Mens et Apparata

En el verano de 1955, un cuarteto de los principales matemáticos estadounidenses (el término científico informático aún no se utilizaba) propuso una conferencia en el Dartmouth College para investigar un tema que denominaron inteligencia artificial. El estudio se basará en la conjetura de que todos los aspectos del aprendizaje o cualquier otra característica de la inteligencia pueden, en principio, describirse con tanta precisión que se puede hacer una máquina para simularlos, según la propuesta.

Tomaso Poggio

La conferencia de un mes de duración, que tuvo lugar en 1956, generalmente se considera como la génesis de la investigación en inteligencia artificial. Tres de los autores de la propuesta: el inventor de LISP John McCarthy, el pionero de la teoría de la información Claude Shannon, SM ’40, PhD ’40 y el futuro ganador del premio Turing Marvin Minsky, enseñarían más tarde en el MIT. McCarthy y Minsky (que permanece en la facultad después de 55 años) fundaron el Laboratorio de Inteligencia Artificial del MIT.

En 1967, el progreso en la tecnología informática había sido tan rápido que Minsky, en su libro Computación: máquinas finitas e infinitas , se animó a escribir: Dentro de una generación, estoy convencido, pocos compartimentos del intelecto quedarán fuera del reino de la máquina; los problemas de creación de 'inteligencia artificial' se resolverán sustancialmente.

La predicción de Minsky, por supuesto, fue demasiado optimista. Resulta que ganar al ajedrez, que los primeros investigadores de la inteligencia artificial tomaron como la aplicación paradigmática de la inteligencia, es un problema computacional mucho más fácil que, digamos, distinguir palabras habladas o reconocer rostros.

En las décadas de 1980 y 1990, cuando se hizo evidente la dificultad de replicar la inteligencia humana, la IA llegó a significar algo muy diferente: sistemas informáticos prácticos y de propósito especial, a menudo basados ​​en el aprendizaje automático, que aplica el análisis estadístico a una gran cantidad de ejemplos de entrenamiento. Ese es el enfoque que nos brindó sistemas de reconocimiento de voz y traductores de texto automáticos.

Ahora, los investigadores del MIT creen que es hora de revivir las grandes ambiciones de la IA, con la esperanza de desarrollar mejores terapias para los trastornos neurológicos y sistemas informáticos que puedan anticipar nuestras necesidades con una intuición similar a la humana. Y la National Science Foundation parece estar de acuerdo. En septiembre anunció una subvención de $ 25 millones para el Centro de Cerebros, Mentes y Máquinas (CBMM), que tiene su sede en el Instituto McGovern de Investigación del Cerebro del MIT. El MIT está suministrando a 12 investigadores primarios; otros seis proceden de Harvard y cinco más de otras instituciones.

CBMM está dirigido por Tomaso Poggio, profesor de ciencias del cerebro y comportamiento humano e investigador principal tanto en el Instituto McGovern como en el Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL). Sus nombramientos duales ilustran la premisa principal detrás del nuevo centro: que avanzaremos mucho más rápido hacia la comprensión de la inteligencia humana si los enfoques computacionales, biológicos y psicológicos se combinan en lugar de explorarlos de forma aislada.

En lugar de depender solo de la informática, como lo hicieron hace 50 años, este centro es realmente una apuesta de que para replicar la inteligencia humana, es necesario comprender más sobre el cerebro y la cognición, dice Poggio.

Patrick Winston, profesor del Departamento de Ingeniería Eléctrica e Informática y coordinador de investigación de CBMM, agrega que las tecnologías para investigar el problema han mejorado significativamente en los últimos años. Por un lado, dice Winston, la computación es gratuita: cualquier tipo de computación que deba realizarse, se puede hacer. Por otro lado, la fMRI es ahora una rutina, dice, refiriéndose a la resonancia magnética funcional, que puede usarse para estudiar la actividad cerebral. También señala tecnologías como la estimulación magnética transcraneal, que puede interrumpir la actividad en regiones específicas del cerebro durante las pruebas cognitivas, y la optogenética, una técnica que utiliza la luz para activar o silenciar selectivamente las neuronas modificadas genéticamente en el cerebro. La optogenética fue iniciada por Ed Boyden '99, MEng '99, un profesor de Media Lab que es investigador principal en el Instituto McGovern y el nuevo centro.

