Programación lógica PROLOG Hechos, reglas, preguntas, hipótesis Reglas: mortal(X) :- hombre (X). Hechos: hombre(socrates). Pregunta extensional (en consulta): mortal(X). Hipótesis: mortal(socrates). Las hipótesis tienen la misma estructura de los hechos. Las únicas respuestas a una hipótesis tienen que ser si o no.
Aaron
GOFAI – 2 Sistemas expertos Base de datos Máquina de inferencia Inferencia clínica Mycin, Neo-Mycin, Pip, Internist, Dendral, SHRDLU AGENI2 (Reynoso) Limitaciones del modelo simbólico No todo conocimiento puede representarse en términos de proposiciones o predicados Reconocimiento de patrones Identificación de instancias diferentes de un mismo objeto (firmas, huellas digitales) Intolerancia a errores o destrucción parcial
Inteligencia artificial Aplicaciones antropológicas de IA simbólica Sistemas expertos de diagnóstico clasificatorio Modelos axiomáticos de la cultura Matrimonio Kariera (Kemeny-Snell-Thompson) Gramáticas culturales Benjamin Colby – Cuentos Ixil Análisis funcional del relato (Vladimir Propp) Lógicas alternativas Lógica temporal Lógica no-monotónica Logica polivalente (Lukasiewicz) Lógica difusa (Lotfi Zadeh)
Limitaciones técnicas de GOFAI Sólo buena para campos conocidos de manera analítica y exhaustiva. Poca tolerancia a errores. Representación sintáctica, no realmente semántica. Reconocimiento de patrones prácticamente imposible. Carente de capacidad de recuperación ante destrucción parcial. No muy eficiente para implementar aprendizaje. El aprendizaje es mayormente inducción.
Descrédito de la IA fuerte Promesas no cumplidas – Invierno de la IA desde 1988 Sistemas expertos exitosos, pero sólo útiles para tareas de diagnóstico Varios SE embebidos en sistemas operativos Fracaso histórico del programa japonés de máquinas de Quinta Generación Proyección original de 5 mil millones de dólares Prolog no puso soportar la competencia de lenguajes procedimentales, particularmente C++ Queda como tecnología de nicho para sistemas basados en reglas, cálculos de riesgo crediticio, diagnósticos varios
Problema no tratable analíticamente ¿Cuántos grupos de objetos hay?
Otro más
Otro
Procesos diversos El cerebro trabaja en el rango de los milisegundos (10-3) y las computadoras en el orden de los nanosegundos (10-9). Sin embargo, el cerebro reconoce formas y patrones mucho más eficientemente. No es posible que lo haga mediante muchísimos procesos unitarios y secuenciales: no habría suficiente tiempo. Trabajos mucho más sencillos (calcular) le insumen tiempos comparativamente enormes.
Redes neuronales(Presentación separada)
Conexionismo Redes de McCulloch – Pitts (1943) Neuronas como puertas lógicas Pesos: sinapsis excitativas, s. inhibitorias Capacidad de computación universal Máquina de lectura para ciegos, percepción gestáltica Von Neumann, Winograd Redundancia en redes de McC-P para tolerancia a errores Sinapsis de Hebb (1949) Basado en Ramón y Cajal Modelo distribuido (hologramático) Aprendizaje: redes neuronales adaptativas (McKay, Uttley, 1950) Reconocimiento de patrones
Conexionismo Perceptrones (Frank Rosenblatt) Entrenamiento para distinción de patrones Unidades sensoriales y motoras Aumento o disminución de pesos (conductismo) Seymour Papert / Marvin Minsky (1969) Distinción entre T y C, con rotación etc No pueden resolver XOR y funciones lógicas que requierenmás alto nivel de tipificación
Modelos ulteriores Redes de Hopfield Spin glass: Problemas de optimización, vendedor ambulante (simulación de templado, AG, etc) – Atrapadas en configuraciones metaestables Máquinas de Boltzmann Múltiples capas Propagación hacia atrás Kohonen: entrenamiento no asistido Resolución XOR, T/C NetTalk: lee y habla inglés Redes amo-esclavo, filtros de Gabor Modelos mixtos: AARON
Situación actual Situación incierta de IA fuerte Sentido común: Estructuras, templates, frames, scripts, mapas cognitivos Dreyfus: What computers can’t do (Flores, Heidegger) 1996: Deep Blue vence a Kasparov Divisiones en el paradigma conexionista (Pinker) Conexionismo eliminativo: sin semántica ni nivel simbólico Conexionismo implementacional:representación sub-simbólica Conexionismo revisionista de procesamiento de símbolos (Escuela de San Diego)
Desarrollos ulteriores 1980s: Resurgimiento de la neurociencia con PDP en Escuela de San Diego 1987: Cognición situada, modelos ecológicos 1990: Dinámica no lineal 1990-2000: Cognición distribuida, Modelos basados en agentes
Estado de la cuestión Modelo de Izhikovich, igual dimensión que el cerebro 1010 neuronas. Un segundo de simulación insume 50 días en un cluster Beowulf de 27 procesadores de 3 GHz El modelo exhibe ritmos alpha y gamma y otros fenómenos de interés.
