Cuando se habla de Inteligencia Artificial, la temática suele verse rodeada de cierto enigma y misterio, como si se tratase de ciencia ficción. ¿Qué es concretamente? ¿Cómo se explica que la tecnología logre emular el pensamiento? ¿Es posible una verdadera inteligencia o cognición artificial? Ciertamente, las respuestas varían dado que es un campo en continuo y veloz desarrollo. Las teorías son numerosas y poseen sus críticas. A continuación, explicamos el principio de la Energía Libre, un nuevo enfoque que da sentido al uso de la cognición humana en la IA y se ha mostrado como una teoría prometedora para su desarrollo.
Inteligencia y cognición, ¿son lo mismo?
Si buscases la palabra inteligencia en el diccionario, entre las primeras de numerosas definiciones, la Real Academia Española (RAE) propone que es la capacidad de entender o comprender y resolver problemas. En psicología, distintos autores referentes han desarrollado el concepto a partir de teorizaciones. Y, a pesar de décadas de intentar delimitarlo, no se ha llegado a un consenso total sobre lo que realmente abarca. Es necesario entonces que, para acercarnos a entender el modelo que está detrás de la Inteligencia Artificial (IA), observemos aquello que intenta simular: la cognición humana.
No es lo mismo, pero son amigas
No es novedoso decir que un concepto en psicología sufre cambios y resignificaciones dependiendo del contexto sociocultural en que se lo discute. Con la inteligencia ocurre algo similar.
Su definición ha sugerido una construcción constante a pesar de que coloquialmente implique algo más o menos identificado por las personas. Al establecer los límites del término, los estudiosos han chocado contra múltiples obstáculos. De hecho, los comienzos de su delimitación conceptual se remontan a la edad antigua y no se considera que permanezca algo estático jamás.
Dos esenciales: La inteligencia y la cognición
Sin ir demasiado lejos, en los comienzos del siglo XX, Alfred Binet crea la primera prueba de inteligencia reconocida como tal. En ella propuso identificar las diferencias existentes a escala cognitiva entre las personas, considerando a la inteligencia un proceso psicológico superior medible.
Más tarde, Charles Spearman, influyente colaborador en el estudio de la inteligencia, propondría la existencia de una capacidad intelectual general, base de todas las habilidades cognitivas. Para él, la inteligencia es una aptitud o habilidad mental que influye en el rendimiento de una variedad de tareas específicas asociadas a la cognición (Villamizar y Donoso, 2013).
¿Y la cognición?
Mientras tanto, la cognición también ha experimentado sus debates, pero posee una definición menos difusa a lo largo de los años. Así, ha sido planteada como toda actividad y proceso que se ocupe de adquirir, almacenar, recuperar y procesar la información percibida del mundo. A su vez, esta sí se ha limitado más que nada a una atribución de la mente humana, excluyendo al resto de las especies (aunque existen teorías en desarrollo que plantean la posibilidad que una cognición animal) (Byrne, 2019).
Un enfoque innovador para explicarla
Hemos visto a qué refieren la inteligencia y la cognición en los humanos. ¿Cómo es posible entonces generar una herramienta que emule estas cualidades? En este caso, Karl Friston ofrece el principio de la Energía Libre como una explicación innovadora para el funcionamiento del cerebro.
Ahora bien, el concepto es una formulación abstracta y su aplicación en la neurociencia se encuentra aún en desarrollo, por lo que se enfrenta a sus críticas y limitaciones. Fuera de esto, ha sido acuñada rápidamente como una perspectiva de la que el desarrollo de la IA puede beneficiarse.
Para empezar, ¿qué es la energía libre?
En términos simples, refiere a la discrepancia que hay entre el modelo interno que se tiene del mundo en el cerebro, y los datos de la realidad obtenidos a través de los sentidos. La energía libre es, por lo tanto, la medida de incongruencia entre ambas cosas.
En términos más complejos, es una cantidad de información teórica que asimila la evidencia a partir de un modelo de datos. Estos datos son los inputs sensoriales que llegan del ambiente y de los que su modelo está codificado en el cerebro humano. Es también así, que esta energía siempre será mayor a cualquier espacio negativo de la evidencia o elemento de sorpresa que pueda haber en esta data sensorial que percibimos (Friston, 2009).
¿En qué consiste el principio de la Energía Libre?
Friston explica que, a diferencia de la sorpresa, la energía libre puede ser evaluada dado que es una función de la data sensorial y del estado cerebral. Así pues, es correcto afirmar entonces que es la cantidad de errores de predicción. El principio de la Energía Libre propone que el cerebro se encuentra constantemente intentando disminuir la cantidad de energía libre. En concreto, la disminución de la energía libre es todo ajuste que el cerebro genera en respuesta a un error de predicción.
A su vez, dichos ajustes seguirán siendo actualizados para generar nuevas predicciones que permitan que el modelo interno se alinee mejor con los datos sensoriales que percibe del mundo. Esta disminución podría ocurrir en un tiempo evolutivo (p. ej., en la selección natural) o incluso, en los milisegundos que conlleva la síntesis perceptual de un estímulo. Friston propone que el principio de la Energía Libre se aplica todo sistema biológico que resiste la tendencia al desorden. Desde los organismos unicelulares hasta los entramados sociales compuestos por individuos (Friston, 2010).
