¿El aprendizaje no supervisado es la clave de la inteligencia artificial general?

No hay AGI. Muévete sobre él. Cualquiera que afirme que AGI existe o existirá, está equivocado o mal informado.

El principio de la computación es la tesis de Church-Turing – Wikipedia. Hay muchas variedades de tesis, la más fuerte se conoce como AGI:

“Cualquier cosa que suene remotamente como procesamiento de información, debe ser Turing Computable”.

Esa puede o no ser la verdad. Leer más: La tesis de la Iglesia-Turing.

En caso de que quieras seguir adelante → Malentendido de la tesis.

Con todo, no hay prueba ni prueba de que los cerebros biológicos sean computables en Turing, o que los procesos de pensamiento animal / vegetal sean computables.

Debido a la jerarquía de Chomsky y la teoría del Metalenguaje (lea The Language Instinct – Wikipedia), es evidente que parte del cableado ya estaba allí, lo que no sabemos cómo … calcular.

La metateoría de Russel (¿en qué sentido es Principia Mathica de Russell y Whitehead una metateoría?) Sugiere que hay que arraigar algo de verdad incluso antes de las etapas del axioma.

Eso es un problema.

El aprendizaje no supervisado es elemental, desde un punto de vista computacional. De hecho, desde el punto de vista de la teoría dinámica, toda la computación es rudimentaria, cualquier sistema dinámico suficientemente caótico (un sistema capaz de comportamiento caótico) será capaz de hacer Computación Universal.

Dado que los sistemas dinámicos son naturales y los cálculos surgieron de forma natural, bien podría existir un vínculo de que existe algún tipo de hipercomputación para describir la inteligencia.

Debido a que la inteligencia nunca se trata de completar una tarea, se trata de cuándo dejarla ir, para hacer cosas mejores. Eso está resolviendo efectivamente el problema de detención.

Tenemos mucho que aprender

No estoy seguro de que haya una clave para la IA general (lo que sea que eso signifique, pero supongamos aquí que estamos hablando de una clase de algoritmos más expresiva y flexible que puede abordar una clase de problemas mucho más amplia que la actual). Por lo menos, supervisado aprender solo no permitirá el desarrollo de una IA fuerte. El aprendizaje de refuerzo probablemente jugará un papel importante aquí, pero el aprendizaje puro sin supervisión es definitivamente un área que debemos desarrollar mucho más en los próximos años, ya que todavía está en su infancia. La capacidad del cerebro para extraer patrones relevantes es absolutamente impresionante en comparación con incluso nuestros algoritmos sin supervisión más sofisticados. Y teniendo en cuenta el papel central de esta función en el panorama cognitivo general, queda muy claro que todavía tenemos un largo camino por recorrer en esa área, especialmente si esperamos crear una IA fuerte algún día.

Creo que el mayor obstáculo para el desarrollo del aprendizaje no supervisado es la falta de puntos de referencia. Por definición, un punto de referencia requiere alguna forma de verdad fundamental o rendimiento de referencia, la falta de eso es precisamente lo que hace que el aprendizaje sin supervisión … bueno, sin supervisión. No es un obstáculo completamente inamovible, ya que existen diferentes formas de definir puntos de referencia, pero definitivamente es más desafiante que para el aprendizaje supervisado. Existía un obstáculo similar en el área del aprendizaje por refuerzo, pero los esfuerzos recientes de OpenAI han mejorado algo las perspectivas.

No, y no hay “clave”. El aprendizaje no supervisado hace un buen trabajo identificando patrones y agrupando datos. Como tal, es un componente importante para la IA general. Pero los patrones de comportamiento surgen de los criterios de optimización al comparar resultados prácticos con objetivos determinados. Incluso si los objetivos llegan a ser autodeterminados, el algoritmo de aprendizaje subyacente es supervisado.

No diría que es la única clave para AGI, pero ciertamente es un gran paso. En el aprendizaje supervisado, ya sabemos la respuesta y simplemente estamos tratando de encontrar una manera de justificarla. Como una analogía aproximada, piense en un estudiante de matemáticas que se le da como “tarea”, el trabajo de probar algún teorema conocido. El alumno ya sabe cuál es la conclusión y, quizás igualmente importante, sabe que la conclusión es correcta. Al principio, el estudiante se vuelve creativo para encontrar formas de probar el teorema, pero después de una práctica suficiente, se convierte en un ejercicio rutinario de rigor matemático y deducción.

Contraste esto con el trabajo de un investigador que no sabe lo que está tratando de probar y mucho menos cómo hacerlo. Eso es aprendizaje no supervisado. Usted observa cosas pero no tiene idea de cómo están relacionadas, lo que obliga a una cierta cantidad de “generación de hipótesis”, uno de los principios fundacionales de la creatividad. Esta capacidad para lidiar con situaciones en las que no hay orientación es el objetivo final de AGI y, en ese sentido, avanzar en el aprendizaje no supervisado es esencial para avanzar AGI.

Decir que “el aprendizaje no supervisado es la clave …” es como decir “la forma líquida de los materiales es la clave …”.

Aprendizaje supervisado, aprendizaje no supervisado y aprendizaje reforzado: los tres son importantes, al igual que la forma sólida, la forma líquida y la forma gaseosa, los tres son importantes.

Dependiendo del contexto, un tipo particular de aprendizaje es más útil que otros tipos de aprendizaje, así como dependiendo del contexto, una forma de material es más útil que otras formas de materiales.