A medida que científicos de la computación celebran este año el centenario del nacimiento del genio matemático Alan Turing, que estableció las bases para la computación digital en la década de 1930, anticipando la era electrónica, prosiguen la búsqueda una máquina tan adaptable e inteligente como el cerebro humano.
La investigadora en ciencias de la computación Hava Siegelmann de la Universidad de Massachusetts Amherst (EE.UU.), experto en redes neuronales, ha llevado el trabajo de Turing a su siguiente paso lógico. Esto se traduce en su descubrimiento del año 1993, lo que se ha llamado computación "Super-Turing", un sistema de cómputo adaptable que aprende y evoluciona, con entradas desde el entorno de una manera mucho más parecidas a nuestro cerebro que la forma clásica de Turing. Ella y su colega de investigación postdoctoral Jeremie Cabessa informan sobre el avance en la edición actual de Neural Computation.
Afirmó, "este modelo está inspirado en el cerebro". "Se trata de una formulación matemática de las redes neuronales del cerebro, con sus capacidades de adaptación." Los autores muestran que cuando el modelo se instala en un entorno que ofrece constantes estímulos sensoriales como el mundo real, y cuando todos los pares de estímulo-respuesta se consideran durante la vida útil de la máquina, el modelo Super-Turing proporciona un repertorio exponencialmente mayor de las conductas que la informática clásica o el modelo de Turing. Demuestran que el modelo Super-Turing es superior para los humanos en las tareas y el aprendizaje.
"Cada vez que una máquina Super-Turing recibe una entrada, se convierte literalmente en una máquina diferente", dice Siegelmann. "Usted no quiere esto para su PC. Los ordenadores personales realizan muy bien y rápidamente los cálculos y los necesitamos para hacer eso. Pero si quiere un robot para acompañar a una persona ciega a la tienda de comestibles, le gustaría que pueda moverse en un entorno dinámico. Si usted quiere una máquina para interactuar con éxito con un compañero humano, le gustaría que se pueda adaptar al lenguaje idiosincrásico, reconocer patrones faciales y permitir la interacción entre los socios a evolucionar igual que nosotros. Eso es lo que este modelo puede ofrecer".
Los ordenadores clásicos trabajan de forma secuencial y sólo pueden operar de forma muy orquestada, en entornos específicos para los que fueron programados. Pueden parecer inteligentes, si se les ha dicho qué esperar y cómo responder, afirma Siegelmann. Pero no pueden tomar nueva información o usarla para mejorar la resolución de problemas, ofrecer alternativas más ricas o realizar otras tareas que supongan mayor inteligencia.
En 1948, Turing predijo otro tipo de cálculos que imitan a la vida, pero murió sin desarrollar su concepto de una máquina que podía usar lo que él llamó "la inferencia de adaptación". En 1993, Siegelmann, y seguidamente Rutgers, mostraron de forma independiente en su tesis doctoral un tipo muy diferente de computación, muy diferente de la "informática de cálculo". Publicó sus hallazgos en Science y poco después en un libro.
"Era lo suficientemente joven para tener curiosidad, con ganas de entender por qué el modelo de Turing se veía muy fuerte", recuerda. "Traté de demostrar la conjetura de que las redes neuronales son muy débiles y en su lugar encontré que algunos de los primeros trabajos eran defectuosos. Me sorprendí al encontrar a través del análisis matemático que los modelos neuronales tenían algunas capacidades que superan el modelo de Turing. Así que de nuevo leí a Turing y encontré que él creía que un modelo de adaptación sería más fuerte sobre la base de los cálculos continuos".
Explica que cada paso en el modelo de Siegelmann comienza con una nueva máquina de Turing que calcula una vez y entonces se adapta. El tamaño del conjunto de los números naturales se representa por la notación aleph-cero, que representa también el número de diferentes cálculos infinitos posibles gracias a las máquinas de Turing clásicas en ambiente del mundo real en forma de llegada continua de entradas. Por el contrario, el análisis más reciente de Siegelmann demuestra que Super-Turing tiene 2aleph-cero, comportamientos posibles. "Si la máquina de Turing tenía 300 comportamientos, Super-Turing tiene 2300, más que el número de átomos en el universo observable".
La nueva Super-Turing no sólo será flexible y adaptable, sino también económica. Esto significa que cuando se le presenta un problema visual, por ejemplo, va a actuar más como los cerebros humanos y elegir las características más sobresalientes en el entorno en el que se centra, en lugar de utilizar su potencia para degustar visualmente toda la escena como lo hace una cámara. Esta economía de esfuerzos, utilizando sólo la atención que se necesita, es otro sello distintivo de la alta inteligencia artificial.
"Si una máquina de Turing es como un tren en una vía fija, una máquina de Super-Turing es como un avión. No solo puede transportar una carga pesada, sino que también se mueve en direcciones infinitas y varía su destino, según sea necesario. El marco de Super-Turing permite un estímulo para cambiar realmente el equipo en cada etapa de cálculo, comportándose de una manera mucho más cercana a la de adaptación constante y evolución del cerebro".
Siegelmann y dos colegas recibirán una beca para hacer el primer equipo Súper-Turing, basado en redes neuronales recurrentes analógicas. El dispositivo se espera que de lugar a la introducción de un nivel de inteligencia nunca visto antes en la computación artificial.
