.

Desde la filosofía, pronto se lanzó una feroz crítica a estas pretensiones: John Searle, Herbert Dreyfus, Joseph Weizenbaum o Margaret Boden se apresuraron en mostrar los problemas filosóficos existentes tras tales pretensiones. Filósofos e ingenieros se enzarzaron en una ardua polémica (bueno, más bien sólo filósofos con filósofos. Los ingenieros siguieron trabajando como si la filosofía no existiera, cosa que han hecho siempre). En la actualidad parece que los filósofos han ganado la partida ya que, a parte de que sus ataques fueron bastante certeros en algunos casos (es muy famoso el argumento de la habitación china de Searle) y a que es más fácil destruir que construir, las promesas de Dartmouth están aún muy lejos de conseguirse.

Jaron Lanier ha revitalizado la polémica en un reciente artículo en donde acusa a estas exageradas pretensiones de la AI de ser la nueva ideología de moda, la nueva pseudoreligión que acompaña nefastamente el desarrollo de las ciencias de la computación provocando, según Lanier, una mala comprensión de las mismas y de lo que es realmente el hombre.

Son ciertas las pretensiones mesiánicas de muchos tecnofílicos. Hemos leído con cierta frecuencia fabulaciones como que podremos descargar nuestra mente en ordenadores consiguiendo la inmortalidad o, de modo apocalíptico, que acabaremos siendo esclavizados o exterminados por beligerantes máquinas futuristas. El gran guru de la IA, Raymond Kurzweil habla con total naturalidad de la singularidad tecnológica, momento histórico en el cual las máquinas serán tan superiores al ser humano actual que nos es imposible establecer cualquier tipo de predicción del futuro desde ese momento. Leo en El hombre mecánico de Hans Moravec:

Lo que nos espera no es el olvido, sino un futuro que, desde nuestra ventajosa situación actual, se puede describir con las palabras “posbiológico” o, mejor aún, “sobrenatural”. En este mundo, la marea del cambio cultural ha barrido al género humano y lo ha sustituido por su progenie artificial. Las consecuencias finales todavía nos resultan desconocidas, aunque muchos de los pasos intermedios no sólo son predecibles sino que ya se han dado. En la actualidad, nuestras máquinas son todavía creaciones simples que precisan los cuidados maternales y la atención constante de todos los recién nacidos. Y no se puede decir que merezcan el calificativo de “inteligentes”. Pero en el curso de un siglo madurarán, se convertirán en seres tan complejos como nosotros y, finalmente, en entes que trascenderán todo lo que conocemos, de los que nos podremos sentir orgullosos y considerarlos nuestros propios descendientes.

Nótese que Moravec no duda en hablar de la futura generación de máquinas inteligentes como seres sobrenaturales como si no pasara nada. Y es que la advertencia de Lanier es muy cierta:

1. Que en una ciencia se introduzcan elementos propios de las religiones es en sí nefasto. La ciencia ha de huir del ethos de la religión, no acercarse a él. La predicción salvajemente especulativa sin base empírica (a lo sumo apoyada en una discutible ley de Moore) nos recuerda a la espera cristiana de la segunda llegada de Dios. No dejemos que vicios que ya creíamos superados vuelvan a introducirse en la ciencia.

2. Ésto sólo a causado que se cancele la financiación de interesantes proyectos en AI debido a lo irreal de sus objetivos. Si en vez de prometer replicas de humanos habláramos sólo de sistemas expertos que sirven de ayuda profesional seguro que los mecenas verían la gran utilidad de estos ingenios sin defraudarse por no encontrarse con HAL 9000.

3. Al contrario que la mayoría de los filósofos, yo no encuentro contradicción alguna a la posibilidad de que puedan crearse seres artificiales que tengan formas de consciencia e, incluso, poseer emociones. Sin embargo, reconozco tanto que podría haberla y aún no la conocemos, como que aún estamos lejísimos de conseguirlo. Seguramente que el modelo computacional actual no es el adecuado para representar el pensamiento humano (o, simplemente, es todavía muy sencillo) y nuestra tecnología es tan pobre que no da ni para hacer predicciones a corto plazo de lo que podríamos conseguir en el campo de la computación; más aún cuando su avance está sujeto a los devenires propios de cualquier progreso histórico: la economía, los cambios socio-culturales, las modas… e incluso los caprichos de ese extraño ser que se resiste tanto a ser replicado al que llamamos hombre.

