![]() Adolfo Plasencia
adolfo@mag.upv.es El cumpleaños de Hal. |
||||
El 12 de enero de 1997, según la novela “2.001, Una Odisea Espacial” de Arthur C. Clarke (1992 según la cronología de Kubrick), es la fecha del “nacimiento consciente” del Ordenador HAL 9000, que el genial director Stanley Kubrick materializó para los espectadores, en una mítica película con el mismo título de la novela, la imagen perfectamente creíble de una máquina dotada de inteligencia superior. La suma de la creación de Clarke y Kubrick es la visualización más verosímil, no superada hasta ahora, de una criatura mecánica capaz de aprender por sí misma y, no sólo eso, capaz también de pensar, ver, hablar, sentir e incluso sufrir de neurosis; parámetros todos ellos exclusivos, hasta ese momento, de la condición humana. Los ordenadores representan para nosotros el símbolo del estado más avanzado y sofisticado al que han llegado las máquinas inventadas por los humanos. El sueño del hombre de construir una máquina dotada de inteligencia autónoma y superior es hoy mas fácil de imaginar desde la extraordinaria película 2.001 de Kubrick. Es interesante ver, a treinta años de su creación, a Hal: una máquina no superada en la realidad ni en la ficción, que “habla” como una persona, piensa como una persona y conspira -aunque falla- contra los humanos, y cuando está a punto de morir (ser desconectada), suplica como una persona. Aunque algunos detalles de la línea de tiempo tecnológico de la película han quedado desviados y ha sido superados por la línea de tiempo de la realidad, los ordenadores de hoy en día sí pueden ya llevar a cabo los cálculos y funciones más automáticas que HAL realizaba dirigiendo la nave Discovery en su viaje a Júpiter. Un conjunto (aunque, no uno sólo) de superordenadores de los de hoy, treinta años después, podrían realizar las funciones rutinarias de HAL, pero aún no se vislumbra con garantías que en el próximo futuro ninguna máquina u ordenador disponga, por sí solo, de las capacidades que aún hoy hacen que HAL resulte una máquina fascinante: con curiosidad, capacidad de aprender y de poseer sentimientos. La ciencia de la Inteligencia Artificial (AI) lleva cinco décadas trabajando para obtener algo artificial con inteligencia superior, pero hasta ahora a lo máximo que hemos llegado es al DeepBlue campeón de ajedrez o a los superordenadores Mountain Blue que llegan a procesar 35 terabytes (35 billones de instrucciones) en un segundo, pero que son incapaces de contarnos un mal chiste. El hardware neural aprende con inteligencia digital.
Actualmente el principal conjunto de esfuerzos de investigadores de
la Inteligencia Artificial (AI) para conseguir la máquina inteligente,
se agrupan básicamente alrededor de dos grupos. Al enfoque de la
AI basado en el modelo a base de inmensos programas de software (integrados
en complejísimas y enormes bases de datos de heurística y
sentido común, en forma de millones de líneas de código),
se denomina modelo descendente. Es la línea de los fundadores de
la AI. Enfrentado a él, existe el modelo de enfoque ascendente que,
basado en criterios tomados de sistemas simples existentes en la biología
y su evolución, avanza sobre el desarrollo de los mecanismos de
redes neurales a base de hardware y elementos electrónicos interconectados.
El ordenador no aprende. El software sí.
