Inteligencia amplificada

#1# Resumen:¿Las máquinas harán a los humanos más inteligentes o sólo más dependientes de nuestras calculadoras, navegadores y electrodomésticos? El doctor Ken Ford del Instituto de Cognición humana y de las máquinas (Institute of Human and Machine Cognition, IHMC) reclasifica varios problemas claves del desarrollo de máquinas más inteligentes en una categoría denominada \'Inteligencia amplificada\'. Este campo trata sobre humanos más inteligentes. Su descripción también incluye algunas recetas para que los humanos hagan \'buen uso\' de sus nuevos juguetes. #2# #3# El Instituto para el estudio interdisciplinar de la cognición humana y de las máquinas (Institute for the Interdisciplinary Study of Human & Machine Cognition, IHMC) se estableció en 1990 como una unidad de investigación de la Universidad de West Florida. Desde entonces, el IHMC ha crecido hasta ser uno de los principales institutos de investigación del país, con más de 115 investigadores y empleados que ahondan en una amplia variedad de temas relacionados con entender la cognición tanto en humanos como en máquinas con particular énfasis en la creación de herramientas informáticas para sacar partido y amplificar las capacidades cognitivas y perceptivas humanas. El director del instituto, el doctor Ken Ford, fue elegido recientemente por el presidente Bush para servir durante un periodo de seis años en el Consejo nacional de ciencia (National Science Board). Su nominación fue confirmada por el senado en marzo. Ford es autor de más de un centenar de artículos científicos y cinco libros. Los intereses de investigación de Ford incluyen: inteligencia artificial, ciencia cognitiva, computación orientada a la persona y el desarrollo en el gobierno y en el mundo académico. Recibió un doctorado en informática de la Universidad de Tulane. En enero de 1997 el doctor Ford fue invitado por la NASA a desarrollar y dirigir su centro de excelencia en tecnologías de la información en el Centro de investigación Ames, en el corazón de Sillicon Valley. trabajó como director asociado del centro y como director del centro de excelencia en tecnologías de la información de la NASA. El trabajo de Ford abre un nuevo camino hacia el planteamiento de cómo las personas interactúan con las máquinas (y viceversa). Este planteamiento no se centra tanto en los campos tradicionales de la inteligencia artificial como en el de inteligencia amplificada. En otras palabras, no sólo cómo hacer que las máquinas se comporten más como humanos, sino cómo mejorar el trabajo de los humanos en conjunción con sus nuevos e inevitablemente ajetreados sistemas de máquinas.

---

Astrobiology Magazine (AM): El programa de investigación del IMHC parece cubrir básicamente la robótica, la cognición y la simulación. ¿Hay partes de la inteligencia de máquinas que su instituto de investigación no cubra a día de hoy, pero que usted vea como áreas de crecimiento? Ken Ford (KF): No olvide que la segunda letra es \'H\'. Aunque mucha de nuestra investigación se puede englobar en la categoría de IA, y cinco de nuestros investigadores pertenecen a la AAAI (American Association for Artificial Intelligence, Asociación americana para la inteligencia artificial), el IHMC no es un laboratorio de inteligencia de máquinas tradicional. El tema principal de nuestra investigación es lo que se ha dado en llamar computación orientada a la persona que, en resumen, consiste en adecuar la tecnología a la gente en lugar de adaptar la gente a la tecnología. La persona es parte del sistema, y lo que nos interesa es el desempeño del sistema en conjunto, la persona inclusive. Esto significa que las máquinas deberían diseñarse para adaptarse a nosotros física, cognitiva y quizás incluso socialmente. #4# Interpretamos la IA como \'inteligencia amplificada\'. Lo interesante es que muchas tecnologías tradicionales de IA se están utilizando precisamente de esta manera. Nos gusta verlo como la construcción de prótesis cognitivas, sistemas computacionales que multiplican y extienden las capacidades intelectuales humanas, del mismo modo que las gafas son una especie de prótesis ocular. La elaboración de prótesis cognitivas es fundamentalmente diferente de la tradicional ambición de la IA del test de Turing: No pretende imitar las capacidades humanas, sino extenderlas. Paro aún así (al contrario que, por ejemplo, el intento de desarrollar insectos artificiales) el pensamiento humano se mantiene en el centro de nuestra ciencia. La metáfora de la \'prótesis\' enfatiza la importancia de diseñar sistemas que se adecuen a los seres humanos. Ahora mismo estoy escribiendo en un ordenador