inoticia

Aunque los fabricantes de automóviles promocionan con entusiasmo la dirección de manos libres y otras tecnologías aparentemente mágicas de “conducción autónoma”, cualquiera que diga que los vehículos totalmente autónomos son a la vuelta de la esquina está equivocado A las mentes artificiales de los coches autónomos les falta un ingrediente tecnológico de suma importancia. Conciencia.

Mucha gente cree que la conciencia es un fenómeno desconcertante y de otro mundo, mucho más allá de la comprensión científica o la aplicación práctica. Esa es una visión obsoleta. Los científicos ahora entienden bastante sobre la conciencia, incluido el hecho de que es la clave para la autonomía en todas las mentes vivas de mayor complejidad que un abejorro. De hecho, el viaje de aproximadamente tres mil millones de años de las mentes en la Tierra desde la bioquímica primordial hasta la civilización humana contiene una lección importante para los vehículos autónomos. La lección es esta: la inteligencia es fácil. La autonomía es difícil.

Se necesitaron alrededor de setenta años de investigación de aprendizaje automático para que las computadoras nos superaran en muchas de nuestras formas de inteligencia más preciadas, como ganar al ajedrez, componer música convincente y escribir ensayos reflexivos. Pero tres mil millones de años de desarrollo de autonomía en mentes vivas han demostrado ser una montaña mucho más empinada para escalar. La diferencia entre inteligencia y autonomía está ilustrada por Watson de IBM, quien derrotó al mayor ¡Peligro! jugadores en el clásico programa de juegos, pero necesitaban estar conectados al sistema de formulación de preguntas del programa. Era incapaz de hacer una tarea autónoma que cualquier niño de tres años podría hacer: escuchar al anfitrión para terminar una pregunta antes de entrar. Watson—están mucho más cerca de alcanzar la conciencia, porque necesitar ser autónomos para cumplir su propósito.

Sin embargo, la tecnología para los vehículos autónomos permanece estancada al nivel de una mente de protozoo o, en sus formas más avanzadas, al nivel de una mente de hormiga. Cuando rastreamos el desarrollo incremental del pensamiento en la Tierra desde las mentes microscópicas de las arqueas hasta las mentes de pilotos de aviones de combate y esquí alpino de Homo sapiens, descubrimos que la conciencia es una innovación mental específica que surgió durante la transición de los invertebrados a los vertebrados para enfrentar los desafíos de la toma de decisiones autónoma en tiempo real en un entorno complejo, impredecible y de macroescala. Los vehículos autónomos deben resolver exactamente el mismo conjunto de desafíos.

Considere la posibilidad de conducir en la India. Las caóticas y exuberantes carreteras de la India están repletas de una mezcolanza caleidoscópica de vehículos: coloridos rickshaws (algunos a motor, otros a pie), camiones decorados, camionetas andrajosas, carretillas rebosantes de verduras, todoterrenos acosadores, mecánicos de bicicletas en las carreteras, veloces Maruti hatchbacks, y una armada de motos, todas maniobrando a pulgadas uno del otro. Los conductores indios con frecuencia ignoran las señales de tránsito o las líneas viales, tratándolas como pautas benignas. Los automóviles no disminuyen la velocidad para los peatones y los peatones no esperan una pausa en el tráfico para cruzar la calle, lo que da como resultado una interminable corriente cruzada de personas, y ocasionalmente perros callejeros, que fluyen a través del tráfico vehicular sin parar desde todos los lados. Un tumulto de vendedores ambulantes y limpiaparabrisas se suma a la confusión por que se acerca vehículos

Conducir en muchas partes del mundo, incluida la India, exige que los conductores presten atención constante tanto a la vista y sonido: la única forma de conocer la ubicación de los vehículos que se agolpan a su alrededor es escucha al constante toque de bocinas para juzgar la ubicación de la bocina. (Los bocinazos americanos generalmente significan: “¡Fuera de mi camino!”, pero los bocinazos indios generalmente significan: “¡Aquí estoy!”). El desafío para un automóvil autónomo es segmentar continuamente la información ambiental que proviene de todas las direcciones en objetos y eventos, identifique y priorice los riesgos (¡Escucho un camión tocando la bocina a mi derecha! ¿Es un paso de peatones frente a mí o un vendedor ambulante viene hacia mí? ¡Un langur corre frente a mis llantas!) y actúe según las prioridades. riesgos al instante, todo mientras se recalcula continuamente la ruta óptima hacia el destino (ese coágulo de tráfico amontonado en la esquina de Crawford Market parece más desalentador que esa avenida vacía que se dobla hacia JJ Flyover).

