Inteligencia Artificial. La Digitalización del Cerebro

Informe del Comité de Ingeniería de la Sociedad de la Información del IIE

Madrid, Septiembre 2016

J.G. Muros

MOTIVACIÓN

El aumento exponencial de los datos va a generar durante este año 1,1 ZB (1ZB = mil millones Terabytes), lo que unido a un progreso exponencial de los procesadores Hardware (HW) y desarrollo de nuevo SW (software) propician la emulación de la inteligencia animal, a través de atributos como el aprendizaje, reconocimiento de patrones, toma decisiones, lo que conllevará disrupciones en la sociedad en los próximos años[1].

Desde el comité I+SI (Ingeniería de la Sociedad de la Información) del IIE (Instituto de la Ingeniería de España), queremos contribuir a la sociedad analizando el impacto de estas tecnologías en temas como la salud, educación, empleo o la seguridad que tan importantes son.

Este informe contiene ciertas hipótesis (personales) sobre los límites de la IA (inteligencia Artificial)

LA BASE ANALÓGICA DE LA VIDA. EL MUNDO FÍSICO

La química del carbono es la base de la vida, a través de biomoléculas como las proteínas, que se pueden considerar los ladrillos o el HW (Hardware) de la vida,mientras que los ácidos nucléicos contienen la información genética como el ADN o lo que podríamos llamar el SW (Software) de la vida.

El cerebro está constituido por células neuronales. Un humano tiene unas 1011 neuronas las cuales se pueden conectar entre sí (vía sinapsis), generando muchas asociaciones (se estima que se puede realizar 1014 conexiones diferentes). Estas múltiples conexiones estructuran lo que denominamos inteligencia. Esta inteligencia no sólo implica el procesado de las señales sensoriales acústicas, luminosas, térmicas, sino que lleva a cabo tareas más complejas como la planificación de misiones (p.e. para la obtención de comida, defensa del grupo). Para esto el cerebro define el éxito (al problema u objetivo planteado) y a continuación evalúa y propone los recursos (variables) más idóneos para la consecución de ese éxito (solución). Esta analogía con las redes neuronales da nombre a diferentes aplicaciones de la IA como son las RNA (Redes Neuronales Artificiales.

Si se analiza en detalle el vuelo animal, la biología ha resuelto temas tan complicados (aún para nosotros), como son las ecuaciones de Navier-Stokes de mecánica de fluidos, que modelizan matemáticamente los complejos problemas de la aerodinámica, incluyendo efectos como la capa límite, las turbulencias, a los que se acoplan los sistemas de propulsión (muscular en el caso animal) y el desarrollo de estructuras livianas. Estas soluciones biológicas son mucho más robustas y fiables que nuestros mejores diseños de helicópteros y aviones.

Siguiendo con el vuelo animal, es el cerebro quien interpreta las señales del entorno en forma de imágenes, sonidos, olores, térmicas, y quien dirige los más mínimos detalles de su cuerpo a través del conocimiento de su actitud (posición relativa) y posición absoluta (p.e. coordenadas x,y,z) para actuar apropiadamente sobre las alas y cola planificando al mismo tiempo la misión completa (rutas de crucero, aproximaciones finales). Esto es lo que nosotros entendemos como características de la inteligencia la capacidad de resolver problemas, de planificar, de aprender.

Conjeturamos que la ingeniería aerodinámica anda aún muy lejos de encontrar una gran mayoría de las soluciones matemáticas resueltas por la biología. Estas soluciones son además robustas (resistentes al fallo) e intuimos que simples (implementadas con un bajo número de instrucciones y uso de memoria), pues se ejecutan sobre cerebros reducidos (en términos de numero de neuronas y conexiones posibles), lo que implica que la biología ha encontrado “algoritmos” genéticos óptimos que resuelven dichas ecuaciones matemáticas y se procesan en “tiempo real”.

Esto constituye para nosotros una de las hipótesis para el planteamiento futuro de la IA, es decir, que el cerebro animal está resolviendo las mismas ecuaciones matemáticas sobre, p.e. la física del vuelo.

