Dwight Ellefsen/FPG/Archivo
Las leyes del pensamiento
Tom Griffiths, William Collins (Reino Unido) Macmillan (Estados Unidos)
DURANTE casi 70 años, los investigadores cognitivos han estado librando una guerra civil. Por un lado está el computacionalismo, que sostiene que la inteligencia se explica mejor mediante reglas, símbolos y lógica que pueden expresarse en ecuaciones. Por el otro, está el conexionismo, donde la inteligencia surge de vastas redes conectadas modeladas a partir de las neuronas del cerebro, y ningún componente es inteligente, pero de alguna manera el sistema en su conjunto lo es.
Esa batalla ha dado forma a todo, desde la ciencia cognitiva hasta la inteligencia artificial que ahora está transformando la economía global. Este mes, dos nuevos libros llegan desde lados opuestos. Para mí, lo más destacado es Las leyes del pensamiento: la búsqueda de una teoría matemática de la mente. En él, el profesor de Princeton Tom Griffiths rastrea el largo intento de formalizar el pensamiento en leyes matemáticas, explicando por qué la IA moderna es como es y qué nos depara el futuro.
Griffiths enmarca la historia en torno a tres formas matemáticas competitivas y cada vez más entrelazadas de formalizar el pensamiento: reglas y símbolos, redes neuronales y probabilidad. El primero trata el pensamiento como si fuera la resolución de problemas: divide una tarea en metas y submetas, y luego navega por ella con pasos formales. Impulsó las primeras IA, pero también demostró por qué el sentido común humano es tan difícil de reprimir, y la cantidad de reglas que la IA tenía que seguir pronto se convirtió en decenas de millones de requisitos.
Las redes neuronales intercambian reglas explícitas para aprender a partir de ejemplos, construyendo inteligencia a partir de muchas unidades simples cuyas interacciones producen comportamientos complejos. Así es (más o menos) cómo operan los humanos, pero la probabilidad y las estadísticas añaden un tercer ingrediente: la incertidumbre. Las mentes no tienen acceso a información perfecta y lo que nos hace humanos es cómo sopesamos la evidencia y actualizamos nuestras creencias.
Para Griffiths, ninguno de los tres marcos es suficiente. Las explicaciones realistas de la inteligencia, ya sea humana o mecánica, combinarán las tres. Presenta su caso históricamente, analizando cómo los humanos han intentado mapear los procesos de la mente utilizando las matemáticas, basándose en archivos y entrevistas con investigadores. Como resultado, su libro es detallado y atractivo, aunque un poco pesado.
El neurocientífico Gaurav Suri y Jay McClelland adoptan un rumbo diferente en The Emergent Mind: How Intelligence Surges in People and Machines, en el que sostienen que la mente es una propiedad emergente de redes interactivas de neuronas, biológicas o artificiales, que pueden generar pensamientos, emociones y decisiones. Se basa en la historia de McClelland como pionero del conexionismo.
Los dos libros ofrecen visiones interesantes y contradictorias de la revolución de la IA generativa. Para Griffiths, un modelo de lenguaje grande (LLM) confirma su visión híbrida: es impresionante, pero alucina y tropieza, y será necesaria una capa simbólica para arreglarlo. Para Suri y McClelland, el mismo LLM es una reivindicación: es impresionante cuánto razonamiento surgió de una sola red.
El problema con The Emergent Mind no es tanto su tesis sino su entrega, ya que el tono oscila entre comentarios campechanos y frases torpes. Explicar las matemáticas y las ciencias siempre iba a ser complicado, y ninguno de los libros lo cumple del todo, aunque Las leyes del pensamiento se acerca más porque describir la historia de la IA significa centrarse en lo que cada marco puede y no puede explicar.
The Emergent Mind tiene un manifiesto más provocativo, y los autores no ven ninguna barrera fundamental para que una IA más autónoma y orientada a objetivos surja de arquitecturas puramente neuronales. Como resultado, puede parecer menos arraigado en la realidad.
El libro de Griffiths, sin embargo, deja una sólida idea de los “lenguajes” que tenemos para describir el pensamiento y de por qué el futuro bien puede residir en superposiciones confusas.
¿Podría ese futuro siquiera indicar la paz entre los dos bandos?
Otros dos grandes libros sobre inteligencia artificial
Algoritmos para vivir
por Brian Christian y Tom Griffiths
Este es un recorrido animado y no técnico sobre cómo las ideas de la informática pueden iluminar las decisiones cotidianas, incluido cómo un enfoque algorítmico puede mejorar la toma de decisiones humana. Fue coescrito por Griffiths hace una década, antes de la revolución ChatGPT, pero sigue siendo relevante.
Reiniciando la IA
Construyendo inteligencia artificial en la que podamos confiar por Gary Marcus y Ernest Davis
Las redes neuronales actuales pueden ser impresionantes pero frágiles, sostiene este libro. Defiende los sistemas híbridos que recuperan fortalezas del enfoque de reglas y símbolos, uno de los tres marcos matemáticos del nuevo libro de Griffiths.
Chris Stokel-Walker es un escritor tecnológico que vive en Newcastle upon Tyne, Reino Unido.