Inteligencia Artificial estancada en 1936

Hace 75 años, un ingeniero alemán fabricó la primera computadora programable de la historia.

La ‘Z1’ fue la piedra fundamental de la tecnología moderna y continúa siendo simplemente un conjunto de memorias y funciones.

Echemos un vistazo al pasado. 1936, Konrad Zuse, ingeniero alemán, diseño y fabricó la Z1, la que para muchos es la primera computadora programable de la historia.

La Z1 era una calculadora mecánica binaria operada con electricidad y que ocupaba una mesa entera, bastante grande por cierto. Los datos los recibía de cintas perforadas, y aunque no permitía un lenguaje de programación tal y como lo entendemos hoy, la Z1 fue la primera máquina programable de la historia.

Con el paso de los años, Konrad Zuse también fabricó las Z2, Z3 y hasta la Z4 en 1950, máquinas bastante más avanzadas pero igualmente poco avanzadas en cuanto al lenguaje de programación (Zuse creó teóricamente el suyo propio llamado Plankalkül pero que jamás llegó a implementar y probar).

El comienzo de la Inteligencia Artificial

Hace apenas 50 años, cuando la ciencia y la robótica evolucionaban a pasos agigantados, el imaginario colectivo adelantaba un siglo XXI repleto de robots antropomórficos capaces de hacer más sencilla la vida humana. Sin embargo, este futuro se ha truncado porque han sido otras ramas, como la comunicación, las que más se han desarrollado mientras que este modelo de robot quedaba en el olvido. Por eso, los científicos más prestigiosos se han reunido para analizar el problema y buscar una solución.

Hay replicantes como el robot Geminoid DK que son físicamente idénticos a un humano; hay otros como Robonaut 2 que han salido de la Tierra en su primer viaje espacial; gracias a la fibra óptica incluso llegan a sentir frío y calor; y, en general, hay multitud de pequeñas máquinas capaces de hacer y de imitar cualquier tipo de movimiento humano con total fluidez. Pero siguen teniendo un nivel muy bajo de inteligencia, insuficiente para que gocen de autonomía.

Los científicos más prestigiosos en el campo de la Inteligencia Artificial (IA), la neurociencia y la lingüística dicen que la evolución está completamente atascada.

Technologyreview acudió recientemente al simposio del MIT Brains, Minds and Machines en el que analizaron las causas de este estancamiento y propusieron alternativas.

“Lo que fue mal fue mal en los 80”

Hay una explicación general y con un amplio consenso en torno a esta circunstancia, resumida en esta frase de uno de los padres de la IA Marvin Minsky: “verás a muchos estudiantes entusiasmados con robots que juegan a baloncesto o a fútbol, que bailan o que te hacen caras graciosas. Pero no los hacen más inteligentes”.

El lingüista Noam Chomsky completaba a su colega criticando a los ingenieros de inteligencia y robótica que han aplicado una gran cantidad de conocimientos estadísticos para definir patrones de comportamiento complejo, pero que han dejado de lado la compresión de esos hechos.

“Lo que fue mal fue mal en los 80”, dijo Patrick Winston, director del Laboratorio de Inteligencia Artificial del MIT durante 25 años, suavizó las protestas de sus colegas al afirmar que, más que falta de avance, “podía haber habido más progreso”. También remarcó que el problema básico de su ciencia está en el exceso de mecanización especializada, pero también citó otras dos razones: la falta de financiación desde el fin de la guerra fría y los esfuerzos por comercializar una tecnología aún prematura.

El humano se distingue por su cerebro, no por su físico

Technologyreview resume su intervención, en la que pidió a los investigadores descubrir en primer lugar qué distingue al humano del resto de primates para después “desarrollar modelos informáticos de esas propiedades, implementándolos en sistemas reales de modo que puedan descubrir los fallos en sus modelos, y redefinirlos como fuese necesario”.

Más optimista se mostró uno de los miembros del McGovern Institute of Brain Research del MIT, que considera que “en los próximos años veremos muchos progresos y la razón es que hay muchos laboratorios distribuidos por muchas partes del mundo que persigues robots humanoides”.

Entender, comprender, interpretar, reaccionar o actuar en consecuencia. Los avances en computación semántica y en Big Data son dos grandes pilares sobre los que podrán apoyarse estos científicos y los jóvenes investigadores para conseguir el desarrollo de robots realmente inteligentes, alejados de los patrones de comportamiento lineal que ahora nos rodean.