¿Cómo percibe el mundo la IA?

Redes neuronales: el cerebro de la inteligencia artificial

Como seres humanos, a menudo no pensamos mucho en cómo obtenemos la información. Al fin y al cabo, llevamos haciéndolo, adaptándonos y empapándonos de ella desde que nacemos. Utilizamos nuestros cinco sentidos para explorar el mundo y lo que nos rodea, para juzgar y tomar decisiones y para clasificar la información. ¿Cómo realiza estas mismas tareas la Inteligencia Artificial (IA)?

En el caso de los seres humanos, reconocemos y procesamos imágenes como dígitos manuscritos con nuestros ojos, y es automático. Nuestros cerebros son superordenadores que se han desarrollado a lo largo de un milenio de evolución. Sin embargo, la ciencia está hoy lo suficientemente avanzada como para que sepamos más sobre el proceso. Ahora sabemos que en cada hemisferio de nuestro cerebro tenemos un córtex visual primario (V1) que contiene más de 140 millones de neuronas. Estas neuronas tienen decenas de miles de millones de conexiones entre ellas. El número es asombroso incluso para comprenderlo. Ahora intente comprender que no sólo tenemos V1, sino que hay V2, V3, V4, y así sucesivamente. Cada corteza visual agrega, categoriza y descifra progresivamente conocimientos visuales más complejos. Ahora intente comprender que nosotros, como humanos, hacemos todo esto a un nivel inconsciente. Impresionante, ¿verdad?

Si nos limitamos a considerar la percepción visual, ¿cómo puede un conjunto de algoritmos de software realizar la misma función? ¿Cómo puede la IA “aprender” lo que ve cuando se introducen imágenes como forma de datos? Hacer que la IA reconozca los mismos datos numéricos escritos a mano que los humanos pueden automatizar sin pensar no es tan fácil como parece. La codificación para el reconocimiento de patrones visuales puede tener un sinfín de excepciones.

La IA se basa en el mismo concepto que nuestras propias redes neuronales. La primera vez que te enseñaron el alfabeto o los números no los registraste. Hizo falta práctica y tiempo. El reconocimiento se desarrollaba de niño, cuando te daban un sinfín de ejemplos de formas en que se podía escribir Aa Bb o 0 1 2. Con la inteligencia artificial ocurre lo mismo. Hay que utilizar datos de entrada como ejemplos de entrenamiento y, para que la IA aprenda a percibir y reconocer construcciones escritas, se empezaría con múltiples ejemplos de Aa Bb… o 0 1 2… en una variedad de estilos de escritura. Esto se hace para que el algoritmo pueda entonces “aprender” que hay muchas formas, inclinaciones, curvas, estilos, pero un 0 es un 0, y un 8 es un 8. Este tipo de “aprendizaje” se conoce a menudo como aprendizaje profundo, que es un tipo más sofisticado de integración de datos que el término más genérico de aprendizaje automático.

¿Es el aprendizaje profundo realmente percepción?

El aprendizaje profundo es sólo una parte del aprendizaje automático. La IA necesita aprender de la experiencia, del mismo modo que nosotros, los humanos, tuvimos que aprender cuando éramos bebés y niños. Los algoritmos de aprendizaje profundo se utilizan para crear redes neuronales artificiales, similares al cerebro humano. Las máquinas son entonces capaces de aprender a través de la experiencia, el ensayo y el error, e incluso adquirir nuevas habilidades sin interacción humana. Del mismo modo que un bebé puede coger un bloque, manipularlo, dejarlo caer, volver a cogerlo y “aprender” sobre su forma para acabar entendiendo que es un bloque y progresar hasta convertirlo en algo útil con lo que construir, las máquinas aprenden a partir de experiencias similares. Las mentes humanas absorben información a través de la experiencia. Un algoritmo de aprendizaje profundo (red neuronal artificial o aplicación de un programa complejo) puede realizar una tarea o recibir datos de entrada repetidamente, aprendiendo cada vez un poco más y ajustando los resultados hasta alcanzar el 100% de precisión o casi. Después de muchos ejemplos de valores numéricos escritos a mano, el sistema puede “descifrar” casi cualquier patrón y distinguir entre un 6 y un 8. Ha aprendido a “percibir” los pequeños detalles de la escritura.

¿Qué es un perceptrón?

El término perceptrón no es nuevo. Fue acuñado en 1957 por Frank Rosenblatt en el Laboratorio Aeronáutico de Cornell. Se basa principalmente en nuestras propias redes neuronales y su funcionamiento.

Al igual que nuestra propia red neuronal visual descrita anteriormente, con V1, V2, V3, etc., una red neuronal se crea cuando un conjunto de neuronas o nodos individuales se interconectan mediante enlaces sinápticos. En toda red neuronal artificial hay tres capas: entrada, salida y una capa oculta. Las entradas reciben un valor, pasan a la capa oculta, que tiene su propio conjunto de vías neuronales, y luego a la salida.

