Inspirelab
facebook twitter email
 
menu1 menu2 menu3 menu4 menu5 menu6 menu7 menu8 menu9 menu10 menu11
 
La Máquina de Pensar
2008-06-20 22:40:28 ||

“Cuando uno nace, no sabe nada.”

 Este es el tipo de afirmación que uno espera escuchar de un profesor de filosofía, y no de un ejecutivo de SiliconValley con una empresa nueva para vender y dinero por hacer. Aún así, Jeff Hawkins deja caer su axioma epistemológico mientras que está sentado en una cafetería debajo de su puesta en marcha más reciente. Un hombre alto y delgado de una alegría casi inverosímil, Hawkins creó la Palm y la Treo de mano y es cofundador de Palm Computing y Handspring. Él es la historia del éxito de la tecnología de última generación consumada, el brillante ingeniero que superó las críticas para tener un gran éxito. Ahora está por revelar su tercer acto emprendedor: una empresa llamada Numenta. Pero de lo que Hawkins, de 49 años, realmente quiere hablar, de hecho, de lo que realmente ha querido hablar durante los últimos 30 años, no son dispositivos o códigos de fuente o nichos de mercado. Sino del cerebro humano. Su cerebro. Y hoy, lo más importante que desea que usted sepa es que, al nacer, el cerebro no tiene ningún tipo de pista.

Luego de una pausa, se corrige. "Uno sabe algunas cosas básicas, como hacerse caca." El punto al que quiere llegar es que el cerebro comienza sin entendimiento real o incluso sin representación del mundo o de sus objetos. "Y uno no sabe nada sobre tablas e idiomas y edificios y autos y computadoras," dice, moviendo sus manos para representar el mundo en su totalidad. "El cerebro tiene que, por sí mismo, descubrir que estas cosas están ahí. Para mí," agrega, "ésa es la idea fascinante."

Es esta fascinación con la mente humana que condujo a Hawkins, con la euforia del triunfo de la Palm, a crear el Instituto de Neurociencia Redwood sin fines de lucro, y a contratar a los mejores neurocientíficos para perseguir una gran teoría unificada de la cognición. Lo llevó a escribir On Intelligence, el libro de 2004 que esboza su teoría de cómo funciona el cerebro. Y lo llevó a su destino final, tal como lo deseó: Numenta. Aquí, con su viejo socio de negocios, Donna Dubinsky y 12 ingenieros, Hawkins creó un programa de inteligencia artificial que él cree es el primer software verdaderamente basado en los principios del cerebro humano. Como su cerebro, el software nace sabiendo nada. Y como su cerebro, aprende de lo que percibe, construye un modelo del mundo, y luego realiza predicciones en base a dicho modelo. El resultado, dice Hawkins, es una maquina de pensar que resolverá los problemas que son triviales para los humanos pero que han confundido a nuestras computadoras desde hace mucho tiempo, incluyendo, locomoción robótica y de la vista.

Hawkins cree que este programa, combinado con el poder aún más veloz de los procesadores digitales, también podrá resolver problemas muy complejos tratándolos como el cerebro de un niño trata al mundo: un flujo de datos sensitivos nuevos a interpretar. Introduzca información desde una red de energía eléctrica en el sistema de Numenta y construirá su propio modelo virtual de cómo funciona esa red. Y de la misma manera en que un niño aprende que un vidrio que cae en el suelo se rompe, el sistema aprende a predecir cómo fallará esa red. En pocos años, Hawkins se enorgullece, dicho sistema podría capturar las sutilezas de todo, desde el mercado de valores hasta el clima, de una manera que las computadoras actuales no pueden hacerlo.

