Cerebro e inteligencia artificial

 

Un estupendo artículo  de la revista de divulgación Quanta Magazine compara la historia de la inteligencia artificial basada en redes neuronales con el cerebro humano formado por redes de neuronas biológicas. Poco tienen que ver una con otro y, sin embargo, en una segunda mirada, sí pueden compararse y usarse para explorarse mutuamente. 

Las redes neuronales están formadas por capas en las que residen las neuronas artificiales: programas mínimos que reaccionan a las interacciones que vienen de otros programas y responden con una nueva señal que activa o desactiva a otras neuronas. En cada capa, las neuronas artificiales se interconectan en modos geométricamente complicados y las capas, a su vez, se interconectan también de forma compleja. Es lo que se llamó "procesamiento masivamente paralelo" que, como enseñó Geoffrey Hinton, pueden ser adiestradas mediante un procedimiento matemático probabilístico, "backpropagation", tomado de la termodinámica, que circuita las señales de salida y las convierte en señales de entrada, de modo que las redes reajustan sus pesos de conexión y así pueden representar relaciones probabilísticas entre lo que se quiera que representen cada una de esas neuronas. Los datos informacionales se convierten mediante procesos de "tokenización" en parámetros que son lo que representan las neuronas. Física termodinámica y probabilidad. Los textos, por ejemplo, se almacenan de modo que las redes pueden extraer las estadísticas de aparición conjunta de grupos de palabras y generar probabilidades de que una secuencia de términos sea una frase gramaticalmente correcta. En 2017, las técnicas de "transformer" (técnicas de asociar a una secuencia de palabras un espacio o contexto que permite al sistema acelerar la búsqueda de conexiones) permitió construir los Modelos Lingüísticos Extensos que ahora inundan nuestros dispositivos. 

¿Es así un cerebro? Para nada: las neuronas biológicas son células mucho más complejas, todas distintas entre sí en longitud, funciones, estructura fisiológica, que se activan o desactivan en las sinapsis o conexiones con otras neuronas mediante procesos químicos (los neurotransmisores) que, a su vez, producen cambios de potencial eléctrico internamente de modo que cada neurona se convierte en una especie de oscilador eléctrico que puede entrar en sintonía con otros muchos generando activaciones locales y resonancias generales. Hay alguna similitud con las redes neuronales artificiales, algo así como la que hay entre un modelo de Lego y un puente real, pero muchísimas más diferencias. El cerebro es un sistema químico-eléctrico de una complejidad que no es comparable en escala a la de las monstruosas máquinas de OpeAI o Google. El cerebro sería una pasta de sesos sin sus conexiones neuronales con los tejidos del cuerpo que no son sistemas pasivos sino que son, por su parte, sistemas productores de señales químicas (hormonas, neurotransmisores, ...) que interactúan sistémicamente con el sistema nervioso. El cerebro es cuerpo y sin el no es nada. Cuando las IAs se implanten en cuerpos mecánicos, robots, la analogía será un poco más cercana. Google lo está intentando ahora con su robot de juguete Watson, y ya se verá a qué puede llevar. 

Hay un segundo estrato de analogía: tanto las IAs como los cerebros son sistemas sociales o socio-técnicos. No funcionan si no están en continua interacción con millones de personas que los adiestran, corrigen, reconocen, ... y no funcionan sin infraestructuras desmesuradas, en el caso de las IAs y sin metabolismo y continua interacción física con el entorno en el caso de los cerebros. Pero el adiestramiento es muy distinto: en las IAs se introducen "datos" que son extraídos de fuentes ya informacionales. Los grandes dispositivos no entran en contacto con la realidad, sino con los datos. Son los humanos que los suministran, entrenan, afinan y usan los que conectan con la realidad. En el caso de los cerebros, el cuerpo interactúa directamente con la realidad mediado por herramientas, artefactos, lenguajes, y otras mediaciones que tienen carácter social: han sido generados por la totalidad de la historia de la humanidad. Forman el mundo de la vida, un entorno de reconocimientos, emociones, lazos, patrones de acción, rituales, saberes, actos simbólicos, que producen trayectorias que llamamos las identidades narrativas de las personas. 

Las inteligencias artificiales son sistemas híbridos de gente, sistemas físicos y datos en procesos complejos en parte mecánicos y en parte intencionales, económicos, ingenieriles. Las inteligencias naturales son también sistemas híbridos de física, química, biología, sociedad, cultura, técnica, y contingencias múltiples en esas continuidades que son las biografías. Pueden usarse para explorar unos sistemas a otros, pero son formas distintas de realidad. Lo peor que ha ocurrido de toda esta historia es llamar "inteligencia artificial" a la inteligencia artificial, es como cuando Papin llamó "digestor" a la primera olla a presión, como si fuera un sistema digestivo. 

Tras estas relaciones está la tensión y dialéctica entre complejidad y sentido de la que trató el sociólogo Niklas Luhmann. Sostenía que las ciencias han sido transformadas por la complejidad, algo que ha disuelto las viejas separaciones disciplinarias, y las humanidades  por el sentido, algo que también ha disuelto las correspondientes divisiones del trabajo intelectual. La complejidad de la complejidad y el sentido del sentido son lo que diferencia ahora la cultura científica y la humanística. Hay una relación, pues el sentido es una forma de complejidad, pero hay otras barreras que tienen que ver con la imposibilidad de reducir uno a otra. La complejidad es parte de nuevas investigaciones transversales que llevan de la termodinámica a la teoría de la computabilidad. El sentido lleva desde la hermenéutica a la cultura y a la filosofía, pasando por todas las formas de insitución social como el derecho, la economía, la política y, en general, las relaciones sociales.