LA SUPERCOMPUTACIÓN UBICUA BASE DE LA TRANSFORMACIÓN DIGITAL. LAS TRANSFORMADAS MATEMÁTICAS

Como todos sabemos las señales acústicas, luminosas, de equilibrio, pueden ser transformadas en señales Electromagnéticas (EM), vía un amplio abanico de transductores que la ingeniería ha puesto a nuestra disposición como micrófonos, cámaras digitales, acelerómetros, escáneres, sensores. Estas señales eléctricas (continuas) se muestrean en el espacio-tiempo (discretizan) lo que convierte a las señales continuas en una serie finita de valores cuantificados, que se almacenan en la memoria para su posterior procesado. Es decir, las ingenierías junto a las ciencias de la computación han sido capaces de transformar el plano continuo del mundo real en el plano de la (abstracción) matemática. El plano matemático queda definido por un espacio (o conjunto) digital (numérico) y discreto (cuantificado a trozos) de las funciones (asociadas a cualquier tipo de señales medibles). Donde los procesadores (y sus memorias), que se encuentran de forma ubicua alrededor nuestro, en dispositivos como computadoras, portátiles, teléfonos móviles, TV inteligente, domótica, son las herramientas “artificiales” para procesar e interpretar las señales físicas procedentes del mundo real.

Es decir, con unas operaciones físicas, llamémoslas genéricamente de escaneo, se puede llevar una cierta información proveniente de las señales del mundo físico real-analógico al plano abstracto definido por las matemáticas (un mundo donde la lógica y la cuantificación son sus herramientas principales). Más precisamente, si este espacio de funciones digitales (que puede ser de dimensión infinita) es Medible (como la realidad física pero ahora en un sentido matemático más profundo de medida de Lebesgue) y en él se define una métrica (p.e. la definición de distancia ), a partir de una norma (p.e. el módulo de orden 2 del espacio Euclídeo) se obtiene un espacio matemático normado de Banach. Si sobre este espacio matemático se define la operación del producto interno entre dos funciones, se obtiene entonces un espacio de Hilbert en el que podemos operar matemáticamente con dichas funciones (señales) y por tanto procesarlas para obtener resultados útiles.

La idea del tratamiento matemático de estas señales se basa en poder descomponer, es decir, obtener las componentes principales o significativas de la señal física, de entre un conjunto de infinitos términos en los que se descompone la señal. Equivalente a transformar, p.e. pasar la señal del plano del tiempo al plano de las frecuencias, donde se puede realizar un análisis de los armónicos (principales) que la constituyen. Equivalente también a proyectar, en el sentido geométrico, las distancias y ángulos de las señales (ahora funciones) representadas por vectores de dimensión infinita para obtener las infinitas coordenadas o coeficientes sobre las bases proyectivas elegidas. Equivalente a convolucionar, es decir, correlacionar (comparar) la señal con otras funciones de referencia. Todo este “aparataje” matemático permite aplicar luego técnicas de filtros (p.e. de frecuencias) o realizar reducciones de datos para quedarse sólo con los componentes más importantes de la señal en la nueva base. Estas funcionalidades descritas, realizadas a través de la CC (Computación Cognitiva), lo que tratan de hacer fundamentalmente es simplificar la señal física en otras señales de referencias más “elementales” o conocidas, lo que lleva a poder enseñar a través del AM (Aprendizaje Máquina) patrones específicos del comportamiento de la señal, de donde emerge un tipo de inteligencia vía el SW matemático. En la identificación de los objetos que contiene una imagen, se ocupan especialidades de la IA como la VA (Visión Artificial) o para interpretar una señal acústica y extraer el mensaje contenido en ella se ocupa la aplicación RAH (Reconocimiento Automático del Habla).

Procesado de una imagen, mediante transformadas matemáticas wavelets, en las que la información de la imagen original queda muy simplificada en su transformada wavelet, al quedar reducida a una menor cantidad de coeficientes de información, los cuales sirven para identificar p.e. las formas y patrones contenidas dentro de ella.

Esto nos lleva a conjeturar, bajo este modelo analógico-digital entre el mundo físico y las matemáticas aquí propuesto, que las transformadas matemáticas que usa el cerebro animal para interpretar las señales sensoriales físicas son mucho más poderosas y avanzadas que las conocidas actualmente por el mundo matemático. Según esta conjetura JG se predice que aún existen muchas transformadas matemáticas por descubrir (e implementar por la ingeniería) para igualar a las del cerebro animal. Es decir, con el desarrollo de las matemáticas y las ciencias de la computación, en el futuro, la IA será capaz de emular muchas de las funcionalidades que el cerebro animal viene resolviendo.

IMPACTOS DE LA IA EN LA SOCIEDAD

Otras aplicaciones de la IA son las que tratan de copiar los elementos de la teoría de la evolución (herencia, mutación, cruce y selección) para guiar con ellas las optimizaciones matemáticas en los algoritmos. Estos Algoritmos Genéticos (AG) tienen un basto campo de desarrollo a través de los AE (Algoritmos Evolutivos), las EE (Estrategias Evolutivas), la PE y PG (Programación Evolutiva y Genética). Otra aplicación interesante para los humanos es la RG (Reconocimiento de Gestos).

