En esencia, nuestros pensamientos y sentimientos son poco más que el resultado de un cálculo químico. Entonces, teóricamente, una computadora programada para realizar los mismos cálculos de la misma manera se comportaría como un humano.
Echa un vistazo a los algoritmos neuroevolutivos. Este enfoque del software adaptativo imita el comportamiento básico de las neuronas en el cerebro humano y se desarrolla de forma evolutiva en función de las pruebas de “aptitud” de una gran cantidad de redes neuronales virtuales, para seleccionar las mejores y “mutarlas”, creando nuevas variedades de redes que se prueban de manera similar.
Cada red tiene entradas (terminaciones nerviosas), que reciben datos de entrada, y esos datos son procesados por una secuencia de neuronas que luego producen una o más salidas a otras neuronas. Al “final” de la red, las neuronas terminales producen uno o más resultados, que representan la “respuesta” de la red a la “pregunta” inherente a las entradas.
- ¿Cómo se puede arreglar una pantalla blanca en una computadora portátil?
- ¿Cuáles son las mejores computadoras portátiles, HP o Dell?
- Mi computadora portátil se actualizó durante doce horas. ¿Debo comprar una nueva computadora portátil?
- Quiero un monitor que vaya junto con mi computadora portátil para la configuración de mi escritorio. ¿Necesito comprar también la CPU?
- ¿Por qué la computadora 'olvida' una tarea cuando hay muchas tareas ejecutándose al mismo tiempo?
Estas redes comienzan de manera simple y aleatoria, con solo unas pocas neuronas cuyos “cálculos” básicos en cada neurona están determinados más o menos por el lanzamiento de un dado. Se dice que las redes que hacen el mejor trabajo en cualquier problema que queramos resolver “sobreviven”, y están “emparejadas” con otras redes exitosas para producir “híbridos”, ojalá que combinen cualidades deseables, o que “muten” agregando al azar nuevas neuronas a la red. Durante varias generaciones de este tratamiento de “supervivencia del más apto”, se desarrollan redes que resuelven el problema que plantean las pruebas de aptitud.
Obviamente, el enfoque tiene algunos defectos graves desde una perspectiva informática:
* Debe tener un plan para evaluar la aptitud de cada red. Esto es más que “correcto” o “incorrecto”; La primera generación de redes está prácticamente garantizada de que todas estarán “equivocadas”, ya que no encajan perfectamente. Debe poder decir que una red es “mejor” que otra en función de lo que desea que haga el algoritmo.
* Un * lote * de redes neuronales debe ser desarrollado y probado, a menudo en entornos virtuales complejos que requieren una gran cantidad de procesadores solo para simular, sin importar ejecutar los cálculos en la red.
* Al probar estas redes, es posible que la computadora sea más inteligente que usted. Un equipo que utilizó este enfoque para desarrollar un algoritmo para hacer una caminata virtual con forma de robot humano descubrió que después de unas pocas docenas de generaciones evolutivas, las redes más aptas de la computadora básicamente saltaban en lugar de caminar, porque la prueba de aptitud estaba poniendo un valor demasiado alto en distancia total recorrida, en lugar de considerar también cosas como el número de pasos dados.
* El resultado final es típicamente una red que está optimizada para hacer una sola cosa de manera eficiente; poner un algoritmo simple y aleatorio en un entorno complejo donde el algoritmo ideal tiene que hacer muchas cosas diferentes a menudo no sirve de nada porque todas las redes de primera generación obtienen un puntaje “cero” en una prueba de aptitud de tal complejidad.
* Las redes son a menudo estáticas; El “aprendizaje” del algoritmo ocurre colectivamente, fuera de los límites de cualquier red. Hay algunos intentos de crear neuronas y redes que puedan almacenar valores intermedios, imitando la memoria humana, pero eso agrega un orden de complejidad a este componente básico; ¿Qué es exactamente “recordar”?
* Las redes también tienden a ser discretas y no reentrantes; conecta un conjunto de entradas, mira el resultado, luego, si esas salidas corresponden a motores o servos en un robot, prácticamente “mueve” el robot y eso determina el siguiente conjunto de entradas. La cognición humana es un proceso continuo; Mientras tomamos una decisión, están sucediendo cientos de miles de cosas que todavía están alimentando nuestro cerebro y posiblemente alterando esa decisión. Imitar ese comportamiento es un “proceso embarazosamente paralelo”; nunca se realiza el trabajo de la neurona, por lo que cada neurona debe poder calcularse y recalcularse, lo que a medida que las redes crecen se vuelve inviable rápidamente
* Las redes resultantes terminan en el orden de unos pocos miles de neuronas. Hay 100 mil millones de neuronas en el cerebro humano. Por lo tanto, este enfoque aún no está produciendo “inteligencias” cercanas a la complejidad del cerebro humano.