¿Cuán plausible es la teoría de que la inteligencia humana proviene de un solo algoritmo?

La historia de lo que el cerebro tiene que hacer es mucho más corta que la historia de lo que hace el cerebro.

La evolución satisfices. No se optimiza.

La mayor parte de la neocorteza está formada por neuronas y conexiones mediadas por sinapsis entre ellas. Llamo a esta clase de algoritmos “Algoritmos de Connectome” y generalmente tienen tres sub-algoritmos que cooperan:

– Lo que hace una neurona
– Qué hace una sinapsis
– Decidir qué neurona necesita conectarse a qué otra neurona usando una sinapsis.

Todos estos son de complejidad limitada. He trabajado en lo que llamo simulaciones cerebrales “intermedias” desde este punto de vista desde 2001 y no veo ninguna razón para agregar algo más a la mezcla. La mayoría de mis simulaciones registraron menos de 10,000 líneas de código y, si excluyo la depuración y la administración de memoria, creo que podría escribir el algoritmo central en aproximadamente 4000 líneas de código. Que es menos código que Pong, el videojuego. MS Word tiene más de 10 millones de líneas.

El tercer componente, decidir qué neurona necesita conectarse a lo que otros es la parte más difícil de hacer bien. Parte de esto es la decisión de cuándo hacer una nueva neurona. Podría implementarse como parte de los otros dos, pero es más fácil tener una visión de nivel ligeramente superior de este proceso sin renunciar al requisito de que todas las operaciones deben ser decidibles localmente. En otras palabras, no es necesario que ninguna autoridad global decida qué se conecta a qué, pero avanzar un paso desde el nivel de neurona simplifica significativamente este tercer componente del algoritmo.

Tenga en cuenta también que muchas teorías sobre las dos primeras son incorrectas. Como ejemplo, “disparen juntos, conecten juntos” es una declaración demasiado ingenua del aprendizaje hebbiano.

Los mecanismos intracelulares, como los niveles hormonales, tienen un impacto limitado en el algoritmo fundamental y son fáciles de agregar una vez que tenemos versiones iniciales decentes de estos algoritmos.

Hay indicios de que la corteza (que no es todo lo que hace nuestro cerebro, sino un componente muy importante, probablemente el componente más importante) tiene una maquinaria genérica de aprendizaje, de modo que las mismas células, dependiendo de la experiencia (y los accidentes cerebrales), pueden resulta especializarse en una tarea frente a otra. Si practicas mucho la música, el área de tu cerebro dedicada a la música ocupa más volumen. Si es ciego, su corteza visual toma información de sus oídos para ayudarlo a entender el mundo, etc. Busque la palabra “plasticidad cerebral” como palabra clave.

Hubo múltiples intentos de explicar el fenómeno de la vida a la luz de la Física. Y es razonable suponer que una teoría integral de la vida debería ser capaz de explicar también una de las características emergentes de la vida, la inteligencia.
He notado algunos desarrollos en estas áreas recientemente y parece prometedor responderlos en términos relativamente simples.

Por ejemplo, este modelo de papel sugiere un vínculo entre inteligencia y entropía [1]
y, más recientemente, este A New Thermodynamics Theory of the Origin of Life [2] intenta explicarlo en términos de termodinámica.
El fenómeno principal parece ser la entropía. Hay dos sabores del término: uno relacionado con la Energía y el otro relacionado con la teoría de la información.

Los intentos de explicar esto en términos físicos no son nuevos. Científicos famosos como Erwin Schrödinger [3] y Alan Turing [4] han tratado de explicar algunos aspectos desconcertantes de la vida en términos de ciencias físicas.

Y otra teoría interesante es el autómata celular que no solo es simple sino que muestra propiedades sorprendentes, a menudo similares a los sistemas vivos, que pueden surgir de sistemas simples.
Todos estos conectados entre sí, podemos ver una imagen general, que la vida y, por lo tanto, todas sus propiedades posiblemente se basan en reglas simples. Y no los vemos porque le tomó a Darwin revelar la teoría obvia de la evolución. Y mi apuesta es que una teoría de la vida tan unificada y, por lo tanto, la inteligencia está en el horizonte.
EDITAR: esta teoría afirma haber encontrado una conexión entre la entropía y la inteligencia
https://www.ted.com/talks/alex_w …

[1] Página en mit.edu
[2] Una nueva teoría termodinámica del origen de la vida
[3] Página en stanford.edu – ¿Qué es la vida? por Erwin Schrodinger
[4] Página en caltech.edu – Bases químicas de la morfogénesis por Alan Turing

Es plausible que haya un algoritmo mínimo que pueda replicar la inteligencia a nivel humano. No creo que sea necesario recrear todas las funciones humanas para la auto-referencia y el comportamiento intencional. A través de la crianza de niños y grupos sociales, gran parte de nuestra inteligencia requiere que otros humanos creen y desarrollen redes semánticas de información. Por lo tanto, una teoría plausible probablemente requerirá que otros sistemas algorítmicos aprendan unos de otros. Esto podría ser humanos u otra IA.