La linea de enfoque ascendente en la investigación de la AI tiene uno de sus mayores defensores en Douglas Lenat, investigador en inteligencia artificial, que lleva trabajando desde los años setenta en una línea de investigación muy interesante que persigue como fin, conseguir que los programas de ordenador entiendan y aprendan por medio de un sotware de “sentido común”. Según Lenat, el quid de la cuestión, lo que puede diferenciar el HAL de 2001 de los ordenadores que usamos actualmente, no es sólo un programa informático mucho más sofisticado. La clave es el entendimiento; la totalidad de conceptos, sentido común y los conocimientos que compartimos y poseemos los humanos como especie: una enorme base de conocimientos, archivos con normas y heurística, sobre el mundo en que vivimos y que conocemos. Hoy, la única base de datos y conocimientos de sentido común importante que existe en el mundo se llama “Cyc”. Es el más avanzado desarrollo de los realizados por la empresa de Lenat y se encuentra en Austin, Texas, en EE.UU. Douglas Lenat y su equipo de científicos y desarrolladores llevan trabajando en este banco de conocimientos casi quince años. Ahora contiene más de dos millones de afirmaciones acumuladas en forma de bits, estructuradas y ordenadas mediante una ontología bastante complicada. En estos momentos Cyc, está logrando avanzar en el entendimiento del lenguaje natural. Puede ya entender significados de sentido común contenidos en el texto escrito. Lenac está convencido que este es uno de los mejores caminos para llegar a la máquina inteligente. y afirma: “Cyc tiene conciencia de sí mismo. Si le preguntan lo que es, él sabe que es un programa de ordenador. Si se le pregunta quienes somos, él sabe que somos los usuarios. Sabe que está funcionando sobre un ordenador, en un cierto lugar y en un determinado tiempo. Sabe quién se está comunicando con él, quién le está hablando. Reconoce que una conversación o una aplicación informática está sucediendo o funcionando. Posee el mismo conocimiento y sentido del tiempo que Vd. y yo. Es mucho más que programar un ordenador para que diga: -yo soy un ordenador-. Cyc sabe lo que es un ordenador y puede utilizar este conocimiento para responder preguntas sobre sí mismo. De una forma en cierto modo similar a una persona puede realizar una cadena de razonamientos. Pero Cyc no puede aprender por sí mismo. Todas las estructuras de lenguaje heurístico han sido introducidas por los programadores u “ontologizadores”-como los denomina Lenat- , del equipo de desarrollo que ha creado Cyc”. Pero el más ambicioso sueño de Douglas Lenat es crear un programa de ordenador al que enseñar a que aprenda por sí mismo. En su tesis doctoral desarrolló un programa denominado AM-Matemático Automático, diseñado para encontrar patrones matemáticos. A lo largo de varios centenares de ciclos de funcionamiento, el programa descubría la suma, multiplicación e incluso los números primos. Pero ocurrió con este software algo imprevisto. El programa, se detenía bruscamente tras funcionar unas cuantas horas. La causa: AM aprendió a hacerse modificaciones a sí mismo, guardando mutaciones que le resultaban interesantes. De un modo invariable, algo importante en el programa se modificaba fuera de lo que era su existencia inicial. Esto le hizo pensar a Lenac que para avanzar en el aprendizaje intelectual había que tener en cuenta más factores que los de aprendizaje sobre acierto, o error. En el caso del proyecto de Cyc, pensado para un campo diferente al de las matemáticas abstractas, también le ocurrió una dificultad, en cierto modo, semejante al de AM: el sistema Cyc no podía aprender sobre el mundo en general porque había demasiadas cosas y conceptos que no sabía y con los que no podía establecer conexiones. Lenac, entonces propuso la idea de “priming the pump”(2), para que Cyc obtuviera un entendimiento más integral del mundo y pensó que cuando el marco conceptual fuera lo suficientemente grande, el sistema podría empezar a ir aprendiendo por sí mismo, por ejemplo, leyendo y conversando. En 1983, Lenac calculaba que costaría al equipo unos diez años conseguir una evolución de Cyc de tal grado, que fuera capaz de aprender inglés por sí mismo, sin ninguna supervisión exterior. Hoy, Lenac piensa que le gustaría conseguirlo hacia al 2.001. Es optimista y afirma: “estamos al final de la curva, si todo es correcto para el 2.001, el programa Cyc comenzará a ser un miembro creativo completo de un conjunto que inicia una secuencia de nuevos descubrimientos. Sorprendentes descubrimientos. Fuera de las cajas”. La comprensión y el entendimiento son las claves del esfuerzo de los investigadores del campo de la inteligencia artificial para conseguir la máquina inteligente. Son las cuestiones que en mayor grado escapan aún a la ciencia y la tecnología. Tienen que ver con la definición del verdadero entendimiento como mecanismo, si es que se consigue aislar como tal. Para ello, se calcula ahora, van a necesitarse de diez a treinta años más. Háblame, te escucho. Ordéname, obedezco. Díctame,
escribo.