Fuente: Jérémie Cabessa, Hava T. Siegelmann. The Computational Power of Interactive Recurrent Neural Networks. Neural Computation, 2012; 24 (4): 996 DOI: 10.1162/NECO_a_00263
Ampliar en: Computabilidad Super Turing. Epistemowikia. Revista «Hiperenciclopédica» de Divulgación del Saber. Segunda Época, Año VI. Vol. 5, Núm. 4: de octubre a diciembre de 2011
Enlaces relacionados:
- Apuntes Informática Aplicada al Trabajo Social. Inteligencia Artificial
- El nacimiento de la informática en Gran Bretaña, Enigma, Boma, Colossus
- La prehistoria de la informática.
Afirmó, "este modelo está inspirado en el cerebro". "Se trata de una formulación matemática de las redes neuronales del cerebro, con sus capacidades de adaptación." Los autores muestran que cuando el modelo se instala en un entorno que ofrece constantes estímulos sensoriales como el mundo real, y cuando todos los pares de estímulo-respuesta se consideran durante la vida útil de la máquina, el modelo Super-Turing proporciona un repertorio exponencialmente mayor de las conductas que la informática clásica o el modelo de Turing. Demuestran que el modelo Super-Turing es superior para los humanos en las tareas y el aprendizaje.
"Cada vez que una máquina Super-Turing recibe una entrada, se convierte literalmente en una máquina diferente", dice Siegelmann. "Usted no quiere esto para su PC. Los ordenadores personales realizan muy bien y rápidamente los cálculos y los necesitamos para hacer eso. Pero si quiere un robot para acompañar a una persona ciega a la tienda de comestibles, le gustaría que pueda moverse en un entorno dinámico. Si usted quiere una máquina para interactuar con éxito con un compañero humano, le gustaría que se pueda adaptar al lenguaje idiosincrásico, reconocer patrones faciales y permitir la interacción entre los socios a evolucionar igual que nosotros. Eso es lo que este modelo puede ofrecer".
Los ordenadores clásicos trabajan de forma secuencial y sólo pueden operar de forma muy orquestada, en entornos específicos para los que fueron programados. Pueden parecer inteligentes, si se les ha dicho qué esperar y cómo responder, afirma Siegelmann. Pero no pueden tomar nueva información o usarla para mejorar la resolución de problemas, ofrecer alternativas más ricas o realizar otras tareas que supongan mayor inteligencia.
En 1948, Turing predijo otro tipo de cálculos que imitan a la vida, pero murió sin desarrollar su concepto de una máquina que podía usar lo que él llamó "la inferencia de adaptación". En 1993, Siegelmann, y seguidamente Rutgers, mostraron de forma independiente en su tesis doctoral un tipo muy diferente de computación, muy diferente de la "informática de cálculo". Publicó sus hallazgos en Science y poco después en un libro.
"Era lo suficientemente joven para tener curiosidad, con ganas de entender por qué el modelo de Turing se veía muy fuerte", recuerda. "Traté de demostrar la conjetura de que las redes neuronales son muy débiles y en su lugar encontré que algunos de los primeros trabajos eran defectuosos. Me sorprendí al encontrar a través del análisis matemático que los modelos neuronales tenían algunas capacidades que superan el modelo de Turing. Así que de nuevo leí a Turing y encontré que él creía que un modelo de adaptación sería más fuerte sobre la base de los cálculos continuos".
Explica que cada paso en el modelo de Siegelmann comienza con una nueva máquina de Turing que calcula una vez y entonces se adapta. El tamaño del conjunto de los números naturales se representa por la notación aleph-cero, que representa también el número de diferentes cálculos infinitos posibles gracias a las máquinas de Turing clásicas en ambiente del mundo real en forma de llegada continua de entradas. Por el contrario, el análisis más reciente de Siegelmann demuestra que Super-Turing tiene 2aleph-cero, comportamientos posibles. "Si la máquina de Turing tenía 300 comportamientos, Super-Turing tiene 2300, más que el número de átomos en el universo observable".
La nueva Super-Turing no sólo será flexible y adaptable, sino también económica. Esto significa que cuando se le presenta un problema visual, por ejemplo, va a actuar más como los cerebros humanos y elegir las características más sobresalientes en el entorno en el que se centra, en lugar de utilizar su potencia para degustar visualmente toda la escena como lo hace una cámara. Esta economía de esfuerzos, utilizando sólo la atención que se necesita, es otro sello distintivo de la alta inteligencia artificial.
"Si una máquina de Turing es como un tren en una vía fija, una máquina de Super-Turing es como un avión. No solo puede transportar una carga pesada, sino que también se mueve en direcciones infinitas y varía su destino, según sea necesario. El marco de Super-Turing permite un estímulo para cambiar realmente el equipo en cada etapa de cálculo, comportándose de una manera mucho más cercana a la de adaptación constante y evolución del cerebro".
Siegelmann y dos colegas recibirán una beca para hacer el primer equipo Súper-Turing, basado en redes neuronales recurrentes analógicas. El dispositivo se espera que de lugar a la introducción de un nivel de inteligencia nunca visto antes en la computación artificial.
Fuente: Jérémie Cabessa, Hava T. Siegelmann. The Computational Power of Interactive Recurrent Neural Networks. Neural Computation, 2012; 24 (4): 996 DOI: 10.1162/NECO_a_00263
Ampliar en: Computabilidad Super Turing. Epistemowikia. Revista «Hiperenciclopédica» de Divulgación del Saber. Segunda Época, Año VI. Vol. 5, Núm. 4: de octubre a diciembre de 2011
Enlaces relacionados:
- Apuntes Informática Aplicada al Trabajo Social. Inteligencia Artificial
- El nacimiento de la informática en Gran Bretaña, Enigma, Boma, Colossus
- La prehistoria de la informática.