Para entender el principio, por ejemplo…
Supón que te encuentras conduciendo y poco a poco se va instalando una densa neblina sobre la carretera. Tu cerebro posee un modelo de muchas cosas del ambiente: la forma en que debería verse una carretera o el manubrio del auto, todo esto basado en experiencias previas. Es así que es posible predecir que la carretera debería encontrarse despejada y sin obstáculos, a pesar de que la neblina impida saberlo con certeza.
Ahora, imagina que un objeto inesperado se interpone en el camino; dada la niebla será imposible prever esto. El nuevo obstáculo provoca una disrupción en la predicción de tu cerebro, generando así un error de predicción. En este contexto, basándonos en el PEL, este error en la predicción representa un aumento en la cantidad de energía libre y, dado que el objetivo del cerebro siempre tiende a minimizar esta energía, tu cerebro se adaptará creando nuevas predicciones.
Ajustando la percepción y el control
Quizá aminores la velocidad con la que conduces, ajustes las marchas, o utilices otras claves sensoriales como la sensación de tu pie colocado encima del freno; todo, para intentar que tu modelo interno y el ambiente externo se encuentren lo más alineados posible.
A medida que tu cerebro hace una actualización constante de sus predicciones y acciones por las cuales intenta minimizar la energía libre, es que mantienes el control del automóvil y navegas a través de la niebla de forma segura (Friston, 2010). Esto permite reaccionar rápidamente a cambios inesperados en el entorno.
Su vínculo con la IA
Entonces, el principio de la Energía Libre es una manera de describir cómo los sistemas inteligentes mantienen un balance dinámico con el mundo externo a través de actualizaciones constantes de las predicciones que se generan para minimizar la sorpresa. A partir del desarrollo de la IA generativa, el cual ha tenido veloces avances en la última década, se ha propuesto extrapolar esta explicación de infraestructura cognitiva hacia esta herramienta posmoderna. Pues, como otros ejemplos, la IA es, en rasgos generales, un sistema inteligente que también resiste la tendencia al desorden.
Preparado para la sorpresa
El principio ha demostrado ser un modo de entender cómo la IA puede operar y aprender. Mazzaglia y colaboradores (2022) explican que el principio y sus aristas sirven como una guía para el diseño de un sistema inteligente que emula la auto-organización y el aprendizaje adaptativo que se observa en los organismos biológicos.
Al formular modelos de IA con la impronta de minimizar la energía libre, los desarrolladores pueden crear sistemas que exhiban aprendizaje autónomo y adaptabilidad a un ambiente cambiante, así como la expresión de comportamientos complejos. Es así que este enfoque se alinea con la idea de que los agentes inteligentes (biológicos o artificiales) comparten un motor fundamental para minimizar la sorpresa o errores de predicción. Lo que decantaría en el potencial desarrollo de un sistema de IA más robusto y autónomo.
En términos de machine learning…
Para terminar, el proceso de entrenamiento podría ser pautado por un continuo esfuerzo por reducir la incertidumbre, llevando a algoritmos mayormente adaptativos y resilientes. Este acercamiento podría dar como resultado sistemas de máquinas inteligentes que, no solo aprenden eficientemente de amplias cantidades de datos, sino que también expresan una respuesta mejorada a nuevas situaciones. En esencia, la combinación del principio de la Energía Libre y el machine learning propone un camino para el desarrollo de una IA que sea un espejo de la adaptabilidad observada en los sistemas vivos (Mazzaglia et al., 2022).
Conclusión
Cuando se pinta un cuadro no basta con imitar lo que se tiene en frente. Es posible, pero inverosímil. Es imprescindible que para lograr un efecto realista de un brazo en tensión o una rodilla flexionada los estudiemos en todo su rango de movimiento, y no solo en observación de un modelo estático o su fotografía. Con lo anterior, se ha de poder retratar la potencialidad de movimiento de ese agente; comprender dónde se hallan sus tendones y hasta dónde llegaría la rotación de un hueso para que esa imitación de algo que está quieto sea fidedigna de lo que hace en movimiento.
Metafóricamente, el principio de la Energía Libre no es la única explicación que se ofrece para estos sistemas, pero sin duda propone un enfoque que permite la expresión dinámica del potencial cognitivo, que sin ser determinante nos habla de una cualidad que podría llevar la IA a nuevos horizontes.
Referencias bibliográficas
- Friston, K. J. (2009). The free-energy principle: a rough guide to the brain? Trends in Cognitive Sciences, 13(7), 293-301. https://doi.org/10.1016/j.tics.2009.04.005
- Friston, K. J. (2010). The free-energy principle: a unified brain theory? Nature Reviews Neuroscience, 11(2), 127-138. https://doi.org/10.1038/nrn2787
- Mazzaglia, P., Verbelen, T., Çatal, O. y Dhoedt, B. (2022). The Free Energy Principle for Perception and Action: A Deep Learning Perspective. Entropy, 24(2), 301. http://dx.doi.org/10.3390/e24020301
- Villamizar, G. y Donoso, R. (2013). Definiciones y teorías sobre inteligencia. Revisión histórica. Psicogente, 16(30), 407-423.
+598 99 777 242
