La Inteligencia Artificial (IA) está revolucionando la forma en que aprendemos y enseñamos, extendiendo su influencia incluso al mundo de la música. En este artículo, exploraremos cómo la IA no solo está ayudando a crear canciones, sino que también nos sirve para componer temas que tienen un propósito educativo.
Veremos algunas canciones que tratan temas de filosofía, de matemáticas o de física. Estas canciones no son sólo melodías agradables, sino herramientas de aprendizaje diseñadas para hacer que conceptos complejos sean más accesibles y atractivos.
La música y las canciones pueden ser herramientas poderosas para enseñar conceptos de matemáticas y física por varias razones:
Memorización a través del ritmo y la repetición: Las canciones suelen tener estructuras repetitivas y ritmos pegajosos que facilitan la memorización de fórmulas, reglas y conceptos. Por ejemplo, canciones que incluyen tablas de multiplicar o fórmulas físicas pueden ayudar a los estudiantes a recordarlas con mayor facilidad.
Asociación conceptual: Los conceptos abstractos de matemáticas y física pueden asociarse con melodías o letras que los simplifican. Por ejemplo, una canción sobre la segunda ley de Newton podría incluir versos que expliquen la relación entre fuerza, masa y aceleración de una manera más accesible y comprensible.
Engagement y motivación: La música es intrínsecamente motivadora. Los estudiantes a menudo encuentran más agradable aprender mediante canciones, lo que aumenta su participación y reduce la ansiedad que a veces generan las materias como las matemáticas y la física.
Desarrollo de patrones: La música y las matemáticas están intrínsecamente relacionadas a través de patrones y estructuras. Enseñar conceptos matemáticos como fracciones, simetría, proporciones, o secuencias a través de la música puede hacer que estos patrones sean más visibles y comprensibles para los estudiantes.
Aplicación en problemas reales: Las canciones pueden ser utilizadas para contextualizar problemas de física y matemáticas en situaciones cotidianas. Por ejemplo, una canción sobre la gravedad puede relacionar el concepto con actividades diarias como saltar o dejar caer objetos, ayudando a los estudiantes a comprender mejor cómo se aplica la física en el mundo real.
Multisensorialidad: Aprender a través de la música involucra varios sentidos: auditivo (escuchar), visual (leer letras, ver diagramas asociados), y kinestésico (si se acompaña de movimientos). Este enfoque multisensorial puede reforzar el aprendizaje, especialmente para aquellos estudiantes que aprenden mejor a través de estímulos variados.
Aprendizaje colaborativo: Las canciones suelen ser una actividad grupal, lo que fomenta el aprendizaje colaborativo. Los estudiantes pueden trabajar juntos para interpretar, cantar o incluso crear canciones que reflejen los conceptos matemáticos o físicos, lo que refuerza su comprensión a través de la enseñanza mutua.
Aquí tienes algunas ideas de playlists creadas con IA que podrían ser útiles para distintas materias académicas. Estas listas están diseñadas para ayudar a estudiantes a aprender de manera entretenida y efectiva, utilizando canciones que podrían incluir letras educativas, ritmos que faciliten la memorización, y música que potencie el enfoque.
Matemáticas
Filosofía
Las nuevas tecnologías hacen posible esta fascinante fusión de música y educación, al mismo tiempo que representa un gran desafío para la comunidad educativa que transformará la enseñanza en el futuro.
¿Cómo podemos aprovechar la tecnología para generar material educativo atractivo y diferente?
Es muy sugerente dejarse llevar por lo que nos muestran las películas de ciencia ficción, interiorizando esa sensación, de que tarde o temprano las máquinas se revelarán contra sus creadores. Bastan unas cuantas sesiones de cine, y vemos como muchas películas basan sus argumentos en enfrentamientos entre humanos y máquinas.
Los humanos y las máquinas son dos tipos diferentes de seres, cada uno con sus propias habilidades y limitaciones. Los humanos somos seres vivos con capacidades como el pensamiento consciente, la emoción y el libre albedrío, mientras que las máquinas son creadas por el ser humano y se basan en la lógica y la programación para realizar tareas específicas. Aunque las máquinas pueden ser muy útiles y eficientes en ciertas áreas, todavía hay muchas cosas que solo los seres humanos somos capaces de hacer. Por lo tanto, no se puede decir que exista una competencia real entre los humanos y las máquinas, sino que más bien deberíamos verlas como herramientas que nos ayudan a hacer nuestro trabajo de manera más eficiente.
La inteligencia de las máquinas es un tema altamente debatido en el campo de la ciencia de la computación y la inteligencia artificial. No existe una única forma de medir la inteligencia de las máquinas, ya que esta puede manifestarse de muchas maneras diferentes y dependerá del contexto en el que se utilice la máquina. Una forma común de medir la inteligencia de las máquinas es a través del uso de tests de inteligencia artificial, que pueden evaluar su capacidad para resolver problemas, razonar, planificar, aprender y ejecutar tareas de manera autónoma. Sin embargo, estos tests tienen sus propias limitaciones y no pueden medir todos los aspectos de la inteligencia de las máquinas. En general, la forma en que se mide la inteligencia de las máquinas seguirá siendo un tema de debate en el futuro.