Para liberarse de los cuidadores humanos y depender de entornos estables y familiares, un automóvil autónomo debe ser capaz de evaluar y responder a múltiples entradas simultáneas dependientes del contexto (incluidas entradas nuevas y únicas) de diferentes modalidades (audio, visual, lidar). , navegación) que surgen de todas las direcciones (frente, atrás, izquierda, derecha, arriba, abajo) mientras persigue un objetivo (conducir a Bazar Road para una entrega). Usando las arquitecturas actuales de mente autónoma, este es probablemente un desafío irresoluble en un país con carreteras tan “bien comportadas” como en los EE. UU. En una nación donde todo vale como India, es completamente intratable.

Tras el éxito de los algoritmos de aprendizaje profundo (que implementan inteligencia, no autonomía), el enfoque estándar para diseñar mentes autónomas es modelar el entorno esperado del vehículo en función de regularidades estadísticas, como la frecuencia con la que los puntos rojos en la periferia son semáforos y qué tan rápido los autos normalmente aceleran después de una luz verde. En efecto, los automóviles autónomos crean un modelo estadístico del mundo en el pasado y luego intentan encajar todos los eventos futuros en este modelo histórico. Esto significa que las mentes autónomas impulsadas por estadísticas a veces etiquetan eventos inesperados pero muy relevantes como ruido. En el marco de Aprendizaje Profundo, la solución a problemas inesperados (como un camión volcado en la carretera) es chocar ahora, analizar más tarde: analizar cada vez más datos históricos con la esperanza de modelar de alguna manera cada posible eventualidad que el universo podría arrojar sobre el asfalto. . Pero hay una muy buena razón por la cual los cerebros vivos nunca abordaron el desafío de la navegación autónoma de esta manera.

Para comprender el papel y el funcionamiento de la conciencia, y por qué es esencial para la autonomía, comparemos la mente inconsciente de una mosca de la fruta con la mente consciente de un ratón. Al igual que los automóviles autónomos, los insectos tienen una sensibilidad perceptiva extraordinaria y una memoria impresionante para el valor de diversos patrones perceptivos que, en conjunto, impulsan un conjunto pequeño y muy limitado de comportamientos. Huelo un aroma similar a mi experiencia anterior con jaca podrida, por lo tanto, volaré hacia el olor atractivo.. Donde las mentes voladoras se quedan cortas es en el trato con objetos y eventos. ellos se enfocan en patrones de percepción en vez de cosas holísticas, lo que significa que los objetos con patrones inusuales los hacen tropezar fácilmente. Un buen ejemplo es la cebra: las rayas blancas y negras del equino confunden las mentes de las moscas, lo que hace que con frecuencia reboten en la piel de una cebra en lugar de aterrizar para morder. Esto está bien para una mosca, que puede sobrevivir colisiones a alta velocidad debido a su pequeño tamaño y exoesqueleto flexible. Pero una vez que habitas una bolsa de huesos grande y carnosa, o un esqueleto de vidrio y fibra de vidrio, evitar las colisiones se vuelve más urgente.

Un ratón disfruta de un repertorio de comportamiento mucho más sofisticado que una mosca, una mejora mental resultante de una capa completamente nueva de elementos de pensamiento que opera sobre la capa “más antigua” de elementos de pensamiento de la mosca de la fruta. Esta nueva capa consta de módulos neuronales altamente especializados que gestionan objetos y eventos complejos. Las mentes de ratón poseen, por ejemplo, un módulo de reconocimiento de objetos visuales, un módulo de reconocimiento de objetos auditivos, un módulo de reconocimiento de objetos olfativos, un módulo de valoración de objetos y un módulo de navegación alrededor de objetos. Pero la aparición de módulos paralelos que procesan simultáneamente diferentes tipos de entradas sensoriales crea un nuevo desafío para el comportamiento autónomo que podríamos llamar el problema de atencion

si un raton ve nueces en el suelo de frente, huele bayas en algún lugar a un lado, recuerda que un búho vive en la zona, y oye un crujido peculiar en las hojas que nunca antes había escuchado, ¿en qué representación mental debería enfocarse? En un cerebro con docenas de módulos especializados que persiguen simultáneamente sus propios objetivos, ¿qué tipo de dinámica global permite que cada módulo deje lo que está haciendo y preste atención a la misma representación urgente?

