Mecanismos Biológicos y Mecanismos Artificiales

Esto puede ser problemático, pues a lo largo de la IA han existido posiciones que se refieren a un nivel puramente abstracto de la actividad inteligente, sin siquiera considerar el ambiente. De todas formas, lo que quiero enfatizar es que la neurociencia utiliza una estrategia física, en tanto busca determinar claramente los componentes materiales, su organización e interacción en el procesamiento cognitivo. La Inteligencia Artificial, en cambio, utiliza una concepción de índole más funcional, cualquiera que sea su grado de abstracción.
Mind-wandering o divagación mental es la experiencia de pensamientos no estables de un único tópico durante un largo período de tiempo, particularmente cuando las personas no están comprometidas con tareas de demanda de atención.
Mecanismos Biológicos y Mecanismos Artificiales
Resumen: En este trabajo señalo que las máquinas conexionistas no pueden ser consideradas genuinamente inteligentes. A partir de un análisis diferencial entre los mecanismos biológicos y artificiales, planteo que las máquinas conexionistas carecen de ciertas propiedades fundamentales que los organismos biológicos cognitivos poseen a la hora de exhibir conducta inteligente. Dichas propiedades son el carácter activo, autónomo y adaptativo de los mecanismos biológicos. Sin embargo, ello no constituye una objeción de principios a la pretensión de la Inteligencia Artificial de diseñar máquinas inteligentes, solo que en el estado actual de desarrollo de la disciplina, tales dispositivos carecen de las características necesarias.
Palabras clave: Inteligencia Artificial, conexionismo, mecanismos biológicos, mecanismos artificiales.
Introducción
El término mecanismo ha estado ampliamente presente en las explicaciones de nuestra actividad mental. Tanto en la Inteligencia Artificial (IA), como en la psicología y la neurociencia, la noción de mecanismo ha sido utilizada para describir a los organismos o máquinas que exhiben comportamiento inteligente. Sin embargo, es curioso que la filosofía no haya puesto énfasis en desarrollar un análisis respecto a cómo la noción de mecanismo puede servir para explicar los fenómenos mentales. Recién en el comienzo del siglo XXI los filósofos han comenzado a poner atención en el análisis de la explicación mecanicista.
Ya durante la segunda mitad del siglo XX, la neurociencia desarrolló su trabajo en torno a la idea de que la conducta humana y animal opera a partir de la interacción de mecanismos cerebrales que dan origen a dicha conducta. De esta forma, la neurociencia realiza una descripción mecanicista de sus fenómenos de estudio (de algún modo, la descripción mecanicista se separa de la actividad de otras ciencias como la física o la química donde lo primordial es determinar las leyes que dan cuenta de los fenómenos). Sin embargo, los mecanismos que explican los fenómenos mentales son distintos a muchos de los que podemos encontrar en otros fenómenos biológicos. Ello en la medida en que los mecanismos mentales deben explicar cómo es que las operaciones que ocurren en nuestro cerebro, permiten coordinar nuestros pensamientos y acciones en el mundo exterior. En este sentido, los mecanismos mentales son caracterizados como mecanismos de procesamiento de información, ya que las operaciones que ocurren en ellos, producen y transforman información que corresponde al contenido de las cosas y eventos del mundo externo.
Por otra parte, desde una etapa temprana, en la filosofía que sirve de antecedente para la IA, el término mecanismo ha sido utilizado. Descartes (1637) sostuvo que la conducta observable de animales y bestias era producido por mecanismos en los que sus elementos tenían relaciones extensionales. Sin embargo, cuando se trataba de conducta inteligente, dichos mecanismos no eran los responsables de la exhibición de conducta razonada, sino que una sustancia de un orden metafísico distinto a la realidad material. La Mettrie (1748) en cambio, desde una postura materialista, sostuvo que todo el comportamiento de los organismos, ya sea inteligente o instintivo, es producido por mecanismos. Para La Mettrie, la diferencia entre la conducta animal y la conducta humana inteligente proviene del grado de complejidad de dichos mecanismos y no de una diferencia modal, como sostuvo Descartes.
Ya en los inicios de la IA, Charles Babbage se propuso diseñar una máquina capaz de realizar operaciones de cálculo. En este sentido, Babbage intentó mecanizar el pensamiento. En este caso, el término mecanismo se refiere a diseños artificiales no biológicos de máquinas capaces de realizar tareas propiamente cognitivas.
En su período clásico, la IA desarrolló una perspectiva anti biológica amparada por el principio de realización múltiple. Según este principio, los estados mentales son conceptos funcionales cuya naturaleza esencial está desligada de su implementación material. En este marco, la IA clásica postuló la posibilidad de diseñar mecanismos artificiales genuinamente inteligentes a partir de la consideración funcional de la mente como un sistema computacional simbólico (Newell, A. and Simon, H., 1976). El diseño de máquinas capaces de resolver diversas tareas cognitivamente complejas (Copeland, 1993), junto al Test de Turing (Turing, 1950), apoyaron la hipótesis de que los mecanismos artificiales computacionales pueden ser considerados genuinamente inteligentes y que por lo tanto, poseen estados mentales en el mismo sentido en que los seres humanos los poseemos.