La investigación en el centro se organiza en varios temas principales, o ejes: inteligencia visual, que implica la integración de la visión, el lenguaje y las habilidades motoras; circuitos para la inteligencia, que abarcará la investigación en neurobiología e ingeniería eléctrica; el desarrollo de la inteligencia; e inteligencia social. Poggio, quien es uno de los investigadores principales en inteligencia visual, también liderará el desarrollo de una plataforma teórica destinada a unir el trabajo en las otras áreas.

Dentro de cada impulso, los investigadores de CBMM están trabajando para definir un conjunto de preguntas de referencia que pueden utilizar para evaluar su progreso. Poggio ofrece un ejemplo, que se relaciona con su propio trabajo anterior sobre el sistema visual. Presentado con una imagen de personas interactuando, un sistema informático inteligente debería poder proporcionar respuestas plausibles a cinco preguntas, ordenadas de la más fácil a la más difícil: ¿Qué hay en la imagen? ¿Quién está en ello? ¿Qué está haciendo la gente? ¿Quién hace qué a quién? ¿Y que pasa después?

Invariantes
Un marco teórico para explorar todas las cuestiones que rodean la inteligencia humana es una tarea difícil. Pero las investigaciones de Poggio sobre cómo responde el cerebro a la primera pregunta de su lista proporcionan un esbozo de cómo podría ser ese marco.

El reconocimiento de objetos (desarrollo de sistemas informáticos que puedan responder a la pregunta ¿Qué hay en la imagen?) Es un área próspera de la investigación en inteligencia artificial. Normalmente, los sistemas de reconocimiento de objetos utilizan algunas especies de aprendizaje automático. Los seres humanos etiquetan imágenes de muestra, indicando qué objetos aparecen y dónde, y el sistema intenta identificar algunas características comunes que comparten todas las imágenes del objeto. Eso es muy diferente del aprendizaje humano o del aprendizaje animal, dice. Cuando un niño aprende a reconocer un oso o un león, no es que tengas que mostrarle imágenes de un león y un león y un león un millón de veces. Es más como dos o tres veces.

Poggio cree que, a diferencia de los sistemas de aprendizaje automático, el cerebro debe representar los objetos de manera invariante: la representación es la misma sin importar qué tan grande parezca el objeto, dónde se encuentre en el campo visual o si está girado. Y también cree que tiene una teoría plausible sobre en qué podría consistir esa representación.

La teoría de Poggio requiere que el cerebro, o un sistema informático que intenta simular el cerebro, almacene una plantilla de algunos objetos que experimentan cada tipo de variación: tamaño, ubicación y rotación en el plano. El cerebro podría, por ejemplo, almacenar algunas docenas de imágenes de un rostro humano trazando una rotación de 360 ​​°.

Un objeto desconocido se representaría entonces como una colección de productos escalares (un cálculo estándar en álgebra lineal) entre su imagen y las plantillas. Esa colección seguirá siendo la misma independientemente del tamaño, la ubicación o la orientación del objeto.

Un atractivo de la teoría es que el producto escalar reduce la comparación de dos conjuntos de datos complejos, como imágenes visuales, a un solo número. Las colecciones de productos punto, incluso para varias plantillas, no ocuparían mucho espacio en la memoria. Otro atractivo, dice Poggio, es que los productos punto son uno de los cálculos más fáciles, quizás el más fácil de hacer para las neuronas.

En los experimentos, es posible que el sistema de Poggio no supere a los sistemas de aprendizaje automático. Pero requiere muchos menos ejemplos de entrenamiento, lo que sugiere que replica mejor lo que hace el cerebro. Y para la mayoría de las tareas computacionales, el enfoque del cerebro suele resultar mejor.

Poggio cree que las colecciones de productos punto también podrían anclar conceptos más abstractos. Las plantillas que incluían grupos de objetos de diferentes formas —dispuestos como puntos en la cara de un dado, en una línea o en un círculo— podrían sustentar la noción de número; una plantilla de líneas paralelas vistas desde diferentes perspectivas podría sustentar las nociones de paralelismo o perspectiva. Puede haber cosas más interesantes para explorar, dice.