Sistema universal de símbolos

En las actuales ciencias cognitivas, el concepto de información se ha postulado como central para comprender el funcionamiento de la mente. Muchos afirman rotundamente que la mente es un sistema universal de símbolos, es decir, una máquina que transmite, manipula, modifica información.

Tal tesis quedó avalada por el descubrimiento fundacional de las neurociencias: la neurona, una célula cuya primordial misión parece ser la de transmitir información. Además, parece hacerlo de modo relativamente simple, mediante un sistema sumatorio de pesos que hace que una neurona se dispare o no en función de los estímulos recibidos por otras neuronas (la grandísima aportación de Hebb). Además, debido a la plasticidad cerebral, las asambleas de neuronas pueden aprender. En los modelos matemáticos que tenemos de ellas el aprendizaje es arduo y costoso, pero, a la postre eficaz. Podemos entrenar estas agrupaciones de células simples para que hagan un montón de cosas y, a pesar de la dura crítica de Papert y Minsky que dejó está vía de investigación paralizada durante años, hoy ha renacido con fuerza consiguiendo algunos notables resultados.

La idea parece muy buena. Los pioneros de la Inteligencia Artificial pensaban que la mente era algo así como el software de nuestro cerebro, de modo que lo que había que encontrar era ese programa maestro que emulara perfectamente a la mente humana. Pero, pensándolo bien, el cerebro no parece tener un programa que funcione a modo del Prolog o del Lisp (aunque muchos así lo siguen defendiendo: es el popular mentalés). Parecía más lógico empezar por debajo: en vez de construir el software, hagamos el hardware y veremos lo que pasa. Así, basándose en estudios del sistema nervioso, se construían modelos matemáticos y se comprobaba que podían hacer. Es el clásico programa conexionista.

Los modelos de redes neuronales siguen avanzando y, de momento, son lo más parecido que tenemos a cómo los cien mil millones de neuronas que contiene nuestro cerebro, pueden hacer que tengamos vida mental. En este vídeo vemos un pequeño ejemplo de un robot diseñado por Pentti Haikonen a partir de su famosa arquitectura.

El robot detecta la dirección de la fuente de sonido y se acerca a ella. Todo lo hace sin ningún tipo de programa (nada de if, for, case, class, main…) ni realizando ningún cálculo. Simplemente sigue los patrones de una red de neuronas: puro cableado que muestra una notable similitud con lo que parecen ver los neurólogos al cartografiar nuestro cerebro. Es posible que, realmente, nuestro sentido auditivo pueda funcionar así. Es un gran logro y una magnífica vía de investigación que, sin duda, dará un montón de frutos.

Sin embargo (mi famoso sin embargo con el que empiezo el 90% de mis argumentaciones) hay un problema muy grande. Para ciertos procesos mentales el modelo de Haikonen parece muy apropiado, pero sólo para ciertos procesos mentales. ¿Cuáles? A saber, los inconscientes. Porque un sistema basado únicamente en el concepto de información no puede dar constancia de nuestros estados mentales conscientes. Razonemos:

1. He leído mucho acerca del concepto de información, incluso libros dedicados en exclusiva a ese concepto, y no he encontrado una definición satisfactoria. En muchos casos he encontrado una definición matemática (I=1/logp), la cual relaciona la información que disponemos de un suceso con su probabilidad. Está muy bien, y da para pensar un montón, pero no nos dice realmente qué es la información. Un ejemplo muy ilustrativo al respecto es el siguiente: supongamos que tenemos varios medios para codificar una información: una cinta de cassette, un disco de vinilo y un CD. En ambos está guardada la misma canción. Los tres medios están compuestos de materiales diferentes: la cinta de cassette es de plástico unida a diferentes materiales magnéticos que graban la información de forma mecánica y analógica; el disco de vinilo graba la información en surcos en su superficie; y el CD está hecho de policarbonato y aluminio grabando la información de modo digital. Tres materiales diferentes que, maravillosamente, nos dan el mismo resultado: escuchar la misma canción. ¿Qué es lo que tienen en común estos tres objetos hechos de materiales diferentes y estructurados de distinta forma? La información que guardan. Vale pero, ¿qué es exactamente eso que los tres guardan por igual? Vergonzoso silencio.
2. La información sólo tiene sentido en la medida que informa a algo o a alguien. La información es simbólica, refiere a algo, da como resultado algo que no es ella misma, tiene necesariamente una función dentro de un todo más grande. Por ejemplo, en un termostato que activa la calefacción cuando la temperatura baja a 10ºC, cuando el termómetro llega a tal temperatura informa a la caldera para que se active. Su único sentido es activar la caldera. Sin calefacción, el termómetro del termostato sólo es una barra de mercurio que se contrae o se dilata, un objeto sin sentido informativo alguno. Dicho de otro modo: la información no es nada, no es un “objeto” de la naturaleza si no existe un sujeto que la utilice. La naturaleza, sin seres vivos o máquinas que traten la información, está desinformada, no contiene información alguna, porque la información no es una propiedad objetiva, sino subjetiva.
3. Entonces, y aquí viene lo importante, la mente no puede ser sólo flujo de información, ya que esa información tiene sentido sólo si informa a algo o a alguien. En la máquina de Haikonen, la información que pasa por los cables tiene sentido en la medida en que activa los motores del robot. La información sólo es información cuando causa cosas. A fortiori, el cerebro sí que puede contener flujos de información, pero eso no es lo esencial en ella: lo esencial es que produce pensamientos, emociones, recuerdos, etc. La información puede activar cierto estado mental, pero no puede ser ese estado mental. Al igual que en el robot de Haikonen, la información causa que el robot se mueva, pero el movimiento no es información.
4. Conclusión: que el cerebro contenga un montón de información y que esa información fluya a raudales por sus fibras nerviosas no nos dice nada de la naturaleza de los estados mentales. O, como mucho, sólo nos dice una pequeña parte de la historia. Si entendemos el proceso en términos de entrada y salida, un input (información) como ver al ministro de educación, estimula mis neuronas y hace que la información fluya por ellas para producir un output (resultado que no es información) como puede ser un ataque de pánico (estado mental). La información informa a “alguna parte de mi cerebro” para que ésta produzca, de una manera totalmente desconocida a día de hoy por la ciencia, un estado mental (que ya no es información, sólo es una sensación consciente).
5. Estudiar la mente en términos de la teoría de la información puede dar grandes resultados y, a mi juicio, ha sido uno de los grandes descubrimientos del siglo XX, pero no puede ser toda la historia. Lo importante es saber cómo esa información produce estados mentales. Debe existir algún tipo de mecanismo o proceso físico o biológico desconocido aún que produzca sensaciones, que haga que yo tenga miedo o que piense en mi abuela. Y eso no puede ser un conjunto de neuronas que únicamente se transmitan información unas a otras porque la información no es nada si no hace algo. Descubrir qué es ese algo debe ser la línea fundamental de investigación si queremos saber de una vez por todas cómo funciona la mente.

General Problem Solver (GPS)

Marvin Minsky dice que la mejor forma de comprender la mente es construyendo una. En 1957, Simon, Shaw y Newell, diseñaron uno de los grandes hitos de la historia de la Inteligencia Artificial: el General Problem Solver.

Bahamas

Era un programa creado para solucionar cualquier problema de tipo general, rompiendo con la preconcepción de que las máquinas solo podían resolver problemas muy específicos. Su estructura, muy simplificada, venía a ser la siguiente:

El GPS funcionaba realizando una analogía entre su situación actual y el objetivo a cumplir, efectuaba un análisis de las diferencias entre ambos estados, utilizaba métodos para reducir las diferencias, y luego volvía a realizar la analogía inicial hasta que no existiesen diferencias entre el estado actual y el estado deseable. El diseño es muy interesante, sobre todo, por las similitudes que parece reflejar con respecto a la forma que tenemos los seres humanos de solucionar problemas, manteniendo una estructura muy simple:

