La singularidad y el Estado del Arte de la inteligencia Artificial.

El estado del arte en la automatizacin de tareas cognitivas bsicas, incluyendo la visin y comprensin del lenguaje natural, es muy inferior a las capacidades humanas. Razonamiento del mundo real, que es una parte inevitable de muchas formas avanzadas de visin por computador y la comprensin del lenguaje natural, es especialmente difcil. Esto sugiere que la llegada de las computadoras con inteligencia general sobrehumana no es inminente. La posibilidad de alcanzar una singularidad por los ordenadores que carecen de estas habilidades se discute brevemente.

Cuando me invitaron a contribuir con un artculo sobre el tema de "La Singularidad", mi reaccin inicial fue "rezo fervientemente para que yo no viva para verlo." Entre parntesis, puedo decir lo mismo de la singularidad inmortalidad. Tengo 55 aos de edad, a partir del momento de la escritura, y, en comparacin con la mayor parte de la humanidad, yo vivo en circunstancias mucho ms cmoda que cualquier cosa que he ganado, pero espero no estar aqu 50 aos, por tanto, y desde luego no con la esperanza de estar aqu 100 aos ah. Si voy a ver esta cuestin con la misma sangre fra que el tiempo se acerca an est por verse. Sin embargo, mis preferencias personales son irrelevantes. Lo que sobre todo quiero hacer en este ensayo sobre la singularidad es discutir el aspecto de la pregunta donde puedo pretender ningn tipo de experiencia: el estado de la tcnica en la inteligencia artificial (AI) y los retos en el logro de resultados en humanlevel tareas AI. Voy a argumentar que stas no sugieren que las computadoras alcanzarn una singularidad de inteligencia en cualquier momento en un futuro prximo. Yo entonces, mucho ms conjetural, discutir si es o no una singularidad de inteligencia podra ser capaz de dejar de lado estos desafos.

1 Inteligencia Artificial
Qu es la inteligencia artificial? Hay muchas definiciones diferentes, con diferentes inclinaciones (ver [8] cap. 1 para una revisin y discusin). Sin embargo, la definicin que prefiero es la siguiente: Hay una serie de tareas cognitivas que las personas hacen con facilidad, a menudo, de hecho, sin pensamiento consciente en absoluto - pero eso es muy difcil de programar en las computadoras. Ejemplos arquetpicos son la visin, la comprensin del lenguaje natural, y "el razonamiento de la vida real", me extender en este ltimo a continuacin. Artificial inteligencia, como la defino, es el estudio de conseguir ordenadores para llevar a cabo estas tareas. Ahora, se puede objetar que esta definicin es inherentemente injusto para los equipos. Si se define la IA como "problemas que son difciles para las computadoras", entonces no es de extraar que estos son difciles para las computadoras. Volveremos a este punto ms adelante, en la seccin 2. Por el momento, sin embargo, creo que se puede acordar que, si estas habilidades son necesarias para que un equipo super-inteligente, que sin duda sera una ventaja, y por lo tanto, en especular sobre la singularidad, que es por lo menos algo relevante a considerar qu tan bien estas tareas ahora se puede hacer y cules son las perspectivas de progreso. Algunas formas de la visin artificial y procesamiento del lenguaje natural, actualmente se puede hacer bastante bien. En la visin: el texto impreso de buena calidad se puede convertir en texto electrnico con tasas de error que son muy pequeas, aunque los documentos de baja calidad o viejas pueden ser ms problemticos. La actual generacin de cajeros automticos puede leer cheques escritos a mano. Ya en 1998, un vehculo autnomo condujo a travs del pas, la actual generacin de vehculos autnomos lo hacen bastante bien en el problema de la conduccin mucho ms difcil fuera de la carretera. Para determinados tipos de anlisis de imagen tcnica (por ejemplo, en aplicaciones mdicas), las computadoras hacen tan bien o mejor que los expertos humanos. En el lenguaje natural: sistemas de dictado automatizados trabajan con un margen de error de 1.5%, en circunstancias favorables. Motores de bsqueda Web encuentran documentos web relevantes con una impresionante precisin y velocidad asombrosa. Traductor Google produce traducciones que son generalmente lo suficientemente buenas para ser til, aunque por lo general con algunos errores ms de aspecto extrao. Sin embargo, es fundamental para comprender hasta qu punto es el estado del arte de las capacidades a nivel humano. El punto se ilustra mejor con un ejemplo. Los siguientes son representativas de la investigacin de vanguardia, sino que se han tomado de los

