¿Qué es la inteligencia artificial fuerte y por qué no se puede crear todavía?

Ana González
www.anagt.es

Existe una IA fuerte y una IA débil. ¿Cómo se diferencian entre sí?
Los expertos señalan que la IA fuerte no existe ahora, pero a nivel de concepto se entiende que es capaz de autoaprender, establecer metas para sí misma y elegir medios para alcanzarlas. Se entiende que la IA fuerte debe estar al nivel de una persona en términos de habilidades cognitivas y, teniendo en cuenta las capacidades tecnológicas y computacionales, incluso superarla.

La IA actual básicamente resuelve problemas específicos y diversos. Todos tenemos un buscador inteligente en nuestro teléfono, que nos sirve para hacer búsquedas concretas desde nuestro terminal. O tenemos un asistente de voz. Este es también un ejemplo de IA débil.

¿Cuál es la dificultad de crear una IA fuerte?
Algunos ingenieros dicen que están construyendo una IA sólida, pero los problemas fundamentales siguen sin resolverse. La mayoría de los modelos de inteligencia artificial se basan en redes neuronales, que tienen una amplia gama de problemas. Por ejemplo, el llamado ‘olvido catastrófico’.

Las IA olvidan los ejemplos de los que aprenden, no pueden producir exactamente el mismo resultado. También existe el problema de la capacidad de generalización deficiente: una red neuronal entrenada en un conjunto de datos de imágenes no puede adaptarse bien a otro conjunto de datos de imágenes tomado en diferentes condiciones.

Imaginemos que tienes dos funciones que necesitan ser optimizadas. Quieres, por ejemplo, que los objetos estén bien clasificados y también que estén bien localizados en la imagen. ¿Cómo entrenar a un modelo así? Al elegir entre dos males, elige: ‘Quiero que se sumen, en promedio, para dar el mínimo error’.

Pero no existe el equilibrio perfecto, hay que elegir y al mismo tiempo una persona lo hace. Además, las arquitecturas y los métodos de solución existentes no permiten que se enseñe a la IA a establecer nuevos objetivos, alcanzarlos y evaluar la calidad del resultado.

Hasta ahora, lo que realmente podemos hacer es la IA más débil que imita a una persona, tal vez incluso haga algo mejor, por ejemplo, jugar al ajedrez. Otro punto es el acceso limitado a los recursos informáticos de alto rendimiento, la ausencia de una computadora cuántica y las limitaciones en los principios de funcionamiento de las supercomputadoras.

Para que se entienda, el costo de entrenar un modelo completo que pueda vencer a una persona en StarCraft es de aproximadamente 30 millones de dólares. Un investigador común no puede acceder al entrenamiento de dicho modelo.

¿Cuántos gigabytes de datos necesitamos para entrenar la red neuronal más simple?
Por lo general, los datos no se mide en gigabytes, sino en cantidades de las mismas imágenes o muestras para entrenamiento. Por ejemplo, para reconocer diez dígitos escritos a mano, se necesitan muy pocos datos. En general, se pueden reconocer 10 dígitos escritos a mano por cada 1000 imágenes.

En la mayoría de los casos, se supone que para que la red neuronal funcione correctamente, debes tener una muestra de datos equilibrada, y cuanto más variable sea, mejor. Por ejemplo, queremos que la red neuronal determine con los labios lo que digo.

Entonces necesitamos una gran cantidad de datos con las condiciones de iluminación. ¿Qué pasa si usamos gafas? Si la red neuronal nunca me ha visto con gafas, no reconoce las emociones que transmito, no tiene de dónde obtener esta información, respectivamente, no podemos garantizar que funcione correctamente.

Estamos aún muy lejos de una IA fuerte, avanzada y que nos sorprenda como hemos visto en la ciencia ficción. Llegaremos a ella, pero todavía habrá que esperar.