1. Al realizar una comparación entre su situación y sus objetivos, tiene una cierta representación de sí mismo. Si quiero irme de viaje a las Bahamas, lo primero que tengo que saber es que YO no estoy en las Bahamas. Estaríamos todavía a años luz de la autoconsciencia, pero ya es un paso.
2. Para reducir las diferencias, el GPS podía suspender momentáneamente su objetivo principal para resolver sub-objetivos. Esto es una característica plenamente humana: suspender las urgencias del presente en pro de un objetivo futuro, es decir, planificar una acción en pasos. Si quiero irme a las Bahamas tengo que solucionar sub-problemas como pagar los billetes de avión, hacer las maletas, coger un taxi al aeropuerto, etc. Cuando queremos solucionar un gran problema, una buena forma de hacerlo es dividirlo en problemas más pequeños.
3. El GPS razonaba por analogía, quizá la forma humana más habitual de razonar. ¿Cómo sé que hay que hacer para viajar a las Bahamas? Porque antes he realizado otros viajes o porque he visto a otros hacerlos. Realizo analogías entre ese conocimiento previo y el problema al que me enfrento. Si yo viajé antes a Hawai, también hice las maletas y cogí un taxi al aeropuerto, pero a la hora de comprar los billetes de avión ahora tendré que comprarlos para Bahamas y no para Hawai y, probablemente, el precio será diferente. Hay similitudes que utilizaré sin problemas y diferencias que tendré que solucionar.

Sin embargo (ah, el siempre triste sin embargo), el GPS tenía el defecto que, hasta la fecha, no ha podido solucionarse (y del que ya hemos hablado en muchas entradas). Si realizar una analogía entre como estoy y lo que quiero hacer no parece presentar demasiados problemas, encontrar métodos de reducción de diferencias sí. Cuando nuestra máquina se encuentra en el aeropuerto y comprueba que “comprar un billete para Hawai” no le llevará a las Bahamas tiene que saber, de algún modo, que “en un aeropuerto pueden comprarse billetes a muchos sitios diferentes”. Si no sabe eso, es imposible que pueda solucionar tan simple problema. Y es que el GPS solo funcionaba en entornos muy formalizados, no en el mundo real. Estamos ante el enigma del sentido común: si el GPS podía resolver teoremas matemáticos de gran complejidad, no podría comprar un billete de avión.

Una forma de entender este dilema se ha formulado afirmando que cuando realizamos cualquier acción existe un montón de conocimiento implícito que excede el conocimiento de una simple descripción simbólica como la que maneja un computador. Douglas Lenat nos ofrece un magnífico ejemplo de ello: analicemos la frase “Fred le dijo al camarero que él quería patatas fritas a la inglesa”. ¿Qué tenemos que saber para entender esta afirmación?:

La palabra él se refiere a Fred, y no al camarero. Eso sucedía en un restaurante. Fred era un cliente que estaba cenando allí. Fred y el camarero se encontraban más o menos a un metro de distancia. El camarero trabajaba allí y en aquel momento estaba atendiendo a Fred.

Fred quiere patatas en rodajas finas, no en tiras. Fred no desea unas patatas determinadas, sino solo un tipo determinado de patatas.

Fred indica esto mediante las palabras habladas que dirige al camarero. Tanto Fred como el camarero son seres humanos. Ambos hablan el mismo idioma. Ambos tienen edad suficiente para poder expresarse, y el camarero tiene edad suficiente para trabajar.

Fred tiene hambre. Desea y espera que en unos minutos el camarero le traiga una ración normal, que Fred empezará a comer en cuanto le sirvan.

Asimismo podemos suponer que Fred supone que el camarero también supone todas esas cosas.

No hay más que decir: o el GPS sabe o puede deducir todo este conocimiento implícito, o jamás podrá resolver problemas que ocurran cuando tenga que pedir una ración de patatas en un restaurante. La solución que se dio fue la de crear sistemas expertos. Podríamos dotar al GPS de un montón de conocimiento sobre todos los pasos que hay que dar para realizar un viaje o comer en un restaurante. No obstante, al hacerlo, estamos incumpliendo nuestro propósito inicial, a saber, que nuestra máquina solucione cualquier tipo de problemas y no únicamente problemas específicos. Este es el asunto en el que la Inteligencia Artificial lleva estancada durante las últimas décadas y que no tiene demasiados visos de resolverse a corto plazo.

