AlphaGo es una inteligencia artificial que ha vencido a los mejores jugadores humanos de GO. Incluso los creadores e instructores no saben cómo AlphaGo llegó a la conclusión de poner una piedra justo en esta posición. Top-Players pensó, AlphaGo cometió un error y en el progreso posterior parecía ser un movimiento genial. De hecho, AlphaGo jugó como ningún jugador en miles de años, y ganó ese partido.
¿Cómo podría AlphaGo crear ese movimiento novedoso? ¿Es realmente una nueva creación o es solo el producto de una máquina?
Esta es una pregunta bastante antigua y a menudo debatida. Se llama "La objeción de Lady Lovelace" y apareció por primera vez en el artículo seminal de Alan Turing "Computing Machinery and Intelligence" .
A continuación se muestra mi respuesta a la Objeción de Lovelace, así como la respuesta de Alan Turing que escribí para un curso de filosofía en 2015. ¿Quizás sea de su interés?
Turing creó el juego de la imitación como una forma de hablar sobre la cognición en las máquinas sin empantanarse en la historia filosófica de la palabra “pensar” y “máquina”. En su discusión sobre el juego de la imitación, aborda la objeción de Ada Lovelace y refuta un aspecto, sin embargo, no cubre todos los aspectos. Es decir, su refutación a la objeción de Lovelace parece asumir que el universo es determinista y, al reformular el argumento de Lovelace, puede estar pasando por alto algunas de sus implicaciones más sutiles.
El juego de imitación de Turing tiene como objetivo hacer que un juez humano no pueda adivinar correctamente cuál de los dos jugadores es una computadora. La única herramienta a disposición del juez es la comunicación textual que se puede dirigir a cada uno de los jugadores individualmente, similar a una sala de chat en Internet o un intercambio de correo electrónico. Si la máquina puede confundir al juez, dado un cierto tiempo o límite de preguntas, se dice que la máquina ganó el juego de imitación y pasó la prueba de Turing.
El argumento de Lovelace contra una máquina que pasa la prueba de Turing y por lo tanto es capaz de “pensar”, es que una máquina (refiriéndose específicamente a la Máquina Analítica) “no tiene pretensiones de originar nada. Puede hacer cualquier cosa que sepamos ordenarle que realice” (Turing 1950, 450). Turing enfrenta este argumento reformulándolo primero cuestionando si una máquina “nunca puede hacer nada 'nuevo'” (Turing 1950, 450). Él refuta esta objeción reformulada cuestionando si los seres humanos alguna vez han hecho algo nuevo. En otras palabras, afirma que no existe prueba comprobable de que alguna creación de un ser humano no haya sido producto de su educación; ya sea que se haya estudiado formalmente o aprendido del entorno.
La afirmación de Turing es razonable, pero corre el riesgo de quedar atrapado en el debate entre el libre albedrío y el determinismo, ya que parece estar afirmando que un ser humano es puramente una función de este entorno. Él asume que todo lo que se necesita para imitar a un ser humano es determinar la función que asigna el entorno externo al razonamiento humano. La creencia de la existencia de esta función se conoce como determinismo dentro de la filosofía y es un tema de mucho debate. Alternativamente, para evitar este atolladero filosófico, en lugar de apelar al determinismo, podríamos mirar lo que se requiere para que una computadora cree algo "nuevo". Crear algo “nuevo” podría interpretarse como sintetizar nueva información. La prueba de que una computadora puede realizar esta tarea se puede comprobar examinando un sistema basado en reglas.
Un sistema basado en reglas se basa en la idea de que la mayor parte del conocimiento humano puede representarse mediante reglas y el razonamiento humano puede aproximarse mediante la manipulación de estas reglas de manera lógica. Por ejemplo, para representar un plan de navegación, puede conocer una serie de pasos lógicos o reglas que describen rutas, como "La calle Lester conecta mi casa con la autopista 69" y "la autopista 69 conduce a Sudbury". Es posible programar una computadora para buscar a través de estos pasos y llegar a una conclusión, en este caso la ruta de Sudbury a la calle Lester (Thagard 2005, 47). A continuación, puede sintetizar nuevas reglas combinándolas mediante un proceso conocido como "fragmentación" o "composición" y guardándolas para que no sea necesario ejecutar la búsqueda cada vez que este objetivo (ir de Sudbury a Lester) deba cumplirse. logrado (Thagard 2005, 49). Además, las reglas pueden usarse para generar explicaciones o hipótesis por inferencia abductiva (Thagard 2005, 50). Tanto el plan como la explicación y el resumen no existían hasta que la computadora los buscó y los descubrió. Esto puede verse como el equivalente de una máquina que produce algo "nuevo" y adquiere "nuevos" conocimientos. Usando terminología matemática, se puede decir que el sistema no es monótono.
Hay muchos defectos en este sistema simplista basado en reglas. Es computacionalmente ineficiente y capta toda la complejidad psicológica de un ser humano. En consecuencia, se podría argumentar que este modelo nunca podría evolucionar para imitar con éxito a un ser humano. Sin embargo, estas son preocupaciones superficiales. Sería un error ampliar la incapacidad de este sistema específico basado en reglas para evolucionar a todos los modelos computacionales. En cambio, lo que se debe retener del ejemplo del sistema basado en reglas es que es posible contener aspectos del razonamiento e ingenio humanos dentro de un modelo computacional. Además, los defectos de la ineficiencia computacional y la incompletitud psicológica pueden ser y han sido abordados por modelos más nuevos y completos. Por ejemplo, se ha demostrado que ACT-R puede imitar ciertos atributos de un ser humano,
Referencias:
¿Cómo podría AlphaGo crear ese movimiento novedoso? ¿Es realmente una nueva creación o es solo el producto de una máquina?
La respuesta es que es una nueva creación que es producto de la inteligencia programada en el software de la computadora. El movimiento no fue concebido por ningún ser humano, por lo tanto, era nuevo y fue creado por el software.
Se puede encontrar otro ejemplo si observa el proyecto de plegado de computadoras . Las computadoras están creando nuevos modelos de estructuras de proteínas mediante el uso de muchas computadoras en todo el mundo, y estas estructuras plegadas les dicen a los investigadores qué papel juegan en todo tipo de enfermedades en todo el cuerpo, incluido el cerebro.
Están resolviendo las cosas mucho más rápido que cualquier ser humano y no se puede decir otra cosa que el hecho de que estas computadoras están creando cosas nuevas. Cosas desconocidas para los humanos antes de su creación.
¡Ya no es un producto de un dispositivo mecánico! Sí, es el resultado de cálculos de un grupo de máquinas, pero la complejidad del grupo no se parece en nada a lo que solíamos conocer como máquinas. Es más complejo por órdenes de magnitud. En cierto modo, se podría decir que el cerebro también es mecánico, ya que es un grupo de neuronas y una neurona es casi mecánica. Pero cuando el número de neuronas es tan grande, el grupo ya no se asemeja a un individuo. Esto también es lo que sucede con el grupo de máquinas de aprendizaje profundo. Ya es súper maquinaria. Es como si un cuerpo humano ya no fuera similar a una célula. Así que hay creatividad en AlphaGo.
Por otro lado, podría argumentar que matemáticamente existe una mejor estrategia para Go. Conocer esta estrategia podría conducir a la victoria sobre cualquier oponente, si no al empate, incluidos AlphaGo y los campeones del mundo. Así que no hay creatividad en ningún juego. Todo son cálculos brutales.
usuario9634
Poik