Lo cierto es que no sabemos suficientemente cómo funciona el cerebro.
Las redes neuronales, y en especial el deep learning, aquella faceta de la Inteligencia Artificial que más progreso ha conseguido en los últimos años, nació con una cierta inspiración en la anatomía y funcionamiento básico del sistema nervioso en general y del cerebro en particular. Se planteó un modelo computacional con unas pequeñas unidades de cálculo, las neuronas artificiales, y unas interconexiones entre eso nodos computacionales inspiradas en las uniones de axones y dendritas.
Y lo cierto es que esa metáfora, esa biomímesis, esa imitación, aunque rudimentaria, del funcionamiento cerebral, ha acabado dando grandes frutos y, probablemente, todavía traerá muchos más en los próximos años.
¿Significa eso que conocemos la esencia del funcionamiento cerebral?
En absoluto.
Tanto si esa imitación que hacen las redes neuronales artificiales del funcionamiento cerebral consigue un paralelismo real con el funcionamiento del cerebro, como si es sólo una pura metáfora que no va más allá, lo cierto es que la evolución de las redes neuronales y el Deep Learning obedece más a criterios matemáticos, estadísticos y algorítmicos que neurocientíficos. La biomímesis ha sido, sin duda, muy fructífera, pero no quiere decir que realmente sepamos cómo funciona el cerebro ni que las redes neuronales artificiales actuales lo estén imitando con una cierta fidelidad.
A pesar de los evidentes y más que interesantes avances en neurociencia y neurotecnologías, seguimos aún muy lejos de comprender el funcionamiento íntimo del cerebro. 'Rascamos' algunas cosas. Vía fMRI se dispone de un cierto mapa del cerebro y sabemos qué zonas se activan ante ciertos estímulos o qué capacidades cognitivas pueden quedar afectadas ante una lesión en esas zonas. Empezamos a saber cómo captar señales cerebrales y usarlas para mover exoesqueletos que pueden contribuir, por ejemplo, a la rehabilitación de personas impedidas. Y mejorando los sensores de señales cerebrales y aplicando algoritmos de machine learning a esas señales, probablemente se pueden conseguir avances sorprendentes en el reconocimiento de lo que una persona está pensando. Hay, incluso, avances en cómo influir en el cerebro. Es interesantísimo, desafiante y, justo es reconocerlo, un poco inquietante.
Pero aún así, no sabemos suficientemente cómo funciona el cerebro. No en el sentido de usar ese conocimiento para aplicarlo en algoritmos de Inteligencia Artificial. Así lo afirma, por ejemplo, el libro 'Modern Deep Learning and Advanced Computer Vision', cuando, refiriéndose en concreto, al área de visión artificial, y tras reconocer que, pese a sus grandes avances, aún es una disciplina con mucho por resolver, dicen:
One reason is that we don't have a strong grasp of how human vision works.
Y, recordemos, que la visión, como se suele decir, sucede más en el cerebro que en los ojos. La visión artificial no es fundamentalmente un problema de sensores, sino de algoritmos, de la misma manera que la visión humana no es sólo, quizá no sólo fundamentalmente, el captar la luz, sino el interpretar los estímulos lumínicos recibidas.
Si lográramos comprender realmente el funcionamiento íntimo del cerebro, probablemente llegaríamos a ser capaces de crear algoritmos que lo emulasen, tal vez incluso ventajosamente para la máquina.
Pero lo cierto es que, hoy en día, no sabemos suficientemente cómo funciona el cerebro.
Conocer el cerebro. Desde el punto de vista tecnológico el reto es apasionante. Desde el punto de vista humano, asusta un poco. Tal vez, el conocimiento del funcionamiento del cerebro, sea la verdadera manzana que nos ofrece la serpiente.
¿Queremos probarla?
No hay comentarios:
Publicar un comentario