Si Wu-Tang lo hubiera lanzado en el 23 en lugar del 93, lo habrían llamado DREAM porque los datos gobiernan todo lo que me rodea. Donde nuestra sociedad una vez proporcionó poder basado en la fuerza de nuestras manos y billetera, el mundo de hoy está impulsado por datos, lo que permite que los algoritmos nos clasifiquen, separen y vendan. Estos oráculos de caja negra de toma de decisiones imperiosas y discretas se dignan a decidir quién obtiene préstamos hipotecarios, quién obtiene garantías, quién encuentra el amor y de quién son los hijos que se lleva el estado.
En su nuevo libro How Data Happened: A History from the Age of Reason to the Age of Algorithms, que se basa en su plan de estudios existente, los profesores de la Universidad de Columbia Chris Wiggins y Matthew L. Jones exploran cómo los datos se convierten en información útil y se utilizan para dar forma a todo, desde nuestras opiniones políticas y costumbres sociales hasta nuestra respuesta militar y actividad económica. En el siguiente pasaje, Wiggins y Jones analizan el trabajo del matemático John McCarthy, profesor asociado de Dartmouth, quien acuñó el término «inteligencia artificial» sin ayuda de nadie… como parte de su estratagema para obtener fondos para la investigación de verano.
V. V. norton
Extraído de Cómo llegaron a ser los datos: una historia desde la era de la razón hasta la era de los algoritmos por Chris Wiggins y Matthew L. Jones. Publicado por W. W. Norton. Copyright © 2023 por Chris Wiggins y Matthew L. Jones. Reservados todos los derechos.
Creación de «inteligencia artificial»
Un apasionado simbolista, el matemático John McCarthy a menudo se le atribuye la invención del término inteligencia artificial, incluido él mismo: “Inventé el término inteligencia artificial”, explicó, “cuando estábamos tratando de conseguir dinero para el verano. investigación» destinada a lograr el «objetivo a largo plazo de lograr inteligencia a nivel humano». El «estudio de verano» en cuestión se llamó «Proyecto de investigación de verano de Dartmouth sobre inteligencia artificial» y la financiación solicitada provino de la Fundación Rockefeller. Si bien McCarthy fue profesor asociado de matemáticas en Dartmouth, su antiguo mentor, Claude Shannon, lo ayudó en su introducción a Rockefeller. Como McCarthy describe el posicionamiento del término: «Shannon sintió que inteligencia artificial era un término demasiado llamativo y podría atraer una atención desfavorable». Sin embargo, McCarthy quería evitar la superposición con el campo existente de «investigación de autómatas» (incluidas las «redes neuronales» y las máquinas de Turing) e hizo un reclamo para crear un nuevo campo. “Así que decidí no usar más banderas falsas”. La ambición era enorme; una propuesta de 1955 argumentaba que «cada aspecto del aprendizaje, o cualquier otra característica de la inteligencia, podría, en principio, describirse con tanta precisión que podría ser modelado por una máquina». McCarthy tenía más modeladores cerebrales que los matemáticos axiomáticos que quería en la reunión de 1956 que se conoció como el Seminario de Dartmouth. El evento reunió esfuerzos diversos, a menudo contradictorios, para lograr que las computadoras digitales realicen tareas que se consideran inteligentes; sin embargo, como argumenta el historiador de inteligencia artificial Johnny Penn, la falta de experiencia psicológica del taller significó que la explicación de la inteligencia «fue fundada en primer lugar .la cola para un grupo de especialistas que trabajan fuera de las humanidades”. Cada participante vio las raíces de su empresa a su manera. McCarthy recordó: «Todos los que estaban allí siguieron con bastante obstinación las ideas que tenía antes de venir y, por lo que pude ver, no hubo un intercambio real de ideas».
Al igual que el artículo de Turing de 1950, la propuesta de 1955 de celebrar un seminario de verano sobre inteligencia artificial parece increíblemente profética en retrospectiva. Los siete problemas que McCarthy, Shannon y sus colaboradores se propusieron estudiar se convirtieron en los principales pilares de la informática y el campo de la inteligencia artificial:
-
«Computadoras automáticas» (lenguajes de programación)
-
«¿Cómo se puede programar una computadora para usar el lenguaje?» (Procesamiento del lenguaje natural)
-
«Redes neuronales» (redes neuronales y aprendizaje profundo)
-
«Teoría del tamaño de la computación» (complejidad computacional)
-
«Superación personal» (aprendizaje automático)
-
«Abstracciones» (desarrollo de funciones)
-
«Aleatoriedad y creatividad» (métodos Monte Carlo, incluido el aprendizaje estocástico).
El término «inteligencia artificial» en 1955 era más una aspiración que un compromiso con un método. La IA en este sentido amplio ha incluido tanto el descubrimiento de lo que constituye la inteligencia humana al intentar crear inteligencia artificial como el intento menos cargado filosóficamente de simplemente hacer que las computadoras realicen acciones complejas que un ser humano podría realizar.
Pocas de estas aspiraciones han alimentado esfuerzos que, en el uso moderno, se han convertido en sinónimo de inteligencia artificial: la idea de que las máquinas pueden aprender de los datos. Los informáticos han descuidado el aprendizaje de los datos durante generaciones.