Sin embargo, a partir de la década de 1980, surgieron críticas desde distintas perspectivas. Por una parte, se acusó a los mecanismos computacionales clásicos de carecer de una dimensión semántica y que por lo tanto, su comportamiento inteligente no era genuino en el sentido en que solo operaba según reglas de manipulación sintáctica de símbolos, sin comprensión alguna de los contenidos de las representaciones que manipulaban (Searle, 1980). Otra crítica al modelo de la IA clásica señala que las máquinas clásicas muestran un alto grado de ineficacia respecto de ciertas tareas cognitivas que para los seres humanos resultan bastante sencillas, como la selección de información relevante en contextos complejamente determinados (Rumelhardt, 1989; Tienson, 1995).
Por otra parte, el desarrollo de la neurociencia durante la década de 1970 en adelante, recuperó la consideración de la relevancia de los mecanismos biológicos involucrados en la cognición, e impulsó una corriente nueva en la IA llamada conexionismo. Según esta corriente, la IA debe concentrarse en diseñar mecanismos que emulen artificialmente la arquitectura cerebral. De esta forma, el conexionismo se aleja de la idea de la mente como un mecanismo de procesamiento sintáctico de símbolos y adopta una perspectiva biológica, en el sentido de que emula con dispositivos físicos los mecanismos y operaciones cerebrales. Los computadores conexionistas son capaces de ejecutar ciertas tareas cognitivas de forma más eficaz que los computadores simbólicos (Churchland, P. and Churchland, P., 1990; Rumelhardt, 1989; Tienson, 1995).
Dentro de este contexto, en este trabajo pretendo distinguir entre las características de los mecanismos biológicos y los mecanismos físicos, con el fin de evaluar la posibilidad de que las máquinas conexionistas, de inspiración biológica, puedan constituirse como genuinos mecanismos mentales artificiales. Mi hipótesis consiste en sostener que aún cuando las máquinas conexionistas estén inspiradas en la arquitectura cerebral, dichos mecanismos tal como están diseñados actualmente, no pueden ser calificados como genuinamente inteligentes, debido a que hay características y operaciones de los mecanismos biológicos mentales que son relevantes para nuestro desempeño en tareas cognitivas, y que sin embargo, no están presentes en los mecanismos artificiales conexionistas (Bechtel, 2008). Es importante destacar que mi objeción a la IA se sostiene sobre la base de un estudio de la contingencia del desarrollo científico en el campo de la neurociencia y la IA. Esto significa que no es una objeción de principio y por lo tanto, no niego la posibilidad de que en algún estado de desarrollo de la IA puedan desarrollarse mecanismos artificiales que sí posean aquellas características de los mecanismos mentales biológicos que en la actualidad el conexionismo carece. Específicamente las características que los mecanismos artificiales no poseen y que los biológicos sí, son:
El carácter activo de los mecanismos biológicos (en oposición a los mecanismos artificiales que son de índole reactiva).
El carácter autónomo de los mecanismos biológicos.
El carácter adaptativo de los mecanismos biológicos.


Breve descripción del proyecto conexionista
El proyecto conexionista nace desde una serie de críticas a la arquitectura de la mente desarrollada por la IA y los científicos cognitivos que apoyaron esta perspectiva. Dichas objeciones provienen de un principio diferencial entre los dos marcos de investigación: Mientras la arquitectura clásica adopta el argumento de la realización múltiple, implicando que lo importante en una explicación cognitiva son los roles funcionales de los elementos dentro del sistema, el conexionismo se acerca a una posición más naturalista, en el sentido de que busca como metáfora precisamente la base fisiológica de la cognición, me refiero al cerebro.
La IA clásica considera a la mente como un mecanismo computacional que manipula símbolos a partir de reglas sintácticas. El comportamiento de un sistema inteligente se produce a partir del ingreso de un determinado input que desencadena una serie de procesos de manipulación de información, basados en operaciones sintácticas sobre símbolos formales. De este modo, la descripción de la mente se realiza en virtud de criterios puramente formales donde el nivel de implementación es irrelevante a la hora de una explicación del fenómeno. Sin embargo, el diseño de mecanismos artificiales, basados en este tipo de arquitectura mental, exhibió una serie de dificultades a la hora de realizar operaciones cognitivas propias de la conducta humana. En primer lugar, la velocidad de procesamiento de las neuronas es muy inferior a la velocidad de procesamiento de un computador serial clásico. Esto supone que el cerebro realiza las operaciones de manipulación de información de manera paralela y distribuida, a diferencia del procesamiento serial que caracteriza a un computador clásico. Segundo, Las neuronas se caracterizan por su degradación armoniosa, no así un dispositivo computacional. Una característica del funcionamiento del cerebro es su deterioro gradual. Lesiones, enfermedades y también el envejecimiento neuronal pueden alterar ciertos rasgos de funcionalidades cognitivas complejas sin destruirlas del todo. Para que se pierda una capacidad cognitiva compleja es necesaria una degradación masiva de las zonas involucradas en el desempeño de dicha capacidad. Es decir, la mente funciona de manera especializada y se organiza de manera microestructural, de tal manera de que lesiones en los niveles más inferiores no necesariamente arrojan cambios a nivel conductual. Esto no sucede en los computadores clásicos, en los que si ocurre un desperfecto parcial en alguno de sus componentes, todo el desempeño de la conducta inteligente que depende de tal componente deja de funcionar de manera total.