En 2001, Dave Bowman y Frank Poole hablan: HAL escucha a través de sus micrófonos y comprende. Piensa, toma decisiones y ordena. Los mecanismos de la nave se mueven y actúan. El reconocimiento de voz es una de la capacidades del HAL de la película que más cerca estamos de conseguir, treinta años después, en ordenadores pequeños y personales, tanto en el sentido texto-al-habla (sintetizadores de voz) como en el de voz-a-texto (reconocimiento del habla). En cuanto a que el ordenador “escuche” las palabras y las escriba desde el reconocimiento de voz, es un problema más complicado, pero resuelto. Hace ya más de seis años que dos empresas del área de Boston en EE.UU., Dragon Systems y Kurtzweil Applied Inteligence han vendido programas que permiten dirigir mediante voz las funciones de un ordenador personal. Hoy en día, pueden reconocer más de 80.000 palabras y son de grandísima ayuda para discapacitados físicos. Pero, no lo hacen como HAL. El usuario aún debe hacer pausas entre palabras para que la máquina las procese como una unidad y las pueda comparar en un diccionario fonético, creando una secuencia de aciertos y errores. Un base de conocimiento elemental de gramática colabora y ayuda a estos programas a elegir el término acertado y resolver la diferencia entre verdadero y falso. Los laboratorios de Kurtwzell ya han desarrollado un programa que puede reconocer más de mil comandos (órdenes de acciones concretas) diferentes, utilizadas por el conocido programa de procesado de textos Microsoft Word. Según su fabricante, el usuario puede ordenar al programa, a través del micrófono: “Ve al párrafo cuarto de la página siguiente y subraya todas las palabras de la siguiente frase: ...”, !Lo hace sin que tengamos que tratarle de Vd., ... pero, con pausas entre palabras. Para hablarle fluidamente aún tendremos que esperar, parece, otros tres años. Sobre cuando el ordenador leerá los labios del usuario como hacia HAL gracias a la imaginación de Kubrick hace treinta años, hoy, tres décadas después, es un tema aún en discusión. De esto, por ahora, ni hablamos. Sentir no es imposible para una máquina
Programar un robot con emociones como las citadas es muy complicado, pero se puede conseguir. La metodología más adecuada es la consistente en programar procesos lógicos de “centrado”. Los programadores asignarían diferentes intensidades de “centrado”, o valores numéricos, a determinadas circunstancias peligrosas posibles. La máquina asignaría valores negativos al peligro y trataría, debido a ellos, de evitar las situaciones con esos valores de asignación. Por otra parte, es probable que dotar a las máquinas inteligentes de emociones básicas sea incluso una necesidad para que len su relación con los humanos se consiga un grado operativo aceptable. Epílogo.
El científico cuántico John Hopfield ha contribuido hace pocos años a animar la línea de investigación ascendente aplicando los conceptos de la física del estado sólido al análisis del funcionamiento del cerebro humano. En su ensayo de 1982, “ Redes neurales y sistemas físicos con capacidades computacionales colectivas emergentes”, propone el siguiente funcionamiento de nuestro cerebro: “Del mismo modo que un sólido cuántico minimiza su anergía (los átomos, en un sólido, se organizan de manera que su energía se reduzca al mínimo), un circuito de redes neurales debe también minimizar su “energía”. Todas las neuronas del cerebro se activan de tal manera que se minimice la “energía” de la red. El aprendizaje es, para nuestro cerebro, el proceso de encontrar la mínima energía en sus circuitos y redes neurales. Al igual que el matemático Alan Turing captó la esencia conceptual de la máquina calculadora universal, Hopfield sintetizó de ésta manera, una de las leyes universales que explican las redes neurales. Esta propuesta revolucionaria ha relanzado de nuevo la línea de enfoque ascendente en la Inteligencia Artificial. Si embargo, aún no hay nada definitivo en la AI que se decante por alguna de los modelos enfrentados. Hace décadas, los científicos pensaban que no podían
construir máquinas inteligentes porque el hardware de que disponían
no tenía la potencia, la velocidad y la capacidad de cálculo
que creían necesaria para ello. Hoy, disponemos de esa potencia
y velocidad de cálculo que ellos solicitaban. Y de un software infinitamente
más potente. Sin embargo, parece que para hacerlo realidad, necesitaríamos
un grado de comprensión de la esencia y del funcionamiento de la
conciencia humana que aún no poseemos. En realidad, casi al final
del siglo XX aún no sabemos realmente lo que significa, dentro del
cerebro, pensar.
_________________________________ (2) “Prim the pump”: literalmente, imprimar la bomba: “sangrar” una
la máquina de bombeo: sacarle el aire inicial antes de llenarla
de líquido para que pueda empezar a funcionar.
(3) LEYES DE ARTUR C. CLARKE
|
Imágenes artículo |