El primer paso antes de que podamos desarrollar un algoritmo es comprender la neurociencia, la psicología y los fundamentos filosóficos detrás de las redes semánticas / de aprendizaje que procesan la información de la misma manera que los humanos. Y dado que toda la vida en la tierra es parte de una línea de tiempo de la historia evolutiva de la vida, existe evidencia de que un solo modelo / algoritmo creó la complejidad de los animales inteligentes que tenemos hoy. La evolución claramente necesitó 3.600 millones de años para refinar este algoritmo, pero debido a nuestra inteligencia y capacidades intuitivas podemos subvertir esta línea de tiempo.

En última instancia, nuestra inteligencia nos permite implementar comportamientos que reproducen la evolución y exigen una evolución artificial en el proceso de creación de AGI.

Una forma de conceptualizar cómo hace las cosas el cerebro es en términos de tres niveles de análisis: implementación, algorítmico y computacional. [1] (Estas distinciones son un campo minado de controversia, pero ignoremos eso por el momento).

El nivel de implementación se refiere a cómo la maquinaria en el cerebro (por ejemplo, las neuronas) procesa la información; el nivel algorítmico se refiere a cómo se llevan a cabo esos pasos; y el nivel computacional se refiere a cómo se hacen las cosas en abstracto: por ejemplo, procesar un árbol sintáctico.

Según esta definición de análisis de nivel “algorítmico”, la noción de que hay un solo algoritmo para describir todas las cosas inteligentes que hacemos parece imposible. La estrategia para analizar información sintáctica no es la misma que la estrategia para jugar béisbol o, para el caso, el procesamiento semántico. Las tareas son diferentes y requieren diferentes estrategias de procesamiento.

Sería más razonable (aunque aún cuestionable) plantear un solo algoritmo de aprendizaje que nos permita aprender a hacer estas cosas, pero esto también tiene problemas. En lingüística, por ejemplo, existe evidencia sustancial de que estamos dotados de maquinaria mental que nos permite adquirir el lenguaje. [2] Esto sugiere que los algoritmos de aprendizaje para el lenguaje difieren de los algoritmos de aprendizaje para caminar. Es posible que tengamos alguna habilidad generalizada de estadística / coincidencia de patrones / aprendizaje que funciona bien para el lenguaje, pero esto no explicaría todo el proceso de adquisición del lenguaje.

Notas al pie

[1] Los tres niveles de Marr

[2] Dispositivo de adquisición del lenguaje – Wikipedia

Depende de tu nivel de análisis. Para una computadora, se podría decir que hay un algoritmo funcionando todo el tiempo: (a) escriba un cero o uno en una ubicación de memoria, o (b) lea un 0 o un 1 desde una ubicación de memoria. Pero eso realmente no explica nada. Entonces, la inteligencia humana podría reducirse a un algoritmo similar, pero no sería un algoritmo muy informativo. Debemos encontrar un nivel apropiado de descripción, una ventaja apropiada, para describir las operaciones mentales que ocurren. Lo más probable es que haya muchos algoritmos ejecutándose simultáneamente. Y una vez que se entienden, es posible que una computadora ejecute esos algoritmos de manera más eficiente.

Sí, el algoritmo de procesamiento de información molecular admite la replicación, el mantenimiento, el aprendizaje autónomo y la manifestación de las formas infinitas más bellas y maravillosas.

¿No podría ser más obvio?

Depende de qué tan libremente esté dispuesto a definir el término “algoritmo”. Si estás lo suficientemente suelto, el cerebro simplemente ejecuta “el algoritmo cerebral”.

Es posible que desee leer On Intelligence [1]: presenta un marco unificado y neurocientíficamente plausible (hasta donde yo sé) para el neocortex: el marco de predicción de memoria. Le dejo ver este artículo de Wikipedia sobre su contribución y limitaciones, así como una breve descripción.

Obviamente, las nociones de algoritmo e inteligencia están muy abiertas a interpretaciones.

[1] Jeff Hawkins (2004), Sobre inteligencia, Nueva York: Henry Holt. 251 páginas.

Cada vez que veo a alguien de IT-software-machine learning relacionando cualquier sistema biológico complejo con algoritmos, mis ojos sangran … Que puedas modelar algo con alguna red neuronal no se relaciona en absoluto con el funcionamiento de las células, neuronas y redes neuronales biológicas. Sin embargo, puede ser útil algún tipo de mensaje SOA.

