La emancipación de las máquinas y su eventual poderío sobre los hombres es una de esas fantasías modernas que aceptan el calificativo de “terrible”. La ciencia ficción abunda en páginas que desarrollan o modifican dicha idea, cuyo desenlace parece estar escrito en caracteres ominosos. Un cerebro de silicio que razona, inventa y bosteza puede ser entendido como un gran logro de la tecnología, como la culminación del sueño inmemorial de robar a la divinidad sus atributos creadores; pero también, según prefigura el argumento de Frankenstein, no deja de ser una posibilidad que linda con la pesadilla, con la inminencia de destrucción y catástrofe. Quizá la variante más aterradora e increíble sea la de una suplantación final y completa del hombre por la máquina.
Desde un punto de vista instrumental, la computadora representa la herramienta universal, dada su versatilidad formal y su grado de polivalencia. Pero, también, la computadora se presenta como el símbolo de un paradigma tecnológico, que supera, o al menos amplía, el concepto tradicional de instrumento. Las primeras metáforas aplicadas a la computadora trataban de expresar su posible consideración como máquina pensante, como cerebro electrónico. Ya en 1946, como señala Benjamín Woolley, la prensa describía la computadora ENIAC de la Universidad de Pensilvania como un “cerebro electrónico”. Según Woolley, “En esa época, la palabra ‘computadora’ se seguía utilizando para referirse a un calculista, y su aplicación a una máquina sugería evidentemente la existencia de una conexión entre el trabajo mental del ser humano y los procesos electrónicos de la máquina.”
Una metáfora antropomórfica en la que subyace la pretensión de construir máquinas que puedan igualar o superar algunas de las capacidades, hasta ahora consideradas, estrictamente humanas. El uso de una determinada metáfora establece, de alguna manera, ciertos preconceptos de lo que puede llegar a ser una entidad dada, en este caso: la computadora. Benjamin Woolley señala, que a lo largo de su breve historia, la investigación en inteligencia artificial ha adoptado dos enfoques completamente distintos: “por un lado se ha intentado que las computadoras reproduzcan la conducta inteligente y, por otro, se ha intentado descubrir si la mente es una computadora.” En el caso referente a la Máquina Analítica de Babbage, la misma se encuentra más cerca del concepto de máquina propio de la Revolución Industrial. Al llegar al siglo XX, con el desarrollo de las computadoras digitales, como sistemas de procesamiento de la información, se trasciende lo puramente mecánico. Según Bruce Mazlish “en este nuevo contexto, la metáfora dominante es la mente, no la máquina.”
Fue el matemático Alan Turing el primero en considerar la cuestión de las máquinas inteligentes y lo que significaría para una máquina el acto de “pensar”. La propuesta de Turing para evaluar si las computadoras podían pensar y actuar inteligentemente fue extendiéndose en la comunidad científica. El año 1956 John McCarthy acuñó el término “inteligencia artificial” en una conferencia cuyo planteamiento estaba centrado en la propuesta de que la inteligencia en principio puede ser descrita con la suficiente precisión como para que una máquina construida a tal efecto pueda simularla. Marvin Minsky que junto a McCarthy fundó el departamento de inteligencia artificial del Instituto Tecnológico de Massachussets, definió la inteligencia artificial como, “la ciencia de construir máquinas que hacen cosas que requerirían inteligencia si fueran hechas por seres humanos.” También Herbert Simon, investigador de la inteligencia artificial, desarrolló la idea de que los procesos en una computadora son análogos a los procesos de la mente.