Para abordar este tipo de objeciones, el conexionismo desarrolló dispositivos artificiales basados en la arquitectura cerebral. En el conexionismo la unidad básica de la cognición no es el símbolo, sino que un procesador simple llamado nodo y que es similar a una neurona. El sistema se configura a partir de una red de nodos que propagan sus conexiones de manera paralela y distribuida. El input, en este caso, es una señal de activación eléctrica semejante a la sinapsis neuronal. Usualmente, los nodos funcionan de manera on/off, en el sentido en que sus estados pasan desde "encendido" a "apagado", según sea su parámetro de umbral de activación. El output de un nodo es una señal de fuerza variable dependiente de la función de su grado de activación. La red se constituye como un sistema de conexiones cuya fuerza es referida como peso de conexión. Los pesos de conexión dependen de la función de activación y esta función es susceptible de ser modificada por la propia red. El cambio de los pesos de conexión es lo que permite explicar que una red conexionista adquiera aprendizaje.
¿Cuáles son las diferencias de ambas arquitecturas respecto a la manera de computar información en cada caso? En la arquitectura clásica la información opera sobre la base de reglas formales constituidas por las instrucciones del programa. Estas instrucciones determinan las operaciones que se llevan a cabo sobre los símbolos. La información es encapsulada y almacenada en dispositivos de memoria a las que accede el procesador para ejecutar las instrucciones. Es decir, el sistema entero es controlado por la unidad de procesamiento central. En el conexionismo, en cambio, las conexiones son de orden local y no existe un procesador que regule las operaciones. Cada nodo solo "sabe" los patrones de conexión con los demás nodos con los que se conecta.
El proyecto conexionista busca diseñar dispositivos artificiales adoptando un marco explicativo inspirado en la neurociencia. Sin embargo, de algún modo esta perspectiva también adopta una concepción funcionalista de la mente, en tanto busca diseñar máquinas artificiales que simulen los roles propios de la arquitectura cerebral.
It is the architecture of the machine that determines the essential nature of the program itself. It is thus reasonable that we should by asking what we know about the architecture of the brain and how it might shape the algorithms underlying biological intelligence and human life. (Rumelhardt, 1989)
El punto central es que si emulamos la arquitectura cerebral en dispositivos mecánicos artificiales podremos diseñar no solo máquinas que exhiban comportamiento inteligente, sino que tal conducta la realizarán del mismo modo en que los organismos biológicos complejos lo hacemos. De este modo, los conexionistas sostienen que dichas máquinas sí poseen inteligencia genuina, ya que la arquitectura de los mecanismos que diseñan es semejante funcionalmente a la arquitectura cerebral.
Podemos aceptar la idea conexionista respecto a que una máquina que emule los mecanismos biológicos que realizan las operaciones cognitivas tiene más posibilidades de exhibir comportamiento genuinamente inteligente que una máquina cuya arquitectura no esté relacionada con el funcionamiento cerebral. Sin embargo, creemos que el asunto no es tan sencillo. La pregunta que sigue a este proyecto es la siguiente: ¿Son los mecanismos de una máquina conexionista semejantes a los mecanismos cerebrales? Mi propósito es evaluar si el marco conexionista ha tenido éxito a la hora de emular funcionalmente la arquitectura cerebral y sus mecanismos. Para ello, en las próximas secciones profundizaré en las características de los mecanismos biológicos contrastándolas con los mecanismos artificiales.
Reflexiones en torno a la noción de Mecanismo
Para comenzar a analizar la importancia que tiene el concepto de mecanismos, sus tipos fundamentales y su relevancia para el debate de la IA, comenzaré utilizando una definición del término realizada por Bechtel y Abrahamsen.
A mechanism is a structure performing a function in virtue of its component parts, component operations, and their organization. The orchestrated functioning of the mechanism is responsible for one or more phenomena. (Bechtel, W. and Abrahamsen, A., 2005)
La definición nos permite trazar el tipo de explicación que involucra el análisis de los fenómenos en términos de sus mecanismos. La explicación científica debe determinar cómo un mecanismo genera un fenómeno en virtud de las operaciones que son llevadas a cabo por los componentes y partes de un mecanismo. Dichos componentes están organizados de tal manera que la actividad del mecanismo está bien orquestada, es decir, funcionando como un todo coordinado. Por lo tanto, es necesario explicar el funcionamiento del mecanismo a la hora de ejecutar un cierto fenómeno de interés, incluyendo tanto las operaciones que realizan los componentes, así como también la manera en que esas operaciones se relacionan unas con otras.
El funcionamiento de un mecanismo requiere distintas operaciones que están unidas unas con otras. Ello supone que sus componentes poseen una organización apropiada para la realización de sus actividades. Por lo tanto, la descripción de un mecanismo debe dar cuenta de su organización, pero desde un punto de vista sistémico, es decir, no basta con dar cuenta de sus componentes sino cómo esos componentes se organizan. Diferencias en la organización de los componentes de un determinado mecanismo pueden explicar el comportamiento de dichos componentes. Más aún, una explicación mecanicista debe considerar a la organización del sistema más allá de los límites del mecanismo, pues éste siempre se encuentra en un contexto situado. El comportamiento de un mecanismo está determinado por la organización de sus componentes y a la vez es alterado por las condiciones ambientales en las que se encuentra.
