La investigación en inteligencia artificial tiene mucho que aprender de la naturaleza. Mi trabajo vincula la biología con la computación todos los días, pero recientemente el resto del mundo recordó la conexión:el Premio Nobel de Química 2018 fue para Frances Arnold junto con George Smith y Gregory Winter por desarrollar importantes avances que se denominan colectivamente "evolución dirigida". Uno de sus usos es mejorar las funciones de las proteínas, haciéndolos mejores catalizadores en la producción de biocombustibles. Otro uso está completamente fuera de la química, incluso fuera de las ciencias biológicas tradicionales.

Eso puede sonar sorprendente pero muchos hallazgos de la investigación tienen implicaciones muy amplias. Es parte de por qué casi todos los científicos se preguntan y esperan no solo que tal vez sean seleccionados para un Premio Nobel, pero, mucho mas probable, que el ganador podría ser alguien que conozcan o con quien hayan trabajado. En el mundo académico colaborativo, esto no es muy raro:en 2002, Estaba estudiando con un académico que había estudiado con uno de los tres co-ganadores del Premio Nobel de Fisiología o Medicina de ese año. Este año, sucedió de nuevo:uno de los ganadores ha escrito un par de artículos con un académico con el que he colaborado.

Más allá de satisfacer mi propia vanidad, el premio me recuerda lo útiles que son los conceptos biológicos para los problemas de ingeniería. El ejemplo más conocido es probablemente la invención de cierres de velcro de velcro, inspirado en las rebabas que se adhieren a los pantalones de un hombre mientras camina al aire libre. En el trabajo de los premios Nobel, el principio natural en el trabajo es la evolución, que es también el enfoque que utilizo para desarrollar la inteligencia artificial. Mi investigación se basa en la idea de que la evolución condujo a la inteligencia general en las formas de vida biológica, de modo que ese mismo proceso también podría utilizarse para desarrollar sistemas inteligentes computarizados.

Al diseñar sistemas de IA que controlan coches virtuales, por ejemplo, es posible que desee automóviles más seguros que sepan cómo evitar una amplia gama de obstáculos:otros automóviles, árboles, ciclistas y barandillas. Mi enfoque sería evaluar el desempeño de seguridad de varios sistemas de IA. Los que conducen de forma más segura pueden reproducirse mediante su copia en una nueva generación.

Sin embargo, así como la naturaleza no hace copias idénticas de los padres, Los algoritmos genéticos en la evolución computacional permiten que mutaciones y recombinaciones creen variaciones en la descendencia. La selección y reproducción de los controladores más seguros en cada nueva generación encuentra y propaga mutaciones que mejoran el rendimiento. Durante muchas generaciones, Los sistemas de IA mejoran mediante el mismo método que la naturaleza se mejora a sí misma, y ​​de la misma manera que los premios Nobel fabricaron mejores proteínas.

En el esfuerzo por comprender la inteligencia humana, muchos investigadores están trabajando para aplicar ingeniería inversa al cerebro, averiguar cómo funciona en todos los niveles. Las redes de genes complejas controlan las neuronas que forman las capas del neocórtex que se encuentran en la parte superior de una autopista de conexiones. Estas interconexiones apoyan las comunicaciones entre las diferentes regiones corticales que componen la mayoría de nuestras funciones cognitivas. Todo esto está integrado en el fenómeno de la conciencia.

El aprendizaje profundo y las redes neuronales son enfoques informáticos que intentan recrear cómo funciona el cerebro, pero incluso ellos solo pueden lograr la actividad equivalente de un grupo de células cerebrales más pequeño que un terrón de azúcar. Queda mucho por aprender sobre el cerebro, y eso es antes de intentar escribir el software sumamente complicado que pueda emular todas esas interacciones biológicas.

Aprovechar la evolución puede hacer que los sistemas parezcan reales y que sean inherentemente tan abiertos e innovadores como lo es la evolución natural. También es la metodología clave utilizada en algoritmos genéticos y programación genética. El reconocimiento del comité del Premio Nobel destaca una tecnología que tiene la evolución en su núcleo. Eso justifica indirectamente mi propio enfoque de investigación y la idea de que la evolución en acción es un tema de investigación crítico con un gran potencial.

Este artículo se ha vuelto a publicar de The Conversation con una licencia de Creative Commons. Lea el artículo original.