You are currently browsing the tag archive for the 'inteligencia artificial' tag.
Fuente: Blog de Art Futura
Me gustan las estéticas figuraciones en las que imaginamos a vulnerables robots experimentar inocentemente con sentimientos humanos. Curiosamente serán esos sentimientos los que los hagan vulnerables, los que hagan que sintamos empatía por ellos. Que mi ordenador juegue mucho mejor que yo al ajedrez no me produce simpatía alguna, no lo percibo como más humano porque haga algo que sólo los humanos podemos hacer (más bien lo contrario, que siempre he tenido mal perder), pero si veo un extraño engendro mecánico seducido por las falsas promesas de la televisión siento lástima por él.
Lo que produce empatía no es necesariamente ver lo que tenemos en común, sino ver solamente una serie de caracteres concretos. En mi mente hay una serie de dispositivos que se activan ante unos estímulos, y el estímulo que hace que se active la empatía es ver emociones en otros. Parece como si la emoción se transmitiera por mímesis, formando cadenas de seres emocionados.
Se ha subrayado mucho el carácter privado de lo emocional: mi emoción es mía, sólo la siento yo, forma parte de mi irreductible y acorazado mundo interior. Pero, quizá se nos ha escapado su carácter más social: mi emoción es mía pero sólo se desencadena cuando me la causan otros. La curiosa hipótesis de James-Lange “No lloro porque me da pena, sino que me da pena porque lloro” debería ser matizarla añadiendo “No lloro porque me da pena, sino que me da pena porque lloran otros”.
¿o quizá Andy Huang lo que critica es que no es conveniente para la máquina pretender asemejarse al hombre? Siempre hemos pensado en las máquinas como en emuladoras, copias que acaban por superar al original humano, pero, ¿no es más interesante pensar en unas máquinas que siguen una evolución al margen de simularnos? Cada vez que oigo pronósticos que dicen que dentro de 20, 50 o 100 años tendremos máquinas con consciencia o más inteligentes que el hombre me tiro de los pelos: ¿es que acaso sabemos bien lo que es la mente humana para poder copiarla? ¿No son acaso esas promesas infundadas las que desprestigian las investigaciones en AI? Quizá las máquinas deban seguir su propio camino y tener sus propias emociones, quizá muy diferentes a las humanas.
Siguiendo un prejuicio antropomórfico, siempre hemos pensado que la inteligencia era algo propio de una entidad única, individual y de una enorme complejidad. De aquí que los proyectos de AI siempre hayan ido enfocados a generar supercomputadoras, capaces de manejar muchísima información a gran velocidad. Pero, ¿y si esa no fuera la idea? ¿Y si no hay que buscar una única entidad superinteligente sino algo distinto?
Como en tantas otras ocasiones, mirando a la naturaleza aprendemos de ella (es lo que llamamos modelos de computación bioinspirados). Si observamos las grandes colonias de animales sociales como las abejas, termitas u hormigas, comprobamos que, como individuos, cada uno de sus miembros es muy estúpido, sigue patrones algorítmicos muy sencillos; sin embargo, como colonia, como grupo, su conducta es mucho más inteligente. Una hormiga por sí sola no puede defender la colonia o alimentar a la reina, pero muchas de ellas en colaboración sí. Vale, pero nuestras sociedades humanas consiguen grandes proezas al colaborar y trabajar en equipo, ¿dónde estaría entonces lo novedoso? Que nuestra forma de gestionar los grupos suele ser jerárquica: existen líderes, supervisores que comprueban el funcionamiento del todo, que lo dirigen y re-dirigen hacia sus objetivos. En las colonias de insectos, por el contrario, no existen supervisores, no existe nadie que gobierne el sistema. La consecución de los objetivos surge como propiedad emergente, como sinergia del funcionamiento independiente de cada una de las partes. Además, curiosamente, los objetivos conseguidos son espectacularmente inteligentes.
La comparación con el cerebro y la conciencia parece obligada. Una neurona tiene un patrón de comportamiento muy simple, pero millones de ellas funcionando simultáneamente pueden generar conducta inteligente, e incluso conciencia. Además, introducir en la robótica el concepto de simultaneidad es superar una de las diferencias fundamentales entre máquinas y cerebros. Nuestros ordenadores, a pesar de su increíble velocidad, sólo realizan una acción a la vez, lo que constituye una gran pérdida de potencia. ¿No conseguirán hacer cosas más potentes millones de pequeños procesadores que sólo uno muy rápido? Nuestro cerebro es mucho más lento que un procesador pero procesa muchísima más información.