Desde mediados del siglo pasado, la biología ha adoptado una perspectiva mecanicista señalando que sus fenómenos de estudio corresponden a mecanismos de un tipo particular. Por otra parte, la IA ha desarrollado su trabajo en torno al diseño de máquinas que puedan ser consideradas inteligentes. Ambas disciplinas trabajan en torno a la explicación y diseño de mecanismos. Sin embargo, ¿qué diferencias existen entre los tipos de mecanismos biológicos que exhiben inteligencia genuina y aquellos que intentan emular los procedimientos cognitivos? En la siguiente sección describiré las principales características de los mecanismos biológicos y los compararé con el tipo de mecanismos que utiliza la IA.
Mecanismos biológicos y mecanismos artificiales:
Tanto una máquina, como una célula o el cerebro pueden ser descritos en términos de las actividades de sus componentes y organización. Sin embargo, existen varias diferencias fundamentales. ¿Cómo puede ayudarnos la aclaración de estas diferencias respecto a la cuestión de si es posible que las máquinas piensen? Si las diferencias que existen entre un mecanismo artificial y uno biológico son relevantes a la hora de explicar los fenómenos inteligentes, entonces podemos señalar que las máquinas no son inteligentes, pues carecen de propiedades fundamentales propias de la inteligencia humana cuya causación es producto de esos mecanismos biológicos. Por el contrario, si las diferencias entre los mecanismos biológicos y artificiales son irrelevantes a la hora de explicar fenómenos inteligentes, entonces podemos señalar que sí es factible apoyar la tesis de que las máquinas piensan.
Cada vez que comúnmente pensamos en los mecanismos, tendemos a tener la idea de un sistema que recibe un input y genera un output, independiente de su constitución material. Después de todo, así concebimos a las máquinas que usualmente utilizamos. Tenemos una determinada máquina a la que le introducimos un determinado estímulo, y cuando ella funciona normalmente, entonces genera una respuesta para lo cual estaba previamente diseñada. Por ejemplo, cuando insertamos una tarjeta de débito en un cajero automático y le damos los correctos inputs, clave de acceso y monto de dinero requerido, entonces la máquina, a través de sus diversos mecanismos, procederá a entregarnos el dinero. En ocasiones las máquinas poseen variadas operaciones para funcionar, sin embargo, siempre responden a un input para posteriormente generar un output. A pesar de esto, esta característica no es propia de todos los mecanismos.
Los mecanismos biológicos no funcionan de manera reactiva. Ellos están en constante actividad interna. Su respuesta a un estímulo depende precisamente de cómo el estímulo altere la actividad que ocurre internamente en el mecanismo. Una célula individual es una especie de laboratorio bioquímico, donde ocurren múltiples reacciones que frecuentemente impactan su tamaño, forma y componentes. Si observamos a la célula con un microscopio, veremos que ella no permanece estacionaria hasta que algo pasa, por el contrario, ella está en constante actividad. Lo mismo aplica a los organismos multicelulares. Por otra parte, los mecanismos creados por el hombre son reactivos, ellos no están en constante actividad interna, sino que su funcionamiento se activa a través de un estímulo externo. En los mecanismos biológicos, la propia actividad interna determina la organización de sus componentes, constituyéndose un sistema dinámico que no se encuentra nunca en un estado inicial y/o terminal, sino que su actividad es continua, endógena, y alterada por las condiciones ambientales.
Set-up and termination conditions misleadingly suggest that the system targeted for explanation is passively awaiting initiation of activity that, once underway, reaches a stopping point. Since biological mechanism typically function continually, what investigators have treated as start-up conditions are better viewed as perturbations to ongoing endogenous activity. (Bechtel, W. and Abrahamsen, A., 2012)
Los mecanismos con actividad endógena típicamente pueden ser afectados por inputs exógenos, pero cómo ellos responden a estos estímulos, depende de su actual estado endógeno, el cual varía sistemática o irregularmente en el tiempo. Por lo tanto, es importante entender el comportamiento endógeno subyacente de un mecanismo para así entender cómo responde a las perturbaciones externas.
La actividad interna de los mecanismos biológicos se debe en parte a que ellos dependen de la materia y los recursos que provee el ambiente. La organización de estos sistemas funciona de tal forma que controlan el flujo de materia y energía que está disponible en el ambiente para conservarse a sí mismos. Sin embargo, las fuentes de energía disponibles en el ambiente pueden variar en sus formas, por lo tanto, los organismos biológicos tienen sistemas de transducción de energía lo que les permite transformar los recursos dependiendo del tipo de procesamiento de cada sistema. La percepción visual, por ejemplo, es una capacidad fundamental de los seres biológicos superiores. Les permite observar condiciones del ambiente y posibles fuentes de peligro. El mecanismo de percepción visual involucra la transducción de la energía lumínica transmitida en longitudes de onda a impulsos eléctricos, ya que las neuronas transmiten información mediante esa vía. Por lo tanto, existen mecanismos que transforman las señales enviadas mediante ondas de luz, en señales eléctricas para que sean transmitidas a lo largo de las redes neuronales.
