domingo, 25 de marzo de 2012

La Singularidad NO está cerca. Paull Allen (cofundador de Microsoft)

En un interesante artículo, Paull Allen, (cofundador de Microsoft y creador del Allen Institute for Brain Science entre cuyos proyectos está el Allen Brain Atlas) pone en duda las afirmaciones de Ray Kurzweil.
Kurzweil es el abanderado de la Singularidad. No es un visionario, sus predicciones se basan en datos estadísticos, es un reconocido científico, muchas de sus predicciones se han cumplido y hay que tener en cuenta lo que dice. Otra cosa es estar de acuerdo con él. Es autor de La Singularidad está cerca y la Ley de los rendimientos acelerados. En este ensayo postula lo siguiente:
Un análisis de la historia de la tecnología muestra que el cambio tecnológico es exponencial, al contrario de la visión 'lineal intuitiva' del sentido común. Así que no experimentaremos cien años de progreso en el siglo XXI, sino que serán más como 20.000 años de progreso (al ritmo de hoy). Los 'rendimientos', tales como la velocidad de los chips y la relación coste-efectividad, también se incrementarán exponencialmente. En el plazo de unas pocas décadas, la inteligencia de las máquinas sobrepasará la inteligencia humana, llevándonos a la singularidad (cambios tecnológicos tan rápidos y profundos que representen una ruptura en la estructura de la historia humana). Las consecuencias incluyen el surgimiento de inteligencia biológica y no biológica, software inmortal basado en humanos y niveles de inteligencia ultra-elevados que se expandirán hacia el universo a la velocidad de la luz.
Esta ley se basa en la ley de Moore que predice que en 18 meses se duplica el número de transistores en un espacio dado (un chip). Sin embargo, la ley de Moore y la de los rendimientos acelerados son leyes empíricas. O dicho de otra forma, no son leyes y solo predicen el pasado. Funcionan hasta que dejan de hacerlo.
Paul Allen, con el mismo derecho, postula otra ley: El freno de la complejidad. Según esta,
A medida que avanzamos más y más en nuestra comprensión de los sistemas naturales, por lo general encontramos que requieren conocimientos más especializados para entenderlos, y nos vemos obligados a ampliar continuamente nuestras teorías científicas de una manera cada vez más compleja.
Paul Allen se opone a que la singularidad vaya a llegar pronto.
Aunque suponemos que este tipo de singularidad algún día ocurrirá, no creemos que este cerca. De hecho, creemos que será en una fecha muy lejana.
Un cerebro adulto es una cosa finita, por lo que su funcionamiento básico en última instancia, puede ser desvelado a través del esfuerzo humano. Pero si la singularidad llega en 2045, será debido a avances impredecibles, y no porque sea el resultado inevitable de un progreso exponencial producido por la ley de rendimientos acelerados.
Para que la singularidad aparezca en 2045 no solo se necesita un hardware más potente en el que se ejecute el actual software más rápido. Es necesario crear un sw mucho más inteligente lo que requiere un conocimiento de los fundamentos de la cognición humana de cuya cuya complejidad solo ahora comenzamos a ser conscientes. Ni el desarrollo de sw ni el avance de la neurociencia se rigen por la ley de Moore.
Para que la singularidad ocurra en algún momento cerca de lo predicho por Kurzweil, será absolutamente necesario una aceleración masiva de nuestros avances científicos en la comprensión de todas las facetas del cerebro humano.
La complejidad del cerebro es simplemente impresionante. Cada estructura ha sido modelada con precisión durante millones de años de evolución para hacer algo en particular, sea lo que sea. No es como un ordenador, con miles de millones de transistores idénticos en las matrices de memoria regulares que son controlados por una CPU con unos pocos elementos diferentes. En el cerebro cada estructura individual y circuito neural ha sido refinado por separado por la evolución y el medio ambiente.
La investigación del cerebro obedece más bien a la ley del freno de la complejidad que a la ley de los rendimientos acelerados.
Allen Brain Atlas
Allen habla también de las promesas de la Inteligencia Artificial IA. Aunque algunos inventos son sorprendentes como Watson, en general el progreso no ha sido en absoluto exponencial.
Aunque hemos aprendido mucho acerca de cómo construir sistemas individuales de AI que hacen cosas aparentemente inteligentes, nuestros sistemas han sido siempre frágiles - los  límites de su rendimiento están rígidamente establecidos por sus supuestos internos y los algoritmos de la definición, no se pueden generalizar, y con frecuencia dan respuestas absurdas fuera de sus áreas de interés específicas. Un excelente programa de ordenador que juega al ajedrez , no puede aprovechar su habilidad para jugar otros juegos. Los mejores programas de diagnóstico médico contienen conocimientos inmensamente detallados del cuerpo humano, pero no pueden deducir que un trapecista tenga un gran sentido del equilibrio.
 Al igual que en la neurociencia, el camino basado en la inteligencia artificial IA, para lograr la singularidad a nivel de la inteligencia computacional, parece requerir muchos más descubrimientos, algunas nuevas teorías con calidad de Premio Nobel y probablemente nuevos enfoques de investigación que son inconmensurables con lo que pensamos ahora. Este tipo de avances científicos básicos no se produce en una curva de crecimiento exponencial fiable.
Y concluye Paul Allen:
Lograr una comprensión científica completa de la cognición humana es uno de los problemas más difíciles que hay. Seguimos haciendo progresos alentadores. Pero hacia el final del siglo, en nuestra opinión, todavía nos estaremos preguntando si la singularidad está cerca.
Postdata: Ray Kurzweil ha publicado su réplica en: Don’t Underestimate the Singularity donde básicamente se reafirma en la Ley de los rendimientos acelerados contrargumentando los puntos de Allen. Merece la pena (incluidos los comentarios).
Publicado originalmente en ALT1040