Numenta está cerca de emitir un "comunicado de investigación" de su plataforma, que tiene tres componentes principales: el motor principal de solución de problemas, que trabaja casi como un sistema operativo basado en la teoría de Hawkins de la corteza; un conjunto de herramientas software de código abierto; y el código de aprendizaje de algoritmos mismos, que los usuarios pueden modificar mientras hacen que sus creaciones estén disponibles para otros. Numenta ganará dinero mediante la propiedad y licencia de la plataforma básica, y Hawkins espera que crezca toda una industria alrededor de esto, con las empresas personalizando y revendiendo la inteligencia en formas inesperadas y asombrosas. Para Hawkins, la idea de que nacemos sin saber nada, lleva a una tecnología que será más importante que su Palm o Treo, y tal vez igual de lucrativa.

Pero espere, le advierte su cerebro ya no desprovisto de pistas, ¿Esto no suena familiar? Realmente, Hawkins se une a una larga línea de pensadores que afirman haber desentrañado y codificado los secretos de la mente en máquinas. Dichos esfuerzos han fallado tan absolutamente que los investigadores de IA se dieron por vencidos en la búsqueda de la inteligencia general y humana que describe Hawkins. "Estuvieron todos los otros," reconoce, "la Década del Cerebro, el Proyecto de Computación 5ta Generación de Japón, la lógica difusa, las redes neuronales, todos sabores de IA: ¿Es otro tiro en la oscuridad?" Deja que la pregunta quede en el aire por un momento. "No," dice. "Es bastante diferente, y le puedo explicar por qué."

 


Cómo el Software Numenta identifica un Helicóptero
Leer rápidamente y unir

1) El sistema muestra una imagen pobre de un helicóptero que se mueve en la pantalla. Se lee mediante nodos de nivel inferior que leen una sección de la imagen de píxeles de 4 x 4.
2) Los nodos nivel inferior pasan el diseño que ven al próximo nivel.
3) Los nodos intermedios agregan las entradas de los nodos de nivel inferior para formar formas.
4) Los nodos de nivel superior comparan la forma con una biblioteca de objetos y seleccionan la mejor combinación.
Predecir y refinar
5) Esa información vuelve a los nodos de nivel intermedio, para que puedan predecir mejor qué forma verán después.
6) Los datos de los nodos superiores permiten a los nodos inferiores limpiar la imagen e ignorar los píxeles que no combinan con el diseño esperado (indicado arriba con una X). Este proceso entero se repite hasta que la imagen es nítida.
— Greta Lorge

Jeff Hawkins creció en Long Island, y es hijo de un inventor incansable. Mientras que trabajaba para una empresa llamada Sperry Gyroscope en los años 60, Robert Hawkins creó el Sceptron, un dispositivo que podía usarse (entre otras cosas) para decodificar los ruidos de animales marinos. Eso lo llevó a la tapa de la revista Weekly Reader. "Estaba en tercer grado, y ahí estaba mi papá, parado cerca de esta piscina con un micrófono en la mano," recuerda Hawkins. "Y un delfín saca su nariz del agua, y le habla al micrófono."

De adolescente, Hawkins se intrigó con los misterios de la inteligencia humana. Pero como cuenta en On Intelligence, en coautoría con la periodista de New York Times Sandra Blakeslee, durante 25 años persiguió su sueño de desarrollar una teoría del funcionamiento del cerebro humano y de crear una máquina que pueda imitarlo como un amateur. Rechazado de la escuela de graduados de MIT, dónde esperaba entrar al laboratorio de IA, se alistó en el programa de PhD de biofísica en UC Berkeley a mediados de los 80, sólo para dejarla después de que la escuela no le permitiera renunciar al trabajo de laboratorio para perseguir sus propias teorías.

A cambio, Hawkins halló el éxito en negocios en Intel, en Grid Computing, y finalmente en Palm y luego Handspring. Pero en el camino, dice Hawkins, su objetivo final era generar los recursos para continuar con su investigación de neurociencia. Aún mientras juntaba las primeras inversiones para Palm, dice, "le tenía que decir a la gente 'yo realmente quiero trabajar con el cerebro.'" En 2002, finalmente pudo focalizarse en ese trabajo. Fundó el Instituto de Neurociencia Redwood, un pequeño think tank (catalizador de ideas) que ahora es parte de UC Berkeley, y se dispuso a escribir su libro.