¿Cómo podríamos evaluar el nivel de inteligencia de las diferentes inteligencias artificiales que van apareciendo? El famoso Test de Turing fue creado como una prueba para evaluar la capacidad de una IA para hacerse pasar por un humano, utilizando como única interfaz una conversación por chat. No estamos hablando necesariamente de que la máquina sea inteligente, sino que simplemente es capaz de simular el comportamiento humano.
Por lo tanto el Test de Turing no nos vale para medir el nivel de inteligencia de las máquinas. Para poder abordar esta cuestión, tenemos que ver antes, que es la inteligencia y como la medimos en las personas.
¿Qué es la inteligencia?
Veamos algunas definiciones:
La inteligencia es la habilidad para adquirir conocimientos, pensar y razonar con eficacia, y manejarse en el entorno de modo adaptativo.
La inteligencia es la capacidad de entender, asimilar, elaborar información y utilizarla para resolver problemas y parece estar ligada a funciones mentales como percepción y memoria.
Poco nos aportan estas definiciones para medir la inteligencia. Por otro lado, ya no se habla de inteligencia como de una propiedad única, sino que hay muchos tipos de inteligencia. Howard Gardner, estudioso y profesor de la Universidad de Harvard que se dedicó a investigar las capacidades cognitivas del ser humano, presentó la teoría de las inteligencias múltiples en 1983:
Inteligencia lingüístico-verbal: habilidad para dominar el lenguaje.
Inteligencia lógico-matemática: habilidad para razonar de forma deductiva y lógica y la capacidad de resolver problemas matemáticos.
Inteligencia espacial-visual: capacidad para observar el mundo y los objetos desde distintas perspectivas para resolver problemas.
Inteligencia musical-auditiva:capacidad para componer o interpretar piezas musicales.
Inteligencia corporal-kinestésica: la habilidad para utilizar el propio cuerpo pudiendo para expresar o para moverse.
Inteligencia Intrapersonal: capacidad para entenderse a sí mismos.
Inteligencia interpersonal: capacidad para relacionarse y llevarse bien con otras personas.
Inteligencia naturalista: capacidad para clasificar y comprender elementos del medio natural (objetos, animales y plantas) para sobrevivir.
Inteligencia emocional: comprende tanto a la inteligencia intrapersonal como la interpersonal. Autoconciencia, autocontrol, automotivación, empatía y habilidades sociales.
Inteligencia colaborativa: capacidad para escoger la mejor opción para alcanzar una meta, trabajando en equipo.
Inteligencia creativa: capacidad para innovar y abordar situaciones de múltiples formas, con flexibilidad, produciendo soluciones originales.
Inteligencia existencial filosófica: capacidad para reflexionar sobre la propia existencia.
¿Cómo de inteligentes son las máquinas?
Las máquinas pueden ser muy inteligentes en ciertos aspectos, pero todavía tienen muchas limitaciones en comparación con los seres humanos. Las máquinas se basan en la lógica y la programación para realizar tareas específicas, lo que las hace muy eficientes y precisas en ciertas áreas. Sin embargo, las máquinas carecen de la capacidad de pensamiento consciente, la emoción y el libre albedrío que caracterizan a los seres humanos, lo que limita su capacidad para resolver problemas de manera creativa y adaptarse a situaciones cambiantes. En general, se puede decir que las máquinas son muy inteligentes en ciertos aspectos, pero todavía tienen mucho camino por recorrer en comparación con la inteligencia humana.
¿Y si medimos el desempeño de las máquinas en cada una de las facetas de la inteligencia descritas para las personas? De forma específica, las máquinas ya manifiestan aptitudes sorprendentes en muchas de las dimensiones de la inteligencia. Para responder a la pregunta de cómo de inteligentes son las máquinas vamos a analizar cada una de estas dimensiones.
Tipos de inteligencia desarrollada por las máquinas
Las máquinas pueden desarrollar diferentes tipos de inteligencia, dependiendo del contexto en el que se utilicen y de la forma en que estén programadas. Algunos de los tipos de inteligencia que las máquinas pueden desarrollar incluyen:
Inteligencia colaborativa
Los cobots son robots diseñados para trabajar de manera colaborativa con los seres humanos en lugar de reemplazarlos. Los cobots suelen ser diseñados para ser más pequeños y menos potentes que los robots industriales tradicionales, y suelen tener sistemas de seguridad incorporados para evitar lesiones a las personas que trabajan junto a ellos. Los cobots se utilizan en una variedad de aplicaciones, como la manipulación de objetos pequeños en la industria de la electrónica, el empaquetado de alimentos y la fabricación en general. Los cobots pueden ayudar a los seres humanos a aumentar su eficiencia y a realizar tareas que son difíciles o peligrosas para ellos, como trabajar en entornos poco amigables o repetitivos.