Robots con cerebros trabajarán en Marte

Los procesadores utilizados en consolas de videojuegos y supercomputadoras podrían proporcionar a los robots una mente mucho más parecida a la de los humanos, lo que les permitiría navegar por los cielos y explorar Marte de manera autónoma.

Cosas que para nosotros son naturales, como seguir con la vista a un avión que surca el cielo o caminar alrededor de una roca que vemos en nuestro camino, no son tan fáciles para los robots. Nuestro cerebro maneja flujos de información visual a la perfección, detecta los obstáculos y hace que los rodeemos.

Entonces, ¿cómo hacemos para crear cerebros para los robots más parecidos a los nuestros? Una forma podría ser la de cambiar el tipo de procesador que utilizan. Hasta ahora, los robots siempre han estado equipados con unidades de procesamiento central (CPU), como la mayoría de los PC. Estas unidades son muy buenas procesando pequeños flujos de datos rápidamente, pero sólo pueden hacer una cosa a la vez.

Por el contrario, las unidades de procesamiento gráfico (GPU), que se utilizan mucho en supercomputadoras y consolas de videojuegos, pueden manejar conjuntos de datos de mayor tamaño con mayor rapidez y procesar varios de ellos a la vez. Así es como funciona el cerebro humano y, a pesar de que procesamos algunas tareas millones de veces más despacio de lo que lo hace una computadora, la cantidad de información que puede manejar nuestro cerebro es enorme. Sin embargo, hasta hace muy poco, las GPU han sido demasiado grandes y caras para utilizarlas en los robots.

Ahora, Neurala, una nueva empresa tecnológica especializada en neurociencia y robótica con sede en Cambridge, Massachusetts, ha construido cerebros para robots utilizando las GPU. La compañía afirma que funcionan aproximadamente 10 veces más rápido que los construidos con las CPU.

El nuevo cerebro para robots procesa la información visual en tiempo real, lo que le permite hacer algo más que simplemente trasladarse de un lugar a otro. Esto implica que, algún día, se podía confiar en que los robots tomasen sus propias decisiones al moverse por el cambiante terreno de Marte.

Marcos Motter, del Centro de Investigación Langley de la NASA situado en Hampton, Virginia, dice que el enfoque de Neurala resalta la diferencia entre la automatización -en la que una máquina ejecuta un plan detallado que le ha sido prescrito- y la autonomía, en la que una máquina es libre de tomar sus propias decisiones sobre la forma de alcanzar su objetivo. Neurala pretende imitar el modo en el que los cerebros humanos reconocen los objetos, acumulan experiencia y hacen valoraciones, dice Motter.

El sistema de visión del robot de Neurala también imita un truco utilizado por el ojo humano, la foveación. La fóvea es una región de la retina que está densamente poblada con receptores visuales y nos da una visión central clara. De manera similar, el sistema de visión del robot se centra en puntos específicos de la escena para construir una imagen de su entorno en lugar de tratar de procesar todo lo que ve a través de la cámara de una sola vez. Esto da como resultado una gran cantidad de datos, pero reduce la carga total en el cerebro del robot.

Esa capacidad de procesar la información visual en tiempo real significa que el cerebro de Neurala puede hacer algo más que guiar a un robot de un lugar a otro. Por el camino, el robot podría llevar a cabo tareas básicas de ciencia, clasificar las rocas que ve y marcar las inusuales para investigarlas posteriormente, por ejemplo; o buscar signos de agua y minerales.

Fuente: http://www.newscientist.com/article/mg22129574.700-robots-with-humanlike-brains-to-take-on-mars-unaided.html

Resuelven misterio biológico que impulsara a la inteligencia artificial

Mediante la simulación informática de 25.000 generaciones de evolución, los ingenieros y expertos en robótica de la Universidad de Cornell han descubierto por qué las redes biológicas tienden a organizarse como módulos – un hallazgo que dará lugar a una mejor comprensión de la complejidad de la evolución.

El descubrimiento ha contestado la pregunta de por qué los sistemas biológicos se organizan de forma modular, y ayudará en la creación de sistemas más complejos de inteligencia artificial.