Mientras que estaba en su programa de PhD Hawkins dio con la premisa central de On Intelligence: la predicción es el componente fundamental de la inteligencia. En un flash de introspección que tuvo mientras se preguntaba como reaccionaría si una taza de café azul apareciera de repente en su escritorio, se dio cuenta de que el cerebro no esta solamente constantemente absorbiendo y almacenando información sobre su alrededor - los objetos, los ruidos, la luz, la temperatura de una habitación - sino que también realiza predicciones sobre que pasará luego.

On Intelligence dilucida esta función de inteligencia como predicción que Hawkins dice deriva casi en su totalidad de la corteza, una porción del cerebro que es básicamente la capa de neuronas apiladas una encima de la otra. En un sentido muy simplificado, la corteza adquiere información (sobre las letras de esta página, por ejemplo) de nuestros sentidos en cantidades fraccionadas, a través de una gran cantidad de neuronas en el nivel más bajo. Estas entradas se llevan a niveles superiores de neuronas, que hacen interpretaciones más amplias (sobre los diseños que esas letras forman como palabras) y luego se pasan a un nivel superior en la pirámide. En forma simultánea, estas interpretaciones vuelven, ayudan a las neuronas de nivel inferior a predecir que experimentarán luego. Finalmente, la corteza decodifica la oración que uno ve y el artículo que uno lee.

Considerando que viene de una persona aneja al campo, On Intelligence recibió elogios sorprendentes de los neurocientíficos. Lo que criticaban los críticos no era que el libro estuviera equivocado, sino que sacaba de las cenizas investigaciones antiguas. "Aún así," dice Michael Merzenich, un neurocientífico de UC San Francisco, "nunca nadie lo expresó de una forma tan contundente. Hawkins es súper inteligente."

Mientras Hawkins escribía On Intelligence, un estudiante graduado de ingeniería eléctrica llamado Dileep George trabajaba a medio tiempo para el Instituto de Neurociencia Redwood, buscando un tema para un PhD que tuviera que ver con el cerebro. Escucho la conferencia de Hawkins sobre la corteza e inmediatamente pensó que podría recrear sus procesos en un software.

George construyó su programa de demostración original, una representación básica del proceso utilizado en la corteza visual humana, durante varias semanas. La mayor parte de los programas son lineares; procesan los datos y calculan en una dirección. Pero George diseñó capas de nodos múltiples y paralelas, cada una representando miles de neuronas en las columnas corticales y cada una un pequeño programa con su propia capacidad de procesar información, recordar diseños y hacer predicciones.

George y Hawkins llamaron a esta nueva tecnología memoria temporal jerárquica, o HTM. Una HTM consiste en una pirámide de nodos, cada uno codificado con un conjunto de fórmulas estadísticas. Toda la HTM es un conjunto de datos, y los nodos crean representaciones del mundo que describen los datos, ya sea un conjunto de fotos o las fluctuaciones de temperatura de un río. El cartel temporal refleja el hecho que para poder aprender, una HTM tiene que recibir información con un componente de tiempo, digamos, fotos que se mueven en una pantalla o temperaturas que suben y bajan en una semana. Igual que el cerebro, la manera más fácil de que HTM aprenda a identificar un objeto es mediante el reconocimiento de sus elementos - las cuatro patas de un perro, las líneas de una letra del alfabeto - que deben encontrarse en forma consistente en disposiciones similares. Fuera de eso, una HTM es agnóstica; puede formar un modelo de cualquier conjunto de datos al que se la exponga. E, igual que la corteza que combina el sonido con la visión para confirmar que uno está viendo un perro y no un zorro, las HTM también pueden estar ligadas de la misma manera. Lo más importante, dice Hawkins, una HTM puede hacer lo que los humanos empiezan a hacer desde que nacen, pero lo que las computadoras nunca hicieron: no solamente aprender, sino generalizar.