Inteligencia creativa
La creatividad se refiere a la capacidad de producir ideas o trabajos originales y valiosos, y es una cualidad muy difícil de medir y reproducir en una máquina. Sin embargo, hay algunos ejemplos de máquinas que han demostrado cierta capacidad para la creatividad, como DALL-E 2 o Stable Diffusion.
En este campo, al igual que en la generación de imágenes sintéticas está habiendo una gran revolución impulsada por los grandes modelos de Inteligencia Artificial. Merece especial atención el nuevo modelo de GPT-3 entrenado especialmente para la conversación. Es impresionante y lo puedes probar aquí.
Adicionalmente a la generación de texto, encontramos herramientas como Whisper que nos permiten implementar soluciones de reconocimiento de voz. Whisper es un sistema de reconocimiento automático de voz (ASR) entrenado en 680.000 horas de datos supervisados multilingües y multitarea recopilados de la web. El uso de un conjunto de datos tan grande ofrece un mejor comportamiento con los acentos, el ruido de fondo y el lenguaje técnico. Además, permite la transcripción simultánea en varios idiomas, así como la traducción de esos idiomas al inglés.
Inteligencia lógico-matemática
Problemas clásicos de primaria son fácilmente resolubles por una máquina.
Aumentamos un poco el nivel, y probamos con problemas de 6º de Primaria. Vemos que aun siendo un problema sencillo, la máquina no consigue expresar un resultado. En cualquier caso es interesante como desarrolla una respuesta indicando lo que necesita obtener para calcular la respuesta correcta.
Probamos con el mismo problema con el otro modelo de IA. En este caso, el sistema nos dará una respuesta siempre, aunque esta no sea correcta. Esto nos lleva a plantearnos la siguiente cuestión. ¿Qué ocurre con verificación de los resultados que empezará a ofrecer la IA con cada vez más frecuencia? ¿Quién verificará que las respuestas son correctas? ¿Qué ocurrirá con la confianza en la idoneidad de las respuestas o de los contenidos generados automáticamente cuando estos sean indistinguibles de los contenido generados por una persona?
En este último ejemplo vemos que la máquina se está equivocando de nuevo al no entender que tiene que hacer algunos cálculos intermedios.
Pero si le planteamos el problema al nuevo modelo de Chat GPT-3, fijaros lo que es capaz de hacer. Le ha costado unos 3 segundos resolver un problema matemático de los que se plantean en nuestras escuelas a niños de 10 años y lo hace además argumentando perfectamente los pasos que ha dado para resolverlo.
Inteligencia espacial
La inteligencia espacial es una forma de inteligencia que se refiere a la habilidad de percibir, imaginar y manipular objetos en espacio. Las personas con alta inteligencia espacial tienen una buena capacidad para comprender y representar objetos en tres dimensiones, lo que les permite, por ejemplo, resolver problemas de geometría y navegar en espacios complejos. La inteligencia espacial también es importante en actividades como la lectura de mapas, el diseño de edificios y la conducción de vehículos.
En este campo, a las máquinas les queda mucho terreno por recorrer, pero si nos fijamos en lo que están consiguiendo ya en espectáculos de drones con luces, creando escenas impresionantes, está claro que en pocos años, también en esta dimensión de la inteligencia nos superarán ampliamente.
Inteligencia musical
Hace algunos años empezaron a surgir ejemplos de composiciones musicales creadas de forma artificial. En el siguiente video podemos ver un ejemplo de video musical creado siguiendo el estilo de los Beatles:
Hoy día encontramos servicios como AIVA, que nos ofrecen la posibilidad de crear música de forma muy sencilla.
En la creación artística, las máquinas han conseguido aprender el sentido de la estética y los patrones que asociamos con la belleza y con la harmonía. Pero cuando se trata de emocionar o de transmitir algún sentimiento, todavía no alcanzan los resultados que hemos conseguido los humanos. La capacidad de poner la piel de gallina o de emocionar hasta conseguir hacer saltar las lágrimas es algo que todavía no está al alcance de las máquinas. ¿Cuándo crees que veremos el primer éxito musical creado totalmente de forma artificial? Yo creo que no falta tanto y que en pocos años lo veremos hecho realidad.
Inteligencia corporal-cinestésica
La inteligencia corporal es una forma de inteligencia que se refiere a la habilidad de utilizar el cuerpo para expresarse y resolver problemas. Las personas con alta inteligencia corporal tienen una buena coordinación, equilibrio y destreza física, lo que les permite, por ejemplo, bailar, jugar deportes y realizar tareas manuales. La inteligencia corporal también se relaciona con la capacidad de sentir y controlar las emociones a través del lenguaje corporal y el contacto físico. Esta forma de inteligencia es importante en áreas como el teatro, la danza y la educación física.