El objetivo de la investigación estaría en estudiar qué propiedades emergentes se consiguen a partir de combinaciones de patrones de actuación simple, entender el comportamiento de los “enjambres” o “masas” de individuos en cuanto a tales a partir del comportamiento sencillo de sus individuos al asociarse. De hecho, ya se está utilizando este modelo para estudiar el origen de la cultura. Y en robótica, eso es lo que están haciendo en el Proyecto Symbrion: microrobots que forman diversos macrorobots sin perder su identidad micro (Esto además, les de una enorme versatilidad que no tendrían siendo piezas estáticas de un macrorobot). Entramos en la era de los robots sociales.
También puede resultar muy interesante utilizar este modelo para explicar eventos sociales. Nuestras sociedades son conjuntos de muchos individuos operando, lo cual crea, del mismo modo, propiedades sistémicas o emergentes no previstas al analizar el comportamiento individual de modo aislado. Quizá uno de los grandes problemas de nuestro mundo es que dichas propiedades ocurren sin ser previstas ni controladas por las autoridades (deterioro medioambiental, crisis económica…). Y quizá es que nuestro modelo de gobierno no debe ir encauzado a controlar todos los sectores del sistema (absolutamente inabarcables), sino sólo a coordinarlos para conseguir las consecuencias emergentes deseables. Más que dirigir parte por parte, estudiar la comunicación entre ellas, sus formas de interactuación ¿Una inteligencia de enjambre no habría de llevarnos a una política de enjambre?
Tenemos un robot que bota pelotas a velocidades supersónicas:
Una rata robótica que ve con sus bigotes:
Otros que se lo pasan bien jugando al béisbol:
Éste nos ganaría jugando al billar:
Robots que se pican por quién corre más:
Mejor ir en bici…
El de Toyota que toca el violín…
Pero mejor tocar con amigos:
Éste resuelve el cubo de Rubik:
Los de Sony bailan a lo Locomía:
Si queremos una cocina domótica…
Hasta tenemos un robot pez:
Y sus amigos, robots medusa:
Y hasta llegamos a que hagan cosas tan humanas como tener un tropezón:
A fin de cuentas, cualquier obra de arte es un conjunto de unidades discretas en número finito. Pensemos en un poema. Está formado por estrofas, versos, letras, por la combinación de las 28 letras (más signos de puntuación) que conforman nuestro alfabeto. Con suma facilidad, esas 28 letras pueden pasar a un código binario de ceros y unos. Igualmente, si pensamos en una pintura, podríamos hacerla computable si trasladamos al ordenador un plano bidimensional dividido en casillas muy pequeñas (píxeles) a cada una de las cuales se le asigna una intensidad de color.
Si imaginamos una biblioteca de Babel en la que se dieran todas las combinaciones posibles de letras (sería una biblioteca con infinitos libros) tendríamos todos los poemas posibles, tanto los ya escritos como los que están por escribir. La inmensa mayoría serían amasijos de letras sin sentido, pero allí estarían Lorca, Byron, Neruda… es más, también estarían las obras que ellos imaginaron pero que no llegaron a escribir e, incluso, sus mismas obras mejoradas o enriquecidas, si es que decir eso tiene sentido.
Sin embargo, esto es imposible. Esa biblioteca jamás podría existir en acto. Volvamos a la realidad y pensemos en un ordenador muy potente que trabaja incesantemente realizando combinaciones de letras. Trabaja a millones de operaciones por segundo, por lo que es cuestión de tiempo que produjera poemas con sentido. El gran problema estaría en cómo la máquina distinguiría buenos y malos poemas, por lo que la tarea de los programadores sería introducir los algoritmos de distinción adecuados. En primer lugar, podría tener un potente diccionario y ciertas reglas gramaticales que le hicieran descartar los batiburrillos de letras sin sentido. Así, no haría combinaciones de letras sino combinaciones de palabras con lo que las posibilidades combinatorias se reducen enormemente. Asimismo, diferenciaría verbos, sustantivos, adverbios, etc. de tal modo que eliminaría conexiones gramaticalmente incorrectas. Del mismo modo sabría todos los aspectos técnicos de la elaboración de poemas (tipos de poema, estrofas, versos, métrica, rima, etc.).