Mecanismos Autónomos
Gánti (2003) expone sintéticamente las diferencias entre los mecanismos biológicos y artificiales, enfatizando la idea de que los organismos biológicos se construyen a sí mismos, mientras que los mecanismos artificiales necesitan de un agente externo para su construcción y para su mantenimiento. Los organismos biológicos, por el contrario, tienen mecanismos que les permiten auto-conservarse. Por otra parte, los mecanismos biológicos son capaces de multiplicarse, mientras que los mecanismos artificiales no. La capacidad de multiplicación se relaciona con una diferencia aún más fundamental entre los mecanismos artificiales y los biológicos. Estos últimos son capaces de evolucionar en virtud de su adaptación a distintas condiciones ambientales. Dicha capacidad se transmite mediante las cadenas de ADN durante la multiplicación de los organismos. Las máquinas también evolucionan, pero requieren necesariamente de un agente externo que lleve a cabo el proceso de evolución.
Las diferencias que expone Ganti parecen ser bastante obvias, sin embargo, existe una característica fundamental de los organismos vivos. Ellos tienen mecanismos de autoconstrucción y crecimiento de tal manera que, dichos organismos no se limitan a desgastarse del mismo modo que los objetos físicos ordinarios. Los organismos biológicos tienen mecanismos de auto-conservación y auto-reparación. Los mecanismos artificiales, en cambio, carecen de este tipo de mecanismos. Cuando las máquinas producidas por el hombre se descomponen, debemos recurrir a un agente externo para que las repare. Esta no es una opción disponible para los organismos biológicos; no existen, generalmente, agentes externos que reparen nuestros organismos (los médicos y veterinarios son excepciones sin embargo, su trabajo es precisamente estimular los mecanismos defensivos de nuestro organismo). El organismo debe repararse a sí mismo. Una línea similar sucede con el desarrollo de los organismos biológicos. Ellos deben ejecutar los procesos necesarios para desarrollarse por sí mismos. Deben crecer y organizar sus componentes y procesos de tal manera que puedan realizar las actividades necesarias para sobrevivir.
Francisco Varela (1979) desarrolló la noción de autopoiesis, enfatizando la necesidad de los organismos de construirse a sí mismos. Un sistema autopoiético es una unidad organizada que funciona a través de redes de procesos de producción (transformación o destrucción) de componentes que producen los componentes que: (1) a través de sus interacciones y transformaciones continuamente regeneran y realizan la red de procesos que los produce; y (2) constituye una máquina como una unidad concreta en el espacio en el cual existe a través de la especificación del dominio topológico de su realización como tal.
El concepto de autopoiesis es importante porque los sistemas que poseen esta característica puedes ser autónomos. Un sistema autónomo es aquel que realiza las operaciones necesarias para mantener su propia identidad.
Esta noción de autonomía proporciona una manera útil para conceptualizar aquello que es específico a los sistemas biológicos. Los mecanismos que ocurren dentro de un sistema autónomo operan en parte, para mantener el sistema de mecanismos, y tal sistema de auto-mantenimiento posee una identidad que perdura en el tiempo.
Mecanismos autónomos adaptativos
Los mecanismos autónomos no son sistemas completamente cerrados. Ellos operan en un ambiente determinado. En este entorno, los organismos extraen fuentes de energía que utilizan para mantener su propia existencia. Esto permite añadir otra característica de los mecanismos biológicos. Ellos son adaptativos. La adaptación involucra añadir nuevos mecanismos a un sistema básico. Dichos mecanismos deben ser construidos y mantenidos por el propio sistema, pero a su vez, mediante dichos mecanismos el sistema posee la habilidad de continuar manteniéndose a sí mismo. Como resultado, estos mecanismos se convierten en parte de la identidad del organismo, es decir, no son simples adiciones a él.
Consideremos la característica de la adaptación. No todos los organismos autónomos son adaptativos, ya que existen sistemas que no funcionan fundamentalmente de manera diferente cuando el ambiente cambia. Pero si el organismo encuentra una variedad de ambientes en los cuales distintos nutrientes y fuentes de energía existen disponibles, tal sistema funcionará mejor si produce distintos mecanismos en aquellos diferentes ambientes. Los organismos autónomos adaptativos están compuestos de mecanismos que capturan y transforman energía, mecanismos que sintetizan nuevos componentes. En la medida en que reclutan energía para mantenerse a sí mismos logran persistir en el tiempo. Cuando dichos organismos están equipados con capacidades adaptativas, su comportamiento será más eficiente respecto a su auto-conservación. Finalmente, reclutar energía y utilizarla para mantenerse y repararse son en sí mismas actividades constantes y por lo tanto, no reactivas. En un nivel metabólico, tal sistema siempre se mantiene activo. Los mecanismos biológicos no son solamente partes y operaciones organizadas que son responsables de un determinado fenómeno, sino que son la constitución misma de tal organismo y dichas operaciones están reguladas por el organismo en el que existen. Más aún, la continua existencia de estos mecanismos depende del organismo; como sistema autónomo deben construirse y mantenerse todos los mecanismos que lo componen.
Tendencia a ver los mecanismos como reactivos.