domingo, 18 de marzo de 2012

Chip neuromórfico

El equipo de DARPA-SyNAPSE liderado por Dharmendra S. Modha de IBM continúa en el camino de crear un chip neuromórfico.
En una entrevista con The New York Times explica que es tan importante lo que hacer como lo que no hacer. En el desafío de "crear la ingeniería de la mente haciendo ingeniería inversa del cerebro" reconoce Modha que "no estamos tratando de replicar el cerebro. Eso es imposible. Realmente no sabemos cómo funciona el cerebro." Así es que comenzando por el principio, decidieron crear un chip que sirviera de módulo para ir escalando hacia arriba. "Primero el chip como principio organizativo nos dio un plan coherente"
El chip es una ruptura con la arquitectura Von Neumann en la que se basan los ordenadores actuales, que tiene ya medio siglo y que entre otras características separa el procesador y la memoria por un delgado canal llamado bus, un auténtico cuello de botella.
El chip neuromórfico integra computación (neuronas) con memoria (sinapsis) permitiendo una eficiente comunicación de forma paralela y guiada por eventos con un mínimo consumo (45pJ/potencial de acción). El chip es configurable en términos de parámetros de neuronas, tipos de axones y estados de las sinapsis y permite un amplio tipo de aplicaciones.
El chip contiene 256 neuronas digitales tipo integrate-and-fire neurons y una memoria SRAM de 1024x256 bit para las sinapsis usando tecnología SOI de 45nm.
En este paper (pdf) se define con más detalle el diseño del chip. "A Digital Neurosynaptic Core using Embedded Crossbar Memory with 45pJ per spike in 45nm".

domingo, 11 de marzo de 2012

El ratón más listo del mundo ( y su entrenador). Brain Storm en Mouse Agility

Brain Storm es el ratón que realiza el increíble laberinto que se ve en el vídeo. En la página web Mouse Agility se describe la afición de su entrenador y los trucos para haber conseguido tamaño reto. Un sitio muy divertido e instructivo.
Escribo algunas de las cosas muy interesantes que cuenta el autor.

El entrenamiento se realiza por condicionamiento operante (Thorndike, Skinner, conductismo en suma)
Usa un clicker que se asocia a una chuchería.
Las ratas son más inteligentes, pero para el razonamiento espacial, no lo son más que los ratones.
No hace ayunar a los animales antes de aprender. ¿Tú te concentrarías mejor en ayunas?
Es cruel criar a animales sociales en aislamiento. Además aprenden mejor los socializados.
Brain Storm (el ratón del vídeo) necesitó solo una semana para aprender antes de que el vídeo fuera grabado. Dos entrenamientos por cada fase en la que animal está despierto y sesiones de no más de dos minutos. Brain Storm es la delicia de todo entrenador.
Ojalá los ratones nacieran con 2 año. Los más jóvenes son mucho más difíciles de entrenar. Nunca es tarde para aprender.

Cómo empezó todo
De pequeño descubrió una pequeña población de ratones salvajes y se dedicó a observarlos. Poco a poco perdieron su timidez y se acercaron a él. Sus padres le amonestaron por el tiempo dedicado y al final llegaron a un compromiso: podría tener ratones como mascotas en casa.
Ya había entrenado a muchos animales antes. Uno de los ratones, Chilly era muy agresivo. Limpiar su jaula era muy estresante para los dos. Crecido ante la dificultad de domar a Chilly nació mouse agility: su habilidad como adiestrador, sus vídeos y su web.
Sus ratones son también el alimento de sus reptiles.

Entrenamiento
Un buen entrenamiento se basa en habilidades naturales.
Si permanece encerrado en una pequeña caja, perderá sus habilidades naturales.
Crear confianza entre el entrenador y el animal es fundamental. Si se siente inquieto por el entorno y el entrenador, solo querrá escapar. La condición sine qua non es que siga la mano del entrenador por espacios abiertos.
Tienen una excelente memoria y aprenden muy rápido, pero se asustan mucho con los ruidos.
Nunca toma con la mano a un ratón. Espera a que se acerque. Entonces el ratón considera su mano como el lugar más seguro del mundo, lo que es esencial para el aprendizaje guiado por la mano.
Se elige una recompensa que le guste. El ratón debe aprender que puede conseguir la recompensa cuando hace lo deseado. No debe ser recompensado siempre y siempre de la misma forma. Entonces deja de aprender.
Primero debe de tocar la mano del entrenador con la nariz o la pata. Tambien puede usarse un palito. Después se mueve la mano y el ratón la sigue para tocarla. Poco a poco se separa la mano (pero no mucho ya que los ratones son cortos de vista) para que se concentre más en el laberinto que en la mano y pueda memorizarlo.
No hay que enseñarle los obstáculos ya que el ratón de forma natural sabe balancearse, saltar, trepar... Hay que enseñarle el orden de los mismos.



domingo, 4 de marzo de 2012

Mi charla sobre Watson en el CEIN

El martes 28 de febrero, impartí una charla acerca del ordenador Watson de IBM en la Navarra Factori de CEIN.

Este es el resumen de la charla según Carlos Urtasun

Asistió Leontxo García. Según se presenta en su twitter: Conferenciante, presentador, comentarista y periodista especializado en ajedrez. Colaborador de El País y Radio Nacional desde 1985. Viajero insaciable..

Leontxo ha hecho un resumen en el programa conducido por Pepa Fernández No es un día cualquiera de RNE. La parte de Watson comienza en el minuto 6:40