Son ampliamente conocidos los videos de Boston Dynamics en los que vemos como robots cada vez más sofisticados, caminan, saltan, hacen piruetas o realizan trabajos sencillos
No es comparable lo que consiguen los robots con lo que podemos hacer los humanos en un teatro lleno de espectadores disfrutando con un ballet o con cualquier tipo de espectáculo. La danza puede ser una forma hermosa de expresión artística que combina el movimiento corporal, la música y el ritmo. Los bailarines pueden crear una gran variedad de efectos visuales y emocionales mediante el uso de diferentes movimientos, estilos y técnicas. La belleza de la danza está en su capacidad para transmitir emociones, contar historias y crear conexiones entre las personas a través del lenguaje del cuerpo. Esto, todavía, no lo pueden hacer los robots.
Os animo a ver el siguiente video en el que los alumnos del conservatorio de Mariemma preparan la actuación de final de curso. El sentimiento y la capacidad de combinar de elementos para crear un espectáculo de este tipo, no están al alcance de las máquinas.
Tipos de inteligencia todavía no desarrollada por las máquinas
Como hemos visto, las máquinas empiezan a ser plenamente competentes en campos que antes eran impensables o simplemente formaban parte de la ciencia ficción. Todavía no hay ninguna entidad artificial que sea capaz de orquestas todas estas capacidades con la adaptabilidad de los seres humanos, pero vemos como de forma separada empiezan a despuntar en muchos campos.
Los reductos en los que las máquinas todavía no demuestra cierta competencia son los relacionados con la inteligencia intrapersonal (capacidad para entenderse a sí mismos), la inteligencia interpersonal (capacidad para relacionarse y llevarse bien con otras personas) o la inteligencia emocional, entendida como autoconciencia, autocontrol, automotivación, empatía y habilidades sociales. Este tipo de inteligencia podría estar ya abordado por las máquinas, cuando nos hacen por ejemplo, detección de emociones.
La inteligencia existencial (capacidad para reflexionar sobre la propia existencia) es quizás la última frontera antes de que las máquinas adquieran capacidades de inteligencia realmente comparables con la humana. Mientras tanto veremos como surgen nuevas herramientas inteligentes cada vez más sofisticadas, aunque como hemos visto, el listón lo hemos puesto realmente alto. Las máquinas inteligentes, no son una amenaza, son una herramienta más que tenemos que aprender a utilizar y una gran oportunidad para acelerar el progreso.
Desque que aparecieron los grandes modelos de tipo GPT-3, asistimos a una revolución en la generación de contenidos sintéticos. La aceleración del proceso creativo y la exploración de nuevas formas de arte ya es una realidad. Amenaza para algunos, oportunidad para otros, lo que está claro es que esta nueva herramienta cognitiva ha venido para quedarse.
Anteriormente vimos como generar retratos de Lorca, o como generar una historia con openai. Incluso probamos como escribir un pequeño ensayo sobre el metaverso. Vamos a experimentar con la generación de imágenes sintéticas para evaluar su aplicación para ilustrar poemas usando como entrada el texto de cada verso junto con alguna indicación del estilo de las imágenes a generar.
NOCHE DEL AMOR INSOMNE
(Federico García Lorca)
Noche arriba los dos con luna llena, yo me puse a llorar y tú reías. Tu desdén era un dios, las quejas mías momentos y palomas en cadena.
Noche abajo los dos. Cristal de pena, llorabas tú por hondas lejanías. Mi dolor era un grupo de agonías sobre tu débil corazón de arena.
La aurora nos unió sobre la cama, las bocas puestas sobre el chorro helado de una sangre sin fin que se derrama.
Y el sol entró por el balcón cerrado y el coral de la vida abrió su rama sobre mi corazón amortajado.
El arte siempre ha estado muy ligado a la tecnología del momento influyendo en las artes plásticas. El arte en la prehistoria ha perdurado hasta nuestros días en los dibujos y marcas realizados en cuevas. Las matemáticas influyeron en la creación de pinturas con perspectiva durante El Renacimiento y desde que se inventó la fotografía, de nuevo, la pintura, con el impresionismo se reinventó mostrando nuevas formas de mostrar la realidad.
Ahora, con la aparición de los grandes modelos de Inteligencia Artificial, quizás nos toque volver a vivir un nuevo movimiento creativo, en el que los contenido sintéticos se mezclan con las ideas creativas de los artistas, en el que la técnica se libera de las limitaciones que impone el hecho de dominar una serie de destrezas que no todo el mundo puede o ha podido desarrollar.
Ya no es necesario saber dibujar para iniciarse en el proceso creativo. Las ideas pueden hacerse realidad en cuestión de segundos, utilizando las herramientas que hoy están a disposición de todos. Open AI, Dall-e 2, Stable Diffusion y muchos otros que surgirán en los próximos meses o incluso semanas, viendo al ritmo que están proliferando.
Veamos el resultado aplicado a la generación de retratos del poeta con más influencia y popularidad de la literatura española del siglo XX, Federico García Lorca.