documentos en los mejores congresos de investigacin en visin artificial y procesamiento del lenguaje natural en 2010-2011. Reconociendo las aves en las imgenes. Un programa para reconocer los principales componentes del cuerpo de un pjaro (el cuerpo, la cabeza, alas, patas) y para identificar la categora de aves (patos, garza, halcn, bho, pjaro cantante) en imgenes de aves logra una precisin de alrededor del 50% en la bsqueda de los componentes, y de alrededor de 40% en la identificacin de la categora. Identificar imgenes que contienen frases sencillas. Se desarroll un programa para identificar las imgenes de una coleccin estndar que responden a frases simples. Este fue un gran xito para algunas frases, por ejemplo, en una corte recuperacin del 50%, la precisin fue de aproximadamente el 85% de "persona andar en bicicleta", y 100% para "Caballo y jinete de salto". Para otras frases, era mucho menos xito, por ejemplo, en el 50% de recordacin, la precisin fue inferior al 5% de "persona bebe [de] botella", "persona tumbada en el sof", y "perro acostado en el sof". Resolucin de correferencia. Un estado del sistema del arte por la correferencia resolucin-identificar si dos frases en un texto se refieren a la misma cosa o diferentes cosas-alcanzados tasas de xito que van desde 82% de recordatorio y 90% de precisin a 40% de recordatorio y 50% de precisin, en funcin de la fuente del texto y la categora gramatical involucrada. Extraccin de eventos. Un programa para la identificacin de eventos de un tipo especificado en artculos de prensa, en concreto, para identificar el desencadenador de eventos, los argumentos y sus roles. Por ejemplo, en la frase "Bob Cole fue asesinado hoy en Francia", el detonante de la Die evento est "muerto", los argumentos son "Bob Cole" y "Francia" y las funciones son las vctimas y lugar respectivamente. Hay 33 tipos de eventos diferentes. El sistema consigue una F-score (media armnica de recordar y precisin) de 56,9% sobre el etiquetado de disparo, el 43,8% sobre el etiquetado argumento y el 39,0% sobre el etiquetado de papel. Por lo tanto, en estos simples, estrechamente de nido, las tareas de inteligencia artificial, lo que la gente hace fcilmente con prcticamente el 100% de precisin, la tecnologa actual a menudo no llegan a acercarse. Mi punto no es en lo ms mnimo para denigrar este trabajo. Los peridicos son los principales logros, de los que sus autores estn justamente orgullosos, los investigadores son de primera categora cientficos, trabajadores, basndose en dcadas de investigacin. Mi punto es que estos problemas son muy, muy difcil.

