“Si te limitas a memorizar experiencias y luego replicar una y otra vez las mismas decisiones, no serás más que un hamster dándole vueltas a la rueda . «Aprender de nuestras experiencias» y no «aprendernos nuestras experiencias» es lo que necesitamos. Debemos pasar de «Hamster» a «Master». »
Temas
Inteligencia artificial
Sentido común
Similitudes entre la inteligencia artificial y la humana
Aprendizaje
¿Dónde estamos?
Programa: Reality lab
La semana pasada os contaba mi encuentro con una IA muy femenina en la barra de un bar. Me contó en una entrevista improvisada que las IAs necesitan beberse unos copazos para poder aprender de sus experiencias.
También me contaba que las IAs sobrias, las que nunca se desmelenan, las que llevan una vida triste, son incapaces de aprender y enfrentar situaciones no vistas antes.
El post de hoy es la segunda parte, si no has leído la primera todavía o quieres refrescarla aquí la tienes:
Las IAs necesitan beber alcohol
Resumen de este post
El post de hoy desarrolla la idea de cómo un aprendizaje basado en un conjunto limitado de experiencias puede darnos reglas generales «de sentido común» para enfrentarnos a situaciones totalmente nuevas.
El modo en el que aprenden las IAs nos puede dar pistas interesantes a los humanos. Al menos el modo en el que aprenden las IAs cachondas, las que se lo pasan bien y las que no viven en un mundo de preocupaciones virtuales.
Te doy unas pautas para que no seas un/una triste, le saques el máximo jugo a tus experiencias y puedas surfear el futuro de una forma más práctica y adaptativa.
Intentando llamar por teléfono en Alaska
Sorry, vuelvo a contaros una de mis historias personales. Como en otras ocasiones utilizo una de mis experiencias para ilustrar un concepto relevante, hoy no iba a ser menos.
Ya os conté en el post «Entre osos en Alaska» algunas de las aventuras de Susi y mías en esa tierra maravillosa que es Alaska. Si aún no leíste sobre nuestras experiencias con los osos Grizzly puedes hacerlo aquí.
La anécdota que quiero contar hoy ocurrió también en ese viaje a Alaska, pero no aparece en ese post.
El caso es que Susi y yo necesitábamos hacer una llamada telefónica para extender unos días más nuestro alquiler de una cabaña muy chula al lado de un lago magnífico. Era la típica cabaña junto al lago de las pelis de terror, en las que siempre hay o bien un fantasma o bien un tarado con querencia por las sierras mecánicas.
Susi y yo habíamos pasado ya unos días allí, pero nos supo a poco, principalmente porque aún no habíamos visto al de la sierra mecánica y queríamos llevar nuestra suerte al límite.
Conducíamos por una carretera perdida con densos bosques a izquierda y derecha cuando nos topamos con un establecimiento a pie de carretera, que tenía una cabina telefónica en la puerta. Era nuestra oportunidad.
No habíamos viajado con nuestros móviles, porque en aquella época la tecnología móvil europea no era compatible con la americana. Usábamos teléfonos públicos cuando necesitábamos hacer una reserva, aunque no siempre era fácil encontrar uno.
Detuvimos el coche en la puerta del establecimiento y entramos para cambiar unos dólares en monedas para poder llamar.
Le dijimos al dueño de la tienda que queríamos cambio para llamar y nos lo dio. Nos dirigimos a la cabina en la puerta y cuando tomé el auricular vi con sorpresa que el cable colgaba de éste sin estar conectado a la cabina. El cable estaba partido.
Susi y yo nos miramos pensando a la vez al estilo americano «what the hell!». Volvimos a entrar en la tienda, reproduzco la conversación:
- ¡Hola de nuevo!, el teléfono está roto.
- Sí, desde hace mucho tiempo.
- Y….¿el teléfono más cercano?
- A cincuenta millas de aquí.
- Pero, ¡te pedimos cambio para el teléfono!!
- Sí, y yo os lo di.
- Pero tu teléfono está roto
- Sí, desde hace meses.
- Pero, ¿por qué nos diste el cambio si no lo podríamos usar?
- Me pedisteis cambio para el teléfono y os los di.
Bien, este es el concepto que quería ilustrar. Hay personas que saben sumar 2+2 pero si les preguntas cuánto es 2+1+1 ya no saben, les empieza a salir humo de la CPU.
La protagonista de la película «The reader»
Otro caso, esta vez más elaborado, es el de la protagonista de la película «The reader». Por motivos de espacio no voy a contar la peli, pero aquellos que la hayáis visto, o aquellos que decidáis verla (merece mucho la pena), encontraréis otra ilustración de lo que quería expresar en el apartado anterior. Os percatareis de ello al llegar al desenlace final.
Insisto, la película es muy buena, os recomiendo que la veáis.
¿Qué es una red neuronal artificial?
Este post no pretende explicar lo que es una red neuronal artificial, pero dado que hablamos de IA y que las más complejas se basan en este concepto te doy una breve explicación. No es necesario entenderlo en profundidad para seguir el post, pero es bueno tener un concepto general de lo que son.
Las redes neuronales artificiales son modelos computacionales inspirados en el funcionamiento del cerebro humano, diseñados para reconocer patrones. Están formadas por nodos, o «neuronas», organizados en capas. Los datos ingresan a través de la capa de entrada, se procesan en capas ocultas mediante conexiones que imitan las sinapsis neuronales, y finalmente producen un resultado en la capa de salida.
Estas redes aprenden y mejoran su desempeño ajustando los pesos entre sus conexiones neuronales, durante su fase de entrenamiento.