El hallazgo también ayudará en el desarrollo de la inteligencia artificial, para que los cerebros de los robots adquieran la gracia y la astucia de los animales.

Desde los cerebros hasta las redes reguladoras de genes, muchas entidades biológicas se organizan en módulos – cúmulos densos de partes interconectadas en una red compleja. Durante décadas, los biólogos han querido saber por qué los seres humanos, las bacterias y otros organismos evolucionaron en forma modular. Al igual que los ingenieros, la naturaleza construye cosas de forma modular y por la combinación de partes distintas, pero eso no explica el origen evolutivo de la modularidad. Los reconocidos biólogos Richard Dawkins, Günter P. Wagner, y el ya fallecido Stephen Jay Gould identificaron la cuestión de la modularidad como un tema central en el debate sobre “la complejidad de la evolución”.

Durante años, el supuesto predominante ha sido simplemente que la evolución de los módulos se debe a que las entidades modulares pueden responder a los cambios con mayor rapidez, y por lo tanto, tienen una ventaja adaptativa sobre sus competidores no modulares. Pero eso puede no ser suficiente para explicar el origen del fenómeno.

El equipo descubrió que la evolución no produce módulos, porque son diseños más adaptables, sino porque los diseños modulares tienen menos y más cortas conexiones de red. Las construcción de las conexiones de red es costosa, y su mantenimiento también lo es. Al final, resultó que fue suficiente incluir un “costo de cableado” para hacer que la evolución favoreciera a las estructuras modulares.

Para probar esta teoría, los investigadores simularon la evolución de las redes con y sin el coste de las conexiones de red.

Una vez que se agrega un costo de conexiones de red, los módulos aparecen inmediatamente. Cuando no se incluye el costo, los módulos nunca se forman. El efecto es muy dramático, dijo Jeff Clune de la Universidad de Wyoming.

Los resultados pueden ayudar a explicar la presencia casi universal de la modularidad en redes biológicas tan diversas como las redes neuronales – como el cerebro de los animales, en las redes vasculares, en redes de regulación génica, redes de interacción de proteína-proteína, redes metabólicas, e incluso en redes construidas por los humanos, como la Internet.

Los hallazgos se publican en la edición de 30 de enero de Proceedings of the Royal Society.

Interfaz cerebro-computador para conducir un automóvil robotizado

Una investigación pionera en Latinoamérica que proyecta la implementación de una interfaz cerebro-computador en la navegación de un automóvil totalmente robotizado, es el principal objetivo de una colaboración entre la Universidad Técnica Federico Santa María y la Universidade Federal do Espírito Santo (Brasil).

En una investigación pionera en Latinoamérica, investigadores de la Universidad Técnica Federico Santa María (Chile) y la Universidade Federal do Espírito Santo (Brasil) han desarrollando una interfaz híbrida que combina elementos de navegación autónoma de un vehículo, junto a elementos biológicos como las señales electroencefalográficas. Foto: USM

Se trata de la generación e implementación de una interfaz híbrida, que combina los elementos de navegación autónoma de un vehículo, junto a elementos biológicos como las señales electroencefalográficas, logrando así avanzar en la integración tecnológica, vinculada a la movilidad, de personas con tetraplejia, paraplejia y discapacidades motoras en general. Esto a través de una BCI (Brain-Computer Interface).

La investigación está a cargo de Dres. Alberto de Souza y Teodiano Bastos Filho (Brasil) quienes, desde la Universidade Federal do Espírito Santo, encabezan las áreas de Informática y Bio Ingeniería, respectivamente. En tanto, el trabajo de la Universidad Santa María en esta investigación está a cargo del Dr. Fernando Auat Cheein, académico del Departamento de Electrónica, quien encabeza el área de robótica.

¿Cómo funciona esta interfaz? El Dr. Auat Cheein explica que “si te imaginas que estás moviendo tu brazo derecho eso se refleja en una parte del cerebro, que es la corteza motora, y si realizas el movimiento se va a reflejar en tu señal electroencefalográfica. Todo eso se conoce como potenciales, que obedecen a diferentes tipos de estímulos. Lo que estamos implementando es una interfaz cerebro-computador basada justamente en estímulos visuales”.