El pensamiento de Turing comprende un amplio campo de reflexión, ya que su concepción de las máquinas inteligentes, expuesta en el trabajo “Computing Machinery and Intelligence”, aparecido en la revista “Mind”, el año 1950, supone una visión científica y filosófica que está en el origen de las grandes transformaciones que dieron lugar a la idea de una sociedad tecnológica de la información. Las reservas y críticas a sus planteamientos no se hicieron esperar, pero su visión del futuro le llevó a proyectarse al año 2000, cuándo, según su previsión “el empleo de las palabras y la opinión académica habrá variado y se podrá hablar de máquinas pensantes sin que se produzcan descalificaciones”. Toda función computable por la naturaleza humana es computable por la máquina, de acuerdo con la idea de Turing, por lo que concibe la denominada “máquina universal”. No hay nada humano, incluido el pensamiento, afirmaba Turing, que no pueda ser reproducido por una máquina pensante. La “prueba de Turing” venía a dar respuesta acerca de la capacidad pensante de las máquinas. Desde una posición claramente conductista, los comportamientos aparecían directamente guiados por estímulos concretos. Por consiguiente, las pautas de la conducta y de la acción podrían ser codificadas, memorizadas y reproducidas a través respuestas sujetas a la lógica causal.
Es necesario comentar algunos elementos acerca del camino que se debe recorrer para lograr la construcción de máquinas con ciertas capacidades propias del hombre; es decir, con habilidad para la solución de problemas complejos como la toma de decisiones para la planeación de empresas, la evaluación de riesgos para las compañías de seguros, pruebas de eficiencia de motores, detección de arritmias cardiacas, análisis y evaluación de encefalogramas, de sismogramas, espectros de luz emitida o absorbida por estrellas o por materiales, etcétera. Todos estos problemas consisten en optimización o toma de decisiones no basada en reglas concretas. Entre el tipo de trabajos que estas máquinas podrían realizar, el de aplicación más directa es el reconocimiento y procesamiento de imágenes. Esto engloba desde tareas relativamente simples y específicas, como la identificación de firmas, voces, huellas dactilares, reconstrucción de imágenes con mucho ruido, etc., hasta tareas de gran complejidad como la identificación y clasificación de personas y objetos. Este último tipo de tareas representa una mayor dificultad debido a que se debe lograr invariancia de la detección con respecto a rotación, cambios de escala, perspectiva, oclusión parcial, cambio en las condiciones de iluminación, etcétera.
Las computadoras saben jugar ajedrez, demostrar teoremas matemáticos, leer y traducir idiomas, pero ninguna máquina, por compleja que sea, puede reproducir la gama completa del pensamiento humano. Nadie aún, ha construido una máquina capaz de aprender a hablar un idioma, si bien este proceso es algo que los niños dominan en sus primeros años de vida. En la década de 1970 se requirieron grandes esfuerzos en la Universidad de Edimburgo para hacer que una computadora pudiese reconocer unos cuantos objetos tan simples como una taza o un plato. Una de las dificultades es que las computadoras y los cerebros están organizados de diferente manera. El cerebro es una red de células llamadas neuronas. Ese órgano tan importante contiene entre 10000 y 100000 millones de ellas; cada una está conectada con aproximadamente otras 10000, todas las cuales funcionan al mismo tiempo. Las computadoras contienen millones de circuitos lógicos, cada uno de estos circuitos está conectado con otro circuito y sólo funciona después del anterior, no simultáneamente. La información que fluye a través de la computadora sigue un solo “camino”, en lugar de distribuirse por todas partes, como sucede en el cerebro. Con todo, los circuitos de la computadora funcionan con mucha mayor rapidez que las neuronas y son mejores para algunas actividades; por ejemplo, para cálculos matemáticos arduos y complejos. Pero el cerebro, pese a sus neuronas relativamente lentas, es mucho más eficaz en el proceso de reconocimiento y el aprendizaje. Ante él, las computadoras resultan limitadas.
El profesor Igor Aleksander, del Imperial College de Londres, diseñó una red neuronal llamada Wisard, para reconocer la sonrisa humana; la red neuronal fue entrenada mostrándole varias imágenes, algunas de las mismas de gente sonriente. Con esto el artefacto pudo ver caras que no había visto antes y distinguir aquellas que sonreían. En la Universidad John Hopkins, en Estados Unidos, en la década de 1980 Terrence Sejnowski produjo una red neuronal capaz de pronunciar correctamente las palabras que se le escriben en un teclado. La red aprendió del mismo modo que un niño, y se le corrigió hasta que hizo bien las cosas. La empresa japonesa de radiotransmisión NHK tiene una red neuronal que sabe reconocer caracteres japoneses manuscritos con un 95% de exactitud, independientemente de su tamaño, posición y cambios de escala. Las redes neuronales están en las primeras etapas de desarrollo. Pero la mayoría de los científicos considera que, si algún día llega a existir una computadora pensante, que pueda exhibir rasgos de inteligencia, ésta será la forma de lograrla.