En las oficinas de Numenta en Menlo Park, California, una tarde de este invierno, George mostró la última versión de su demo original de reconocimiento de fotos. Entrenó la HTM mediante la alimentación de una serie de fotos en blanco y negro - perros, tazas de café, helicópteros - clasificadas para la HTM en 91 categorías y mostradas en forma de zigzag por toda la pantalla en direcciones elegidas al azar. Los nodos del nivel inferior de la HTM perciben una pequeña fracción de cada imagen, un parche de cuatro píxeles que el nodo puede evaluar como una línea o curva simple. La información pasa al segundo nivel de nodos, que la combina con el resultado de otros nodos de primer nivel y calcula una probabilidad - en base a lo que vio antes - de que está viendo una cabina o una hélice de un helicóptero. El nivel de nodos más alto combina estas predicciones y luego, como un padre que ayuda a su niño, le dice a los niveles de nodos inferiores lo que están viendo: un helicóptero. Los nodos de nivel inferior saben, por ejemplo, que las cosas borrosas que no pueden descifrar son patines de aterrizaje y que lo próximo que ven es más probable que sea un rotor trasero que el mango de una raqueta de tenis.

En su laptop, George tenía varias fotos que la HTM nunca había visto antes, imágenes de helicópteros altamente distorsionadas y orientadas en varias direcciones. Al ojo humano, cada uno todavía podía reconocerse fácilmente. Las computadoras, sin embargo, tradicionalmente no han podido manejar dichas desviaciones de lo que se ha programado para que detecten, razón por la cual los spambots se frustran con una cadena de letras difusas que los humanos pueden ingresar fácilmente. George hizo clic en unas fotos, y luego de unos segundos el programa lanzó la identificación correcta: un helicóptero. También limpió la imagen, como lo hace nuestra corteza visual cuando convierte los datos desordenados que recibe de la retina en imágenes nítidas en nuestra mente. La HTM incluso parece poder manejar las ilusiones ópticas como cualquier corteza humana. Cuando George mostró a su HTM una A mayúscula sin su línea central horizontal, el software completó la información faltante como lo hubiera hecho nuestro cerebro.

Los resultados de George con las imágenes son impresionantes. Pero el desafío de enfrentar la inteligencia de cualquier máquina es expandir los experimentos a pequeña escala a problemas complejos como escenas visuales completas (digamos, un helicóptero que rescata a alguien en la terraza de un edificio) o las dinámicas caóticas del clima. Tomaso Poggio, un neurocientífico computacional en el Instituto McGovern de Investigación del Cerebro del MIT, dice que está intrigado por la teoría, pero que "sería lindo ver una demostración sobre problemas más desafiantes."

Se apuntaron críticas similares a la última y prometedora tecnología de IA supuestamente basada en el cerebro: redes neuronales. Esta tecnología ganó importancia en los años 80. Pero a pesar de su éxito en el reconocimiento de diseños, nunca escaló a problemas más complejos. Hawkins dice que a esas redes tradicionalmente les faltó "neuro-realismo": A pesar de que usan el principio básico de las neuronas interconectadas, no utilizan la jerarquía de procesamiento de información utilizada por la corteza. Mientras que las HTM continuamente pasan información hacia arriba y hacia abajo en la jerarquía, desde grandes colecciones de nodos del nivel inferior hasta unas pocas del nivel superior y luego otra vez hacia abajo, las redes neuronales generalmente envían información a través de sus capas de nodos en una dirección, y si envían información en ambas direcciones, generalmente es para entrenar al sistema. En otras palabras, mientras que las HTM intentan imitar la manera en que aprende el cerebro - por ejemplo, mediante el reconocimiento de que los elementos comunes de un auto aparecen juntos - las redes neuronales utilizan las entradas estáticas, que previenen la predicción.

Hawkins confía en la propia fidelidad del cerebro que supera los problemas de escala del pasado. "Si uno cree que éste es el mecanismo que en realidad se usa en la corteza, y yo lo creo," dice, "entonces, sabemos que puede escalar a un cierto tamaño porque la corteza también lo hace. Ahora, esto todavía no lo probé. Las pruebas surgen haciéndolo."