Comúnmente se ha pensado que los mecanismos funcionan recibiendo un input y emitiendo un output. La tendencia a ver los mecanismos como fenómenos reactivos no es propia de las máquinas artificiales. En sus inicios, la neurociencia también tuvo la tendencia a tratar con los mecanismos cerebrales del mismo modo en que funcionan los dispositivos artificiales. Esta tendencia se manifestaba en las estrategias de investigación utilizadas. En experimentos conductistas, los investigadores alteraban un input a un determinado mecanismos y grababan la respuesta resultante de la conducta del mecanismo. En experimentos de estimulación o lesiones cerebrales, los científicos intervenían en la operación uno o más componentes y evaluaban los efectos de la intervención en la conducta del mecanismo bajo variadas condiciones. Finalmente, en experimentos de registro, los investigadores grababan la respuesta de componentes internos bajo un input particular aplicado al sistema. En todos estos casos, la cadena causal es abordada desde la aplicación de input, luego una serie de secuencias y pasos que intervienen dentro del mecanismo hasta que el sistema exhibe una respuesta o output.
Inicialmente la actividad endógena del cerebro fue atribuida a procedimientos de índole estrictamente metabólica. Los defensores del marco mecanicista reactivo restaron importancia a estas actividades de oscilación constante considerándolas ruidos respecto a un análisis funcional del trabajo neuronal. La actividad endógena del cerebro fue considerada solo un epifenómeno de los procesos metabólicos. Sin embargo, cuando esta evidencia fue revisada se determinó que tales oscilaciones dentro de áreas cerebrales individuales eran periódicas, no azarosas, y que dichas áreas están organizadas en redes dentro de las cuales las oscilaciones están correlacionadas. Esta intrincada organización sugirió que la actividad endógena del cerebro tiene carácter funcional e invitó a pensar que esta actividad funcional es tan importante que no podía ser ignorada en la comprensión de cómo el cerebro realiza sus funciones.
Mecanismos autónomos adaptativos y mecanismos mentales
El conjunto de organismos biológicos que son autónomos adaptativos es sumamente amplio. Los organismos inteligentes son bastante más complejos que la mayoría de los organismos biológicos. Aún así, los sistemas biológicos inteligentes exhiben algunas de las características fundamentales ya mencionadas. Los organismos inteligentes actúan por sí mismos, por metas que ellos mismos se trazan. Son adaptivos: seleccionan cursos de acción apropiados para sus metas. Estas son algunas de las características claves de los organismos cognitivos.
Aunque carezcan de mentes, los organismos autónomos adaptativos más simples proporcionan el contexto en el que los organismos inteligentes evolucionaron. Esto ha sido sistemáticamente ignorado en las ciencias de la mente y el cerebro, las cuales toman los fenómenos cognitivos de interés como si fuesen producidos por mecanismos independientes no basados en organismos vivientes. Esta tendencia está más claramente ejemplificada en la tradición de la investigación de la IA, la cual pretende realizar los fenómenos en un computador. Sin embargo, la misma tendencia ha sido adoptada por la neurociencia y la ciencia cognitiva general: tales disciplinas intentan explicar cada capacidad cognitiva en términos de cómo los mecanismos podrían realizar una operación de forma apropiada (codificación de recuerdos, percepción del mundo etc.), sin considerar que tales capacidades evolucionaron dentro de sistemas que ya eran organismos autónomos adaptativos.
Un punto que deseo enfatizar es que las neuronas son células vivas. Como tales, ellas son entidades activas que se mantienen a sí mismas bajo las condiciones requeridas por la vida. Del mismo modo que un organismo unicelular, ellas reclutan energía del ambiente (en este caso en el ambiente interior del organismo) y utilizan estos recursos para mantenerse a sí mismas. Otro factor importante de la actividad endógena de estos sistemas, es que las neuronas producen ocasionalmente potenciales de acción aún en ausencia del input de un neurotransmisor realizado por otra neurona. Esto mantiene a todo el sistema en un estado expectante, listo para cuando la actividad producto de un estímulo externo sea requerida.
En el campo de la IA, incluso en los enfoques conexionistas en que los diseños de los mecanismos artificiales se inspira en principios biológicos, estas consideraciones no son tomadas en cuenta:
Most connectionist or neural network accounts of how systems of neurons can perform mental activities take individual networks as inactive unless they receive input. But as we have seen, neurons in living organism are not quiescent. They maintain a basal or intrinsic firing rate in the absence of stimulation, a rate which may be modulated up or down given inputs. Accordingly, they can be viewed as oscillators, as system that alternate between different states. (Bechtel, 2008)

¿Cómo asume la IA el marco explicativo de la neurociencia?
La IA tradicionalmente ha adoptado un marco de investigación muy distinto a la neurociencia. La realización de una actividad mental requiere cambios en los materiales involucrados en el cerebro. Estos cambios pueden darse al interior y al exterior de las neuronas, como por ejemplo los cambios en las concentraciones de sodio y potasio. Sin embargo, la caracterización de la actividad mental en la IA no se focaliza en esos cambios materiales, sino que en las cuestiones respecto a la identificación más abstracta de aquellas partes y operaciones funcionales que se organizan en tal mecanismo y cómo esas partes interactúan con el ambiente. De esta manera, los mecanismos mentales pueden ser investigados adoptando una estrategia física (describiendo las estructuras neurales y sus operaciones) pero también adoptando una estrategia de procesamiento de la información. Sin embargo, ello no quiere decir que estas estrategias se desarrollen por vías separadas. El conexionismo ha sido un enfoque que busca reunir los resultados de ambas estrategias. Su diseño de máquinas está marcado por la arquitectura cerebral. Sin embargo, tal inspiración biológica está al servicio de una correcta descripción del procesamiento de la información y no en una réplica del cerebro en su composición material.