Gran parte de los primeros cincuenta años de la inteligencia artificial se centró en combinar la lógica con el conocimiento codificado en las máquinas. Los datos recopilados en el curso de las actividades cotidianas no eran el centro de atención; su prestigio palidece al lado de la lógica. En los últimos cinco años, la inteligencia artificial y el aprendizaje automático se han usado indistintamente; es un poderoso ejercicio mental recordar que no debería ser así. Durante las primeras décadas de la vida de la IA, aprender de los datos parecía un enfoque equivocado, un enfoque no científico utilizado por aquellos que no querían «simplemente programar» el conocimiento en una computadora. Antes de que reinaran los datos, gobernaban las reglas.
A pesar de todo su entusiasmo, la mayoría de los participantes en el taller de Dartmouth aportaron pocos resultados concretos. Un grupo era diferente. Un grupo de RAND Corporation, dirigido por Herbert Simon, trajo un producto en forma de probador de teoremas automatizado. Este algoritmo podría producir pruebas de teoremas aritméticos y lógicos básicos. Pero las matemáticas eran solo una prueba para ellos. Como ha enfatizado el historiador Hunter Hake, este grupo comenzó menos con cálculos o matemáticas que con aprender a comprender las grandes organizaciones burocráticas y la psicología de las personas que resuelven problemas dentro de ellas. Para Simon y Newell, el cerebro humano y las computadoras eran el mismo medio para resolver problemas.
Nuestra posición es que la forma más apropiada de describir el comportamiento de resolución de problemas es un programa: una descripción de lo que hará un organismo en diversas condiciones ambientales en términos de ciertos procesos de información elementales que es capaz de realizar. Las computadoras digitales figuran solo porque, con la programación correcta, se pueden hacer para realizar las mismas secuencias de procesos de información que las personas realizan cuando resuelven problemas. Por lo tanto, como veremos, estos programas describen la resolución de problemas tanto humanos como mecánicos al nivel de los procesos de información.
Aunque proporcionaron muchos de los primeros avances importantes en la inteligencia artificial temprana, Simon y Newell se centraron en el estudio práctico de la organización humana. Estaban interesados en la resolución de problemas humanos que combinaban lo que Johnny Penn llamó «una combinación de lógica simbólica británica de principios del siglo XX y lógica administrativa estadounidense de organización hiperracionalizada». Antes de adoptar el apodo de IA, posicionaron su trabajo como el estudio de «sistemas de procesamiento de información» que involucran humanos y máquinas que se basan en una mejor comprensión del pensamiento humano en ese momento.
Simon y sus colaboradores estaban profundamente involucrados en el debate sobre la naturaleza del hombre como animal racional. Simon recibió más tarde el Premio Nobel de Economía por su trabajo sobre los límites de la mente humana. Junto a un grupo de intelectuales de la posguerra, se preocupó por refutar la noción de que la psicología humana debería entenderse como una respuesta animal a estímulos positivos y negativos. Al igual que otros, rechazó la visión conductista del hombre como impulsado por reflejos, casi automáticamente, y que el aprendizaje consiste principalmente en la acumulación de hechos adquiridos a través de dicha experiencia. Las grandes habilidades humanas, como la capacidad de hablar un lenguaje natural o hacer matemáticas complejas, nunca podrían haber surgido solo de la experiencia; requería mucho más. Centrarse solo en los datos era malinterpretar la espontaneidad y la inteligencia humanas. Esta generación de intelectuales, que desempeñó un papel central en el desarrollo de la ciencia cognitiva, enfatizó la abstracción y la creatividad sobre el análisis de datos, sensoriales o de otro tipo. El historiador Jamie Cohen-Cole explica: «El aprendizaje no fue tanto un proceso de adquisición de datos sobre el mundo, sino más bien el desarrollo de una habilidad o la adquisición de la habilidad de trabajar con una herramienta conceptual que luego podría usarse creativamente». Este énfasis en el conceptualismo fue fundamental para el programa «Teórico de la lógica» de Simon y Newell, que no solo trabajaba a través de procesos lógicos, sino que utilizaba «heurísticas» humanas para acelerar la búsqueda de medios para lograr fines. Académicos como George Polia, que investiga cómo los matemáticos resuelven problemas, han enfatizado la creatividad involucrada en el uso de la heurística para resolver problemas matemáticos. Entonces, las matemáticas no eran una tarea, no eran muchas, muchas divisiones largas o recortar grandes cantidades de datos. Era una actividad creativa y, a los ojos de sus creadores, un baluarte contra las ideas totalitarias sobre las personas, ya fueran de izquierda o de derecha. (Así era la vida en una organización burocrática; en esta imagen, no debería ser aburrido; puede ser un lugar para la creatividad. Simplemente no se lo cuente a sus empleados).
Todos los productos recomendados por SocialRed son seleccionados por nuestro equipo editorial independientemente de nuestra empresa matriz. Algunas de nuestras historias contienen enlaces de afiliados. Si compra algo a través de uno de estos enlaces, podemos ganar una comisión de afiliado. Todos los precios son actuales en el momento de la publicación.