La paradoja de Moravec es la observación por parte de investigadores en inteligencia artificial y robótica de que, contrariamente a los supuestos tradicionales, el razonamiento requiere muy pocos cálculos, pero las habilidades sensoriomotoras requieren enormes recursos computacionales. El principio fue articulado por Hans Moravec , Rodney Brooks , Marvin Minsky y otros en la década de 1980. Moravec escribió en 1988, "es comparativamente fácil hacer que las computadoras exhiban un rendimiento de nivel adulto en pruebas de inteligencia o jugando a las damas, y difícil o imposible darles las habilidades de un niño de un año en lo que respecta a la percepción y la movilidad". [1]
De manera similar, Minsky enfatizó que las habilidades humanas más difíciles de realizar ingeniería inversa son aquellas que son inconscientes . "En general, somos menos conscientes de lo que nuestra mente hace mejor", escribió, y agregó que "somos más conscientes de los procesos simples que no funcionan bien que de los complejos que funcionan sin problemas". [2]
La base biológica de las habilidades humanas
Una posible explicación de la paradoja, ofrecida por Moravec, se basa en la evolución . Todas las habilidades humanas se implementan biológicamente, utilizando maquinaria diseñada por el proceso de selección natural . En el curso de su evolución, la selección natural ha tendido a preservar las mejoras y optimizaciones del diseño. Cuanto más antigua es una habilidad, más tiempo ha tenido la selección natural para mejorar el diseño. El pensamiento abstracto se desarrolló muy recientemente y, en consecuencia, no debemos esperar que su implementación sea particularmente eficiente.
Como escribe Moravec :
En las porciones sensoriales y motoras grandes y altamente evolucionadas del cerebro humano hay mil millones de años de experiencia sobre la naturaleza del mundo y cómo sobrevivir en él. El proceso deliberado que llamamos razonamiento es, creo, el barniz más delgado del pensamiento humano, efectivo solo porque está respaldado por este conocimiento sensoriomotor mucho más antiguo y poderoso, aunque generalmente inconsciente. Todos somos olímpicos prodigiosos en las áreas perceptiva y motora, tan buenos que hacemos que lo difícil parezca fácil. El pensamiento abstracto, sin embargo, es un truco nuevo, quizás con menos de 100 mil años. Aún no lo hemos dominado. No es tan intrínsecamente difícil; simplemente lo parece cuando lo hacemos. [3]
Una forma compacta de expresar este argumento sería:
- Deberíamos esperar que la dificultad de realizar ingeniería inversa de cualquier habilidad humana sea aproximadamente proporcional a la cantidad de tiempo que esa habilidad ha estado evolucionando en los animales.
- Las habilidades humanas más antiguas son en gran parte inconscientes y, por lo tanto, nos parecen fáciles.
- Por lo tanto, deberíamos esperar que las habilidades que parecen sencillas sean difíciles de realizar ingeniería inversa, pero las habilidades que requieren esfuerzo pueden no ser necesariamente difíciles de diseñar.
Algunos ejemplos de habilidades que han ido evolucionando durante millones de años: reconocer un rostro, moverse en el espacio, juzgar las motivaciones de las personas, atrapar una pelota, reconocer una voz, establecer metas adecuadas, prestar atención a las cosas interesantes; cualquier cosa que tenga que ver con la percepción, la atención, la visualización, las habilidades motoras, las habilidades sociales, etc.
