Considere esto: YA HAY muchas cosas que son tan complejas y poco intuitivas que hemos tenido que construir máquinas (o al menos escribir software para máquinas) para que lo haga por nosotros.
Tomemos un ejemplo familiar: la tecnología de reconocimiento facial se encuentra en casi todas las cámaras, y en los sistemas automáticos de etiquetado de fotos como los que se encuentran en Facebook: los algoritmos de reconocimiento facial son complejos, ¿cómo se explica a una computadora lo que es una cara? “Tiene dos ojos, una boca y una nariz”. ¿Qué es un ojo? Un ojo es esta cosa redonda con un párpado, cejas y pestañas. ¿Qué es un párpado? ¿Qué sucede cuando alguien tiene un ojo cerrado? ¿O lleva gafas?
Entonces, pueden ver que no es fácil para un humano describir qué define exactamente un rostro o cómo reconocerlo ante algo que no es humano. Nuestros cerebros hacen esto automáticamente por nosotros, pero no podemos explicar cómo lo hace (todavía). Así que decidimos en algún momento dejar de molestarnos en tratar de describir de qué está hecha una cara y, en su lugar, hacer una máquina que nos explique una.
Lo que hemos hecho es hacer una máquina (o más bien escribir un software para que se ejecute en una computadora), mostrarle un montón de fotos de caras y decirle “estas son caras” y luego mostrarle un montón de fotos de cosas no son caras y le dijeron “estas no son caras”, e hicieron que creara un algoritmo para detectar caras para nosotros. Usando algoritmos evolutivos y técnicas de aprendizaje automático, la computadora procesaría todas estas fotos y generaría un algoritmo que puede detectar un rostro humano de manera asombrosamente rápida.
- ¿Se considera que el orgullo es un sentimiento bueno o malo?
- ¿Por qué algunas personas no pueden distinguir la buena actuación de la mala?
- ¿Es la percepción realidad?
- ¿Qué gana una persona que se preocupa más que la otra en cualquier tipo de relación? ¿Por qué el lote de cuidado nunca aprende a preocuparse menos?
- ¿Se esclavizó la India debido a la visión extrema del Sanatan Dharma que asumieron nuestros antepasados?
Luego, los ingenieros tomaron este algoritmo y lo programaron en los procesadores de cámaras digitales. Ahora que toma una foto, o cada vez que le pide a Facebook que etiquete una foto automáticamente, ejecuta este algoritmo de detección de caras creado por una máquina.
Los algoritmos genéticos / evolutivos tienen un gran número de aplicaciones de ingeniería y de uso diario, que van desde el diseño de las palas de los motores a reacción hasta la optimización de la ruta de una furgoneta de reparto para utilizar el mínimo de combustible.
Un ejemplo sorprendente de la belleza de los algoritmos genéticos fue en esta charla de TED: Bill Gross sobre la nueva energía | Video en TED.com en el que usaban algoritmos genéticos para diseñar un concentrador solar. Si miras a partir de las 4:20, hace una buena explicación de los algoritmos genéticos y muestra un diseño muy extraño y fascinante que el algoritmo propuso que los humanos probablemente no tendrían.
Luego también está el modelado del sistema. Otro ejemplo familiar: el clima. ¿Cómo podemos predecir el tiempo tan adelantado como una semana? ¿Cómo podemos predecir el camino de un huracán? Hay una gran cantidad de factores físicos que se deben tener en cuenta, y deben hacerse en un área muy grande. Simplemente no podemos concebir todo esto Y considerar los fenómenos naturales emergentes que podrían resultar de las complejas interacciones de la tierra, el aire, el sol y el agua. Si nunca antes hubiera oído hablar de un huracán, ¿habría adivinado que, en ciertas circunstancias, el simple movimiento del aire causado por el calentamiento desigual del sol (más un montón de otros factores) puede generar una fuerza increíblemente destructiva? Lo que hacemos es que tenemos simulaciones masivas que se ejecutan en supercomputadoras, aplicando todas las reglas y leyes de la física que sabemos que causan el clima, y utilizamos esto para simular y luego predecir el clima en el futuro.
En efecto, hemos creado máquinas no solo para explicar los fenómenos naturales del clima, sino también para predecirlos.
Entonces, en conclusión, hay muchas aplicaciones de algoritmos genéticos, así como modelos físicos detallados que nos han permitido crear cosas e ideas complejas. Después de todo, eso es todo acerca de la invención de la computadora que acelera el desarrollo tecnológico. Así que eso es una demostración de que hay muchas cosas que son demasiado complejas para una mente humana, y hemos recurrido a hacer que las máquinas lo hagan por nosotros.
Sin embargo, si los humanos son incapaces de concebir una gran teoría unificadora si existe, no es una pregunta fácil de responder. Pero sí creo que la inteligencia de la máquina puede y excederá la de los humanos un día, y eso nos dará a nosotros (o a la humanidad, o lo que sea el minkind, o cualquier sobrecarga robótica que haya tomado el planeta) una ventaja para encontrar esa particular. responder. Debo mencionar que una de las formas más prometedoras de crear inteligencia de máquina es simular un cerebro en lugar de tratar de que los humanos tengan un programa de inteligencia de manera procesal. En efecto, no podemos EXPLICAR la inteligencia, por lo que solo vamos a ejecutar un modelo del cerebro y esperar que aparezca la propiedad emergente de la inteligencia. Otro ejemplo de cómo el cerebro no puede entender su propia inteligencia y por eso estamos haciendo que las computadoras hagan eso por nosotros.