Desde la perspectiva conexionista se plantea que el éxito en la construcción de un dispositivo artificial genuinamente inteligente, debe ser consistente con los procedimientos de los mecanismos cerebrales de procesamiento de información. Ello implica que la IA debe basarse en aquellos aspectos cerebrales estrictamente relevantes a la hora de llevar a cabo operaciones cognitivas. Dicha influencia no es de índole material, sino que funcional. Lo que se busca no es replicar un cerebro y su estructura nerviosa, sino que diseñar un mecanismo cuyo material es irrelevante, pero cuyas operaciones y organización comparten la arquitectura del cerebro.
En el contexto del debate sobre la habitación china de John Searle, Churchland y Churchland (1990) sostienen precisamente que el conexionismo busca basarse en una descripción funcional del cerebro, pero centrándose en los aspectos estrictamente relevantes relacionados con la conducta inteligente.
Could a science construct an artificial intelligence by exploiting what is known about the nervous system? We see no principled reason why not. Searle appears to agree, although he qualifies his claim by saying that "any other system capable of causing minds would have to have causal powers (at least) equivalent to those of brains". We close by addressing this claim- We presume that Searle is not claiming that a successful artificial mind must have all the causal powers of the brain , such as the power to smell bad when rotting, to harbor slow viruses such as kuru, to stain yellow with horseradish peroxidase and so forth. Requiring perfect parity would be like requiring that an artificial flying device lay eggs(...) Presumably he means only to require of an artificial mind all of the causal powers relevant, as he says, to conscious intelligence. But which exactly are they? We are back to quarrelling about what is and is not relevant. This is an entirely reasonable place for disagreement, but it is an empirical matter, to be tried and tested. (Churchland, P. and Churchland, P., 1990)
Este trabajo sigue precisamente lo expuesto en la cita de Churchland y Churchland. Partiendo de evidencia empírica constatamos las diferencias entre los mecanismos biológicos y artificiales. Sin embargo, los defensores del conexionismo podrían señalar que las diferencias existentes entre los dos tipos de mecanismos aludidos son irrelevantes a la hora de explicar la conducta inteligente. El centro de mi argumento en contra de la posibilidad de que las máquinas conexionistas puedan ser genuinamente inteligentes se basa en que dichas diferencias sí son relevantes para explicar los fenómenos inteligentes. En la siguiente sección me centraré en evidencia recopilada por la neurociencia respecto de cómo la actividad endógena del cerebro tiene un importante rol dentro de la organización de los componentes que ejecutan actividades cognitivas. Específicamente desarrollaré el papel que tiene en la cognición una red neuronal llamada default network (en adelante DN) cuya principal característica corresponde a que es actividad cerebral endógena.
Actividad cerebral endógena y su importancia en las actividades cognitivas: Default Network
El estudio de la topología de los patrones de conectividad neuronal ha derivado en una caracterización de sus atributos clave, la cual se ha logrado tanto mediante la observación de condiciones de estado de descanso, como de condiciones de alta demanda cognitiva (Hagman, P et al., 2008). El tópico en el que, principalmente, se ha centrado la observación de la conectividad cortical funcional ha sido el funcionamiento de la denominada "default network" o "negative-task network"; esta constituye un conjunto de subsistemas que se encuentran dinámicamente conectados mediante centros de actividad (hubs), los cuales se activan mayormente en estados de descanso disminuyendo su actividad hasta nivel cero durante la realización de tareas cognitivamente demandantes. Estos estudios han entregado evidencias de alta densidad de conexiones funcionales presentes en la corteza posterior y han descubierto que las zonas mediales de dichas redes se encargan de procesamientos relativos a la conciencia, a la generación y recuperación de la memoria, y a aquellos procesos del tipo "self-referential".
La actividad endógena exhibida por DN es el candidato más sugerido para el sustrato neuronal de la divagación mental. Esta actividad involucra la memoria episódica. De hecho, las tareas de memoria episódica son de las pocas actividades que registran una actividad de la DN. Específicamente, recordar el pasado, prever eventos futuros y considerar los pensamientos y perspectivas de otras personas produce una activación selectiva dentro de DN (Bechtel, W. and Abrahamsen, A., 2012; Hagman, P et al., 2008). La hipótesis respecto de su función es que facilita las operaciones de exploraciones mentales y/o simulaciones que proporcionan los medios para anticipar y evaluar eventos antes de que ellos ocurran.
Por otra parte, Fox y Raichle (2007) sugieren que la actividad sincronizada de la DN tiene importancia en la coordinación de la conectividad cerebral. En este sentido, esta red permitiría que distintas zonas cerebrales necesarias para operaciones cognitivas complejas pudiesen tener una conectividad más efectiva a la hora de una demanda cognitiva. Esta interpretación también sostiene que la DN posee un papel en el procesamiento de tareas cognitivas, sin embargo, en este caso no estaría caracterizada en términos de pensamientos conscientes.