Estos estímulos no deben perjudicar la visión de la persona que va conduciendo, por lo que “necesitamos un vehículo autónomo, que pueda reaccionar ante un peatón que se cruce por delante y que detecte las condiciones del entorno, como su ubicación y estado del tráfico, ya que como está pensado para ser utilizado por personas con necesidades especiales, es posible que no puedan reaccionar ante algún cambio repentino en la ruta”, agrega el académico.

La prueba de fuego para este auto robotizado será realizar un trayecto uniendo las ciudades de Vitória y Guaraparí, en el estado de Espírito Santo (Brasil). Se trata de un viaje de 50 kilómetros que deberá completar este móvil que en su fabricación es como cualquier otro vehículo pero que cumple con ciertas características como ser automático, híbrido y adaptado posteriormente para incorporarle la interfaz cerebro-computador.

Investigación que cruza fronteras

Los respectivos equipos de investigadores han trabajado conjuntamente para unir sus experiencias en las áreas que aborda el proyecto, por lo que expertos de Brasil han visitado la USM, así como el grupo de este plantel ha viajado a la Universidade Federal do Espírito Santo, instancias que han marcado los avances en la investigación.

“En nuestro viaje avanzamos en ciertas mejoras al algoritmo de Simultaneous Localization and Mapping, un algoritmo de inteligencia artificial y estimación recursiva, que lo que hace es localizar y construir un mapa que rodea el robot, al mismo tiempo. Mientras que en el área de Bioingeniería definimos las características de implementación de la interfaz cerebro-computador para controlar el automóvil, para que pueda ser adecuada al comando de éste”, explica el Dr. Fernando Auat Cheein.

El objetivo primordial es que el automóvil ande solo, sin intervención del ser humano: “eso ya está hecho, ahora debemos integrar la BCI, con el propósito de que se pueda direccionar el auto”. En tanto, ya se han concretado dos visitas de parte del equipo de investigación de Brasil. El Profesor de la Universidad de Espíritu Santo, Edilson de Aguiar, y el estudiante de doctorado de dicha Universidad, Lucas Veronese, se reunieron con el Dr. Auat Cheein en la USM para procesar datos, avanzar en los aspectos del proyecto que suponen unir el área informática y robótica de terreno, además de proyectar nuevas líneas de investigación en la materia.

Además, la Dra. Sandra Torres, investigadora de la Universidade Federal do Espírito Santo, experta en el área de procesamiento de señales cerebrales, también visitó la USM para trabajar con el Dr. Auat Cheein en los alcances de la conexión de la BCI (Brain Computer-Interface) con el automóvil.

“El objetivo de mi trabajo es que la utilización de esta interfaz sea más natural para el usuario y que sea visto como algo sumamente práctico. Hay una gran discusión en el área de las interfaces cerebro-computador de cómo dar ese impulso a que sean dispositivos prácticos en la vida cotidiana. En ese sentido yo no lo pienso solo para personas con discapacidad sino también para ser utilizado desde el mundo del entretenimiento”, opina la Dra. Sandra Torres.

La seguridad y validación

El Dr. Auat Cheein enfatiza que están conscientes de que no existe en la actualidad una reglamentación para un automóvil de estas características, pero “no olvidemos que este es un proyecto de investigación, no es un producto que se está desarrollando para un nivel comercial”. El proyecto supone una serie de desafíos también en ese ámbito pues, “de causar un accidente, ¿de quién sería la responsabilidad?”, plantea el académico.

Una vez que lo técnico es abordado es preciso validar el trabajo. En este caso, los expertos advierten que es un gran desafío (y que debiera concretarse en el corto plazo) poner a una persona dentro del automóvil y que recorra un trayecto definido. “Ya hicimos pruebas preliminares con personas tetrapléjicas y parapléjicas, para poder medir la relación entre confort y seguridad con el uso de la interfaz. Son aspectos cualitativos pero indispensables para la investigación”, indica la Dra. Sandra Torres.

“Es preciso evaluar qué tan bien esa persona congenió con el hardware y recibir un feedback de su parte: si les gustó, si se sintieron en confianza, eso es muy importante. No queremos que una persona controle el automóvil, sino que queremos que se complementen”, finaliza el Dr. Auat Cheein.