Pensamiento confuso
Al igual que Poggio, Josh Tenenbaum es profesor en el Departamento de Ciencias Cerebrales y Cognitivas (BCS) e investigador principal de CSAIL. Aunque lidera el impulso de desarrollo de CBMM, que se concentra en la comprensión intuitiva de la física que incluso los niños pequeños demuestran, también ha realizado investigaciones que podrían contribuir al trabajo teórico que está dirigiendo Poggio.

La primera investigación de IA, explica Tenenbaum, se centró en la construcción de un lenguaje matemático que pudiera codificar afirmaciones como los pájaros pueden volar y las palomas son pájaros. Si el lenguaje fuera lo suficientemente riguroso, pensaron los investigadores, los algoritmos informáticos podrían analizar las afirmaciones escritas en él y calcular todas las inferencias lógicamente válidas.

Pero dar sentido a las afirmaciones lingüísticas resultó requerir mucha, mucha más información de fondo de la anticipada. No todas las aves, por ejemplo, pueden volar. Y entre las aves que no pueden volar, existe una distinción entre un petirrojo en una jaula y un petirrojo con un ala rota, y otra distinción entre cualquier tipo de petirrojo y un pingüino. Codificar a mano una cantidad suficiente de estas excepciones de sentido común para permitir incluso los tipos más rudimentarios de inferencia resultó prohibitivamente lento.

Con el aprendizaje automático, por el contrario, una computadora recibe muchos ejemplos de algo y se deja que infiera, por sí misma, lo que esos ejemplos tienen en común. (Dado un millón de imágenes de un león, un algoritmo de aprendizaje automático puede cuantificar sus propias conjeturas: el 77 por ciento de las imágenes con estas características visuales son imágenes de leones). Pero si bien este enfoque puede funcionar bastante bien con problemas claramente definidos, digamos, identificar imágenes de pájaros: tiene problemas con conceptos más abstractos como el vuelo, una capacidad compartida por pájaros, helicópteros, cometas y superhéroes. E incluso el vuelo es un concepto concreto comparado con, digamos, la gramática o la maternidad.

Tenenbaum y sus estudiantes han desarrollado un nuevo tipo de herramienta llamado lenguaje de programación probabilístico, que fusiona lo mejor de la IA antiguo y lo nuevo. Al igual que los primeros lenguajes de IA, incluye reglas de inferencia. Pero esas reglas son probabilísticas. Si se le dice que el casuario es un pájaro, un programa escrito en el idioma de Tenenbaum podría concluir que los casuarios probablemente pueden volar. Pero si luego se le dijera al programa que los casuarios pueden pesar casi 200 libras, podría revisar sus probabilidades a la baja.

En las dos eras anteriores de la IA, la mayor diferencia eran los símbolos y las estadísticas, dice Tenenbaum. Una de las cosas que hemos descubierto en el lado de las matemáticas es cómo combinarlos, cómo hacer inferencias estadísticas y razonamientos probabilísticos [con] estos lenguajes simbólicos.

Leyendo a la gente
La segunda de las cinco preguntas de referencia de Poggio (¿Quién está en la imagen?) Se ha asociado durante mucho tiempo con el trabajo de la profesora de BCS Nancy Kanwisher, quien es mejor conocida por usar la resonancia magnética funcional para identificar y analizar una región del cerebro dedicada a la percepción facial.

Kanwisher lidera el impulso de inteligencia social del CBMM, que ella ve como la extensión natural de su trabajo anterior. Cuando miras una cara, estás interesado en más que solo las cosas demográficas básicas, como qué persona en particular es, si es hombre o mujer, qué edad tiene, dice ella. No solo se puede saber si una persona está feliz o triste, sino también si es asertiva o vacilante, si es exuberante o pasiva; hay un amplio espacio de cosas que podemos ver en un rostro a partir de un breve vistazo.

De manera similar, dice Kanwisher, los humanos pueden inferir mucho sobre los estados de ánimo de las personas, las intenciones y las relaciones con los demás a partir del lenguaje corporal, que tiene la ventaja de ser susceptible de modelado computacional. También señala el trabajo de la fallecida Nalini Ambady, la psicóloga social de la Universidad de Stanford que desarrolló la teoría de los juicios de corte fino.