Algunas de estas herramientas de la IA ya están entre nosotros desde hace un tiempo. Pensemos que en nuestros móviles (inteligentes) disponemos de aplicaciones de AP (Asistente Personal) como SIRI de Apple (o Cortana de Microsoft o el Google Assistant) que emplean el RAH como lenguaje natural para interaccionar con la máquina.

Otra de las aplicaciones estrella de la IA está en el PIM (Procesado de Imágenes Médicas), que comprenden un abanico de técnicas de imágenes que van desde las radiografías, RMN (Resonancia Magnética Nuclear), tomografías como el PET (Positron Emission Tomography), el TAC (Tomografía Axial Computerizada), Ecografías. Con ellas se pretenden diagnosticar o reconocer automáticamente (p.e. estructuras patógenas en 3D), a partir de un número reducido de cortes 2D, lo que minimiza la exposición del paciente.

Otras aplicaciones IA singulares se están desarrollando en el dominio de los juegos como Deep Blue de IBM que venció al campeón mundial de ajedrez G. Kasparov en 1996 o las más recientes de Watson de IBM que venció al campeón del juego Jeopardy en el 2011 o el AlphaGo (de Google) que venció al campeón mundial coreano de Go en el 2016. En concreto Watson de IBM, ha sido reutilizado en el 2013 para el diagnóstico de cáncer de pulmón a través del reconocimiento de imágenes, lo que realiza mejor que los especialistas.

Existen otros sectores como los negocios, financieros, educación, transporte donde la IA esta entrando. Estudios del WEC (World Economic Forum [2] y [3]) predicen que, para antes de 10 años, habrá sistemas IA “sentados” junto a los humanos en los consejos de administración empresas.

Recientemente, eminentes científicos de la talla de S. Hawking y M. Tegmark, junto a emprendedores como Elon Musk (fundador de empresas como SpaceX y el coche eléctrico Tesla) alertaron, a través de una carta en el 2015, de que la IA puede constituir una amenaza para la humanidad.

El último aspecto de la conjetura JG sobre la IA aborda la característica más singular de la mente (humana): la conciencia. Eminentes científicos como E.Witten (uno de los pilares de la teoría de cuerdas) están tratando de modelizarla matemáticamente. Nosotros conjeturamos que no será nunca reproducible por algoritmos matemáticos, al igual que opina R. Penrose en su libro de la nueva mente del emperador. Lo que nos lleva a predecir que los robots y la IA pura (sin mezclar con partes biológicas) carentes de conciencia propia, podrán alcanzar una gran inteligencia, pero al no disponer de conciencia, ni autoconocimiento propio y sin emociones propias, su amenaza para la humanidad quedara muy mitigada, de acuerdo a nuestra conjetura.

CONCLUSIONES

En resumen, la IA abre un nuevo horizonte repleto de funcionalidades y expectativas, en muchos casos disruptivas para la sociedad. En el que, los ingenieros, matemáticos y las ciencias de la computación, van a tener un protagonismo especial.

Pero, aunque la IA no pueda alcanzar, según nuestras conjeturas, hitos como la conciencia ni las emociones propias de los humanos, sí que puede tratar de simularlas. Recordemos el test propuesto por Turing para discriminar entre un humano y una máquina a través de una serie de preguntas-respuestas. Sin embargo, en otros aspectos, puede ir mucho más lejos; así Theodor Von Kármán (eminente ingeniero y desarrollador de la mecánica de fluidos) afirmaba que “mientras que la ciencia (naturaleza) estudia lo que es, la ingeniería crea lo que nunca ha sido”. Es decir, la ingeniería puede crear cosas que la naturaleza no puede hacer (como comprobamos a diario).

Por tanto, potenciar una educación académica que refuerce estas áreas de conocimiento, es nuestra primera recomendación. La siguiente es concienciar a la sociedad y a los centros de poder económicos y políticos para que dispongan de recursos para la IA, que es ya el motor de la Industrial 4.0.

CRÉDITOS

Por su apoyo y motivación agradezco al IIE (Instituto de Ingeniería de España), especialmente al comité y todos sus miembros de I+SI (Ingeniería de la Sociedad de la Información). A mi colegio profesional COIAE y Asociación AIAE de Ingenieros Aeronáuticos de España. A Diego Herranz por su motivación en las transformadas Wavelet. A mis amigos F. Hidalgo, J.R. Ramón Olmos, J. Almazán, F. Palop y J.González por sus comentarios.