?Pueden las redes neuronales pensar realmente como los humanos?

Cuando los debates sobre la inteligencia artificial (IA) giran en torno a su capacidad para simular el pensamiento humano, suelen referirse a un tipo concreto de IA denominado redes neuronales.

De hecho, las redes neuronales están dise?adas como el cerebro humano, con miles de nodos algorítmicos que procesan datos de forma independiente pero coordinada.

Pero el hecho de que exista esta similitud no significa que la IA haya desarrollado capacidades de pensamiento similares a las humanas, por no decir divinas. Hay muchas diferencias entre los cerebros naturales y los artificiales, tanto en estructura como en alcance, lo que significa que estamos muy, muy lejos de ver que la IA se acerque siquiera a la potencia y complejidad de la mente humana.

Resumen Resumen

1. Inteligencia artificial rápida y potente
2. Entrenamiento cerebral
3. Diferencias en el aprendizaje
4. Mentes peque?as
5. Lo esencial

Ver más

Resumen

1. Inteligencia artificial rápida y potente
2. Entrenamiento cerebral
3. Diferencias en el aprendizaje
Ver más
4. Mentes peque?as
5. Lo esencial

Inteligencia artificial rápida y potente

Las redes neuronales artificiales (RNA) son útiles en una amplia gama de aplicaciones. Como pueden descomponer patrones de datos complejos y someterlos a un análisis rápido, son más aptas que otros tipos de IA para situaciones rápidas, como el funcionamiento autónomo de vehículos y el diálogo en tiempo real.

La mayoría de las arquitecturas de redes neuronales constan de varias capas, nodos y elementos funcionales que les ayudan a tener en cuenta el sesgo, la pérdida de datos y las actualizaciones, dice Akash Takyar, director general del desarrollador de soluciones digitales LeewayHertz.

En la mayoría de los casos, estos dise?os se inspiran en las neuronas, sinapsis y estructuras jerárquicas del cerebro humano. Los datos de entrada fluyen por cada capa de la RNA, donde se procesan y transforman en algún tipo de salida, normalmente una decisión, recomendación o predicción.

De este modo, sigue siendo un ordenador que procesa bits y bytes, pero las vías que utiliza para convertir los datos brutos en inteligencia procesable son más complejas.

Entrenamiento cerebral

Aunque esto pueda parecer un cerebro humano simulado, estudios recientes sugieren que podría no ser así. Un equipo del MIT examinó recientemente más de 11.000 redes neuronales y descubrió que sólo mostraban las características de procesamiento similares a las células del pensamiento humano cuando se las entrenaba para ello.

Como explicó Rylan Schaeffer, investigador asociado:

“Lo que esto sugiere es que, para obtener un resultado con células de red, los investigadores que entrenaban los modelos necesitaban hornear esos resultados con elecciones de implementación específicas y biológicamente inverosímiles”.

Sin esas restricciones, pocas redes desarrollaron la actividad similar a las células que puede utilizarse para predecir la funcionalidad cerebral real, que evoluciona naturalmente sin condiciones previas.

Este estudio sugiere que los científicos de datos probablemente deberían retractarse de las afirmaciones de que las redes neuronales imitan en gran medida el cerebro humano. Cuando se les dan los parámetros adecuados, pueden producir resultados basados en vías neuronales naturales, pero en ausencia de esos parámetros, aún pueden ofrecer resultados sin formar estas arquitecturas similares al cerebro.

Ila Fiete, autora principal del artículo y miembro del Instituto McGovern de Investigación Cerebral del MIT, dijo:

“Cuando se utilizan modelos de aprendizaje profundo, pueden ser una herramienta poderosa, pero hay que ser muy circunspecto a la hora de interpretarlos y de determinar si realmente están haciendo predicciones de novo o incluso arrojando luz sobre qué es lo que el cerebro está optimizando”.

Diferencias en el aprendizaje

Otra diferencia clave entre las redes neuronales y los cerebros vivos es la forma en que aprenden. Según Maxim Bazhenov, doctor y profesor de medicina de la Facultad de Medicina de la Universidad de California en San Diego, las RNA sobrescriben los datos antiguos a medida que reciben datos nuevos, mientras que un cerebro realiza un aprendizaje continuo e incorpora datos nuevos para alcanzar mayores niveles de comprensión.

Esto provoca un fenómeno en las redes neuronales denominado “olvido catastrófico” que hace que fallen repentinamente en la realización de tareas previamente conocidas o que cambien predicciones que antes eran exactas.

Curiosamente, una de las soluciones a este problema consiste en incorporar al modelo artificial una función biológica sencilla: el sue?o.

Alternando la rutina de entrenamiento entre picos de datos nuevos y periodos de desconexión, los investigadores observan un descenso de los olvidos catastróficos, porque el modelo reproduce recuerdos antiguos sin utilizar datos de entrenamiento antiguos. Esto emula el mismo tipo de “plasticidad sináptica” que se produce cuando dormimos.

Mentes peque?as

A pesar de estas similitudes, lo cierto es que el cerebro humano es mucho más potente incluso que la red neuronal más avanzada.

Cuando los investigadores de la Universidad Hebrea de Jerusalén se propusieron determinar lo compleja que tendría que ser una red neuronal para alcanzar la potencia de cálculo de una sola neurona humana, quedaron sorprendidos por los resultados. Mientras que algunas neuronas equivalen a redes neuronales “superficiales”, es decir, que no tienen arquitecturas altamente estratificadas, las de la corteza cerebral requerían redes profundas de siete capas, en las que cada capa contenía hasta 128 unidades de cálculo.

Y esto para una sola neurona. En el cerebro medio hay más de 10.000 millones de neuronas, cada una de las cuales requiere redes profundas de cinco a ocho capas. Desde este punto de vista, a la informática le queda mucho camino por recorrer antes de poder crear un equivalente artificial del cerebro humano.

Lo esencial

Pero esto no significa que la IA sea una falsa promesa o que no merezca cautela en su desarrollo e implementación. Incluso un cerebro reptiliano artificial puede causar da?os importantes si no se controla, igual que un cocodrilo.

Lo que sí significa es que la inteligencia artificial que tenemos hoy en día, incluso la modelada a partir del cerebro humano, está aún en pa?ales y no tiene ni de lejos la perspicacia intuitiva e intelectual de nuestras mentes.

Lejos de ser una amenaza, la IA puede mejorar enormemente nuestras facultades cognitivas innatas, y sí, al igual que un cerebro natural, esas facultades pueden utilizarse para bien o para mal.