Grabó en video los profesores universitarios de los cursos de Harvard que se enseñaban frente a sus clases al comienzo del semestre, dice Kanwisher. Luego, mostró segmentos muy cortos de estos videos a sujetos en experimentos de psicología y dijo: 'Califique la efectividad de este maestro'. Todo lo que tienen es unos segundos de una persona frente a una sala hablando con una clase; no se puede incluso escuchar lo que están diciendo. Y descubrió que esas calificaciones estaban altamente correlacionadas con las calificaciones de los estudiantes reales de esa persona.

El primer proyecto del impulso de inteligencia social del CBMM, dice Kanwisher, será diseñar un conjunto de tareas experimentales que permitan a los investigadores cuantificar la percepción social humana. Una vez que los investigadores establecen una línea de base, pueden estudiar cosas tales como cómo se desarrolla el desempeño en las tareas durante la niñez, o cómo el desempeño de los niños autistas difiere del de otros niños. También podrían identificar las regiones del cerebro involucradas en la percepción social mediante el uso de fMRI para medir la actividad neuronal o la estimulación magnética transcraneal para interrumpir el rendimiento. Y después de recopilar todos estos datos, intentarán modelar computacionalmente lo que, exactamente, está haciendo el cerebro.

Sigue la historia
Las últimas preguntas de la lista de Poggio: ¿Quién hace qué a quién? y ¿Qué pasa después? —afirma Patrick Winston. Él cree que la característica definitoria de la inteligencia humana es la capacidad de contar y comprender historias. Esa capacidad incluso juega un papel en el etiquetado de imágenes. Como le gusta señalar a Winston, un sujeto humano identificará la imagen de un hombre que se lleva un vaso a los labios como la de un hombre bebiendo. Si el hombre sostiene el vaso unos centímetros más adelante, está brindando. Pero un humano también identificará la imagen de un gato que gira la cabeza hacia arriba para tomar unas gotas de agua de un grifo como una instancia de beber. Tienes que pensar en lo que ves allí como una historia, dice Winston. Reciben la misma etiqueta porque es la misma historia, no porque se vea igual.

Esa es una de las razones para dedicar un impulso de investigación a la integración de la visión, el lenguaje y las habilidades sociales y motoras. Para ilustrar otra razón, Winston señala un experimento realizado por la psicóloga del desarrollo Elizabeth Spelke, una ex miembro de la facultad del MIT que ahora está en Harvard y es una de las investigadoras principales en el impulso del desarrollo. Spelke estaba intrigado por los experimentos en los que los investigadores habían colocado ratas en una plataforma giratoria en el centro de una habitación. La comida se colocó visiblemente en una esquina de la habitación, pero luego se ocultó a la vista. Se colocaron máscaras idénticas en las otras tres esquinas y se giró la plataforma. Spelke decidió extender ese estudio a niños y adultos humanos, escondiendo un juguete o un llavero en lugar de comida.

Con todos los animales, niños y adultos, una vez que se detuviera la rotación, el sujeto de prueba se dirigía con igual probabilidad a la esquina con el objeto enmascarado o al que se encontraba en diagonal frente a él, que tenía la misma relación con el sujeto. Ambos grupos de investigadores también variaron el experimento, pintando un color diferente en una de las paredes adyacentes a la esquina donde se colocó el objeto. Los animales y los niños pequeños aún seleccionaban la esquina correcta o la opuesta con la misma probabilidad, pero los adultos ahora podían recuperar el objeto de manera confiable.

Aquí es donde las cosas se ponen interesantes. Si a los adultos se les pidió que escucharan un pasaje de texto y lo recitaran antes de dirigirse al objeto, volvían a confundir las esquinas diametralmente opuestas. Escuchar y recitar el texto consume el procesador del lenguaje humano y eso los reduce al nivel de una rata, dice Winston. Después dirán: 'Sí, pude ver la pared azul, pero no pude usarla del todo'.

Responder a las preguntas de más alto nivel en las listas de puntos de referencia de los investigadores del CBMM probablemente llevará mucho más tiempo que los cinco años de la subvención inicial de la NSF. Pero, dice Poggio, es hora de volver a intentarlo. Han pasado 50 años. No sabemos si funcionará esta vez. Pero si no lo intentamos, no lo sabremos.

esconder