que considero mi prótesis cognitiva; si lo perdiera, estaría perdido, pero por desgracia no se adecua a mí muy bien. No sabe prácticamente nada sobre humanos, mientras que yo tengo que saber bastante sobre él. También tuve que adaptarme a usarlo, por ejemplo a escribir en su teclado: una vez más, adaptar las personas a las máquinas en lugar de las máquinas a las personas. El diseño y la adecuación de estas prótesis computacionales requiere un ámbito interdisciplinario más amplio del que se ha asociado tradicionalmente con el trabajo de la IA, incluyendo informáticos, científicos cognitivos, médicos, científicos sociales de varias ramas e incluso algunos filósofos. Las áreas de investigación activas en estos momentos en el IHMC incluyen: autonomía ajustable, interfaces y pantallas avanzados, robótica de inspiración biológica, análisis del trabajo cognitivo, comunicación y colaboración, sistemas de aprendizaje a través de ordenadores, estudios del conocimiento de expertos, dispositivos de amplificación de la fuerza y la resistencia humanas, comprensión inteligente de datos, modelado y compartición del conocimiento, representación del conocimiento, procesamiento de lenguaje natural, programas \'agentes\', simulación de prácticas de trabajo. Como puede ver, esto cubre más que la IA tradicional, que ya es a su vez un tema amplísimo, y no puede esperarse que ninguna institución la abarque por sí sola. AM: En su opinión, ¿En qué grado se pueden mapear los problemas de inteligencia de máquinas (como la navegación, la minería de datos o las simulaciones con agentes) en el problema de informática básica de \'búsqueda\' eficiente? KF: ¡Guau! ¿La búsqueda eficiente es un \'problema de informática básica\'? No hace mucho se sugería que la búsqueda sería una característica definitoria de la IA que la distingue de la informática \'general\'. Pero volviendo a la pregunta: la búsqueda es indudablemente una técnica central de la IA, pero los espacios de búsqueda que surgen en la IA son a menudo inabarcablemente extensos, y un aspecto más interesante es, no tanto cómo buscar eficientemente en ellos, sino cómo replantear los problemas de modo que se reduzca el tamaño del espacio de búsqueda. La búsqueda es lo que se hace cuando no se te ocurre algo más inteligente. #5# AM: Hay tecnologías muy atractivas hoy en día que permiten crear robots \'autónomos\', pero sin entrar mucho en la resolución de \'problemas cognitivos\'. En otras palabras ¿la movilidad y un conjunto de tareas predeterminadas se aproximan más a un modelo futuro de la robótica que, por ejemplo, tener programas que intentan averiguar qué hacer dado un conjunto totalmente nuevo de entradas ambientales o las funciones sensoriales equivalentes? KF: Sí y no. La cognición no es todo-o-nada. La lección de los últimos trabajos en IA es que se trata de un continuo. Los robots se pueden hacer con autonomía ajustable, de manera que exploren por sí mismos, pero que se pongan en contacto con nosotros si necesitan ayuda o encuentran algo interesante (utilizando los criterios que les proporcionemos, por supuesto). Podemos darle un conjunto de tareas de alto nivel, pero dejarle los detalles al robot. Básicamente todo se reduce a que hacer un robot que pueda planificar sus propias actividades en mayor o menor detalle no es más que una tarea de muchas, pero una que la IA ha resuelto con un éxito razonable: de modo que tiene sentido dejarles desarrollar parte de la planificación, ya que están más próximos que nosotros a los problemas. AM: Una prioridad entre tantas de las misiones científicas planetarias consiste en la minería de datos a partir de colecciones de imágenes. Un ejemplo es el conteo de cráteres a partir de imágenes de sensores remotos [hasta ahora de la superficie expuesta de otro planeta como Marte], o la detección de señales buscando planetas extrasolares en enormes conjuntos de datos de observaciones de telescopios. En su experiencia, ¿estas tareas son tratables con una estrategia general de reconocimiento de patrones (la caja negra) o deberían utilizarse algoritmos específicos (la mayoría de los campos parecen tener actualmente sus propios métodos en uso que no cruzan a otras disciplinas)? KF: En estos momentos no tenemos aún una opinión sobre qué métodos de análisis de datos deberían usarse en toda la variedad de problemas de este tipo que pueden surgir en la exploración tripulada o robótica. En muchos casos el carácter de los problemas dependerá de tecnologías que aún están por desarrollar. AM: Algunos defienden que la exploración robótica resolverá muchos de los problemas de la exploración planetaria, desde los ambientes extremos