¿Cuánto le debe la inteligencia artificial a la biología?

• Evolución
• Redes neuronales biológicas
• Redes neuronales artificiales
• IA: responsables, imparciales, explicables

¿Para qué inventar un paradigma computacional nuevo de solución de tareas, si la naturaleza nos regala uno exhaustivamente probado durante cientos de miles de años?

Evolución

Tras 1,5 millones de años de evolución, año más año menos, el cerebro humano es capaz de aprender conceptos abstractos, usar sofisticados sistemas lingüísticos, interpretar representaciones simbólicas, crear arte, tomar de decisiones morales y éticas, etc. No dejes que lo ordinario te impida apreciar lo extraordinario: nos regalan un cerebro al nacer, sin ningún merecimiento particular, ¡que es el culmen de la sofisticación! En el contexto del reino animal al que pertenecemos, se trata de superpoderes.

Redes neuronales biológicas

La actividad del cerebro descansa en la interconexión de células muy especializadas conocidas como neuronas, las cuales terminan organizándose en redes neuronales. La comunicación entre dos neuronas se establece a través de sinapsis, un enlace que permite la transmisión de señales electroquímicas (información) que determinan nuestra respuesta ante estímulos del entorno (toma de decisiones). Como parte del aprendizaje, grupos de neuronas comienzan a colaborar formando circuitos neuronales (trabajo en equipo) que logran altos niveles de especialización en la solución de tareas específicas. La respuesta de cada neurona depende del efecto combinado (la suma) de señales excitatorias e inhibitorias que recibe simultáneamente a través de múltiples entradas (sinapsis), y que determinan que la neurona alcance, o no, un voltaje umbral para desencadenar un potencial de acción. Estos potenciales de acción juegan un papel clave en la propagación de señales a través de los circuitos neuronales. En resumen, las neuronas son, en esencia, unidades simples que reciben, procesan y transmiten información, y que se agrupan en estructuras complejas para colaborar en la solución de tareas específicas.

¿Para qué inventar un paradigma computacional nuevo de solución de tareas, si la naturaleza nos regala uno exhaustivamente probado durante cientos de miles de años?

Redes neuronales artificiales

Como el lector ya habrá intuido, las redes neuronales biológicas han inspirado modelos matemáticos conocidos como redes neuronales artificiales que aprovechan los principios explicados: unidades interconectadas que combinan sus entradas para producir salidas que, a su vez, se convierten en entradas de otras unidades, y que colaboran en la solución de tareas complejas específicas. Por ejemplo, los métodos de estimación de la edad ósea propuestos en esta aplicación son redes neuronales artificiales.

Como en el caso de las neuronas biológicas, estas unidades (también llamadas neuronas por razones obvias) realizan operaciones básicas sobre sus entradas que consisten principalmente en multiplicaciones y sumas. Nuestras neuronas artificiales se organizan en capas que se conectan de forma secuencial, y que van transformando y transmitiendo la información desde representaciones primarias cercanas a la comprensión que los humanos tenemos de la realidad, a representaciones (patrones) abstractas más útiles para tomar decisiones. Lo que permite que una misma configuración de capas y unidades resuelva tareas muy diferentes son un conjunto de parámetros (números), uno por cada conexión entre dos unidades, que ponderan (atenúan o amplifican) la información que se transmite a través de esa conexión. Estos parámetros se aprenden o ajustan a través de procesos como el descrito en nuestro post anterior.

IA: responsables, imparciales, explicables

En resumen, aunque se trata de modelos matemáticos inspirados en estructuras biológicas infinitamente más complejas, en la práctica estos modelos ya son capaces de aprender conceptos abstractos, usar sofisticados sistemas lingüísticos, interpretar representaciones simbólicas, crear arte, etc. ¿Le suena? Sí, estos sistemas ya pueden sustituir a los humanos en la toma de decisiones en múltiples ámbitos de la sociedad, aunque en otros aún están muy lejos de la calidad de las decisiones que podría adoptar un ser humano experto en la tarea objetivo.

Sin embargo, cuando las decisiones tienen impacto directo en la vida de personas concretas, la cosa cambia. Por ejemplo, un sistema de diagnóstico médico debería servir de apoyo al trabajo del personal sanitario, facilitando la identificación de evidencias clínicas y sugiriendo hipótesis de diagnóstico (ampliando el conocimiento o la inteligencia), pero nunca sustituyendo la decisión final razonada realizada por un facultativo que considere el paciente en su conjunto. Y sobre tomar de decisiones morales y éticas, es un área muy activa de debate y reflexión. Sea cual sea el ámbito de aplicación, los algoritmos de inteligencia artificial deberían adoptar decisiones responsables e imparciales que puedan ser explicadas. Será un buen tema para otra nota.