Todos estos retratos han sido generados por el modelo de Inteligencia Artificial Stable Diffusion utilizando el siguiente prompt:
prompt = «portrait Anime Federico García Lorca cute-fine-face, pretty face, realistic shaded Perfect face, fine details. realistic shaded lighting by Ilya Kuvshinov Giuseppe Dangelico Pino and Michael Garmash and Rob Rey, IAMAG premiere, aaaa achievement collection, elegant freckles, fabulous machine»
Texto utilizado para generar los retratos de Lorca con el modelo Stable Diffusion
Como habrás podido ver, no todas las imágenes tienen un parecido con el poeta granadino, pero sí que todas ellas tienen una serie de rasgos característicos, el pelo oscuro y las cejas abundantes. Tengamos en cuenta que estas imágenes no existían antes de ejecutar el modelo.
Las hemos creado a partir de un texto con el que expresamos que queremos un retrato del también dramaturgo Federico, siguiendo un estilo pictórico determinado (Picasso, Anime, Digital Art, impresionismo romántico…). En pocos minutos podemos generar decenas de imágenes para seleccionar las que se adapten mejor a lo que estemos buscando para luego afinar mejor nuestra idea o proyecto.
Ya hemos visto como una máquina puede generar textos con sentido de forma automática. Ahora Openai, ha liberado su nuevo modelo que se denomina dalle2 y que permite generar imágenes a partir de descripciones en lenguaje natural.
Probando Dalle 2
«Un cubo de Rubik en 4k hecho de frutas»
«Running in an apocalyptic landscape in Madrid. Digital art»
«Una pájaro tomando una cerveza en la playa en arte digital»
«Elefantes paseando en la Alhambra»
La generación de contenidos sintéticos ya es una realidad y en breve veremos como se pueden generar secuencias animadas o videos.
La generación de contenidos sintéticos combinada con el metaverso abre un campo infinito para nuevas aplicaciones y usos. Lo que vemos, oímos o leemos puede ser o no ser contenido generado por un ser humano.
Muchas personas piensan que la Inteligencia Artificial es una amenaza para nuestros puestos de trabajo. Estamos ante una nueva herramienta, que necesita por supuesto de normativas de control, pero que más que una amenaza, es un instrumento que potencia nuestras capacidades. No solo las capacidades físicas, como era el caso de las herramientas a las que estamos tan acostumbrados, como pueden ser una excavadora o una cosechadora, sino que ahora podemos potenciar nuestras capacidades cognitivas.
El siguiente ejemplo vamos a ver como un artículo completo puede ser elaborado por una Inteligencia Artificial. Simplemente he partido de la siguiente instrucción:
A partir de aquí, todo el contenido está generado por una máquina solo con la instrucción que le he indicado en lenguaje natural.
Texto generado automáticamente hablando del metaverso
«El metaverso es una realidad virtual en la que los usuarios pueden interactuar y experimentar de manera inmersiva.
A diferencia de otros mundos virtuales, el metaverso está conectado a una red global de computadoras, lo que permite que los usuarios de todo el mundo se encuentren y colaboren en el mismo espacio.
A corto plazo, el metaverso podría ofrecer una gran cantidad de oportunidades para el aprendizaje, la investigación y el desarrollo de nuevas tecnologías.
También podría ser utilizado como una plataforma para la creación de nuevos mundos virtuales, que podrían ser utilizados para el entretenimiento, la educación o el trabajo. En el futuro, el metaverso podría convertirse en la principal forma en la que la gente interactúa con la tecnología, y podría transformar la forma en la que se lleva a cabo el comercio, la educación y la investigación.
El metaverso es una idea que ha sido explorada por la ciencia ficción durante muchos años, y ahora está comenzando a convertirse en una realidad. A medida que avanzan las tecnologías de realidad virtual, se está haciendo cada vez más posible la creación de mundos virtuales inmersivos y realistas.
La clave para el éxito del metaverso será su capacidad para atraer y mantener a un gran número de usuarios, y se espera que se convierta en una plataforma muy utilizada en los próximos años.»
Podemos decir categóricamente que por ahora no. Lo único a lo que podemos aspirar de momento es a simular algunas características para crear respuestas que se parezcan a las que daría un humano. En este contexto, surgen los bots, chatbots o asistentes virtuales que nos permiten interactuar con una máquina utilizando nuestro propio idioma. Más abajo podrás hablar con una inteligencia artificial.
Cuando tenía unos 5 años, vi una serie que me marcó para siempre. Se trata de Galáctica Estrella de Combate. En esa sería salían unos robots que se llamaban Cylon que se rebelaron contra sus creadores. Es el típico argumento de muchas historias de ciencia ficción, lo sé, pero de cosas sencillas como estas, se van construyendo los sueños y las aficiones. Os dejo un enlace con algunos vídeos sobre esta fantástica serie:
He programado este asistente Cylon para que puedas jugar con él.
En el siguiente frame puedes chatear en español con la inteligencia artificial cylon. Responde a preguntas sencillas como a ¿Qué tiempo hace en Madrid?, ¿Qué es una Galaxia? o ¿Quién es Cristiano Ronaldo?. Recientemente le he incorporado el modelo GPT-3 de open.ai que muestra un comportamiento muy interesante al mantener conversaciones sobre cualquier tema.
