A medida que la inteligencia artificial se vuelve más sofisticada, gran parte de la atención del público se ha centrado en el éxito con el que estas tecnologías pueden competir contra los humanos en el ajedrez y otros juegos de estrategia. Un filósofo de la Universidad de Houston ha adoptado un enfoque diferente, deconstruir las complejas redes neuronales utilizadas en el aprendizaje automático para arrojar luz sobre cómo los humanos procesan el aprendizaje abstracto.

"A medida que dependemos cada vez más de estos sistemas, es importante saber cómo funcionan y por qué, "dijo Cameron Buckner, profesor asistente de filosofía y autor de un artículo que explora el tema publicado en la revista Síntesis . Entender mejor cómo funcionan los sistemas, Sucesivamente, lo llevó a comprender la naturaleza del aprendizaje humano.

Los filósofos han debatido los orígenes del conocimiento humano desde los días de Platón:¿es innato, basado en la lógica, ¿O el conocimiento proviene de la experiencia sensorial en el mundo?

Redes neuronales convolucionales profundas, o DCNN, Sugerir que el conocimiento humano proviene de la experiencia, una escuela de pensamiento conocida como empirismo, Concluyó Buckner. Estas redes neuronales, redes neuronales artificiales de varias capas, con nodos que replican cómo las neuronas procesan y transmiten información en el cerebro; demuestran cómo se adquiere el conocimiento abstracto, él dijo, haciendo de las redes una herramienta útil para campos como la neurociencia y la psicología.

En el papel, Buckner señala que el éxito de estas redes en tareas complejas que involucran percepción y discriminación ha superado en ocasiones la capacidad de los científicos para comprender cómo funcionan.

Si bien algunos científicos que construyen sistemas de redes neuronales han hecho referencia al pensamiento del filósofo británico John Locke y otros teóricos influyentes, su atención se ha centrado en los resultados en lugar de comprender cómo las redes se cruzan con las explicaciones filosóficas tradicionales de la cognición humana. Buckner se dispuso a llenar ese vacío, considerando el uso de la IA para el razonamiento abstracto, que van desde juegos de estrategia hasta reconocimiento visual de sillas, obras de arte y animales, tareas que son sorprendentemente complejas considerando las muchas variaciones potenciales en el punto de vista, color, estilo y otros detalles.

"Los investigadores de la visión por computadora y el aprendizaje automático han notado recientemente que el triángulo, silla, gato, y otras categorías cotidianas son tan difíciles de reconocer porque se pueden encontrar en una variedad de posturas u orientaciones diferentes que no son mutuamente similares en términos de sus propiedades perceptivas de bajo nivel, "Escribió Buckner." ... una silla vista desde el frente no se parece mucho a la misma silla vista desde atrás o desde arriba; de alguna manera debemos unificar todas estas diversas perspectivas para construir un detector de sillas confiable ".

Para superar los desafíos, los sistemas tienen que controlar la denominada variación molesta, o el rango de diferencias que comúnmente afectan la capacidad de un sistema para identificar objetos, sonidos y otras tareas:tamaño y posición, por ejemplo, o tono y tono. La capacidad de explicar y digerir esa diversidad de posibilidades es un sello distintivo del razonamiento abstracto.

Los DCNN también han respondido a otra pregunta persistente sobre el razonamiento abstracto, Dijo Buckner. Los empiristas desde Aristóteles hasta Locke han apelado a una facultad de abstracción para completar sus explicaciones de cómo funciona la mente, pero hasta ahora no ha habido una buena explicación de cómo funciona. "Por primera vez, Los DCNN nos ayudan a comprender cómo funciona realmente esta facultad, "Dijo Buckner.

Inició su carrera académica en informática, estudiar enfoques basados ​​en la lógica de la inteligencia artificial. Las marcadas diferencias entre la IA temprana y las formas en que los animales y los humanos realmente resuelven los problemas provocaron su cambio a la filosofía.

Hace menos de una década, él dijo, Los científicos creían que los avances en el aprendizaje automático no llegarían a la capacidad de producir conocimiento abstracto. Ahora que las máquinas están ganando a los humanos en juegos estratégicos, se están probando automóviles sin conductor en todo el mundo y los sistemas de reconocimiento facial se implementan en todas partes, desde teléfonos celulares hasta aeropuertos, encontrar respuestas se ha vuelto más urgente.

"Estos sistemas tienen éxito donde otros fallaron, " él dijo, "porque pueden adquirir el tipo de sutileza, abstracto, conocimiento intuitivo del mundo que llega automáticamente a los humanos pero que hasta ahora ha demostrado ser imposible de programar en computadoras ".