Conciencia. La conciencia determina automática y eficientemente qué representación del módulo merece la atención de toda la mente. Igual de importante, la conciencia también permite que un sistema complejo en tiempo real identifique y responda rápidamente a único pero importante oportunidades y amenazas, como un sonido desconocido. Aquí es donde los autos autónomos actuales se quedan cortos, y siempre se quedarán cortos, porque se basan en un modelo estadístico del mundo en lugar de adoptar naturalmente eventos inesperados en tiempo real. Las mentes conscientes son excelentes para reconocer cuando una situación desconocida ofrece una gran recompensa (una multitud de fanáticos del cricket se lanza repentinamente a la calle por la izquierda, brindando cobertura para acelerar rápidamente hacia la derecha) o un peligro inminente (un carro de bueyes cargado de ladrillos rojos es tambaleándose precariamente al borde de la carretera—evitar), y el físico único dinámica de la conciencia es la razón por la cual.

Considere nuestro ratón. Su módulo visual forma una representación de nueces, su módulo de localización de objetos forma una representación de un búho, su módulo olfativo forma una representación de bayas, su módulo auditivo forma una representación del ruido desconocido. La dinámica de la conciencia hace que estas diversas representaciones compitan en tiempo real por el control de la atención global del ratón. El sonido extraño gana y la mente del ratón dedica sus recursos a evaluar rápidamente el significado del crujido (reclutando la atención de los módulos visual, olfativo, de localización y de valoración) y generando una respuesta adecuada. La conciencia gestiona sin problemas la atención global de una mente capaz de gestionar objetos de manera eficiente y comunicarse de módulo a módulo. En este sentido, la conciencia es simplemente otra innovación mental en una línea muy antigua de innovaciones diseñadas para gestionar un número cada vez mayor de subsistemas mentales cada vez más competentes, y ni siquiera es la innovación más reciente o poderosa (el lenguaje humano es otra).

Pero, ¿cómo traducir estos conocimientos teóricos en un diseño práctico para diseñar un automóvil autónomo consciente? El relato matemático unificado de la conciencia del profesor emérito de la Universidad de Boston Stephen Grossberg, basado en 65 años de investigación neuronal, proporciona los planos para diseñar un vehículo verdaderamente autónomo. Las ecuaciones de conciencia de Grossberg sugieren que este esfuerzo requerirá cambios radicales en la arquitectura básica de las mentes autónomas.

La conciencia exige múltiples capas de pensamiento en tiempo real, donde cada capa procesa información de manera simultánea e independiente y proporciona y recibe retroalimentación de las capas adyacentes. La conciencia también requiere módulos paralelos de procesamiento de objetos y eventos que operen al más alto nivel y que proporcionen y reciban retroalimentación lateral de otros módulos en tiempo real. Esta arquitectura que emula la mente de los vertebrados permitiría que los módulos paralelos en la mente de un automóvil procesen simultáneamente diferentes objetos y eventos y seleccionen de manera eficiente cuál priorizar en un momento dado, manejando naturalmente entornos densos de eventos (como conducir a través del caldero de tráfico en Mahim Calzada) y objetos inesperados (como un elefante que pasa a zancadas).

Por ejemplo, si una mente consciente ve un camión volcado en la carretera y nunca ha visto algo así, la mente no lo descarta como un caso atípico irrelevante. En cambio, el módulo de reconocimiento de objetos visuales transmite una alerta a toda la mente y toma control de la dinámica de la mente mediante la contratación de otros módulos para centrarse en lo desconocido whatchamacallit. Las mentes de los vertebrados están diseñadas para hacer un trabajo decente al reconocer objetos desde perspectivas novedosas (también manejadas por la dinámica de la conciencia), pero incluso si el objeto no se identifica rápidamente como un camión, la mente aún se concentrará intensamente en navegar a su alrededor (” ¡Quién sabe qué hará esta cosa extraña, maneje con cuidado!”) y, lo que es más importante, en aprendiendo sobre el camión sobre la marcha, durante una sola exposición, para que la próxima vez esté preparado para otra cosa parecida.

Este es el secreto de la autonomía en mentes avanzadas, incluida cualquier mente de automóvil que desee abrirse camino a través de una bulliciosa metrópolis.

Ogi Ogas, Ph.D., fue miembro del Departamento de Seguridad Nacional en la Universidad de Boston e investigador en la Escuela de Graduados en Educación de Harvard. Sai Gaddam, Ph.D., fue becario postdoctoral en el Centro de Sistemas Adaptativos de la Universidad de Boston. Ogas y Gaddam son los coautores de El viaje de la mente: cómo surgió el pensamiento del caospublicado por Norton.