Por otra parte, las tasas de xito de este tipo de tareas AI generalmente alcanzan una meseta, a menudo muy por debajo del 100%, ms all de que el progreso es muy lento y difcil. Una vez que se ha alcanzado una meseta tales, una mejora de la precisin de 3%por ejemplo, del 60% al 62% de precisin, es notable y requiere meses de trabajo, la aplicacin de una media docena de nuevas tcnicas de aprendizaje automtico para un vasto conjunto de datos nuevos, y el uso de enormes cantidades de recursos computacionales. Una mejora de 5% es notable, y una mejora de 10% es espectacular. Cabe tambin destacar que las tareas de estos ejercicios cada uno tiene un mbito de aplicacin muy estrechamente definido, en trminos de los tipos de informacin que el sistema puede extraer del texto o la imagen. En el estado actual de la tcnica, no sera razonable incluso para intentar tareas cognitivas abiertas, como ver una pelcula o leer un cuento, y responder a preguntas sobre lo que estaba pasando. Ni siquiera sera plausible de un proyecto, y no habra ninguna forma razonable de medir el grado de xito. razonamiento mundo real. Una de las categoras ms difciles de las tareas de inteligencia artificial es la automatizacin "razonamiento en el mundo real". Esto es ms fcil de explicar en trminos de ejemplos. Voy a empezar con ejemplos del razonamiento cientfico, porque la importancia del razonamiento cientfico para un equipo hiper-inteligente es difcil de rebatir. El sistema Wolfram Alpha es un logro extraordinario, que combina con una vasta coleccin de datos, una gran coleccin de tcnicas computacionales, y una sofisticada interfaz para aceptar consultas en lenguaje natural. Si le preguntas a Wolfram Alpha "Hasta qu punto era Jpiter desde Marte el 16 de julio 1604?" se obtiene una respuesta en cuestin de segundos-Supongo que la respuesta correcta. Sin embargo, est perplejo por tanto preguntas astronmicos ms simples, tales como: 1. Cundo es la prxima salida del sol sobre Aristarco crter? 2. Para un astrnomo cerca de Polaris, que es ms brillante, el sol o Sirius? 3. Hay alguna vez un eclipse lunar un da y un eclipse solar el prximo? Todo lo que Wolfram Alpha puede hacer es darle los hechos que conoce crter Aristarco, Polaris, Sirius, y as sucesivamente, con la esperanza de que algunos de los que sern de utilidad. Por supuesto, la informacin y las frmulas necesarias para responder a estas preguntas se encuentran todos en la base de datos de Wolfram Alpha, pero para estas preguntas, no tiene manera de poner los datos y las frmulas en conjunto, sino que ni

siquiera entiende las preguntas. (. El programa se hace eco de su comprensin de la cuestin - una muy buena caracterstica) La razn fundamental es que, detrs de los datos y frmulas, no hay una comprensin real de lo que est pasando, Wolfram Alpha tiene ni idea de que el sol se levanta sobre el luna, o que el sol puede ser vista desde distintos puntos astronmicamente definidos. No s lo que es un amanecer o lo que la luna es, sino que slo tiene una coleccin de datos y un conjunto de frmulas. Ahora, por supuesto, sera fcil suponer unas pocas horas de trabajo para los Wolfram Alpha gente agregue categoras de preguntas similares a (1) o (2) si pensaban que haba suficiente demanda de estos para hacer que valga la pena, el programa podra ser fcilmente extendido para calcular la salida y la puesta de cualquier cuerpo celeste desde cualquier ubicacin geogrfica en la Luna, adems de su ngulo en el cielo en cualquier momento, o para contar el brillo aparente de una estrella, visto desde cualquier otra estrella. Sin embargo, todava habra sencilla sin fin de formas que todava no haban pensado o molestado. Pregunta (3), el ms fcil para el lector humano, es mucho ms dif cil para automatizar debido a la cuantificacin de cationes en el tiempo, la cuestin no tiene que ver con lo que es verdad en un momento especificado, pero con lo que es verdadero en todo momento. En el estado actual de la tcnica sin duda sera di? Culto, probablemente sea imposible por razones prcticas, prorrogar Wolfram Alpha para manejar una categora razonable de preguntas similares a la pregunta. Una vez que se obtiene fuera de la gama de razonamiento cientfico y en la gama de la vida cotidiana, el problema de la razn se convierte en mucho ms fcil para las personas y mucho ms difcil para los ordenadores. Considere las siguientes tres preguntas: 4. Hay una botella de leche en mi campo de visin, y puedo ver a travs de l. Est lleno o vaco? 5. Me serv la leche de la botella a una jarra, y el pitcher ms deba. Qu es ms grande, la botella y el cntaro? 6. Puede que haya derramado accidentalmente cloro en el vaso de leche. La leche se ve bien, pero huele un poco raro. Puedo beber la leche, si tengo cuidado de no tragar el cloro? No hay programas que pueden responder a estos, o una mirada de problemas similares. Esta es el rea de razonamiento de sentido comn automatizado, a pesar de ms de cincuenta aos de investigacin, se ha hecho un progreso muy limitado en este sentido.

