El comentario de Judea Pearl en 2018 en ACM.org, en su libro Construir máquinas verdaderamente inteligentes, Enseñarles causa y efecto es penetrante.
Todos los logros impresionantes del aprendizaje profundo equivalen a un ajuste de curva.
Rnorte
- Las redes artificiales no pueden realizar la lógica.
- Las redes artificiales son el mejor enfoque para la IA.
¿Cómo puede excluirse la racionalidad de la lista de características humanas importantes de la inteligencia, que es lo que significarían estas dos afirmaciones juntas?
¿Es el cerebro humano una red de ajustadores de curvas sofisticados? La famosa cita de Marvin Minsky, "El cerebro resulta ser una máquina de carne", se ofreció sin una prueba, y desde entonces no se ha ofrecido ni una prueba de su trivialización del cerebro humano ni una prueba de que el cerebro está fuera del alcance de la computabilidad de Turing. .
Cuando lee estas palabras, ¿están sus redes neuronales haciendo la siguiente secuencia de ajustes de curva?
- Bordes de bastones y conos retinianos
- Líneas desde bordes
- Formas de líneas
- Letras de formas
- Elementos lingüísticos de grupos de letras.
- Estructuras lingüísticas a partir de elementos.
- Comprensión de las estructuras lingüísticas.
El caso es fuerte para la afirmación de que los primeros cinco son un mecanismo de convergencia en un modelo, y toda la estructura de aprendizaje automático es solo un método para ajustar los datos al modelo.
Esos dos últimos elementos de la viñeta son donde se rompe el paradigma y donde muchos investigadores y autores de IA han declarado correctamente que el aprendizaje automático tiene limitaciones significativas cuando se basa únicamente en perceptrones de capas múltiples y núcleos de convolución. Además, el último elemento de viñeta está excesivamente simplificado en su estado actual, probablemente por órdenes de magnitud. Incluso si Minsky tiene razón en que una computadora puede realizar lo que hace el cerebro, el proceso de lectura y comprensión de este párrafo podría tener fácilmente miles de diferentes tipos de componentes de proceso únicos en patrones de flujo de trabajo interno con paralelismo masivo. La tecnología de imagen indica esta probabilidad. Tenemos computadoras que modelan solo las capas periféricas más simples.
¿Existe algún argumento científico / matemático que evite que el aprendizaje profundo produzca una IA fuerte? - No. Pero tampoco existe tal argumento que lo garantice.
Otras preguntas aquí investigan si estos ajustadores de curvas sofisticados pueden realizar elementos de cognición o razonamiento.
El tótem de tres en la imagen de la pregunta, ver, hacer e imaginar, no es particularmente completo, preciso o perspicaz.
- Hay al menos cinco paradigmas sensoriales en humanos, no uno
- Hacer los sentidos humanos precedidos por miles de millones de años - bacteria do
- Imaginar no es un proceso significativamente más alto que la repetición de escenarios de modelos de experiencias pasadas con algún método para aplicar funciones establecidas para combinarlas e inyectar mutaciones aleatorias
- La creatividad puede estar imaginando en el artículo anterior seguido de eliminar resultados de imaginación inútiles con algunos criterios de calidad orientados al mercado, dejando los impresionantes productos creativos que venden
Las formas superiores son la apreciación, el sentido de las realidades más allá del alcance de la medición científica, la duda legítima, el amor, el sacrificio por el bien de los demás o la humanidad.
Muchos reconocen que el estado actual de la tecnología de inteligencia artificial no está cerca de la adquisición de un sistema que pueda responder de manera confiable: "¿Cómo puedo hacer que Y suceda?" o "Si he actuado de manera diferente, ¿seguirá ocurriendo X?"
No existe una prueba matemática de que alguna combinación de elementos pequeños de ajuste de curvas pueda o no lograr la capacidad de responder esas preguntas tan bien como un ser humano típico, principalmente porque no hay una comprensión suficiente de qué es la inteligencia o cómo definirla en términos matemáticos.
También es posible que la inteligencia humana no exista en absoluto, que las referencias a ella se basen en una creencia religiosa de que somos superiores como especie que otras especies. Que podamos poblar, consumir y exterminar no es en realidad una concepción muy inteligente de la inteligencia.
La afirmación de que la inteligencia humana es una adaptación que nos diferencia de otros mamíferos entra en conflicto con si nos adaptamos bien. No hemos sido probados. Venga el próximo asesino meteórico global con una onda expansiva de la magnitud del meteorito del cráter Chicxulub, seguido de unos pocos y miles de años de invierno solar y veremos si es nuestra existencia de 160,000 años o la existencia de 4,000,000,000 años de bacterias que resulta más sostenible En la línea de tiempo de la vida, la inteligencia humana aún no ha demostrado ser significativa como un rasgo adaptativo.
Lo que está claro sobre el desarrollo de IA es que otros tipos de sistemas están desempeñando un papel junto con los aprendices profundos basados en el concepto de perceptrón multicapa y los núcleos de convolución que son estrictamente adaptadores de superficie.
Los componentes de Q-learning, los componentes basados en la atención y los componentes de memoria a corto y largo plazo también son estrictamente ajustadores de superficie, pero solo al estirar considerablemente la definición de ajuste de superficie. Tienen propiedades y estado adaptativos en tiempo real, por lo que pueden completarse.
Los contenedores de lógica difusa, los sistemas basados en reglas, los algoritmos con propiedades de Markovian y muchos otros tipos de componentes también juegan su papel y no son adaptadores de superficie en absoluto.
En resumen, hay puntos que se basan en algo más que la plausibilidad o una calidad intuitiva agradable, sin embargo, muchos de estos autores no proporcionan un marco matemático con definiciones, aplicaciones, lemas, teoremas, pruebas o incluso experimentos de pensamiento que pueden ser examinado de manera formal.