Aplicaciones en Antropología Discursivas: Reflexiones de D’Andrade Los antropólogos suelen hablar de reglas. Lo que hay en realidad son conductas. En muchos casos que se describen como seguimiento de reglas, puede no haberlas dentro del actor – Sólo redes de ciertas clases. También hay un paralelismo con la “respuesta automática” versus la no-automática, de carácter simbólico. Gran parte del aprendizaje cultural probablemente sea afin al aprendizaje coneccionista.
Aplicaciones en Antropología Maurice Bloch. “Language, anthropology and cognitive science”. Man 26, 183-198 (1992) Antropólogo cognitivo de LSE. Granjeros Zafimaniry de Madagascar – Decisiones complejas (p. ej. un pedazo de bosque puede ser un buen campo). No puede ser resultado de análisis por factores de vegetación, pendiente, entorno, hidrología, suelo, etcétera. El modelo folk se resuelve en segundos y no lo podemos comprender bien porque razonamos conforme al modelo de procesamiento simbólico. La alternativa conexionista es mejor.
Sobre Maurice Bloch Conocido por su enfoque marxista en sus inicios. Enemigo de la memética con posterioridad. Desarrolla su trabajo en LSE, no tanto en Francia. Distingue entre la antropología tradicional y el miasma difusionista (esto es, negación radical del evolucionismo, énfasis en lo individual y lo histórico). Después de Mead y Lévi-Strauss, la influencia de la antropología en la vida intelectual se ha esfumado. Cuestiona la negación irreflexiva de la naturaleza humana (postura análoga a la de Steven Pinker). Léase “Where did anthropology go?” (2005).
Aplicaciones en Antropología Modelos de análisis arqueológico de Juan Barceló (Universidad de Barcelona)
Aplicaciones en Antropología Damián Castro (Anthropokaos) – Redes de reconocimiento de motivos de arte rupestre
Herramientas conexionistas
Software de redes neuronales Java NNS NeuroSolutions Rosenblatt James Rumenhart Modelo de Damián Castro
Conclusiones Ningún bando ganó una batalla. GOFAI está órdenes de magnitud más cerca de ser un modelo aceptable de la lógica humana de lo que las redes neuronales están de ser un modelo del cerebro. No hay mapeado directo entre lenguaje y observación: la relación es compleja. Las posturas relativistas no se sostienen tan bien. No es buena práctica científica enunciar lo que no puede hacerse (caso Dreyfus). El señalamiento de lo que no puede hacerse sólo ha impulsado a que se lo haga.
Propuestas de trabajo No abordar cuestiones relativas a la polémica GOFAI / Conexionismo al menos que se aprenda seriamente computación avanzada. Con los opúsculos de Varela y las monsergas de los morinianos ya hay suficiente información espuria en circulación. Explorar recursos y algoritmos en IA y redes neuronales (JavaNNS, etc)
| Página siguiente |