¿Por qué es tan difícil enseñar a las computadoras a pensar como los humanos?

Una multitud de razones, estas son algunas de mis principales:

1. No sabemos “cómo pensamos” con suficiente detalle, si lo supiéramos, podríamos replicarlo. Tenemos varias teorías sobre cómo pensamos, pero estos son los mejores modelos hasta ahora. Simplemente busque Consciousness (Stanford Encyclopedia of Philosophy) para obtener algunas ideas de las principales direcciones de esto.
2. Podemos replicar y emular algunos comportamientos para hacer que la computadora parezca inteligente en dominios limitados. Una estrategia / táctica / método / técnica / algoritmo que funciona bien en un dominio puede fallar en otro.
3. Además, las teorías predictivas no son necesariamente buenas para la explicación y viceversa. Por ejemplo, podemos entrenar cajas negras basadas en un modelo de redes neuronales, pero es difícil preguntar “por qué” a tales modelos. Cf. http://misq.org/skin/frontend/de …

El cerebro humano tiene 100 billones de conexiones y es lo más complejo del universo conocido. Por un lado, las computadoras no tienen el hardware para que coincida. Incluso si lo hicieran, nuestra comprensión del cerebro humano no es lo suficientemente completa como para replicarlo en el hardware.

Hay un trabajo interesante en este espacio, específicamente en redes neuronales y aprendizaje profundo. El enfoque de Machine Learning para la IA en general es muy prometedor.

Hay algunas razones, la más importante de las cuales es que la enseñanza implica que hay una participación real en el aprendizaje . Construimos aviones para volar; nunca les enseñamos (Solía ​​trabajar con un profesor que solía decir que tenía que “ponerse de pie”, porque enseñar implicaba que alguien aprendería).

Eso suena como una evasión semántica, pero lo menciono porque resume un argumento técnico más complicado. En los cursos teóricos de informática, hay una idea de reducibilidad . Si puede tomar todo lo que puede suceder en la máquina A y encontrar una manera de hacerlo en la máquina B, entonces A es reducible a B (A

Si has escuchado la frase Turing Complete antes, ese es el siguiente paso para hablar sobre la reducibilidad. Si A es reducible a B y B es reducible a A, entonces A es B completo y viceversa. Entonces, un modelo computacional es Turing completo cuando puede reducirse a una máquina de Turing y una máquina de Turing puede reducirse a él. Y la mayoría de los sistemas informáticos con los que trata son, de hecho, Turing Complete, suponiendo que tienen acceso a suficiente memoria.

¿Por qué menciono esto? Bueno, las computadoras pueden reducirse a personas. Ninguno de nosotros quiere hacer el trabajo, pero cualquier cosa que una computadora pueda hacer, nosotros también, suponiendo que permita el lápiz y el papel. Pero hay muchos indicadores que, informalmente, sugieren que lo contrario no es cierto; La mente humana no puede reducirse a ningún sistema formal que podamos encontrar.

Y eso nos devuelve a lo que dije inicialmente. Una de las cosas que realmente no entendemos en nosotros mismos, y mucho menos cómo la construiríamos, es el aprendizaje real, donde el sistema decide qué información es relevante y toma un papel activo en la conexión de información nueva con información antigua. Sí, tenemos sistemas como redes neuronales, que se pueden construir para aprender tipos específicos de tareas, pero nada en un sentido general.

Entonces, básicamente, es difícil porque las computadoras no son personas.

Probablemente sea algo bueno también. Soy bastante abusivo con mi computadora y no lo trato bien en absoluto. Si fuera capaz de aprender, sería una persona bastante podrida, como la mayoría de nosotros …

Es la misma razón por la que todavía tenemos que llegar a la IA con la misma inteligencia de un humano. El cerebro humano es el objeto más complejo del universo conocido. Es muy difícil estudiarlo, y mucho menos crear algo así.

Actualmente las computadoras no piensan como humanos. No tienen sentimientos. No razonan de la misma manera que nosotros. Ni siquiera sabemos si “piensan”.

Aquí se explica cómo explicarlo.

Mira esto.

Correcto. Es una manzana. Tú y yo lo sabemos. Nuestros cerebros están interpretando los tonos para descubrir que estamos viendo un boceto de una manzana. Pero una computadora no ve eso. Una computadora ve un montaje bidimensional de sombras en blanco y negro. No sabe por qué es una manzana. Solo toma qué información está realmente allí y no puede profundizar más para darse cuenta de qué más podría ser. No tiene la experiencia que los humanos tenemos. Dale a una computadora un problema matemático para resolver y lo hará en una fracción de segundo. Dile que explique por qué Spider-Man era mejor que The Amazing Spider-Man y que simplemente te miraría fijamente.

Es difícil para las computadoras pensar como nosotros, pero muchas compañías están trabajando actualmente en esto. En poco tiempo enfrentaremos computadoras con inteligencia equivalente a la nuestra. Pensarán como nosotros.

No soy un maestro en este tema, pero lo intentaré. Las computadoras no están cerca de las habilidades cognitivas de los humanos. Podemos hacer suposiciones, inferir cosas y aprender una variedad de cosas con bastante rapidez. Las computadoras no pueden asumir cosas ni inferir cosas. Con suerte llegaremos al punto en que puedan aprender una cosa, soltarla, recoger la siguiente y aprender a jugar con eso.

No tenemos la tecnología, el software o el hardware para que las computadoras piensen como nosotros. Ni siquiera sabemos cómo somos conscientes de nosotros mismos.

Por favor, comprenda de una vez por todas que las computadoras no son humanos, nunca han sido humanos y nunca lo serán. Somos muy superiores a cualquier tecnología. Nunca verás a un ser humano obsoleto, nunca. Fuimos creados para ser la corona de cualquier fabricación de criaturas, la parte superior de la línea de todos los organismos vivos, y pronto perfectos y eternos.