Desde un punto de vista instrumental, la computadora representa la herramienta universal, dada su versatilidad formal y su grado de polivalencia. Pero, también, la computadora se presenta como el símbolo de un paradigma tecnológico, que supera, o al menos amplía, el concepto tradicional de instrumento. Las primeras metáforas aplicadas a la computadora trataban de expresar su posible consideración como máquina pensante, como cerebro electrónico. Ya en 1946, como señala Benjamín Woolley, la prensa describía la computadora ENIAC de la Universidad de Pensilvania como un “cerebro electrónico”. Según Woolley, “En esa época, la palabra ‘computadora’ se seguía utilizando para referirse a un calculista, y su aplicación a una máquina sugería evidentemente la existencia de una conexión entre el trabajo mental del ser humano y los procesos electrónicos de la máquina.”
Una metáfora antropomórfica en la que subyace la pretensión de construir máquinas que puedan igualar o superar algunas de las capacidades, hasta ahora consideradas, estrictamente humanas. El uso de una determinada metáfora establece, de alguna manera, ciertos preconceptos de lo que puede llegar a ser una entidad dada, en este caso: la computadora. Benjamin Woolley señala, que a lo largo de su breve historia, la investigación en inteligencia artificial ha adoptado dos enfoques completamente distintos: “por un lado se ha intentado que las computadoras reproduzcan la conducta inteligente y, por otro, se ha intentado descubrir si la mente es una computadora.” En el caso referente a la Máquina Analítica de Babbage, la misma se encuentra más cerca del concepto de máquina propio de la Revolución Industrial. Al llegar al siglo XX, con el desarrollo de las computadoras digitales, como sistemas de procesamiento de la información, se trasciende lo puramente mecánico. Según Bruce Mazlish “en este nuevo contexto, la metáfora dominante es la mente, no la máquina.”
Fue el matemático Alan Turing el primero en considerar la cuestión de las máquinas inteligentes y lo que significaría para una máquina el acto de “pensar”. La propuesta de Turing para evaluar si las computadoras podían pensar y actuar inteligentemente fue extendiéndose en la comunidad científica. El año 1956 John McCarthy acuñó el término “inteligencia artificial” en una conferencia cuyo planteamiento estaba centrado en la propuesta de que la inteligencia en principio puede ser descrita con la suficiente precisión como para que una máquina construida a tal efecto pueda simularla. Marvin Minsky que junto a McCarthy fundó el departamento de inteligencia artificial del Instituto Tecnológico de Massachussets, definió la inteligencia artificial como, “la ciencia de construir máquinas que hacen cosas que requerirían inteligencia si fueran hechas por seres humanos.” También Herbert Simon, investigador de la inteligencia artificial, desarrolló la idea de que los procesos en una computadora son análogos a los procesos de la mente.
El pensamiento de Turing comprende un amplio campo de reflexión, ya que su concepción de las máquinas inteligentes, expuesta en el trabajo “Computing Machinery and Intelligence”, aparecido en la revista “Mind”, el año 1950, supone una visión científica y filosófica que está en el origen de las grandes transformaciones que dieron lugar a la idea de una sociedad tecnológica de la información. Las reservas y críticas a sus planteamientos no se hicieron esperar, pero su visión del futuro le llevó a proyectarse al año 2000, cuándo, según su previsión “el empleo de las palabras y la opinión académica habrá variado y se podrá hablar de máquinas pensantes sin que se produzcan descalificaciones”. Toda función computable por la naturaleza humana es computable por la máquina, de acuerdo con la idea de Turing, por lo que concibe la denominada “máquina universal”. No hay nada humano, incluido el pensamiento, afirmaba Turing, que no pueda ser reproducido por una máquina pensante. La “prueba de Turing” venía a dar respuesta acerca de la capacidad pensante de las máquinas. Desde una posición claramente conductista, los comportamientos aparecían directamente guiados por estímulos concretos. Por consiguiente, las pautas de la conducta y de la acción podrían ser codificadas, memorizadas y reproducidas a través respuestas sujetas a la lógica causal.
