Ciencia cognitiva (página 3)

Partes: 1, 2, 3

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)