La perspectiva de la inteligencia 'más que humana'

En todas las ciencias, estamos llegando a comprender el principio autoorganizado de “cálculo” como el bloque de construcción de todas las formas de inteligencia en ciernes, desde células primitivas hasta IA generativa. Este proceso implica aprender del medio ambiente, agregar información y organizarla compartiendo instrucciones funcionales mediante el código de “copia y pegado” que permita que un organismo se desarrolle, se reproduzca y se sostenga.

Como Blaise Agüera y Arcas y James Manyika escriben en Noema, “La informática existió en la naturaleza mucho antes de que construiéramos las primeras 'computadoras artificiales'. Comprender la informática como un fenómeno natural permitirá avances fundamentales no solo en informática y IA, sino también en física y biología “. Aguera y Arcas es vicepresidente de Google Research. Manyika es presidente de investigación, laboratorios, tecnología y sociedad en Google.

Hace más de medio siglo, señalan, los informáticos pioneros como John Von Neumann tenían la intuición de que la inteligencia orgánica e inorgánica sigue el mismo conjunto de reglas para el desarrollo.

“Von Neumann”, escriba los autores, “se dio cuenta de que para que un organismo complejo reproduzca, necesitaría contener instrucciones para construirse, junto con una máquina para leer y ejecutar esa instrucción 'cinta'. La cinta también debe ser copiable e incluir las instrucciones para construir la máquina que la lee ”. Esta comprensión de los requisitos técnicos para ese “constructor universal” en la naturaleza, las instrucciones “similares a la cinta” del ADN, corresponde precisamente a los requisitos técnicos para las computadoras más tempranas.

Como Manyika y Agüera y Arcas lo ven, “Von Neumann había demostrado que la vida es inherentemente computacional. Esto puede sonar sorprendente, ya que pensamos en las computadoras como decididamente no vivos, y de los seres vivos como definitivamente no son computadoras. Pero es cierto: ADN es Código: aunque el código es difícil de revertir en ingeniería y no se ejecuta secuencialmente. Los seres vivos necesariamente calculan, no solo para reproducirse, sino desarrollar, crecer y sanar “.

En este puntaje, también citan la contribución de Alan Turing a la biología teórica que surgió de su experiencia en la construcción de lo que se reconoce ampliamente como la primera computadora. Turing describió “cómo el crecimiento y la diferenciación del tejido podrían ser implementados por células capaces de detectar y emitir señales químicas … una forma poderosa de computación analógica”.

Los autores informan que los experimentos del equipo de “Paradigmas de Inteligencia” de Google han mostrado cómo, en un universo simulado, una “sopa” aleatoria de cintas con un lenguaje de programación mínimo se organiza después de millones de interacciones en “cintas funcionales” que comienzan a autorreplicarse, formando la base de “vida artificial mínima”.

Para diferenciar y desarrollar más, el cálculo requiere una “estructura intencionada en cada escala” en la que las partes funcionales distintas deben funcionar juntas, cada una dependiendo de otras funciones especificadas de manera simbiótica.

“¿Cómo podría surgir la complejidad de la vida, y mucho menos persistir, en un entorno aleatorio?” Los autores preguntan. “La respuesta: cualquier cosa que sea realista que la autocuración o la reproducción sea más” dinámicamente estable “que algo inerte o no viva porque una entidad viviente (o su progenie) seguirá en el futuro, mientras que cualquier cosa inanimada se degrada en el tiempo, sucumbiendo a la aleatoriedad. La vida es computacional porque su estabilidad depende de la crecimiento, la curación o la reproducción;

Los autores continúan explicando la importancia de esta nueva comprensión de la universalidad de la computación. Creen que captar la correspondencia con la computación natural y el aprendizaje de él, creen, hará que la IA sea “realista” a medida que evoluciona aún más a lo largo del camino desde imitar la computación neuronal hasta la inteligencia predictiva, la inteligencia general y, en última instancia, la inteligencia colectiva.

Aumentando la primera etapa de “Computación natural”, estas son las fases del avance de IA que ven:

• Informática neuronal -Rediseñando las computadoras que alimentan la IA para que funcionen más como un cerebro, “una exquisita instancia de computación natural”, aumentará en gran medida la eficiencia energética de la IA a través de la compresión de datos en chips cada vez más potentes y un procesamiento paralelo descentralizado entre millones de nodos.
• Inteligencia predictiva – “El éxito de los modelos de idiomas grandes (LLMS) nos muestra algo fundamental sobre la naturaleza de la inteligencia: implica el modelado estadístico del futuro (incluidas las acciones futuras de uno propio) dados el conocimiento en evolución, las observaciones y la retroalimentación del pasado. Esta idea sugiere que las distinciones actuales entre el diseño, la capacitación y la ejecución de los modelos de IA son transitorio; AI más sofisticados evolucionará y crecerán continuamente y interactúamos interactivamente, como lo hagamos transitorio”.
• Inteligencia general – “La inteligencia no necesariamente requiere un cálculo biológico. Aunque los modelos de IA continuarán mejorando, ya son ampliamente capaces, abordando una gama cada vez mayor de tareas cognitivas con un nivel de habilidad que se acerca y, en algunos casos, excede la capacidad humana individual. En este sentido, la” inteligencia general artificial “ya puede estar aquí”.

• Inteligencia colectiva -“Los cerebros, los agentes de IA y las sociedades pueden volverse más capaces a través de un aumento en la escala. Sin embargo, el tamaño solo no es suficiente. La inteligencia es fundamentalmente social, impulsada por la cooperación y la división del trabajo entre muchos agentes. Además de causarnos que nos causen el desarrollo de la naturaleza humana (o más que humana”), esta idea, esta información, sugiere enfoques sociales y múltiples para el desarrollo de la IA que podría reducir los costos de la computación, los costos de AI y el rehabilitación de AI y el rehabilitación de AI y el rehabilitación de AI y el rehabilitación de AI y el rehabilitación de AI y el rehabilitación de AI, el rehabilitación y el rehabilitación de AI, el refinguenidad y el rehabilitación de AI, el aumento de AI, el aumento de la seguridad de AI. debates “. En este último punto, los autores argumentan que los modelos autónomos cada vez más no tenderán tanto a ser rebeldes como se reflejan necesariamente de manera “amigable” en su interdependencia con otros modelos en su propia formación.

“Después de décadas de escasez de progreso de la IA”, AGüera y Arcas y Manyika concluyen: “Ahora estamos avanzando rápidamente hacia los sistemas capaces no solo de hacer eco de la inteligencia humana individual, sino de extender nuestras inteligencias más pequeñas colectivas de las inteligencias más pequeñas y que beneficiarán a la humanidad, avanzarán la ciencia y finalmente nos ayudará a comprender a nosotros mismos, como los individuos, como las ecologías más pequeñas y las inteligencias más pequeñas y las cuentas más grandes de las cuentas más grandes”.