7 ene 2021

F. Chollet: Sobre la medida de la inteligencia

(parte 1)

Nota preliminar
El siguiente texto corresponde al resumen del artículo "On the Measure of Intelligence" publicado por Francois Chollet en arxiv.org/pdf/1911.01547.pdf. Este resumen es una interpretación personal del texto original, no una traduccion fiel. Este resumen comprende la primera parte del artículo, luego estaré haciendo otros post con las partes siguientes.



INTRODUCCIÓN

El concepto de inteligencia artificial (AI) concebida en los años 50 tiene como ideal el desarrollo de una máquina con una inteligencia comparable a la de un ser humano, pero  los desarrollos  actuales (2019) en este campo se han quedado cortos en este ideal.


Los avances actuales en AI son notables, pero éstos se han desarrollado sobre tareas específicas, y son incapaces de hacer sentido en tareas para las cuales no fueron entrenados. Para lograr esto último se requiere de una definición clara y precisa sobre inteligencia general.


Un testimonio de nuestra inmadurez sobre este campo es que no tenemos una definición satisfactoria sobre la inteligencia, y los estudios publicados en este campo (Legg & Hutter 2007; José Hernández-Orallo 2017)  han sido ignorados por la comunidad.


El objetivo de este texto es documentar el supuesto implícito de este campo, corregir algunos de sus sesgos y proveer una definición de inteligencia humana que permita avanzar en este campo.



DEFINICIÓN DE INTELIGENCIA

I.2 La necesidad de una definición de inteligencia

Se han descrito muchas definiciones de inteligencia, sin embargo no existe un consenso sobre la misma. En una revisión de casi 70 definiciones sobre inteligencia, los autores Legg and Hutter definen la inteligencia como la habilidad de lograr los objetivos en distintos ambientes. Esta definición apunta a dos características: la primera es la resolución de tareas y la segunda es adaptación. Esto podría conjugarse en que un agente (para ser inteligente) debe ser capaz de solucionar nuevas tareas para solucionar nuevos problemas


Esto también describe dos puntos de vista sobre la inteligencia humana, donde en el primero la mente tiene un esquema de aprendizaje según lo definido por la evolución y el segundo enmarca a la persona como un papel en blanco, capaz de convertir experiencias aleatorias en conocimientos y habilidades para solucionar problemas.


I.2.1 Inteligencia como una colección de habilidades específicas

La primera visión de la mente humana fue descrita como un sistema para resolver problemas que fueron apareciendo a lo largo de la evolución.


Esta idea, iniciada con Charles Darwin, tuvo acogida en los años 60 y 70 y dio inicio a analogías entre la computadora y la mente, comparando esta última con procesos de programación de rutinas y operadores lógicos, y cómo se guarda el conocimiento en una base de datos, comparable con la memoria.


Esta visión de la mente como un programa de computadoras fue usada por Marvin Minsky, y resume el campo de inteligencia artificial como la ciencia de hacer que una máquina realice tareas que requerirían la inteligencia humana. Esta visión de la inteligencia se fundamentaba en una base de conocimiento, y no consideraba el factor de aprendizaje dentro de su definición, que fue introducido luego, en los años 80.


I.2.2 inteligencia como habilidad general de aprendizaje

En contraste a la definición de Marvin Minsky, Hernández-Orallo define la inteligencia artificial como la ciencia e ingeniería de hacer que las máquinas hagan tareas para las cuales nunca fueron preparadas.


La visión de una máquina que aprenda nuevas tareas como un proceso de aprendizaje fue iniciada por Alan Turing en los años 50. Esta visión de la inteligencia hace eco del concepto de la naturaleza humana como una "hoja en blanco" y este mismo concepto puede encontrarse desde Aristóteles hasta Rousseau.


En los años ochenta el machine learning tiene un resurgir destacado, que lo lleva al nivel intelectual en los años 2000, para luego tener un pico casi monopólico por el deep learning desde el año 2010. Pero el deep learning está inspirado en el mismo concepto de “hoja en blanco”, y muchos investigadores implícitamente conceptualizan la metáfora de una página en blanco cuando, de forma aleatoria, inicializan las redes neuronales.



No hay comentarios:

Publicar un comentario