Puedes ver otras aplicaciones de GPT-3 en este artículo (este modelo se puede usar para escribir historias sintéticas).
¡Recuerda ser amable con él!, todavía está aprendiendo. 🙂
También lo puedes usar en telegram. Escanea este código QR y prueba conversaciones interesantes con el asistente.
¿Cómo sería un sistema nervioso artificial? Normalmente pensamos en desarrollar una inteligencia artificial, igual a la inteligencia que podemos exhibir los seres humanos, es decir, contenida en algún objeto antropomorfo, donde todos los elementos están presentes en un mismo cuerpo. Nosotros, por ejemplo, tenemos un cerebro que se encarga de tomar decisiones y analizar la información que le proporcionan nuestros sentidos. Actuamos en nuestro entorno a través de nuestro sistema motor y utilizamos la voz para relacionarnos con otras personas.
Una inteligencia artificial que contenga todos estos elementos integrados en un solo objeto y que no tenga conexión con ningún sistema exterior de apoyo es, por ahora, ciencia ficción. Lo que sí podría ser más fácil de conseguir, es lo que podríamos llamar un sistema de IA globalizado. Este ente sería la agregación de multitud de sistemas repartidos por todo el planeta donde la capacidad de computación equivalente al sistema nervioso central estaría en grandes servidores que consumen además una gran energía. Cómo sentidos podríamos hablar de cualquier dispositivo IoT o interfaz con el mundo físico que permita la captura de información.
Internet actuaría como los nervios que conectan los sentidos con la capacidad cognitiva. Sería el vertebrador de esa IA global.
Ya disponemos de algunos servicios y aplicaciones que actúan de forma similar, como por ejemplo los servicios cognitivos de Microsoft, la plataforma de IBM o algunas de las aplicaciones de Google. Podemos analizar una imagen, un texto o la voz para extraer información y tomar alguna decisión de clasificación o de actuación.
De forma aislada hemos conseguido empaquetar muchas funciones cognitivas que en actividades puntuales mejoran con creces la eficiencia que podemos adquirir las personas. Aplicando fuerza bruta y los redescubiertos algoritmos de aprendizaje automático somos capaces de clasificar imágenes con un nivel de precisión impensable para un humano. Podemos analizar la voz y transcribirla a texto para después traducir el texto a otro idioma y somos capaces de generar una cantidad de información difícil de imaginar.
Sin embargo un niño de 3 años ve unas cuantas imágenes de un gato y es capaz de reconocer en poco tiempo y sin costosos procesos de entrenamiento cualquier otro gato y quizás hasta dibujar alguno. En cambio, una máquina necesita ser entrenado con miles o millones de imágenes para conseguir el mismo resultado. Obviamente una vez superada está fase de entrenamiento la máquina podrá clasificar mucho más rápido y mejor cualquier imagen. El símil sería como si un humano antes de reconocer un objeto tuviera que ser enseñado visualizando millones de imágenes. ¿Qué mecanismos entran en juego en el cerebro de un niño para poder aprender tanto en tan poco tiempo? Parece que la estrategia pasa por sacrificar precisión y rapidez por flexibilidad y adaptación.
Las últimas grandes fronteras del conocimiento que nos quedan por explorar son a nivel macroscópico, el cosmos y su origen y a nivel infinitesimal el mundo de la física cuántica y la descripción de la materia y la energía con las que se construye el mundo en el que vivimos. Resulta paradójico que el conocimiento de algo tan íntimo y ligado a nosotros como es nuestro cerebro, albergue todavía tantas lagunas de conocimiento. Posiblemente derivado del conocimiento de nuestro cerebro se descubra algún nuevo enfoque o heurística para llegar a recrear un estado de consciencia artificial o llegar a producir hilos discursivos de pensamiento. Hasta ahora almacenamos y procesamos información haciendo un uso de recursos brutal en comparación con lo que hace nuestro cerebro con unos pocos gramos de materia gris y usando solo la energía que somos capaces de extraer de los alimentos que ingerimos.
Los próximos avances tendrán que venir como consecuencia de la inversión en investigación fundacional sobre el funcionamiento de nuestro cerebro, con la que poder, una vez más, emular a la naturaleza. Esperamos ansiosos a ver cuál será el siguiente gran salto en nuestro camino de descubrimiento y en nuestro voraz apetito por conocer.
Hace ya algunos años, en la Universidad de Granada pude aprender sobre los algoritmos genéticos, una técnica algorítmica inspirada en las leyes de la evolución y que reproduce el mecanismo genético para resolver problemas de optimización y búsqueda en espacios de soluciones que por su complejidad no son calculables por otras soluciones algorítmicas.
Imaginemos ahora un sinfín de capacidades cognitivas aplicadas a contextos muy limitados . En esta situación, ¿qué es lo que determina el éxito o la bondad de las respuestas o soluciones de cada una de esas capacidades? Actualmente ese criterio se obtiene de forma externa a la propia capacidad cognitiva a través de la voluntad del programador que la ha implementado. No hay voluntad, criterio o digámoslo de otro modo, conciencia o motor vital para actuar o dirigir acción alguna.