Empero, la cosa sigue siendo pobre. ¿Cómo va a distinguir la máquina un buen poema si ni siquiera los humanos tenemos un criterio para hacerlo? Algún criterio hay. Un poema hecho por mí será seguramente peor que el Don Juan de Byron. La tarea del programador sería aquí introducir algoritmos para que la máquina diferenciara elementos estéticos. ¿Cómo conseguir eso? A priori, habría que determinar qué tipo de poema queremos generar pues el mundo de la poesía está lleno de corrientes, tendencias, escuelas. Por ejemplo, supongamos que quisiéramos, simplemente, hacer un poema que emocionara al lector. Sabemos que existen expresiones más emotivas que otras: la palabra lágrima es más emotiva que radiodespertador. Así, tendríamos un archivo jerarquizado con palabras y expresiones que consiguen emocionar, catalogadas también en función del tipo de emoción a conseguir (alegría, tristeza, melancolía, amor, etc.), y que el ordenador combinaría en busca del poema que se adecue mejor a los objetivos. Ésto, en principio, suena muy simple, pero sería ir añadiendo nuevos criterios , restricciones y algoritmos de búsqueda, de tal modo que, al final, seguro que conseguiríamos poemas que pasarían el test de Turing con sobresaliente: nadie diferenciaría si los ha escrito un humano experto o una máquina.
Creo que habitualmente negamos la posibilidad de un computador poético debido a que pensamos que el proceso de creación literaria no obedece a nada computable. Pensamos en cosas como la inspiración, la genialidad, las musas… discurso tan bonito como místico y falto de racionalidad. El hecho de que no conozcamos con precisión la lógica de la creación artística no implica que no exista. Aquí tendríamos una especie de metafísica de los huecos: donde no entendemos bien, introducimos jerigonza mística.
Otra objeción podría ser afirmar que los artistas no siguen el mismo proceso de creación que nuestra máquina. Lord Byron no probó millones de combinaciones hasta que eligió el Don Juan como la mejor. Seguramente que, por muchas correcciones y variaciones que barajara, Byron lo escribió de una vez, sin ese exponencial proceso de selección, además de los múltiples factores vitales que , evidentemente, influyen en la creación poética: toda la experiencia vital previa del autor, su personalidad, intenciones, etc. Es cierto, pero esta objeción da píe a otra buena idea: ¿por qué nos obstinamos en que las máquinas emulen a los humanos? ¿No tendrán ellas que seguir su propio camino? Muchos proyectos de AI han fracasado por sus utópicas expectativas a la hora de imitar lo humano, mientras que otros, menos ambiciosos han tenido mucho éxito debido a que se ceñían a objetivos diferentes y más realistas (prácticamente todos los artefactos que tenemos por casa no pretender imitarnos). Las máquinas avanzan, y quizá no hacia nosotros, sino hacia otras formas quizá más sorprendentes y geniales que lo que pueda ser el homo sapiens.
El 25 de Noviembre de 2006 tuvo lugar el primero de los seis enfrentamientos entre el campeón del mundo de ajedrez, el gran maestro ruso Vladimir Kramnik y el computador de la empresa alemana Chessbase, Deep Fritz. La apuesta era la siguiente: Kramnik cobraba automáticamente por jugar medio millón de dolares y podría doblar esa cifra si ganaba en el cómputo: un millón de dólares por seguir demostrando que los seres humanos somos mejores que nuestras creaciones digitales. No era la primera vez que se encontraban. Ya en el año 2002 empataron en Bahrein. Habían pasado cuatro años y un computador mejora muy deprisa. ¿Vencería esta vez la máquina al hombre? Veamos a los dos púgiles:
Vladimir Kramnik: era el candidato idóneo para esta prueba ya que no es un jugador agresivo y temerario como pudiera ser el actual líder de la FIDE VeselinTopalov o el valiente Viswanathan Anand. Kramnik es calmado, frío, conservador. Alguien que más que a ganar juega a no perder (sobre todo si juega con negras), jugador teórico, lógico y sistemático antes que intuitivo o fogoso. Según Kasparov, representa el triunfo del pragmatismo de mercado en el ajedrez mezclado con la tenacidad de Karpov. Con estas características no había nadie mejor que él para vencer a Deep Fritz. Aquí tenéis algunas de sus mejores partidas.
