El trabajo de Noam Chomsky ha influido mucho en la inteligencia artificial.
Por un lado, Chomsky ayudó a derrocar el paradigma de conductismo de larga data : que el comportamiento humano puede reducirse a los vínculos entre las acciones y sus recompensas / castigos posteriores. El principal defensor de esta teoría, BF Skinner, intentó explicar la lingüística a través del conductismo.
El enfoque de Skinner enfatizó las asociaciones históricas entre un estímulo y la respuesta del animal, un enfoque fácilmente enmarcado como una especie de análisis estadístico empírico, que predice el futuro en función del pasado.
- ¿Cómo se usa el aprendizaje automático en el modelado climático?
- ¿Todavía necesitamos crear modelos matemáticos a la antigua usanza, cuando tenemos aprendizaje automático para encontrar alguna función que represente un sistema?
- ¿Qué tema de investigación es desafiante para un proyecto senior en neuropsicología o psicología del razonamiento?
- ¿Es el tiempo de aprendizaje de una red neuronal profunda (por ejemplo, para la detección de objetos) proporcional a la cantidad de datos de entrenamiento disponibles?
- Si tuviéramos una computadora con potencia computacional extrema, ¿podría pensar?
Pero Chomsky se centró menos en el ‘sistema de recompensa de acción’ y más en
módulos basados en genes en nuestro cerebro que, cuando evolucionaron y se unieron, se transformaron en un intrincado sistema computacional cuya salida era el lenguaje. Esta idea de ‘conductismo’ no podría explicar tan bien como las teorías de Chomsky la riqueza y variedad de la lingüística, cuán creativamente lo usamos y la velocidad y habilidad con que los niños lo captan casi sin exposición en el medio ambiente.
La insistencia de Chomsky en que el lenguaje, como el sistema visual o auditivo, era un mecanismo biológico inherente y debería estudiarse, por lo tanto, fue un avance importante en términos de desarrollo de máquinas de conversación y conversación.
Chomsky y el neurocientífico del MIT David Marr también desarrollaron un marco para comprender y estudiar sistemas biológicos complejos a través de tres niveles.
- Nivel computacional. El primer nivel es el nivel computacional, que esencialmente comprende la entrada y salida del sistema. Esto define la tarea o función específica que realiza el sistema. En el caso del sistema visual, la entrada sería la imagen proyectada en la retina, y la salida sería el resultado coherente y corregido del cerebro.
- Nivel algorítmico. El nivel algorítmico describe los mecanismos que conducen de entrada a salida, que es posiblemente el más importante para comprender cómo funciona un sistema biológico complejo. Por ejemplo, podría describir cómo el cerebro procesa la imagen proyectada en la retina para lograr la salida del nivel computacional.
- Nivel de implementación. El nivel de implementación es el último de este método de tres pasos, y básicamente examina la forma en que nuestro hardware biológico implementa los mecanismos descritos en el nivel algorítmico.
Pero las contribuciones de Chomsky a la IA se corresponden con sus quejas sobre el campo y la dirección actual en la que se dirige. Él siente que la IA ha adoptado una versión más complicada del conductismo, poniendo un gran énfasis en la minería de datos y las técnicas estadísticas para separar las masas de datos. Es cierto que tiene un valor práctico, pero argumenta que es poco probable que revele ideas sobre la naturaleza humana o la cognición, y es “inadecuado y superficial”.
No le habríamos enseñado mucho a la computadora sobre lo que realmente significa la frase “físico Sir Isaac Newton”, incluso si podemos construir un motor de búsqueda que devuelva resultados sensibles a los usuarios que escriben la frase.
Lea más aquí: Noam Chomsky sobre dónde la inteligencia artificial salió mal
[1] http://www.theatlantic.com/techn…