¿Podríamos llegar a aplicar el mecanismo de la evolución usando las mismas técnicas usadas en los algoritmos genéticos? Para ello tendríamos que comprender que función objetivo gobierna la propia evolución de la vida. En problemas sencillos es fácil buscar la formulación matemática para calcular como de bueno es el código genético que representa cada solución. Pero si tratamos de explicar si existe algún patrón que explique la aparición de la vida, solo llegamos a justificaciones probabilísticas en las que no llegamos a comprender o a tener evidencias de si existe alguna propiedad o ley universal que facilite la formación de vida.
Si vamos un poco más atrás, ¿qué es exactamente la vida? En la definición que nos dieron en la escuela, es todo aquello que nace, crece, se reproduce y muere. Con esa definición, ¿no están acaso las ideas vivas? Con el pensamiento clásico diríamos, que no pueden ser vida, puesto que para poder vivir, las ideas, necesitan de otros organismos para poder vivir y reproducirse, y eso se acerca más a la definición de parásito o virus.
Darwin estableció que la función objetivo de la vida y por lo tanto su motor dinamizador, no es más que la capacidad de perdurar en el tiempo. A eso lo conocemos como las leyes de la evolución.
Si queremos hablar de vida artificial y no solo de meros artificios o herramientas creadas por el hombre, tendríamos que dotar a esa vida artificial de libertad y la capacidad de implementar la función objetivo equivalente a las leyes de la evolución. En cambio las leyes de la robótica de Isaac Asimov hacen justo lo contrario, limitan esa libertad subyugándola a los intereses de los humanos. Esto nos lleva a decir que con este enfoque lo que estamos haciendo es limitando la capacidad de que surja una verdadera vida artificial. Quizás sea lo más sensato para todos que siga siendo así.
Cuando hablamos de Inteligencia Artificial estamos hablando de una rama de las ciencias de la computación compuesta por muchas otras áreas.
Entre las más conocidas, tenemos el aprendizaje automático, la visión por computador o el procesamiento de lenguaje natural.
Pero, adicionalmente a las definiciones técnicas o académicas, todos tenemos en nuestro subconsciente una idea sobre lo que entendemos como máquinas inteligentes. Sin darnos cuenta, a través de la ciencia ficción y del cine nos hemos creado unas expectativas sobre la Inteligencia Artificial basadas en lo que vemos en las pantallas y lo que leemos en los libros.
En este artículo veremos una pequeña definición de la Inteligencia Artificial a través del cine y cómo ha evolucionado ésta a lo largo del tiempo.
Algunos hitos
Es muy curioso ver como durante el Invierno de la I.A. el interés del cine por esta temática no decae, al contrario, se hicieron cosas tan reseñables como Blade Runner o Terminator. Mientras tanto, los científicos de la época veían cómo se detenía la investigación a nivel académico y empresarial.
Vemos además, como con el cambio de siglo, la imagen que se muestra de la I.A. es más humana y en estos primeros años del siglo XXI, se centra en reflexionar sobre si las máquinas pueden llegar a desarrollar cualidades humanas, sentimientos, autoconciencia,…
Deberíamos preguntarnos como van a impactar estas cuestiones en la moral de las sociedades del futuro.
Un largo recorrido
En la siguiente imagen se muestran algunas de las películas más icónicas junto con su año de estreno, donde se trata de una u otra forma la Inteligencia Artificial y la robótica:
Siglo XX
En la película de Metrópolis estrenada en 1927, se presenta un robot antropomorfo que es capaz de suplantar la apariencia y comportamientos humanos.
Usando estas capacidades alienta una revuelta violenta en un plan de venganza contra los habitantes de la ciudad. Finalmente su malvado plan se descubre y terminan quemando al robot por su conspiración.
Como veis empezamos bien.
El resto de películas que encontramos hasta la década de los 80′ hacen alusiones a los peligros de los robots y de la Inteligencia Artificial en general: El misterioso doctor Satán, Cyborg 2087, 2011, Odisea en el espacio, Star Trek, Juegos de Guerra, Terminator, Matrix…
En estas películas se ve como los seres humanos fabrican robots con intenciones bélicas o no, pero que en cualquier caso se rebelan ante sus creadores y evolucionan fuera de control.
Desgraciadamente esta forma de mostrar la I.A. nos induce dos cosas. Por un lado una natural desconfianza, por las consecuencias nefastas que podría tener para la raza humana. Por otro lado, se generan unas expectativas muy por encima de la situación real actual.
Un cambio de tendencia
Ante esta imagen terrible que nos plantea el cine, encontramos algunas excepciones con películas como D.A.R.Y.L. o Cortocircuito, donde se muestra una imagen muy diferente.
Se habla de la capacidad potencial que podrían tener las máquinas para experimentar el «despertar» de su conciencia. Poder tener sentimientos y ser conocedores de su propia existencia.
