La inteligencia artificial puede superar el mejor rendimiento humano en tareas específicas, escribe el profesor de informática Mark Lee.
Pero para comprender verdaderamente las emociones y desarrollar un sentido de sí misma, la IA necesitará alojarse en un cuerpo robótico.
La inteligencia artificial parece estar avanzando enormemente. Se ha convertido en la tecnología clave detrás de los coches autoconducidos, los sistemas de traducción automática, el análisis del habla y de textos, el procesamiento de imágenes y todo tipo de diagnóstico y sistemas de reconocimiento. En muchos casos, la IA puede superar al mejor rendimiento humano en tareas específicas.
Estamos presenciando el surgimiento de una nueva industria comercial con una actividad intensa, una inversión financiera masiva, y un enorme potencial. Parecería que no hay áreas que estén fuera del alcance de la mejora por parte de la IA: no hay tareas que no puedan automatizarse, ni problemas que al menos no puedan ser asistidos por una aplicación de IA. ¿Pero es esto estrictamente cierto?
Los estudios teóricos de la computación han demostrado que hay algunas cosas que no son computables. Alan Turing, el brillante matemático y descifrador de códigos, demostró que algunos cálculos podrían no terminar nunca (mientras que otros tardarían años o incluso siglos).
Por ejemplo, podemos calcular fácilmente unas cuantas jugadas por adelantado en una partida de ajedrez, pero examinar todas las jugadas hasta el final de una partida típica de ajedrez de 80 movimientos es completamente impracticable. Incluso utilizando uno de los superordenadores más rápidos del mundo, que opera a más de cien mil billones de operaciones por segundo, tardaría más de un año en explorar solo una pequeña parte del espacio de ajedrez. Esto también se conoce como el problema de escalado.
La investigación temprana en IA a menudo producía buenos resultados con pequeños números de combinaciones de un problema (como el tres en raya, conocidos como problemas de juguete), pero no se escalaba a otros más grandes como el ajedrez (problemas de la vida real). Afortunadamente, la IA moderna ha desarrollado formas alternativas de abordar tales problemas. Estas pueden vencer a los mejores jugadores humanos del mundo, no mirando todos los movimientos posibles por adelantado, sino mirando mucho más lejos de lo que la mente humana puede manejar. Lo hace mediante métodos que implican aproximaciones, estimaciones de probabilidad, grandes redes neuronales y otras técnicas de aprendizaje automático.
Pero estos son realmente problemas de informática, no de inteligencia artificial. ¿Existen limitaciones fundamentales para que la IA funcione de manera inteligente? Un problema grave se hace evidente cuando consideramos la interacción humano-computadora. Se espera ampliamente que los futuros sistemas de IA se comuniquen con y ayuden a los humanos en intercambios sociales amistosos y totalmente interactivos.
Teoría de la mente
Por supuesto, ya tenemos versiones primitivas de tales sistemas. Pero los sistemas de órdenes por audio y el procesamiento de guiones al estilo de los centros de llamadas solo simulan ser conversaciones. Lo que se necesita son interacciones sociales adecuadas, que impliquen conversaciones fluidas a largo plazo durante las cuales los sistemas de IA recuerden a la persona y sus conversaciones pasadas. La IA tendrá que comprender las intenciones, las creencias y el significado de lo que dicen las personas.
Esto requiere lo que en psicología se conoce como una teoría de la mente : la comprensión de que la persona con la que interactúas tiene una forma de pensar y, en líneas generales, ve el mundo de la misma manera que tú. Así, cuando alguien habla de sus experiencias, puedes identificar y apreciar lo que describe y cómo se relaciona contigo, dando sentido a sus comentarios.
También observamos las acciones de la persona e inferimos sus intenciones y preferencias a partir de gestos y señales. Así, cuando Sally dice: «Creo que a John le gusta Zoe, pero piensa que Zoe lo considera inadecuado», sabemos que Sally tiene un modelo de primer orden de sí misma (sus propios pensamientos), un modelo de segundo orden de los pensamientos de John y un modelo de tercer orden de lo que John piensa que Zoe piensa. Observa que necesitamos tener experiencias de vida similares para comprender esto.
Aprendizaje físico
Está claro que toda esta interacción social solo tiene sentido para las partes implicadas si tienen un «sentido de sí mismos» y pueden mantener de manera similar un modelo del yo del otro agente. Para comprender a otra persona, es necesario conocerse a uno mismo. Un «modelo de sí mismo» de la IA debería incluir una perspectiva subjetiva, que abarque cómo funciona su cuerpo (por ejemplo, su punto de vista visual depende de la ubicación física de sus ojos), un mapa detallado de su propio espacio y un repertorio de habilidades y acciones bien comprendidas.
Eso significa que se requiere un cuerpo físico para fundamentar el sentido de sí mismo en datos concretos y en la experiencia. Cuando un agente observa una acción de otro, puede entenderse mutuamente a través de los componentes compartidos de la experiencia. Esto significa que la IA social tendrá que hacerse realidad en robots con cuerpos. ¿Cómo podría una caja de software tener una perspectiva subjetiva de, y en, el mundo físico, el mundo que habitan los humanos? Nuestros sistemas conversacionales deben estar no solo integrados, sino encarnados.
Un diseñador no puede construir eficazmente un sentido de sí mismo mediante software para un robot. Si una perspectiva subjetiva se diseñara desde el principio, sería la perspectiva propia del diseñador, y también tendría que aprender y afrontar experiencias desconocidas para el diseñador. Por tanto, lo que necesitamos diseñar es un marco que respalde el aprendizaje de una perspectiva subjetiva.
Afortunadamente, hay una salida a estas dificultades. Los humanos enfrentan exactamente los mismos problemas, pero no los resuelven todos a la vez. Los primeros años de la infancia muestran un progreso evolutivo increíble, durante el cual aprendemos a controlar nuestros cuerpos y a percibir y experimentar objetos, agentes y entornos. También aprendemos a actuar y las consecuencias de los actos y las interacciones.
La investigación en el nuevo campo de la robótica del desarrollo explora ahora cómo los robots pueden aprender desde cero, como los bebés. Las primeras etapas implican descubrir las propiedades de los objetos pasivos y la «física» del mundo del robot. Más adelante, los robots observan y copian las interacciones con agentes (cuidadores), seguido de un modelado cada vez más complejo del yo en contexto. En mi nuevo libro, exploro los experimentos en este campo.
Así que, si bien la IA desencarnada tiene sin duda una limitación fundamental, la investigación futura con cuerpos robóticos podría algún día ayudar a crear interacciones sociales duraderas y empáticas entre la IA y los humanos.