One possibility is that spontaneous activity serves as a record or memory of previous use, showing correlations between regions that have been modulated together in a task-dependent manner. Another possibility is that spontaneous activity serves to organize and coordinate neuronal activity and that this coordination is more prominent between regions that commonly work in concert. Finally, spontaneous activity may represent a dynamic prediction about expected use, with correlations occurring between regions that are likely to be used together in the future. (Fox, M. D. and Raichle M. E., 2007)
Si consideramos que el cerebro es un mecanismo activo en constante actividad interna, ello nos permite sostener que la respuesta a un estímulo externo dependerá del estado de oscilaciones neurales internas en el momento en que sea aplicado dicho estímulo. A su vez, tal como expliqué recientemente, la existencia de redes neuronales que se mantienen activas en estados de reposo cognitivo y cuyas oscilaciones son regulares suponen que su función va más allá de una regulación metabólica. La arquitectura del cerebro exhibe una conectividad altamente compleja y la disposición de los organismos a estar constantemente alerta a los eventos de su medio exterior requieren de una actividad interna constante que permite mantener la atención del organismo a su ambiente. Por otra parte, la evidencia sugerida permite apoyar que la DN tiene un papel en los estados de tareas cognitivas asociadas a la memoria episódica y la anticipación de eventos futuros asociados al concepto de divagación mental. Todo esto sugiere que la actividad endógena constituye una parte íntegra de los mecanismos cognitivos.
Si la Inteligencia Artificial es una disciplina que busca generar dispositivos artificiales que sean genuinamente inteligentes, entonces deberá considerar las características propias de los mecanismos biológicos que exhiben inteligencia. Si bien es cierto que el conexionismo ha emulado varios aspectos de la arquitectura cerebral, aún sigue siendo un enfoque que considera a los mecanismos como reactivos, en tanto las máquinas conexionistas se conforman de mecanismos que operan solo a partir de un estímulo externo. Por lo tanto, podemos sostener que el marco conexionista no ha sido capaz aún de confeccionar dispositivos que puedan ser considerados genuinamente inteligentes, en tanto ellos no comparten las características propias de los mecanismos biológicos cognitivos: 1) los mecanismos biológicos inteligentes son autónomos, 2) los mecanismos biológicos inteligentes son adaptativos y 3) Los mecanismo biológicos inteligentes poseen actividad endógena. En este trabajo expuse que al menos la tercera característica está directamente relacionada con la actividad cognitiva. Las dos anteriores son antecedentes de la evolución de los organismos y pueden tener un papel indirecto. De todas formas, mientras las máquinas conexionistas no sean capaces de exhibir un comportamiento endógeno relacionado con su conducta, seguirán siendo mecanismos reactivos y exhibiendo exclusivamente conducta inteligente, aunque no genuina. Mi objeción al conexionismo y a la Inteligencia artificial general está restringida por el desarrollo y las conclusiones de la neurociencia. Esto implica que no es una objeción de principios. En la medida en que la neurociencia siga desarrollándose y por ejemplo, especificando el papel de DN en la conducta cognitiva, la IA podrá asumir estos resultados para así intentar desarrollar mecanismos artificiales que exhiban genuina inteligencia.
Bibliografía
Bechtel, W. and Abrahamsen, A. (2005). Explanation: a mechanist alternative. History and Philosophy of Biological and Biomedical Science , Vol 36, 421-441.
Bechtel, W. and Abrahamsen, A. (2012). From Reactive to Endogenously Active Dynamical Conceptions of the Brain. Boston Studies in the Philosophy of Science , Vol. 2, 329-366.
Bechtel, W. (2008). Mental Mechanism. Nueva York: Routledge.
Churchland, P. and Churchland, P. (1990). Could a Machine Think? Scientific American , 32-37.
Copeland, J. (1993). Artificial Intelligence: A Philosophical Introduction. Oxford, Blackwell. Oxford: Blackwell.
Descartes, R. (1637). Discourse on the Method, Chapter V. En S. Shieber (2004), The Turing Test (pp. 23-29). Cambridge: MIT Press.
Fox, M. D. and Raichle M. E. (2007). Spontaneous fluctuation inbrain activity observed with functional magnetic resonance imaging. Nature Reviews Neuroscience , Vol. 8, 700-711.
Ganti, T. (2003). The principles of life. New York: Oxford.
Hagman, P., Cammoun, L, Gigandet, X, Meuli, R. (2008). Mapping the structural core in the human cortex. PLoS Biology , Vol 6. 1479-1493.
La Mettrie, J. d. (1748). Selections from Machine Man. En S. Shieber (2004), The Turing Test (pp. 45-57). Cambridge: MIT Press.
Newell, A. and Simon, H. (1976). Computer Science as Empirical Inquiry: Symbols and Search. En J. Haugeland (1997), Mind Design II (pp. 81-110). Cambridge: MIT Press.
Rumelhardt, D. (1989). The Architecture of Mind: A Connectionist Approach. En J. Haugeland, (1997), Mind Design II: Philosophy, Psychology, and Artificial Intelligence (pp. 205-233). Cambridge: MIT Press.
Searle, J. (1980). Minds, brains and programs. En J. Heil (2004), Philosophy of Mind: a Guide and Anthology (pp. 235-252). Nueva York: Oxford University Press.
Tienson, J. (1995). Una Introducción al Conexionismo. En E. Rabossi, Cognitiva, Filosofía de la Mente y Ciencia (pp. 123-135). Madrid: Paidos.
Turing, A. (1950). Computing Machinery and Intelligence. En S. Shieber (2004), The Turing Test (pp. 67-95). Cambridge: MIT Press.
Varela, F. (1979). Principles of biological autonomy. New York: Elseviere.