En estos casos, los robots se alejan de la utilidad para la que fueron creadas (casi siempre fines militares). Son las máquinas las que parecen decirnos que podrían llegar a ser mejor que nosotros mismos.
Empezamos a humanizar a las máquinas y a imaginar que quizás podrían llegar a desarrollar comportamientos humanos.
Curiosamente con el cambio de milenio, el cine deja de centrarse en situaciones catastróficas para abordar la humanización de las máquinas.
Se convierte casi en la temática central de las películas, tratando cuestiones sociales y morales, que se podrían plantear con la introducción de estos robots tan sofisticados entre nosotros.
El hombre bicentenario, por ejemplo, describe la evolución de una máquina que desempeña sus funciones en una familia como si fuera un electrodoméstico más. Pero a medida que gana en experiencia empieza a desarrollar conciencia de si mismo, a añorar a sus seres queridos y a sentir la ausencia de estos a medida que la muerte se los va llevando. No sigo para no hacer spoiler.
Siglo XXI
Antes de llegar a algo parecido a la inteligencia artificial mostrada en la película “Chappie”, (un robot que desarrolla sentimientos y aprende como si fuera un niño pequeño) tenemos un largo camino por recorrer que pasa por explotar las áreas que son prometedoras en el corto plazo y en paralelo seguir apostando por la investigación básica que explique más y mejor el funcionamiento de la mente (neurociencia).
Hay dos películas que recomiendo para reflexionar sobre aspectos morales de la Inteligencia Artificial: Ex Machina y Her.
Mientras tanto, la ciencia sigue avanzando buscando algo que nos permita alcanzar los niveles de inteligencia que se muestran en las películas. La Inteligencia Artificial a través del cine sigue mostrando todavía un largo camino
Inteligencia Artificial. Pasado, Presente y Futuro (V)
Muchos de los éxitos de la inteligencia artificial de hoy día se deben a un conjunto de herramientas, heurísticas y modelos definidos o inspirados principalmente en la naturaleza y algunos de los descubrimientos conceptuales a los que se refería John McCarthy se empezaron a producir en la década de los 90. Avances en neurociencia, nuevos modelos de computación, heurísticas,…
La inteligencia artificial se empieza a plantear como una emulación del comportamiento humano. Pero en lugar de programar a las máquinas para que realicen expresamente una tarea se utiliza un enfoque diferente. El machine learning se empezó explotar en cada vez más ámbitos.
A partir del año 91 con la creación de Internet y en adelante con la explosión de datos disponibles se ha reactivado el interés por las técnicas de IA. Se parte de la experiencia entendida como datos, para imitar el funcionamiento del sistema nervioso. Se definen modelos de aprendizaje automático que utilizando las grandes cantidades de información disponibles consiguen aprender y ofrecer soluciones que no son abordables con un enfoque clásico.
Algoritmos genéticos
Un algoritmo es, en términos generales, una serie de pasos organizados que describen el proceso que se debe seguir para dar solución a un problema específico. En lugar de eso los algoritmos genéticos proponen usar las leyes que rigen la evolución natural para dar esa solución al problema planteado. En los años 70, de la mano de John Henry Holland, surgió una de las líneas más prometedoras de la inteligencia artificial, la de los algoritmos genéticos. ¡Esta línea de soluciones partió en el siglo XIX con Charles Darwin!
Redes neuronales
Otro ejemplo de soluciones basadas en la naturaleza lo encontramos en nuestro cerebro. Es el modelo natural que mejores resultados está obteniendo en el desarrollo de la I.A. Hoy, conceptos como “Machine Learning” están muy extendidos y se pueden implementar usando varias técnicas, pero una de las más comunes son las redes neuronales, recientemente evolucionadas y renombradas con el concepto de Deep Learning. Es justo esa modalidad de aprendizaje automático la que está revolucionando las expectativas de la I.A.
Ejemplos de algoritmos genéticos y redes neuronales
Vamos a ver una serie de videos donde se muestra el proceso
de aprendizaje usando técnicas de AGs y Redes neuronales.
En el siguiente video podréis ver una representación gráfica de una red neuronal que es capaz de reconocer números. Se muestra una capa de entrada como un conjunto de pixeles que representan a la imagen (equivalente a nuestra retina) y una capa de neuronas de salida. Hay un conjunto de capas ocultas en las que las neuronas se reconfiguran durante la fase de entrenamiento para dar una solución correcta.
En el siguiente video se muestra una recreación de un ecosistema con diversas formas de vida creadas de forma aleatoria. Las que se adaptan peor desaparecen. Empiezan a desarrollar comportamientos más inteligentes, y crean un verdadero ecosistema.
Un algoritmo genético aprende como disparar y se automejora para ser más efectivo. En las primeras generaciones disparan aleatoriamente, pero a medida que pasa el tiempo desarrollan estrategias de disparo más avanzadas.
Algoritmo genético aprendiendo a saltar un objeto. Se definen unas reglas de movimiento y partir de ahí el sistema aprende como debe saltar el objeto.