211service.com
Máquinas pensantes
En 1982, cuando todavía era estudiante en el MIT, Danny Hillis cofundó Thinking Machines, uno de los fracasos más famosos en la historia de la informática. Thinking Machines, una colmena de investigadores brillantes y rebeldes, intentó construir la primera inteligencia artificial del mundo. Pero si la empresa no logró construir una máquina que se enorgullezca de nosotros (su lema corporativo), su Connection Machine demostró la practicidad del procesamiento paralelo, la base de la supercomputación moderna. Hoy, Danny Hillis es copresidente de Applied Minds, una empresa de diseño e invención, y está construyendo el Reloj del Largo Ahora, un reloj mecánico destinado a durar 10.000 años.
Danny Hillis en la oficina en un motor H-1 de un cohete Saturn 1B, la primera etapa del motor del Apollo 7. (Crédito: Daniel Hennessey)
TR: ¿Por qué es tan difícil crear una inteligencia artificial?
Esta historia fue parte de nuestro número de noviembre de 2006
- Ver el resto del número
- Suscribir
Hillis: Miramos nuestras propias mentes y observamos nuestros patrones de pensamiento consciente, razonamiento, planificación y analogías, y pensamos: Eso es pensar. En realidad, es solo la punta de un iceberg muy profundo. Cuando comenzaron los primeros investigadores de la IA, asumieron que los problemas difíciles eran cosas como jugar al ajedrez y aprobar exámenes de cálculo. Eso resultó ser fácil. Pero los tipos de pensamiento que parecían sin esfuerzo, como reconocer un rostro o darse cuenta de lo que es importante en una historia, resultaron ser muy, muy difíciles.
TR: ¿Por qué Thinking Machines no pudo crear una máquina pensante?
Hillis: Bueno, la respuesta simplista es que simplemente no tuvimos suficiente tiempo. Pero el tiempo suficiente habrían sido décadas, tal vez vidas. Es un problema difícil, probablemente muchos problemas difíciles, y realmente no sabemos cómo resolverlos. Todavía no tenemos una respuesta científica real a ¿Qué es una mente?
TR: Connection Machine fue una plataforma eficaz para la supercomputación. ¿Por qué Thinking Machines no prosperó como empresa de supercomputación?
Hillis: La supercomputación resultó ser una tecnología, no un negocio. Mi amigo Nathan Myhrvold, que dirigía Microsoft Research en ese momento, me dijo una vez: es al menos tan difícil hacer software para una supercomputadora como para una PC, pero solo tienes unos pocos miles de clientes y nosotros tenemos miles de millones. No solo eso, sino que cada uno de esos clientes espera que usted les dé exactamente lo que necesitan.
TR: ¿Cuáles fueron las aplicaciones comerciales exitosas de la investigación en Thinking Machines?
Hillis: Las aplicaciones comerciales fueron principalmente diseño de chips, minería de datos, búsqueda de texto, criptología, química computacional, gráficos por computadora, optimización financiera, procesamiento sísmico y modelado de flujo de fluidos. Las aplicaciones científicas como la astronomía, el modelado climático o la cromodinámica cuántica fueron emocionantes cuando ayudaron a obtener un resultado en la portada de Naturaleza , pero nunca ganamos dinero con ellos.
TR: ¿Qué pasó con las patentes de Thinking Machines? Más que nadie, usted es responsable del procesamiento paralelo masivo. Obtienes crédito, pero no pago. ¿Quién lo recibe y por qué?
Hillis: Bueno, en primer lugar, debo tener claro que soy solo una de las muchas personas que contribuyeron al desarrollo de la computación paralela masiva. En cuanto a las patentes, una de las consecuencias del fracaso de Thinking Machines es que perdí los derechos sobre las tecnologías. En retrospectiva, resultó ser una bendición, porque me salvó de pasar la siguiente década de mi vida en la corte.
TR: ¿En qué se diferencia su filosofía de la inteligencia artificial de la famosa sociedad mental de Marvin Minsky?
Hillis: Marvin es mi mentor, por lo que cualquier filosofía de IA que tenga comienza con la suya. Yo vivía en su sótano mientras él escribía el libro. Sociedad de la Mente, y todos los días escribía una o dos páginas nuevas y me dejaba leerlas. Luego podríamos hablar de ello y yo podría escuchar todo el pensamiento que él había dejado atrás. Todavía no puedo imaginarme cómo sería leer ese libro, de cabo a rabo, sin una larga conversación en cada página. Pero ese es el punto del libro: como diría Marvin, El cerebro es un torpe. Están sucediendo muchas cosas diferentes e interactúan de maneras complicadas. Seguramente Marvin está equivocado en la mayoría de los detalles, pero creo que el panorama general de muchos procesos semiautónomos diferentes y débilmente acoplados es básicamente correcto.
TR: Se adelantó a su tiempo en la aplicación de la computación a la inmunología, la genética y la neurobiología. Hoy, la computación es omnipresente en biología. ¿Qué significará esto?
Hillis: Estoy emocionado de que la biología computacional esté ganando terreno. Se siente como lo hizo el campo de la informática en 1970. Todo parece posible, y la única limitación es nuestra imaginación. Todavía quedan muchas preguntas básicas y simples sin respuesta: ¿Cómo se codifican los recuerdos? ¿Cómo tiene el sistema inmunológico un sentido de 'sí mismo'?
Estoy especialmente interesado en lo que vendrá de los modelos computacionales de evolución, aunque debo admitir que el campo parece un poco estancado en este momento. La mayoría de los modelos actuales de evolución lo reducen a un tipo de algoritmo de búsqueda muy débil, pero siempre he sentido que hay algo más que eso. No es que los biólogos se equivoquen sobre los mecanismos, sino que los modelos son mucho más simples que la biología. Puede ser que la interacción de la evolución y el desarrollo sea la clave, o el comportamiento y el medio ambiente, o algo por el estilo.