1.2 razonamiento del mundo real como un obstculo para otras tareas de IA. Razonamiento mundo real no slo es importante como un fin en s mismo, sino que es un componente importante de otras tareas de IA, incluyendo el procesamiento del lenguaje natural y la visin. Las Dificultades en la automatizacin de razonamiento en el mundo real por lo tanto, establece lmites a la calidad con la que estas tareas pueden llevarse a cabo. La importancia del conocimiento del mundo real para el procesamiento del lenguaje natural, y en particular para la concrecin de todo tipo, es muy bien conocido, sino que se discuti ya en 1960 por Bar-Hillel [1]. El punto es ilustrado vvidamente por esquemas Winograd [6]. Un esquema Winograd es un par de frases que di er en una o dos palabras, que contiene una ambigedad referencial que se resuelve de manera opuesta en las dos frases;? Por ejemplo, \ I vierte la leche de la botella a la copa hasta que fue [lleno / vaco] "para eliminar la ambigedad de la referencia." "correctamente - es decir, para darse cuenta de que" eso "debe referirse a la copa si la ltima palabra de la frase es \ full" y debe referirse a la botella si el ltimo palabra es "vaco" - requiere tener el mismo tipo de informacin acerca de "vertido" que en la pregunta (5) anterior, no hay otros indicios lingsticos. Muchas de las ambigedades de texto en lenguaje natural se pueden resolver utilizando reglas simples que son relativamente fciles de adquirir, pero una fraccin sustancial slo se puede resolver mediante una rica comprensin de la materia objeto de esta manera. Casi sin excepcin, por lo tanto, las tareas de lenguaje, donde se pueden desarrollar programas prcticamente exitosas son aquellas que pueden llevarse a cabo nicamente en trminos de manipulacin de las palabras individuales o frases cortas, sin intentar una comprensin ms profunda. Motores de bsqueda en la Web, por ejemplo, en esencia coincidir con las palabras de la consulta en las palabras del documento, sino que tienen criterios coincidentes sofisticados y reglas no lingsticas sofisticadas para evaluar la calidad de una pgina web. Watson, el campen de Jeopardy automatizado, de forma similar NDS frases en sus conocimientos de base cornisa que t la forma de la pregunta. El realmente la penetracin notable en Watson es Jeopardy que se puede resolver utilizando estas tcnicas, pero las tcnicas desarrolladas en Watson no se extienden a la comprensin de texto en un sentido ms amplio. La importancia del conocimiento del mundo real para la visin es algo menos apreciado, ya que en la interpretacin de imgenes simples que muestran un objeto en el centro, el conocimiento del mundo real es slo de vez en cuando es necesario o til. Sin embargo, a menudo se vuelve importante en la interpretacin de imgenes complejas, y es a menudo

inevitable en la interpretacin de vdeo. Considere, por ejemplo, la imagen de la cocina desordenado en la figura 1.

Podemos ver que la planta muerta est colgando de algn tipo de apoyo en la parte superior de la ventana, tal vez una barra de la cortina, que el objeto blanco en el borde izquierdo es un refrigerador, que las cuatro botellas en el contador que est vaco, que la objeto rectangular en el contador es un horno tostador y as sucesivamente. Pero las pistas visuales que son realmente en la imagen son bastante ligero, gran parte de esto se infiere. (La barra de la cortina, por ejemplo, es completamente invisible.) La necesidad de conocimiento del mundo en el vdeo es an ms fuerte. Piense en alguna breve escena de una pelcula con un fuerte impacto visual, poco dilogo y una situacin inusual o complejo - el escenario con la cabeza del caballo en El Padrino, por ejemplo, o la escena del espejo en Sopa de ganso, o la escena de la noche-gafas de visin en el silencio de los corderos, y