Deep Fritz: era capaz de procesar nueve millones de posiciones por segundo. Uno esperaría encontrarse a un mastodonte como, por ejemplo, su homólogo Deep Blue de IBM, pero en vez de eso uno ve poco más que lo que tenemos en la fotografía: no se necesita más que la potencia de un Pentium III para tener una fuerza bruta suficiente para derrotar al campeón del mundo. Y es que hoy en día no hace falta demasiado. A mí no deja de maravillarme como en mi Nintendo DS, el juego de ajedrez Chessmaster, que apenas ocupa 30 megas de memoria y que usa el pequeño procesador de la DS (de 32 bits y 66 Mhz), juega a un nivel Elo de 1850, es decir, mejor que cualquier persona inteligente que no esté entrenada seria y prolongadamente en el juego. Y, por supuesto, el juego Fritz 10, que es el que tengo en mi ordenador, será invencible para mí y para el 99,9% de la población mundial, hasta el fin de nuestras vidas.
Primera partida: tablas
Segunda partida: gana Deep Fritz por error intantil de Kramnik. Aquí ocurre otra cosa interesante. Hay muchos que no se creyeron esto. ¿Cómo era posible que Kramnik, digno sucesor de Kasparov, no viera un mate en uno? Y es que las máquinas también nos superan en otra cosa: la honestidad. En esta competición había en juego intereses económicos de peso: la venta de videojuegos, la posibilidad de una lucrativa revancha… Yo no sé lo que realmente pasó, pero sí estoy seguro de que la realmente inocente en este asunto era Deep Fritz, la única que no se puede dejar llevar por las bajas pasiones humanas.
Tercera partida: tablas.
Cuarta partida: tablas.
Quinta partida: tablas.
Sexta partida: gana Deep Fritz
Aquí tenéis las seis partidas visualizadas y con sus respectivas crónicas (muy breves por cierto) por parte de EL PAÍS
Aquí podéis comprar la versión multiprocesador del programa que venció al campeón del mundo por unos 120 euros.
En la actualidad, el mejor programa informático de ajedrez se llama Rybka con un Elo ponderado en 3150 (A julio de este año, el jugador humano con mayor Elo según la clasificación de la FIDE era Topalov con 2813… ¡la máquina tiene la friolera de 337 puntos más!). Sin embargo, Rybka perdió sorprendentemente contra el número 28 del mundo Vladim Milov. Quizá el hombre tenga aún cierta esperanza, yo creo que no, e incluso me atrevería a pronosticar que dentro de unas décadas el ajedrez habrá sido agotado por las computadoras. Lamentablemente, el número de jugadas, aunque sea astronómico, no es infinito.
Éste era el título de la novela de Philip K. Dick en la que se basó Ridley Scott para su maravillosa Blade Runner. Y es que si construimos superordenadores a nuestra imagen y semejanza, éstos acabarán por soñar. ¿Qué soñará un robot? ¿Soñará con cascadas de unos y ceros?
Desde el maravilloso Blog A desgana nos llega el intento del artista norteamericano Brian Despain de describir el mundo onírico de los robots. Parece ser que no sueñan con ovejas eléctricas, pero sí con gnomos o peras.
Muchas más en la Web del mismo Despain.
Nuestra capacidad de comprensión de cantidades numéricas es una birria. Para cantidades muy bajas las cifras parecen tener significado. Entendemos muy bien qué diferencia hay entre que a nuestra casa vengan a cenar tres personas o catorce. Puedo establecer comparaciones entre cantidades pequeñas y grandes (doce contra dos mil es una pelea desigual) pero… ¿qué nos pasa cuando trabajamos con cifras muy altas? El más absoluto desastre. Por ejemplo, ¿cuántos granos de trigo caben en una habitación de tres metros cúbicos de volumen? Ni la más remota idea ¿Un millón? ¿Seis millones? ¿Trescientos mil? Es muy difícil, podría objetarse. Sí, pero, ¿tanto para que no podamos ni siquiera realizar una aproximación razonable? ¿Cuántos es cinco elevado a cuarenta y dos? ¿Es más que seiscientos millones? Cuando oímos cifras tan altas todas nos suenan igual. ¿Mi cerebro entiende algo distinto cuando oye 7.345.456.123.343 que cuando oye 1.245.345.212? “Un montonazo” afirma igualmente para ambas cifras.
Hace tiempo, hablamos de que es más difícil caminar que realizar ecuaciones debido a que el sistema de locomoción es mucho más antiguo que el neocortex, por lo que la evolución ha tenido mucho más tiempo para perfeccionar nuestras piernas que nuestras neuronas dedicadas a calcular. Por eso la Inteligencia Artificial hace máquinas que resuelven complejos algoritmos pero no que corran más que Usain Bolt. Es la llamada Paradoja de Moravec. Además es que para sobrevivir no hace falta manejar cifras exponenciales. ¿Cuántos tigres van a venir a comerme? ¿Cómo repartimos la carne? Desde luego no en cincuenta millones de trozos. Nuestros ancestros no necesitaban unas matemáticas tan potentes para sobrevivir y nosotros heredamos su torpeza.