La Neurociencia de la IA: desprenderse del ruido para «ver» los patrones
En el primer post de esta serie exploramos una idea peculiar: las IA utilizan un método parecido a beber alcohol (o tomar drogas) para entender patrones enterrados en montañas de datos.
Profundizando en esa metáfora, hoy nos sumergimos en el concepto de «dropout» en las redes neuronales y cómo puede compararse con los efectos del alcohol en nuestro cerebro.
El dropout es una técnica utilizada durante el entrenamiento de redes neuronales. A grandes rasgos consiste en desconectar aleatoriamente un número de neuronas durante el proceso de entrenamiento. Esta técnica reduce el riesgo de sobreajuste, un problema común donde la red se aprende de memoria al pie de la letra los datos de entrenamiento, pero falla al generalizar sobre nuevos conjuntos de datos.
Esto suena un poco técnico ¿verdad?. Aquí «sobreajuste» es cuando un algoritmo se aprende los datos de entrenamiento «de memoria», pero no aprende ninguna regla general que pueda ser aplicable a nuevas situaciones.
«Generalizar» en este contexto significa ser capaz de resolver bien situaciones nuevas, no vistas antes.
Esto tiene una derivada profunda (o a mí me lo parece al menos): aprenderse las experiencias vividas de memoria no sirve para aprender nada relevante. Ser menos memorístico y más holístico (me ha rimado y todo) ayuda a capturar leyes generales de las experiencias.
Veámoslo desde otra perspectiva: aprenderse literalmente el libro ayuda a contestar preguntas en el examen que se refieran de forma explícita a algún contenido en dicho libro, pero si alguna pregunta del examen pretende que se conecten conceptos derivados del contenido, posiblemente el alumno fracasará de forma estrepitosa.
En general excesiva memoria va en contra del entendimiento conceptual. Ahí lo dejo.
Analogía con el alcohol
Curiosamente el efecto del alcohol en nuestro cerebro muestra paralelismos sorprendentes con el «dropout». Cuando consumimos alcohol (o cualquier otra droga) éste actúa como un depresor del sistema nervioso central, disminuyendo la actividad neuronal y, por consiguiente la comunicación entre neuronas. Este efecto puede compararse con la «desconexión» de neuronas en una red artificial durante el dropout.
Perdiendo detalles para ganar perspectiva
Cuando el alcohol inhibe ciertas conexiones neuronales, perdemos temporalmente la capacidad de percibir todos los detalles de nuestro entorno, lo cual puede llevar a una menor preocupación por las trivialidades y, paradójicamente a una capacidad mejorada para ver patrones más grandes o soluciones creativas. Esto se debe a que reducimos el ruido de los detalles y podemos enfocarnos en las señales más fuertes o relevantes.
En el aprendizaje automático, el dropout cumple una función similar. Al evitar que la red dependa demasiado de cualquier experiencia en particular, la red se ve forzada a aprender patrones más robustos y generales.
Esto ayuda a que, una vez acabado el entrenamiento la IA pueda operar de manera eficiente incluso en condiciones imprevistas o con datos que no se ajustan perfectamente a los vistos en la fase de entrenamiento.
Implicaciones en el aprendizaje y la creatividad
Esta perspectiva nos lleva a reconsiderar nuestro entendimiento del aprendizaje y la creatividad, tanto en máquinas como en humanos. ¿Es posible que, tanto en la IA como en el cerebro humano, necesitemos ciertos tipos de «interferencias» o desconexiones para alcanzar un entendimiento más profundo o soluciones más creativas?
Mi opinión es que sí, que los humanos debemos usar nuestras propias técnicas de «dropout» para mejorar nuestro aprendizaje en la vida.
Algunas técnicas pueden ser por supuesto el alcohol (o cualquier otra sustancia con efectos similares), pero no es la única opción. No quiero parecer el comercial de una destilería, ni hacerme vuestro camello. Hay otras alternativas más sanas, como son algunas técnicas de focalización mental, que buscan dirigirnos a percibir el todo y no caer en los detalles. Es el típico «Fíjate en el bosque y no en los árboles».
Si quieres seguir la vía de ponerte tibio creo que no me necesitas, pero si quieres probar las otras alternativas te invito a revisar mis posts:
Sesión 4. Foco atencional: “Meditación 3D”
Sin pasarse con el dropout
Una consideración adicional, tanto en las redes neuronales como en los humanos, es que si nos pasamos pimplando perdemos la ventana de oportunidad. Cuando la desconexión va más allá de cierto umbral se destruye el aprendizaje, y esto ocurre tanto en IAs como en humanos. Pasado ese umbral sólo percibimos ruido. Supongo que ya te lo imaginabas, pero por si acaso ahí lo dejo.
Conclusión
Así como el «dropout» ayuda a las IAs a optimizar su entrenamiento y a estar mejor preparadas para la vida real, ciertos enfoques de desconexión de los detalles pueden ayudarnos a los humanos a sacar mejores enseñanzas de nuestras experiencias y a ser más adaptativos en la vida.
Quien sabe si quizás en un tiempo no muy lejano, y sobre todo si una IA es nombrada Ministra de Educación, veamos bibliotecas con grifos de cerveza, libros de universidad que salgan de la editorial con un par de porritos pegados en la portada y más gente con libros en los bares.
¡Confía en el dropout Luke y que la birra te acompañe!
Soundtrack del post
Esta semana DJ Peresoso nos obsequia con esta escena de la peli «Otra ronda»
Deja un comentario