En los eventos y publicaciones sobre IA educativa, se suele argumentar que la inteligencia artificial se diferencia de la humana en que la primera está basada en probabilidades. Para simplificar, es similar al teclado predictivo de los móviles que sugiere la siguiente palabra según lo que hemos escrito previamente. Normalmente, esta explicación basta para los ponentes y la segunda parte (en qué consiste la humana) queda en el aire. Pero suele ser suficiente para que la audiencia asienta, con el convencimiento de que la IA es «otra cosa».
Teoría bayesiana del funcionamiento del cerebro
La teoría bayesiana de la función cerebral sugiere que el cerebro toma decisiones y forma percepciones usando probabilidades basadas en experiencias previas y nueva información sensorial, similar a las estadísticas bayesianas. Los estudios indican que el cerebro utiliza modelos probabilísticos construidos a partir de experiencias pasadas para tomar decisiones.
Así pues, la teoría bayesiana de la función cerebral postula que el cerebro funciona como un sistema de procesamiento predictivo, generando modelos internos basados en creencias previas y experiencias pasadas para hacer predicciones sobre las entradas sensoriales futuras [1].
El cerebro codifica estados probabilísticos para generar predicciones sobre la información sensorial y actualiza sus creencias mediante errores de predicción [2]. La selección natural ha optimizado los mecanismos de procesamiento de la información del cerebro, lo que ha llevado al cerebro a procesar la información de forma óptima [3]. Se considera que el cerebro es una máquina de inferencia probabilística que rastrea continuamente la estructura probabilística de las observaciones sin depender de estados ocultos, y las experiencias pasadas influyen en los resultados futuros de forma similar a la regularización en el aprendizaje automático [4].
Evidencias que apoyan el funcionamiento bayesiano
Hay pruebas que respaldan la teoría bayesiana de la función cerebral, ya que ha explicado con éxito diversos comportamientos humanos en diversas tareas y ha sido validada empíricamente. Los estudios indican que los procesos neuronales que subyacen a la percepción, el aprendizaje y la toma de decisiones se aproximan a la inferencia bayesiana.
- The Bayesian Brain hypothesis: an evolutionary approach to cognition?
- Why Bayesian brains perform poorly on explicit probabilistic reasoning problems
- Bayesian Causal Inference: A Unifying Neuroscience Theory
Conclusiones
Todo esto indica que los modelos según los cuales funciona la IA, concretamente los que dan lugar a la IA generativa de texto y nuestra inteligencia, así como la de los animales en general, comparten principios de funcionamiento que no son casuales. Igual que, como pasa con tantas otras características biológicas, muchas veces el ser humano con su tecnología imita de forma involuntaria a la naturaleza por el simple motivo de que solo hay un modo de llegar a determinadas soluciones, como la inteligencia.
El modelo probabilístico del funcionamiento del cerebro orgánico sugiere que no existen inteligencias artificiales y naturales separadas, sino que probablemente solo hay una única inteligencia, con distintos grados y particularidades, pero que comparten una naturaleza común, la probabilística.
Tan importante como conocer el funcionamiento interno de la IA lo es el conocimiento del funcionamiento de nuestra inteligencia, lo contrario nos lleva a comparar la IA con ideas preconcebidas sin fundamento científico.
Advertencia: una teoría no es, como sucede en el lenguaje coloquial, algo no demostrado o incierto. Al contrario, una teoría científica es una explicación basada en evidencias que describe y predice fenómenos naturales. Es falsable, revisable y coherente con el conocimiento existente (como, por ejemplo, la teoría de la relatividad).
Más información
Para los interesados en leer más sobre este tema recomendamos la entrada de la Wikipedia sobre enfoques bayesianos de la función cerebral y para profundizar, el artículo titulado: El Cerebro Bayesiano: El Papel de la Incertidumbre en la Codificación y Computación Neuronal.
El trabajo especializado de Thomas L. Griffiths, Charles Kemp y Joshua B. Tenenbaum sobre modelos bayesianos de cognición se ha convertido en un referente para la comunidad científica en el campo de la ciencia cognitiva y la psicología. Utilizan la inferencia probabilística para explicar cómo los humanos procesan información y toman decisiones bajo incertidumbre. Este enfoque proporciona un marco teórico y cuantitativo que unifica diversas áreas de la cognición, desde la percepción y el lenguaje hasta el razonamiento y la toma de decisiones.
Comentarios recientes