A diferencia de muchos comienzos, Numenta no tiene sector de comercialización, ni siquiera una estrategia discernible para tratar de convencer a los clientes. Pero, ¿Quién necesita comercialización cuando se ve inundado por correos electrónicos todos los días - principalmente de investigadores, ingenieros y ejecutivos que leyeron On Intelligence – preguntando por su tecnología?

Numenta ya está en discusión entre los fabricantes de autos que quieren usar HTM en autos inteligentes. Mediante el análisis de datos de un número de cámaras y sensores dentro y fuera del auto, el sistema podría hacer lo que hace un pasajero humano si los párpados del conductor se cierran o si el auto se desvía de su camino: darse cuenta de que el conductor está demasiado somnoliento y hacer sonar una alarma.

Numenta también está trabajando con Edsa Micro, una empresa que diseña software para monitorear suministros de energía para operaciones como plataformas de petróleo submarinas y controladores de tráfico aéreo. La empresa actualmente modela un sistema energético hasta el último detalle, que garantice su funcionamiento durante contingencias como sobrecargas eléctricas y explosiones. El software de Edsa también colecta datos de miles de sensores de temperatura, voltaje, corriente y otros. Si se pudiera analizar esa información en tiempo real, podría marcar fallas de energía potenciales.

Ese tipo de análisis es lo que la empresa espera que el software de Numenta haga, y Edsa ahora está estableciendo una HTM personalizada para cada tipo de "percepción" del sistema eléctrico. Los ingenieros programan los nodos del nivel inferior para aceptar información sobre el sistema energético. Luego, la HTM recibe los datos históricos sensoriales de Edsa, representando el estado normal del sistema eléctrico. Cuando el sistema salga a la vida, más probablemente dentro de un año, Edsa espera que pueda generalizar los datos sensoriales en un entendimiento de si una red eléctrica funciona en forma pareja o si está realizando esfuerzos extras. En caso de esto último, una HTM podría enviar una señal: Alto Riesgo de Explosión. "Hemos visto mejoras de velocidad increíbles," dice Adib Nasle, presidente de Edsa, sobre el trabajo realizado hasta el momento. "Algunos abordajes dan muchos ejemplos y luego se atontan. HTM parece no sufrir de eso. Es bastante impresionante."

El cementerio de la IA, por supuesto, está plagado de tecnologías impresionantes que murieron en la mesa de desarrollo. Uno no puede evitar pensar en Sceptron y en el padre de Hawkins sosteniendo el micrófono en el hocico de un delfín. En 1964, los fabricantes de Sceptron prometieron que sería "un dispositivo auto programable, de pequeño tamaño y potencialmente económico que funcionaría en tiempo real para reconocer diseños de frecuencia complejos" - un dispositivo que algún día podría utilizarse para traducir el lenguaje de los delfines.

Cuando se le pregunta si, dado el destino de las promesas de IA pasadas, tiene la más mínima duda sobre las teorías detrás de Numenta, Hawkins es inquebrantable. "¿La plataforma que enviamos existirá en 10 años? Probablemente no. ¿Existirán las ideas? Absolutamente." Suelta una gran sonrisa. "El principio central, el componente de memoria temporal jerárquica, no puedo imaginar que sea erróneo."
Editor colaborador Evan Ratliff (www.atavistic.org) www.wired.com

 

 
 
 
Comentar
 
American Express Mariposa
American Express Butterfly es un diseño de tarjeta de crédito estilo mariposa inteligente, exclusivo para llevar en el llavero....
 
Andalgalá se presenta en Buenos Aires
El 28 de abril será un día memorable para Andalgalá debido a la presentación conjunta con el Premio Nóbel de Economía en el Hotel Panamericano a partir de las 14 Hs...
 
Las historias principales de lo que se viene
La revolución de la tecnología de la información está en camino, esta es su historia....