Somos los únicos animales que construyen máquinas. Las herramientas convierten nuestras manos en apéndices más versátiles. Los aviones nos proveen de alas. Los ordenadores nos dotan de mayor cerebro y capacidad de memoria. Y ahora estamos creando técnicas que pueden evolucionar por sí mismas porque hemos programado en ellas la capacidad de aprender mediante el esfuerzo y gracias a los datos. ¿Nos suplantarán a la larga? ¿O, por el contrario, perfeccionarán nuestra humanidad como nunca se ha hecho?

El aprendizaje automático nació en la década de 1950 gracias a Frank Rosenblatt, que construyó una neurona electrónica que aprendió a reconocer dígitos, y a Arthur Samuel, cuyo programa del juego de damas se entrenó jugando contra sí mismo hasta que logró derrotar a varias personas. Pero solo en el último decenio ha conseguido despegar este campo y nos ha proporcionado vehículos autónomos y asistentes virtuales que, hasta cierto punto, entienden nuestras órdenes.

Cada año inventamos miles de nuevos algoritmos (secuencias de instrucciones que dictan a los ordenadores qué hacer). El sello distintivo de las máquinas autodidactas no es, en cambio, una programación detallada. Les fijamos objetivos generales del tipo «aprende a jugar a las damas». Como las personas, mejoran con la experiencia. Estos algoritmos de aprendizaje suelen agruparse en cinco categorías principales, cada una inspirada en un campo científico.

Una imita la selección natural mediante algoritmos evolutivos. En el Laboratorio de Máquinas Creativas de la Universidad de Columbia se han construido robots primitivos que tratan de reptar o de volar; las especificaciones de aquellos con mejor rendimiento se mezclan y mutan periódicamente para engendrar la siguiente generación mediante impresión en 3D. Partiendo de máquinas ensambladas al azar que apenas pueden moverse, se crean al cabo de varios miles de generaciones arañas y libélulas robóticas.

Pero la evolución es lenta. El aprendizaje profundo, el paradigma del aprendizaje automático más popular en la actualidad, se inspira en el cerebro. Se crea un modelo matemático muy simplificado del funcionamiento de una neurona, se construye una red de miles o millones de estas unidades y se deja que se instruya mediante el fortalecimiento gradual de las conexiones entre las neuronas que se excitan al unísono durante la observación de los datos. Estas redes neuronales reconocen caras, comprenden el lenguaje hablado, traducen idiomas.

https://www.investigacionyciencia.es/revistas/investigacion-y-ciencia/humanos-751/nuestros-dobles-digitales-16865?utm_source=boletin&utm_medium=email&utm_campaign=Sumario+IyC+Noviembre