Algunos ejemplos de habilidades que han aparecido más recientemente: matemáticas, ingeniería, juegos humanos, lógica y razonamiento científico, encender un televisor, abrir una lata, atornillar una bombilla, poner una taza de chocolate caliente en un microondas. Estos son difíciles para nosotros porque no son para lo que evolucionaron principalmente nuestros cuerpos y cerebros. Estas son habilidades y técnicas que se adquirieron recientemente, en un tiempo histórico, y que han tenido como máximo unos pocos miles de años para ser refinadas, principalmente por la evolución cultural. [a]
Influencia histórica en la inteligencia artificial
En los primeros días de la investigación de la inteligencia artificial, los principales investigadores a menudo predijeron que serían capaces de crear máquinas pensantes en solo unas pocas décadas (consulte la historia de la inteligencia artificial ). Su optimismo se debía en parte al hecho de que habían tenido éxito escribiendo programas que usaban lógica, resolvían problemas de álgebra y geometría y jugaban juegos como damas y ajedrez. La lógica y el álgebra son difíciles para las personas y se consideran un signo de inteligencia. Muchos investigadores destacados [4] asumieron que, habiendo (casi) resuelto los problemas "difíciles", los problemas "fáciles" de la visión y el razonamiento del sentido común pronto encajarían. Se equivocaron, y una de las razones es que estos problemas no son fáciles en absoluto, pero sí increíblemente difíciles. El hecho de que hubieran resuelto problemas como la lógica y el álgebra era irrelevante, porque estos problemas son extremadamente fáciles de resolver para las máquinas. [B]
Rodney Brooks explica que, según las primeras investigaciones de la IA, la inteligencia "se caracterizaba mejor como las cosas que los científicos varones altamente educados encontraban desafiantes", como el ajedrez, la integración simbólica , la demostración de teoremas matemáticos y la resolución de problemas complejos de álgebra de palabras. "Las cosas que los niños de cuatro o cinco años podían hacer sin esfuerzo, como distinguir visualmente entre una taza de café y una silla, caminar sobre dos piernas o encontrar el camino desde el dormitorio a la sala de estar, no se consideraban actividades. requiriendo inteligencia ". [5]
Esto llevaría a Brooks a seguir una nueva dirección en la investigación de la inteligencia artificial y la robótica . Decidió construir máquinas inteligentes que "no tuvieran cognición. Solo sensación y acción. Eso es todo lo que construiría y dejaría de lado por completo lo que tradicionalmente se consideraba la inteligencia de la inteligencia artificial". [5] Esta nueva dirección, que él llamó " Nouvelle AI ", fue muy influyente en la investigación robótica y la inteligencia artificial. [6] [7]
Recepción
El lingüista y científico cognitivo Steven Pinker considera que esta es la principal lección descubierta por los investigadores de IA. En su libro de 1994 The Language Instinct , escribió:
La principal lección de treinta y cinco años de investigación en IA es que los problemas difíciles son fáciles y los problemas fáciles son difíciles. Las habilidades mentales de un niño de cuatro años que damos por sentadas (reconocer una cara, levantar un lápiz, caminar por una habitación, responder una pregunta) de hecho resuelven algunos de los problemas de ingeniería más difíciles jamás concebidos ... Aparece la generación de dispositivos inteligentes, serán los analistas bursátiles y los ingenieros petroquímicos y los miembros de la junta de libertad condicional los que corran peligro de ser reemplazados por máquinas. Los jardineros, recepcionistas y cocineros estarán seguros en sus trabajos durante las próximas décadas. [8]
Ver también
Notas
- ^ Incluso dado que la evolución cultural es más rápida que la evolución genética, la diferencia en el tiempo de desarrollo entre estos dos tipos de habilidades es de cinco o seis órdenes de magnitud, y ( Moravec argumentaría) no ha habido suficiente tiempo para que tengamos " dominado "las nuevas habilidades.
- ^ Estas no son las únicas razones por las que sus predicciones no se hicieron realidad: vea los problemas .
Referencias
- ^ Moravec 1988 , p. 15.
- ^ Minsky 1986 , p. 29.
- ^ Moravec 1988 , págs. 15-16.
- ↑ Zador, Anthony (21 de agosto de 2019). "Una crítica del aprendizaje puro y lo que las redes neuronales artificiales pueden aprender de los cerebros de los animales" . Comunicaciones de la naturaleza . 10 (1): 3770. Bibcode : 2019NatCo..10.3770Z . doi : 10.1038 / s41467-019-11786-6 . PMC 6704116 . PMID 31434893 .
Herbert Simon, un pionero de la inteligencia artificial (IA), predijo en 1965 que “las máquinas serán capaces, dentro de veinte años, de hacer cualquier trabajo que un hombre pueda hacer”: lograr una IA general.
- ↑ a b Brooks (2002) , citado en McCorduck (2004 , p. 456)
- ^ McCorduck 2004 , p. 456.
- ^ Brooks, 1986 .
- ^ Pinker 2007 , págs. 190–91.
Bibliografía
- Brooks, Rodney (1986), Inteligencia sin representación , Laboratorio de Inteligencia Artificial del MIT
- Brooks, Rodney (2002), Carne y máquinas , Pantheon Books
- Minsky, Marvin (1986), La sociedad de la mente , Simon y Schuster, p. 29
- Moravec, Hans (1988), Mind Children , Harvard University Press
- McCorduck, Pamela (2004), Máquinas que piensan (2a ed.), Natick, MA: AK Peters, Ltd., ISBN 1-56881-205-1, pag. 456.
- Nilsson, Nils (1998). Inteligencia artificial: una nueva síntesis . Morgan Kaufmann. pag. 7 . ISBN 978-1-55860-467-4.
- Pinker, Steven (4 de septiembre de 2007) [1994], The Language Instinct , Perennial Modern Classics, Harper, ISBN 978-0-06-133646-1
enlaces externos
- "explicación" del cómic de XKCD sobre esta "paradoja"