y los costes hasta los retrasos en la transmisión de órdenes a grandes distancias. ¿Hay un modelo interesante de la próxima generación de exploradores robóticos comparados con los exploradores humanos? KF: La exploración espacial requerirán tanto humanos como robots. Hay una manera mejor de expresar su pregunta: ¿Dónde residirán los exploradores humanos en el proceso de exploración? Uno puede imaginar que las actividades humanas se realizarán desde la Tierra, desde la órbita terrestre, desde un punto de libración, desde una órbita del planeta que se explora o sobre la superficie del planeta. Se pueden proponer argumentos a favor de cada una de estas opciones, o, más interesante aún, alguna combinación secuencial de ellas. AM: Una propuesta de aterrizaje en Marte consiste en un gran número de unidades redundantes que salen de una especie de lanzadera nodriza, y después comparten los datos a medida que se extienden radialmente sobre el terreno. ¿Ha sido probado este modelo para resolver otros problemas aquí en la Tierra? Por ejemplo ¿en la exploración de otros ambientes extremos? KF: No estoy al tanto de que haya tales estudios concentrándose específicamente en ambientes extremos, pero la utilización de una \'red de sensores\' de numerosos sensores relativamente simples para recoger datos en un entorno complejo se ha vuelto bastante habitual. Tienen la ventaja de no depender del funcionamiento de ninguno de los sensores en particular. AM: En un tono más ligero, mucha gente del público está conociendo la robótica doméstica a través de un único interfaz: el robot \'aspiradora\'. Esto les parece a algunos casi como un modelo de bicho o roedor dentro de lo que las máquinas podrían introducir culturalmente. Dadas las frustraciones que muchos han expresado con los interfaces tradicionales de otros electrodomésticos, ya sea programando el vídeo o utilizando un ordenador personal, ¿cree que existen otros modelos culturales que puedan competir con el robot aspiradora? #6# KF: Esa historia tan habitual de la imposibilidad de programar el vídeo está desfasada; mire un Tivo, por ejemplo. Los tiempos están cambiando para los interfaces, pero nadie lo comenta, porque precisamente el objetivo del buen diseño de interfaces es que resulten transparentes. Los coches modernos tienen numerosos procesadores, pero no dan la misma impresión que los vídeos. Cuando nuestros artefactos se vuelven más parecidos a auténticas prótesis, nos parecen parte de nosotros más que algo con lo que tenemos que pelearnos. Nos hacen sentirnos potenciados, en lugar de parecer que se imponen a nuestra atención como algo con lo que hay que tratar. De modo que, al igual que ocurre con las gafas, no nos percatamos de ellos: simplemente vemos el mundo a su través mucho mejor que antes. AM: O, dicho de otra manera, ¿cómo interaccionarán los humanos con los robots en el futuro: como con un compañero de piso, un esclavo o un entretenimiento? KF: Como todos esos y ninguno. Todos esos son modelos de interacción humano/humano. Las relaciones humano/máquina serán diferentes. Se integrarán en nuestro entorno, de modo que se adapte mejor a nosotros de nuevas maneras, en lugar de ser seres humanos de imitación. Una cocina inteligente será tal que, por ejemplo, podrás simplemente pedirle a la habitación que te muestre una receta de pudín de vainilla, y quizá seleccionar que hable con la voz de Julia Child (igual que puedes elegir cómo cuál de varios Steinways sonará un piano eléctrico), o que te llame cuando el asado esté listo para probar. Esta cocina es sorprendentemente inteligente, pero sigue siendo una cocina. AM: Su grupo de investigación se adentra en algunos temas de locomoción de inspiración biológica, como robots que corren, nadan, planean o reptan. ¿Hay un modelo natural que suponga un gran reto imitar utilizando inteligencia de máquina? Por ejemplo, ¿para una máquina volar es inherentemente más difícil de realizar correctamente que reptar? KF: No, en todo caso reptar es más difícil: obstáculos, línea de visión limitada, superficies variables, etc. Ya disponemos de un montón de máquinas voladoras autónomas dirigidas por objetivos: servicio inteligente. AM: ¿Puede describir algunos de los problemas que espera resolver en su estudio de los futuros programas de exploración espacial de la NASA? KF: Nuestros objetivos son bastante específicos. Tenemos que proporcionar a la NASA una asesoría específica sobre (a) las tecnologías necesarias para lograr la visión de la exploración y (b) el proceso para comprometer a lo mejor de las comunidades de investigación, desarrollo e ingeniería a proporcionar los desarrollos necesarios.