Pero, ¿Y si nosotros las necesitáramos para comprender nuestra realidad? La diferencia entre cinco y cincuenta millones no es sólo cuantitativa. Una piedra que pesa cinco gramos es pequeñita, mientras que una piedra que pesa cincuenta millones de gramos… Tiene que ser algo muy grande y destructivo pero… ¿Cuánto de grande? ¿Lo pueden imaginar con facilidad? Yo no, pero el caso es que el hecho de que una roca pueda demoler un edificio y la otra no es una diferencia cualitativa que surge de un aumento cuantitativo.
Las diferencias cuantitativas generan diferencias cualitativas, propiedades que emergen de las diferentes relaciones entre las partes, puntos sin retorno, puntos de fractura, momento a partir del cual… El tamaño sí que importa (lo siento machotes), las escalas importan. El Universo no parece funcionar igual a escala cuántica que a escala humana o planetaria. Y la escala cuántica y la planetaria, la de los muy pequeño y la de lo muy grande funcionan con números exponenciales. Tenemos millones de neuronas, millones de receptores sensoriales, millones de conos y bastones, millones de células, virus y bacterias multiplicándose a gran velocidad… incluso la biología también es exponencial. Supongo que será un reto para el evolucionismo explicar cómo los billones de células de cualquier mamífero se han puesto de acuerdo por pequeñas variaciones aleatorias para mantenerlo con vida.
¿Y cómo calcular números tan altos? Llegan las supercomputadoras que, para calcular cifras astronómicas, también ellas mismas lo son: millones de puertas lógicas, millones de nanotransistores, millones de bits… Para ellas, cada vez es menos peligroso que ocurran explosiones combinatorias pues sí saben pensar exponencialmente. ¿Tendrán ellas que enseñarnos la auténtica verdad? ¿Serán ellas las herederas del progreso del conocimiento, quedando los seres humanos obsoletos? No necesariamente. De lo que se trata no es de tener una capacidad de cálculo increíble (en eso ya no podemos competir ni con una calculadora de dos dígitos comprada en los chinos), sino de entender el significado de las cantidades exponenciales. Por ejemplo, cuando entró el euro, todos hacíamos constantemente esfuerzos para pasar los euros a pesetas. Las cantidades en pesetas nos eran significativas. Yo sabía que si por una cerveza me cobraban seiscientas pesetas me estaban timando, y sabía que un coche medio costaba unos dos millones. Sin embargo, cuando me decían 300.000 euros, sólo podía decir “eso es mucho dinero”. Al cabo del tiempo las cantidades en euros cobraron significado por sí mismas y ya no tenemos (casi nunca) que pasarlas a pesetas. Sé que podría pagar por un coche hasta 20.000 euros y que cobrar menos de 10.000 euros anuales es explotación en su sentido más genuino.
Si los intelectuales, hemos de ser los cronistas conceptuales de nuestra época, como afirmaba Hegel, para unos tiempos exponenciales hemos de aprender a pensar exponencialmente.
Si Mahoma no va a la montaña, traigamos la montaña a Mahoma. Es muy difícil programar un software capaz de imitar el pensamiento humano (ya hemos hablado aquí de las dificultades de crear una máquina que pasara el test de Turing) pero ¿y si cambiamos de estrategia, y en vez de preocuparnos por el software, lo hacemos por el hardware?. A fin de cuentas, los cerebros humanos no tienen programadores ni un software “explícito” (estaría bien tenerlo. Me imagino un “Bienvenidos a Windows Human 2009″). No parece descabellado hacer algo físico que se parezca lo más posible un cerebro y luego ya veremos (este ya veremos podría ser un proceso de aprendizaje de varios años emulando la educación de un bebé, por ejemplo). Además, este modo de actuar parece más acorde con el monismo psico-físico reinante en la actual teoría de la mente ya que la separación software/hardware huele demasiado a dualismo (la mente no puede vivir sin cuerpo, amigos). Bien, ¿y cómo lo hacemos?