Es necesario comentar algunos elementos acerca del camino que se debe recorrer para lograr la construcción de máquinas con ciertas capacidades propias del hombre; es decir, con habilidad para la solución de problemas complejos como la toma de decisiones para la planeación de empresas, la evaluación de riesgos para las compañías de seguros, pruebas de eficiencia de motores, detección de arritmias cardiacas, análisis y evaluación de encefalogramas, de sismogramas, espectros de luz emitida o absorbida por estrellas o por materiales, etcétera. Todos estos problemas consisten en optimización o toma de decisiones no basada en reglas concretas. Entre el tipo de trabajos que estas máquinas podrían realizar, el de aplicación más directa es el reconocimiento y procesamiento de imágenes. Esto engloba desde tareas relativamente simples y específicas, como la identificación de firmas, voces, huellas dactilares, reconstrucción de imágenes con mucho ruido, etc., hasta tareas de gran complejidad como la identificación y clasificación de personas y objetos. Este último tipo de tareas representa una mayor dificultad debido a que se debe lograr invariancia de la detección con respecto a rotación, cambios de escala, perspectiva, oclusión parcial, cambio en las condiciones de iluminación, etcétera.
Las computadoras saben jugar ajedrez, demostrar teoremas matemáticos, leer y traducir idiomas, pero ninguna máquina, por compleja que sea, puede reproducir la gama completa del pensamiento humano. Nadie aún, ha construido una máquina capaz de aprender a hablar un idioma, si bien este proceso es algo que los niños dominan en sus primeros años de vida. En la década de 1970 se requirieron grandes esfuerzos en la Universidad de Edimburgo para hacer que una computadora pudiese reconocer unos cuantos objetos tan simples como una taza o un plato. Una de las dificultades es que las computadoras y los cerebros están organizados de diferente manera. El cerebro es una red de células llamadas neuronas. Ese órgano tan importante contiene entre 10000 y 100000 millones de ellas; cada una está conectada con aproximadamente otras 10000, todas las cuales funcionan al mismo tiempo. Las computadoras contienen millones de circuitos lógicos, cada uno de estos circuitos está conectado con otro circuito y sólo funciona después del anterior, no simultáneamente. La información que fluye a través de la computadora sigue un solo “camino”, en lugar de distribuirse por todas partes, como sucede en el cerebro. Con todo, los circuitos de la computadora funcionan con mucha mayor rapidez que las neuronas y son mejores para algunas actividades; por ejemplo, para cálculos matemáticos arduos y complejos. Pero el cerebro, pese a sus neuronas relativamente lentas, es mucho más eficaz en el proceso de reconocimiento y el aprendizaje. Ante él, las computadoras resultan limitadas.
El profesor Igor Aleksander, del Imperial College de Londres, diseñó una red neuronal llamada Wisard, para reconocer la sonrisa humana; la red neuronal fue entrenada mostrándole varias imágenes, algunas de las mismas de gente sonriente. Con esto el artefacto pudo ver caras que no había visto antes y distinguir aquellas que sonreían. En la Universidad John Hopkins, en Estados Unidos, en la década de 1980 Terrence Sejnowski produjo una red neuronal capaz de pronunciar correctamente las palabras que se le escriben en un teclado. La red aprendió del mismo modo que un niño, y se le corrigió hasta que hizo bien las cosas. La empresa japonesa de radiotransmisión NHK tiene una red neuronal que sabe reconocer caracteres japoneses manuscritos con un 95% de exactitud, independientemente de su tamaño, posición y cambios de escala. Las redes neuronales están en las primeras etapas de desarrollo. Pero la mayoría de los científicos considera que, si algún día llega a existir una computadora pensante, que pueda exhibir rasgos de inteligencia, ésta será la forma de lograrla.
Para conocer más acerca del Doctor Choque y sus publicaciones, haz clic en el siguiente vínculo:
No hay comentarios:
Publicar un comentario