La evolución de las IAs para hacerlas inteligentes es un tema a debate en toda su amplitud. No se sabe si será posible o no, si deberíamos investigarlo o no, o cuales serían las consecuencias de hacerlo. Del árbol de conocimiento esta manzana es todavía un fruto verde en todos los sentidos.
Pero ajenos a debates filosóficos y éticos sobre las implicaciones sobre si deberíamos tener o no competencia intelectual (al menos durante un tiempo) ya hay investigadores de todo el mundo intentando hacer que las máquinas piensen.
¿Qué es pensar? ¿Pueden pensar las máquinas y los programas?
Si pensar es tener ideas en el cerebro humano, por descontado que las máquinas nunca podrán hacerlo: no poseen ese órgano. Sin embargo, aquí optaré por la definición de pensar como la capacidad de procesar un número determinado de datos, al igual que hacemos los seres humanos.
El cerebro no es más que un gran procesador que hace uso de una memoria limitada (aunque desconocida en bytes) para mantenernos con vida. Partiendo de esta base, y con los adelantos en computación que se esperan de las próximas décadas, es muy probable que lleguemos a ese estadio de computación en las máquinas. Y en ese momento diremos que están pensando.
La inteligencia artificial hasta ahora
En la ficción, ese universo paralelo donde los unicornios también existen, las IAs se han visto como productos acabados. Diseños cerrados en el que la inteligencia del robot viene preprogramada de fábrica con un programa inteligente maestro. La personalidad, si es que esa versión robótica la tiene, viene incluida en el programa, así como el nivel de consciencia.
¿Quiere un robot con la capacidad de pensar? Un segundo, lo estamos programando.
Sin embargo, la ciencia hace tiempo que se dio cuenta de que no tenemos ni idea de cómo funciona nuestro cerebro. Y que, por tanto, nos es muy complicado –por no decir imposible– programar otro de cero.
El equivalente arquitectónico es tratar de construir un edificio sin comprender cómo funciona la gravedad. No es de extrañar que los avances en inteligencia artificial se atoren y se caigan, y que hasta la tarea más sencilla para un ser humano (como puede ser gatear) requiera millones de líneas de código y un procesador propio para hacerla funcionar no demasiado bien.
Al ver andar a robots como Asimo en las ferias tendemos a creer que estos ya pueden hacerlo por sí solos. Pero lo cierto es que tras esas demostraciones hay muchos técnicos implicados, y una coreografía digna del Ballet de Moscú. En otras palabras, las demostraciones están trampeadas.
Máquinas que aprenden solas a pensar
Los humanos no nacemos sabiendo cómo caminar, y debemos aprender a hacerlo a lo largo de nuestra vida. Este ha sido desde hace unos años la postura IA: dejar que las máquinas aprendan solas a pensar.
Pero para ello necesitan una situación inicial, un marco de reglas como la gravedad y el suelo; grados de libertad, como poder moverse arriba y abajo; un objetivo, como conseguir comida; y algún tipo de memoria a largo plazo que se transmite –usando el paralelismo con la vida orgánica– de generación en generación para que todo esto tenga resultados.
Haré un breve y muy sesgado repaso de algunos de los avances hasta la fecha en evolución acelerada de IAs mediante generaciones a través de ejemplos visuales:
Nota: el vídeo dura 30 minutos, pero hacia el minuto 25 empezamos a ver cómo la IA ha evolucionado lo suficiente como para esquivar los objetos de manera natural.
En el vídeo de arriba se observa uno de los casos más sencillos posible: saltar o agacharse, desplazándose en una sola dirección (1D). El dinosaurio, que se ve obligado a avanzar por la pantalla, muere durante las primeras generaciones al chocar contra un cactus, pero pronto aprende que si salta antes de llegar a él vivirá más tiempo. Generación tras generación mejora su comportamiento, adaptándose al sistema en el que habita.
Es muy importante darse cuenta de que –al igual que un insecto– el dinosaurio de la imagen no tiene ningún tipo de conciencia sobre sí mismo. Pero que eso no evita que el algoritmo genético con el que está siendo programada la IA, a través de mutaciones aleatorias, sobreescriba generación tras generación una evolución neural que mediante selección natural acelerada optimice esa forma de existencia al entorno en el que se encuentra.
Añadiendo un segundo grado de dificultad (horizontal en este caso, 2D) se observa cómo al pez le cuesta más dar con la solución correcta: ir a por la comida antes de morir de hambre. Rápidamente aprende que persiguiendo las bolas naranjas es capaz de permanecer vivo más tiempo. Llegada una generación concreta se alcanza el máximo potencial y la IA se estanca, a menos que se cambien las condiciones ambientales.
El programa de arriba consistía esta vez en mantenerse erguidos por parte de esos gusanos de andamios probando diferentes combinaciones de sus músculos. Los estiraban y encogían para conseguir la solución más rápida para ponerse de pie (y no caer de nuevo). A pesar de funcionar en el plano, los grados de libertad aumentaron mucho, al otorgar músculos a las IA.
En otras palabras, el equilibrio requiere de más inteligencia que el simple avance.
¿Qué aplicaciones práctica tiene jugar con animalitos virtuales?
Lejos de tratarse de un juguete visualmente bonito, la evolución artificial de la inteligencia es un campo que puede ayudarnos mucho a los humanos, y no solo para pasarnos lo más rápido posible y sin que nos maten los niveles del Super Mario World.
A día de hoy la aplicación visible más útil es la conducción automática. En lugar de darle a un vehículo una hoja de ruta supermasiva con todas las carreteras del planeta y la ubicación de las señales (¿Qué cerebro humano aguantaría algo así?) la idea es enseñar a los vehículos a conducir de manera autónoma mediante ensayo y error.
Resulta evidente que lo ideal es que ya dispongan de determinados conocimientos básicos, como las normas de conducción que a los humanos también se nos pide estudiar para conducir. Sin embargo, la pericia –el control motor en función del trazado y condiciones– se gana con el tiempo (y con accidentes de tráfico).
A factores realmente complejos como el reconocimiento del trazado tenemos que sumar la disposición que el resto de vehículos y peatones tienen en la vía. Por ejemplo, es necesario enseñarle a un vehículo que debe frenar cuando alguien cruce la calle sin mirar. Y esto tiene que ocurrir sin un ensayo y error reales, sino virtuales.
Es aquí donde la potencia de cálculo de las máquinas virtuales nos ayudan a enseñar lecciones que a los conductores nos cuesta años de práctica continua en cuestión de semanas, días, o incluso horas.
En otras palabras, podemos enseñar a usar el sentido común que los humanos tendemos a usar en situaciones extremas (como un vehículo derrapando por la carretera) pero para ello hemos tenido que dejar que la IA que gobierna el vehículo lo aprenda por sí misma.
Al ritmo al que avanzan los estudios, es probable tener los primeros vehículos totalmente autónomos en las carreteras en pocos años.
Imágenes | iStock/Nobi_Prizue, Manzana metálica