En primer lugar, sabemos más o menos como funciona una neurona (a pesar de que casi no sepamos nada de cuando muchas neuronas trabajan en conjunto, que es de lo que se trata). Es un organismo relativamente simple y, lo más importante, parece una unidad discreta, es decir, es computable. Funciona a través de pulsos eléctricos y, a pesar de que libera neurotrasmisores químicos de un modo, en ocasiones, muy complejo, no parece imposible emular su funcionamiento. No es entonces descabellado pensar en copiar físicamente el funcionamiento neuronal a chips de silicio. Hans Moravec y Raymond Kurzweil pensaron que si fabricáramos un gran circuito electrónico con las mismas conexiones que nuestro cerebro, podríamos sustituir uno por otro. Supongamos que he tenido un accidente y me he dañado una zona del cerebro. Podríamos llegar y cambiarla por una réplica electrónica que tuviera exactamente la misma estructura de conexiones que la mía. Pensemos que poco a poco continuamos cambiando partes orgánicas por electrónicas hasta que todo mi cerebro fuera electrónico… ¿sería yo un robot o un ser humano?
Pero dejando cuestiones conceptuales, lo importante es que esta forma de actuar parece un buen atajo ya que nos quitamos todo el problema del software. No necesitamos a programadores, sólo a ingenieros. Sin embargo, pronto empiezan los problemas (hacer trampas siempre se paga).
En primer lugar, en el cerebro humano hay más de cien mil millones de neuronas. Como argumenta Felix Ares, si queremos replicar un cerebro completo en un momento concreto de su historia tendremos que saber en qué estado estaba cada una de ellas. Si pudiéramos identificar la posición y el estado de cada neurona en un segundo mediante sistemas de neuroimagen, para saber el estado de todas ellas necesitaríamos 3.171 años. Y esto sólo para empezar. Ahora tendríamos que saber las combinaciones input /output de cada neurona, es decir, cómo responde a cada uno de los impulsos que recibe. Cada neurona tiene, por promedio, unas 1.000 entradas y una salida… (ya suena a excesivo). Bien, pues con paciencia, comencemos a ir probando. ¿Qué pasa cuando se enciende la entrada uno? ¿Y la uno y la dos? ¿y la uno y la tres? ¿y la dos y la tres?… Para calcular esto de cada una de las cien mil millones de neuronas del cerebro necesitaríamos unas cuantas veces la edad entera del Universo.
Vale, pensemos de otra manera. No queremos copiar un cerebro en un momento concreto, sino sólo crear una nuevo. No nos importa entonces descuidar el estado inicial de las neuronas (bueno, no del todo, alguno habrá que poner…). Lo importante será que aprenda como lo hacemos los seres humanos. ¿Cómo aprende una neurona? La clave nos la dio el biopsicólogo canadiense Donald Hebb. La conocida como regla de Hebb dice así: si hay dos neuronas, una A y otra B, tal que A excita repetidas veces a B, se produce un cambio en ambas células tal que se fortalece la conexión entre ambas. O dicho a lo Lamarck “el uso desarrolla la conexión neuronal y el desuso la atrofía”. Así podemos explicar algunas cosas, como por ejemplo, por qué la repetición hace que yo me aprenda de memoria una fecha (si bien, a mi juicio, decir esto es una extrapolación no suficientemente fundada. Creo que la cosa es bastante más compleja). El caso es que, con la regla de Hebb, podemos hacer sistemas de redes neuronales que aprendan. Y esa es la titánica tarea de la Inteligencia Artificial actual: hay que pensar cómo enseñar y qué enseñar. De nuevo, han de aliarse disciplinas aparentemente dispares: neurología y pedagogía, lo cual me parece magnífico (de los matrimonios más extraños salen los hijos más bellos). Así, ya tenemos a CB2, diseñado por los ingenieros de la Universidad de Osaka.
No obstante, se me ocurre la principal objeción teórica a todo este asunto de la ingeniería inversa. Si decimos que hay grandes problemas teóricos para crear una máquina que pasara el test de Turing quizá porque el lenguaje o el pensamiento no sean enteramente computables… ¿No parece contradictorio que de algo computable como las redes neuronales (si es que realmente lo son) surja algo que quizá tiene elementos no computables (si es que existe o no algo no computable)? ¿Podría lo no computable emerger de lo computable?
Esta entrada continua a: Los límites de la computabilidad (I) ¿Qué es una máquina de Turing?
Del Blog de Art Futura nos llegan estos dos videos. A disfrutarlos.
Esta entrada continua ¿Quién puede negar la idea de progreso? y está relacionada con El mito del progreso.
