Siguiendo el camino de construir redes neuronales más grandes y mejores, se piensa, seremos capaces de acercarnos cada vez más a la creación de una versión digital del cerebro humano.
El nuevo libro de Larson, The Myth of Artificial Intelligence: Why Computers Can´t Think the Way We Do, analiza cómo los conceptos erróneos sobre inteligencia e inferencia ampliamente publicitados han llevado a la investigación de la IA por caminos estrechos que limitan la innovación y los descubrimientos científicos.
El mito de la inteligencia artificial
Desde un punto de vista científico, el mito de la IA asume que lograremos inteligencia artificial general (AGI) al avanzar en aplicaciones limitadas, como clasificar imágenes, comprender comandos de voz o jugar juegos.
Pero las tecnologías subyacentes a estos estrechos sistemas de inteligencia artificial no abordan los desafíos más amplios que deben resolverse para las capacidades de inteligencia general, como mantener conversaciones básicas, realizar tareas sencillas en casa etcétera.
“A medida que aplicamos con éxito versiones de inteligencia más simples y limitadas que se benefician de computadoras más rápidas y una gran cantidad de datos, no estamos logrando un progreso incremental, sino más bien recogiendo la fruta fácil”, escribe Larson.
Este mito persuade a los científicos de poder pensar en nuevas formas de abordar el desafío de la inteligencia.
Inferencia deductiva, inductiva y abductiva
Sales de tu casa y notas que la calle está mojada, tu primer pensamiento es que debe haber estado lloviendo, pero hace sol y la acera esta seca, por lo que inmediatamente tacha la posibilidad de que llovió.
Al mirar hacia un lado, ve un camión cisterna de lavado de carreteras estacionado en la calle, concluye que la carretera está mojada porque el camión cisterna la lavó.
Este es un ejemplo de “inferencia”, el acto de pasar de las observaciones a las conclusiones, y es la función de lo seres inteligentes.
“Cualquier sistema que infiera debe tener alguna inteligencia básica porque el mismo acto de usar lo que conoce y lo que observa para actualizar las creencias está inevitablemente ligado a lo que entendemos por inteligencia”, escribe Larson.
La inferencia deductiva usa el conocimiento previo para razonar sobre el mundo, mientras que la inferencia inductiva es la adquisición de conocimiento a través de la experiencia, y finalmente la inferencia abductiva es la capacidad cognitiva para generar intuiciones e hipótesis.
La comercialización de la IA
Dado que el aprendizaje profundo se está convirtiendo en una forma útil de convertir los datos en productos rentables, las grandes empresas de tecnología se encuentran ahora atrapadas en una reñida carrera para contratar talentos de inteligencia artificial.
Dado que las grandes empresas de tecnología se centran en crear aplicaciones en las que puedan aprovechar sus vastos recursos de datos para mantener la ventaja sobre competidores, hay pocos incentivos para explorar enfoques alternativos a la IA.
La entrada La construcción de redes neuronales más grandes no nos llevará a la inteligencia general se publicó primero en Cristian Monroy.