Durante este proceso, se utiliza un algoritmo de aprendizaje para determinar cuál debe ser el comportamiento requerido. Un ejemplo sería: ¿cumplen los datos de entrada del número 8 escrito a mano todas las especificaciones de todas las fuentes conocidas de cómo podría ser un 8? Si la respuesta es afirmativa, se almacenan; si es negativa, se envían como desconocidos. Un algoritmo de aprendizaje es generalmente una función de bucle cerrado que recorre todos los valores conocidos y las correcciones conocidas previamente por la red.

El algoritmo perceptrón utiliza un sistema de clasificación binaria de los datos. En algunas situaciones, el algoritmo perceptrón puede ser descubierto. En este descubrimiento, se puede aprender acerca de las limitaciones dentro del programa que puede haber sido completamente inconsciente de. Esto puede ser problemático y se resuelve con las redes perceptrón multicapa. Hoy en día, el perceptrón se ha convertido en el algoritmo de aprendizaje más importante que existe.

La IA es percepción artificial

La inteligencia en los seres humanos proviene de la capacidad de extraer conclusiones a partir de patrones de “datos” que nos llegan del mundo que nos rodea a través de nuestros sentidos. Nuestras inferencias o resultados a partir de los datos se basan en procesos de toma de decisiones estructurados o racionales. Para nuestro cerebro superordenador, estos procesos pueden suceder tan rápidamente que creemos que simplemente “conocemos” los resultados.

Antes de que pudiéramos llegar a un punto en la vida en el que eso fuera posible, hubo un principio, en el que se aprendía a partir de patrones que se nos presentaban. Aprendimos que no es racional que el huevo viniera antes que la gallina, ya que sabemos que las gallinas ponen los huevos. Una forma de hacer racionalizaciones. Es posible que hayamos aprendido que 1 + 1 = 2, y que podamos calcularlo sin darnos cuenta de que lo hemos hecho. Un proceso estructurado. Ambas formas de llegar a conclusiones son distintas, pero también pueden complementarse.

La inteligencia artificial funciona de forma muy parecida. Tiene dos formas de clasificar los datos y de trabajar en el proceso de toma de decisiones. Para aclararlo aún más, las dos formas pueden equipararse a que una es similar a tu calculadora o a tu pc. Éstos utilizan un proceso estructurado de toma de decisiones, es decir, instrucción por instrucción, línea por línea de codificación para tomar una decisión estructurada. La IA, por su parte, justifica los datos con patrones de datos preexistentes para llegar a la conclusión que “percibe” como la elección correcta. La IA es, más o menos, una forma de percepción artificial.

Mañana, después de la siesta

Ahora sabemos que la IA son máquinas programadas con vías neuronales artificiales para tomar decisiones, muy parecidas al cerebro humano. Como humanos, empezamos a recopilar datos incluso antes de abrir los ojos por la mañana. Nos despierta del sueño. Todo lo que ven nuestros ojos a lo largo del día es literalmente “transmisión en directo” de datos a nuestro cerebro. Somos criaturas que exploran el mundo, inventan, crean y construyen. Ingerimos datos como respiramos aire. Sin embargo, al final de un largo día, necesitamos dormir. Si no dormimos lo suficiente o permanecemos despiertos demasiado tiempo, nuestras neuronas pueden empezar a “fallar” y podemos tomar malas decisiones. El sueño nos restaura para que podamos empezar de nuevo el día siguiente.

Estudios recientes han llegado a la conclusión de que la inteligencia artificial también necesita dormir. Esto fascina a los investigadores. Las redes neuronales artificiales están estrechamente construidas para imitar en su funcionalidad al cerebro humano, que puede llegar a sobrecargarse. Investigadores del Laboratorio Nacional de Los Álamos han descubierto que, para mantener la máxima funcionalidad de sus sistemas de IA, necesitan un periodo de sueño. La IA necesita dormir lo mismo que el cerebro humano.

Lo que los investigadores descubrieron en su proyecto es que, tras largos periodos de aprendizaje no supervisado, los sistemas de IA empezaban a funcionar mal y no lo hacían como habían sido diseñados. La IA se utilizaba para aprender, de forma muy parecida a como los humanos asimilan la información e intentan clasificar objetos sin ejemplos previos con los que comparar.

El descubrimiento llegó cuando se dieron cuenta de que exponiendo a la IA a un análogo artificial del “sueño” o descanso, el problema se corregía por sí solo. Para que la IA se mantuviera estable durante largos periodos de tiempo, necesitaba un conjunto estándar de intervalos de sueño. Exponer las redes neuronales artificiales a un “tiempo de sueño analógico” fue en realidad su último recurso. Los resultados sorprendieron a los científicos. El siguiente paso en su proceso de desarrollo de la evolución de la IA es incluir tiempos de sueño o de inactividad designados para que las neuronas artificiales tengan la oportunidad de reiniciarse y recargarse. Esto dará lugar a un nuevo nivel de percepción del mundo por parte de la IA.