
Resumen del libro Cómo Crear una Mente por Ray Kurzweil (How to Create a Mind)
Resumen corto: How to Create a Mind o en español Como Crear Una Mente nos explica como funciona el cerebro humano y el parecido entre este y los ordenadores, para entender qué nos falta para ser capaces de replicar nuestras mentes. Por Ray Kurzweil
¿Quién es Ray Kurzweil?
Ray Kurzweil es uno de los principales inventores, pensadores y futuristas del mundo, con un historial de treinta años de predicciones precisas. Llamado «el genio inquieto» por The Wall Street Journal y «la máquina de pensar definitiva» por la revista Forbes, fue seleccionado como uno de los principales empresarios por la revista Inc., que lo describió como el «heredero legítimo de Thomas Edison». PBS lo seleccionó como uno de los «dieciséis revolucionarios que hicieron Estados Unidos».
Ray fue el principal inventor del primer escáner CCD, el primer reconocimiento óptico de caracteres omni-fuente, la primera máquina lectora de texto a voz para ciegos, el primer sintetizador de texto a voz, el primer sintetizador de música capaz de recrear el piano de cola y otros instrumentos orquestales, y el primer reconocimiento de voz de gran vocabulario comercializado comercialmente.
Entre los muchos honores de Ray, recibió un premio Grammy por logros sobresalientes en tecnología musical; Recibió la Medalla Nacional de Tecnología, fue incluido en el Salón de la Fama de Inventores Nacionales, tiene veintiún doctorados honorarios y honores de tres presidentes de EE. UU.
Ray ha escrito cinco libros superventas a nivel nacional, incluidos los superventas del New York Times The Singularity Is Near (2005) y How To Create A Mind (2012). Es cofundador y rector de Singularity University y director de ingeniería en Google, al frente de un equipo que desarrolla inteligencia artificial y comprensión del lenguaje natural.- Extracto de la biografía en Amazon.
Colección de Los mejores libros de Productividad y Aprendizaje(PDF)


Nuestros cerebros almacenan patrones
Nuestro cerebro funciona usando algo llamado ordenamiento secuenciado.
Se basa en que nuestro cerebro cataloga y almacena la información siguiendo una serie de pasos especificados, y esta es la razón por la que pequeñas señales que activen este patrón pueden hacernos recordar cosas
Un ejemplo es como recordamos la comida casera. Crecemos oliendo como se prepara, viendo como es y después probando el sabor.
De la misma forma con solo olerla nuestro cerebro espera que llegue el plato de nuestros recuerdos y activa la imagen
Por eso somos capaces de recordar las cosas, porque las hemos asociado a algo y cuando lo vemos o lo sentimos nos permite hacer que aparezcan las memorias.
Y también es la razón por la que tanto nos cuesta recordar algo si no lo decimos en orden, también es la razón por la que si estudiamos para un examen en un único sitio nos costará más el día del examen, porque hemos asociado las memorias al lugar.
Nuestro comportamiento se ve regido por patrones
Nuestro cerebro reconoce los patrones gracias a conjuntos de alrededor de 100 neuronas que reciben el nombre de ‘’reconocedores de patrones’’ y que se encuentran en el neocórtex, la parte mas ‘’nueva’’ de nuestro cerebro
Los reconocedores de patrones se diferencian en reconocedores de ‘’bajo nivel’’, que reconocen información mas específica, y reconocedores de ‘’alto nivel’’ que son los que reconocen los detalles y conceptos
Nuestras emociones como el amor, deseo, tristeza y otras son controladas por unas células llamadas neuronas en huso que son neuronas que se encuentran en una zona del cerebro llamada ínsula.
Esta zona del cerebro se encarga de recibir estímulos del talamo y producir respuestas, entre ellas las emociones que hemos mencionado.
El desarrollo de la inteligencia artificial
De la misma forma que nuestro cerebro usa patrones para poder descubrir cambios y generar respuestas, algunas de las técnicas para desarrollar inteligencia artificial usan patrones para ‘’entrenar al programa’’
Uno de los sistemas que usa este tipo de lógica es lo que se conoce como Modelos Jerárquicos Ocultos de Markov. Este modelo se basa en que cuando el programa recibe la información, no examina toda la información, sino que busca patrones y genera respuestas basadas en lo que han significado estos patrones hasta el momento
De forma que intenta ver qué patrones son los que rigen la información que esta visualizando, y ver si lo que piensa de esos patrones se cumple o no. Si se cumple sigue haciendo predicciones, si no se cumple recopila más información y vuelve a hacer predicciones
Un ejemplo de programa que usa este método es Siri de Apple, que usa palabras clave para entender contexto y saber de qué hablamos o que esperamos.
La base de la inteligencia artificial el deep learning
No pensamos mucho en cómo entendemos el mundo, lo “fácil” que es para nosotros diferenciar objetos aun en contextos diferentes, y lo difícil que es para las máquinas diferenciar estos objetos. No es hasta hace poco que se han podido desarrollar programas capaces de identificar objetos concretos dentro de imágenes, voces y otros parámetros.
El método más usado en la actualidad para ello son las llamadas redes neuronales. Son programas con “varias capas” llamadas neuronas que imitan el funcionamiento de las nuestras. Estas neuronas son “entrenadas” con distintos métodos, entre ellos destacan el entrenamiento supervisado, en el que se usa una serie de ejemplos controlados. Esto permite que reconozca un perro o un gato, por ejemplo, pero sin entender qué significa la palabra gato.
Para que pueda “entender” el concepto, hace falta usar un método conocido cómo grounded language learning en el que se asocian imágenes o palabras con videos u objetos. Lo que hacemos con los captcha en distintas páginas web ayuda a entrenar a distintas inteligencias artificiales.
Unir estas dos formas de aprendizaje permite generar una inteligencia artificial que pueda convertir imágenes en palabras y viceversa.
Las limitaciones del deep learning
Hoy en día el deep learning sigue teniendo sus limitaciones, aunque en un futuro seguramente sea capaz de hacer casi cualquier cosa. Nos sorprende ver que una inteligencia artificial vence a jugadores de ajedrez y go, pero a nivel teórico no es tan complicado. Pero cuando se trata de que haga lo que necesitamos para vivir en el día a día, aún no pueden hacerlo.
En la actualidad las inteligencias artificiales son lo que se conoce cómo inteligencias artificiales especializadas. Destacan en una tarea específica, jugar al ajedrez, pero no pueden traducir estas habilidades en otros campos. Pero también hay otro problema que no se suele comentar, y es que su grado de acierto depende de lo buenos que hayan sido los datos que le hemos dado. Por lo tanto están limitados también por los investigadores y las limitaciones tecnológicas de cada época
Esto dificulta el desarrollo de lo que se conoce cómo inteligencia artificial general, aquella capaz de resolver situaciones que nunca antes ha visto, cómo sería ganar al ajedrez y después al Go. Cuando lleguemos a este nivel podremos decir que la inteligencia artificial ha logrado su máximo desarrollo, porque en pocas horas podrá pasar a lo que se conoce cómo superinteligencia, algo con capacidades que nos cuesta imaginar.
