La pregunta con sus detalles es en realidad: «¿Las diferencias entre el cerebro y la red simulada son tan importantes que la simulación no tiene la posibilidad de reproducir todas las capacidades del cerebro? »»
Tomemos una respuesta de Paul King en las redes neuronales, que merece discusión. Una red neuronal tiene una entrada-salida evaluada por un supervisor, y entre las dos tiene “capas ocultas” que analizan la información por etapas sucesivas de procesamiento que corrigen las anteriores (aprendizaje profundo). Esto se parece mucho al cerebro humano, que recibe múltiples entradas sensoriales y las manipula hasta la salida consciente. Entonces la pregunta es legítima: ¿Cuántas capas ocultas tiene el cerebro humano?
Paul King refuta la comparación en varios argumentos:
1) El cerebro no está organizado en capas sino en centros interconectados.
2) Las conexiones neuronales son unidireccionales; sin realimentación.
3) El cerebro no aprende de las respuestas precisas proporcionadas.
4) Las neuronas usan impulsos nerviosos que no coinciden con los algoritmos numéricos.
5) Paul piensa que múltiples capas de aprendizaje profundo no son mejores que algunas, porque se pierde demasiada información en el camino.
- ¿Cuáles son algunos ejemplos de aplicaciones de aprendizaje automático en las industrias de defensa y aeroespacial?
- ¿Por qué Nederland no crea empleados con inteligencia artificial para reemplazar a los inmigrantes?
- ¿La implementación de documentos también es la forma correcta de hacer investigación de IA? ¿Le permitirá a alguien tener nuevas ideas?
- ¿Tienes miedo de la IA?
- ¿Qué es más importante para la IA: cadenas de Markov y procesos de Markov o sistemas expertos y redes neuronales?
De hecho, las neuronas se organizan en capas sucesivas de tratamiento (dentro de diferentes centros nerviosos interconectados), pero las redes artificiales actuales son demasiado gruesas para simular correctamente. Se necesitan muchos niveles para simular algunas de las neuronas, por varias razones:
1) Las neuronas tienen su propio control de retroalimentación: su activación se está agotando. Parte de los impulsos nerviosos es la propagación de retroalimentación.
2) Las neuronas alteran su fisiología en función de su actividad (células gliales también). Ya son autoaprendices.
3) El control de retroalimentación se ejerce a través de diferentes conexiones y existen neuronas inhibidoras.
4) Las neuronas se disparan espontáneamente. Esta actividad intrínseca produce una ‘salida’ en ausencia de ‘entrada’. El tratamiento no es solo un proceso pasivo.
5) Las latencias entre las activaciones neuronales, al agregar y retrasar el control de retroalimentación, proporcionan independencia en cada etapa de procesamiento. Mientras tanto, otra información relacionada puede evitar que actúe el control de retroalimentación.
Todas estas características de las neuronas son que su sistema es más dinámico y más estable que las redes artificiales. La adición de niveles en la forma en que están diseñados en una red artificial solo reduce el margen de error en un tratamiento conceptual, mientras que a un grupo de neuronas le importa poco ir mal, vive en la ilusión de hacer siempre un gran trabajo, podríamos decir , y es el grupo de supervisores de neuronas, arriba, quien evalúa y refiere correcciones invisibles para las neuronas supervisadas. La independencia de los niveles de tratamiento está marcada para las neuronas, lo que explica cómo experimentamos nuestra conciencia, la etapa más alta: fusionada, independiente, pero conectada a una multitud de conceptos presentados.
Los diseñadores de redes artificiales tienen que hacer esta mejora: aumentar la independencia de sus etapas de procesamiento mientras las mantienen coordinadas. Incruste la latencia en lugar de usar su velocidad electrónica. Nada impide en teoría que puedan alcanzar el éxito y, por lo tanto, para responder a su pregunta, las redes artificiales son potencialmente capaces de simular los contenidos de la conciencia humana y experimentarlos. Lo que experimentará será un montón de transistores en lugar de un conjunto de células biológicas. Esto hará bodas quilled …
Última nota: sí, el cerebro aprende también de las respuestas proporcionadas: las de sus padres. Además de los que da el entorno, se observa de forma binaria: castigo / recompensa.
Tienes en este artículo la clave de la inteligencia artificial 😉