Por cierto, sí, por supuesto, el algoritmo está en el ADN, más concisamente en los genes que codifican el desarrollo y el desarrollo / modificación neuronal. También puedo decirte que sabes que no tenemos idea de cómo funcionan las neuronas. Tenemos una especie de Google Maps del cerebro, pero no tenemos idea de qué está pasando con esas cosas (personas) en el mapa. Entonces, si no sabemos cómo funciona, difícilmente podemos decir cómo modelarlo de manera efectiva. (Mi doctorado era en neurociencia).

Por cierto, estoy muy sorprendido por la cantidad de personas que pueden saber incluso menos que yo sobre el cerebro y los algos y que aún pueden dar respuestas audaces. Dudo que los investigadores serios lo hagan.

Quizás intente esto:

1. Recopilar datos del entorno. 2. Utilice esos datos para crear un modelo abstracto del entorno. 3. Pruebe ese modelo con nuevos datos, haciendo revisiones al modelo donde se descubran discrepancias. 4. Repita.

Este es un tipo de simplificación excesiva del libro de Jeff Hawkins, y es lo más parecido a un algoritmo que se me ocurre.

No puede ser un algoritmo único con seguridad. Un sistema tan complejo y sofisticado debe ser una combinación compleja de sistemas que interactúan de alguna manera especial. Los nodos de procesamiento en redes neuronales de cerebros son a menudo los más sofisticados referidos como “nodo de ranvier”.

Match of the Day es 50 no fuera

Tengo dificultades con esta pregunta porque no me queda claro cómo se cuentan los algoritmos.

Si uso una búsqueda y una ordenación en un programa, ¿eso cuenta como uno o dos algoritmos? ¿Qué pasa si son procesos diferentes o en procesadores diferentes?

En términos de inteligencia humana, siento que hay dos o tres sistemas diferentes en funcionamiento. Dejando más procesadores químicos, están el cerebro viejo y el nuevo, y veo que funcionan de manera independiente pero que cooperan la mayor parte del tiempo.

Si la pregunta se centra en cómo simulamos la inteligencia humana, entonces podríamos necesitar muchos algoritmos solo porque no somos tan buenos en la gestión de sistemas complejos y nos resulta más fácil “dividir y conquistar”.

Vale la pena considerar una analogía. ¿Funciona el universo en un solo algoritmo o más? Bien podría ser que todo lo que necesitamos es la teoría de cuerdas para explicar toda la física. Sin embargo, es bastante difícil explicar lo que está sucediendo en un partido de fútbol simplemente usando física, necesitamos química, biología, sociología, historia, etc.

Para nada plausible, pero eso depende de lo que llames “inteligencia humana”. Tenemos un algoritmo que clasifica lo que vemos, uno diferente que clasifica lo que escuchamos, uno que conecta experiencias relacionadas y muchos, muchos algoritmos que nos permiten combinar patrones abstractos. Todos estos algoritmos contribuyen a nuestra capacidad de procesar información, pero ¿son en realidad inteligencia humana?

Si estamos tratando de aislar el homúnculo o las cabezas que toman decisiones, entonces todas estas facultades son cosas que le proporcionan información, pero que pueden o no estar integralmente relacionadas con la toma de decisiones real. El homúnculo podría ser un único proceso de toma de decisiones, podría ser múltiples procesos competitivos. Puede ser un esfuerzo culminante único, pero también pueden ser numerosos esfuerzos paralelos que ejecutan el mismo algoritmo.

Supongo que la verdadera pregunta es “¿Qué tan complejo puede ser un algoritmo antes de que realmente tenga que llamarlo varios algoritmos”? ¿Puede un algoritmo tener partes intercambiables y aún ser llamado el mismo algoritmo?

Diría que muy probablemente dado que el mecanismo que nos trajo la totalidad de la existencia puede tener una representación concisa. Steven Wolfram alguien? Pero para abordar esta cuestión a nivel de sistemas biológicos, diría que estoy perdido en la aparente aleatoriedad que resulta de reglas simples. Las reglas simples pueden gobernar las leyes universales de la física pero, como lo ilustra Steven Wolfram, las reglas simples pueden conducir a sistemas muy complejos con comportamientos que no pueden reducirse a un modelo predictivo simple.

Es 100% plausible. El algoritmo consiste en ejecutar una simulación física a nivel de interacción molecular de una determinada red bioquímica, en un contexto circundante de estímulos naturales.

Lo más probable es que este solo algoritmo se repita.

1. Considerar entradas
2. piensa (0 – infinito)
3. tomar medidas (donde ninguna acción es también un tipo de acción)

Repetir…

Tan probable como que ’42’ sea la respuesta a la vida, el Universo y todo

Lo hace y es muy simple, se llama selección natural. El principio rector detrás del algoritmo es mantenerse a perpetuidad en el entorno en el que vive.