Es común escuchar frases como 'aprendizaje automático' e 'inteligencia artificial' y creer que, de alguna manera, alguien ha logrado replicar una mente humana dentro de una computadora. Esto, por supuesto, no es cierto, pero parte de la razón por la que esta idea es tan generalizada es porque la metáfora del aprendizaje y la inteligencia humanos ha sido bastante útil para explicar el aprendizaje automático y la inteligencia artificial.
De hecho, algunos investigadores de la IA mantienen un vínculo estrecho con la comunidad de neurociencias , y la inspiración corre en ambas direcciones. Pero la metáfora puede ser un obstáculo para las personas que tratan de explicar el aprendizaje automático a quienes están menos familiarizados con él. Uno de los mayores riesgos de la combinación de inteligencia humana y de máquinas es que comenzamos a entregar demasiada agencia a las máquinas. Para aquellos de nosotros que trabajamos con software, es esencial que recordemos que la agencia es humana; después de todo, son los seres humanos quienes construyen estos sistemas.
Vale la pena desempacar las diferencias clave entre la máquina y la inteligencia humana. Si bien existen similitudes, al observar qué las hace diferentes podemos comprender mejor cómo funciona la inteligencia artificial y cómo podemos construirla y usarla de manera efectiva.
Redes neuronales
El concepto de una red neuronal es fundamental para la metáfora que vincula el aprendizaje humano con el aprendizaje automático. La mayor diferencia entre un cerebro humano y una red neuronal artificial es la gran escala de la red neuronal del cerebro. Lo que es crucial es que no es simplemente la cantidad de neuronas en el cerebro (que llegan a los miles de millones), sino, más precisamente, la sorprendente cantidad de conexiones entre ellas.
Pero el problema es más profundo que las preguntas de escala. El cerebro humano es cualitativamente diferente de una red neuronal artificial por otras dos razones importantes: las conexiones que lo alimentan son análogas, no digitales, y las neuronas en sí no son uniformes (como lo son en una red neuronal artificial).
Por eso el cerebro es una cosa tan compleja. Incluso la red neuronal artificial más compleja, aunque a menudo es difícil de interpretar y desempaquetar, tiene una arquitectura y principios subyacentes que la guían ( esto es lo que estamos tratando de hacer, así que construyamos la red de esta manera ... ).
Por intrincadas que puedan ser, las redes neuronales en las IA están diseñadas con un resultado específico en mente. La mente humana, sin embargo, no tiene el mismo grado de intencionalidad en su ingeniería. Sí, debería ayudarnos a hacer todas las cosas que necesitamos hacer para mantenernos vivos, pero también nos permite pensar de manera crítica y creativa de una manera que no necesita ser programada .
La hermosa simplicidad de la IA
El hecho de que los sistemas de inteligencia artificial sean mucho más simples que el cerebro humano es, irónicamente, lo que permite a los AI lidiar con una complejidad computacional mucho mayor de la que podemos.
Las redes neuronales artificiales pueden contener mucha más información y datos que el cerebro humano, en gran parte debido al tipo de datos que se almacenan y procesan en una red neuronal. Es discreto y específico, como una entrada en una hoja de cálculo de Excel.
En el cerebro humano, los datos no tienen la misma calidad discreta. Entonces, si bien una red neuronal artificial puede procesar datos muy específicos a una escala increíble, no puede procesar información de la manera rica y multidimensional que un cerebro humano puede. Esta es la diferencia clave entre un sistema diseñado y la mente humana.
A pesar de los años de investigación, la mente humana sigue siendo algo opaca. Esto se debe a que las conexiones sinápticas analógicas entre las neuronas son casi impenetrables a las conexiones digitales dentro de una red neuronal artificial.
Velocidad y escala
Considera lo que esto significa en la práctica. La relativa simplicidad de una IA le permite realizar una tarea muy compleja muy bien y muy rápidamente. Un cerebro humano simplemente no puede procesar datos a escala y velocidad de la manera en que lo necesitan los AI si, por ejemplo, traducen voz a texto o procesan una gran cantidad de informes de oncología.
Esencial para la forma en que AI funciona en ambos contextos es que divide los datos y la información en pequeñas partes constituyentes. Por ejemplo, podría dividir los sonidos en texto fonético, que luego podría traducirse en oraciones completas, o dividir las imágenes en partes para comprender las reglas de cómo se compone una gran cantidad de ellas.
Los seres humanos a menudo hacen algo similar, y este es el punto en el que el aprendizaje automático se parece más al aprendizaje humano ; Al igual que los algoritmos, los humanos dividen los datos o la información en partes más pequeñas para procesarlos.
Pero hay una razón para esta similitud. Este proceso de ruptura está diseñado en cada red neuronal por un ingeniero humano. Lo que es más, la forma en que está diseñado este proceso dependerá del problema en cuestión. Cómo un sistema de inteligencia artificial descompone un conjunto de datos es su propia manera de "entenderlo".
Incluso cuando se ejecuta un algoritmo altamente complejo sin supervisión, los parámetros de cómo aprende una IA (cómo desglosa los datos para procesarlos) siempre se establecen desde el principio.
Inteligencia humana: definiendo problemas
La inteligencia humana no tiene este conjunto de limitaciones, que es lo que nos hace mucho más eficaces para resolver problemas. Es la capacidad humana de "crear" problemas lo que nos hace tan buenos para resolverlos. Hay un elemento de comprensión contextual y toma de decisiones en la forma en que los humanos abordan los problemas.
Los AI pueden desempaquetar problemas o encontrar nuevas formas de resolverlos, pero no pueden definir el problema que intentan resolver.
La insensibilidad algorítmica se ha enfocado en los últimos años, con un número creciente de escándalos en torno al sesgo en los sistemas de IA. Por supuesto, esto es causado por los sesgos de quienes hacen los algoritmos, pero subraya el punto de que los sesgos algorítmicos solo pueden ser identificados por la inteligencia humana.
La inteligencia humana y artificial debe complementarse
Debemos recordar que la inteligencia artificial y el aprendizaje automático no son simplemente cosas que "existen" que ya no podemos controlar. Están construidos, diseñados y diseñados por nosotros. Esta mentalidad nos pone en control del futuro y hace que los algoritmos sean aún más elegantes y notables.
Comentarios
Publicar un comentario
Tu opinión importa !!!!!!!!!
Saludos crema