pensar en los procesos cognitivos que estn implicados si se intenta explicar lo que est sucediendo. Comprender cualquiera de estos slo es posible con un rico acervo de conocimientos previos. 1.3 Resumen de la presente y sus implicaciones para el futuro. Para resumir la discusin anterior: Para la mayora de las tareas en la visin automatizada y procesamiento del lenguaje natural, incluso tareas muy estrechamente definidas, la calidad de los mejores software tiende a estabilizarse en un nivel muy por debajo de las capacidades humanas, aunque hay excepciones importantes. Una vez que se ha alcanzado una meseta tal, conseguir mejoras adicionales a la calidad es generalmente extremadamente difcil y extremadamente lento. Para ms abierta o definidos ms ampliamente las tareas en la visin y el lenguaje natural, ningn programa puede tener xito remotamente comparable a las capacidades humanas, a menos que la tarea puede llevarse a cabo nicamente sobre la base de las caractersticas superficiales. El estado de la tcnica para la automatizacin de razonamiento en el mundo real es muy limitada, y la fraccin de razonamiento del mundo real que se ha automatizado es muy pequea, a pesar de que es difcil de medir significativa El uso del razonamiento en el mundo real es inevitable en prcticamente todas las tareas de lenguaje natural de cualquier sofisticacin y en muchas tareas de visin. En el estado actual de la tcnica, el xito en tales tareas slo puede lograrse en la medida en que las cuestiones de razonamiento del mundo real pueden ser evitados.

Quisiera hacer hincapi en que lo anterior no son las amargas divagaciones de un pesimista nay-decir, lo que es simplemente el estado reconocido de arte, y cualquier persona que hace la investigacin en el campo de toma esto como un hecho. Y el futuro? Ciertamente, el presente no da muy buena informacin sobre el futuro, pero es toda la informacin que tenemos. Ciertamente, es posible que algunos avances conceptuales sern completamente transformar el estado de la tcnica, y dar lugar a avances impresionantes. Yo no veo ninguna manera de adivinar la probabilidad de eso. En ausencia de eso, me parece muy poco probable que una combinacin de la potencia de clculo, "Big Data", y los avances incrementales en las tcnicas que actualmente tenemos dar lugar a un cambio radical. Sin embargo, que sin duda es una opinin discutible y hay quienes estn en desacuerdo. Uno puede reunir argumentos a ambos lados, pero las incgnitas aqu son tan grandes que no veo que el debate sera de ninguna manera til. En

resumen, hay poca justificacin para la creencia de que estas limitaciones no sern superados en los prximos dos decenios, pero me parece que no es un catin an menos justificacin para la creencia de que van a ser. Mi propia opinin es que el intento de lograr capacidades a nivel humano en las tareas de IA en general, y para automatizar una gran parte del razonamiento en el mundo real, en particular, en este punto debe ser visto como una empresa de alto riesgo y alta rentabilidad, comparable a SETI o reactores de fusin. 2 Juntos paso a paso IA Tambin existe la posibilidad de que algn tipo de singularidad puede llevarse a cabo sin necesidad de equipos se acercan a las capacidades a nivel humano en tareas tales como la visin y el lenguaje natural. Despus de que todas estas tareas fueron elegidos especficamente porque los seres humanos son particularmente buenos para ellos. Si las abejas decidieron evaluar la inteligencia humana en trminos de nuestra capacidad de polen y comunicar su ubicacin, entonces no cabe duda que nos encontrara impresionante. Desde ese punto de vista, el lenguaje natural, en particular, puede ser sospechoso, el hecho de que una especie de auto-importantes de gran primate invierte una fraccin desproporcionada de sus energas en parloteo complicada no debe, tal vez, ser tomado como una gua para otras criaturas inteligentes . Hasta cierto punto, esto depende de lo que se est discutiendo tipo de singularidad. Ciertamente se puede imaginar una coleccin de ordenadores superinteligentes pensar y hablar entre s acerca de los conceptos abstractos que van ms all de nuestro alcance sin que ninguna visin, el lenguaje natural, o el razonamiento en el mundo real. Sin embargo, parece seguro decir que la mayora de las visiones de la singularidad implican algn alto grado de dominio tecnolgico y cientfico. Capacidad de lenguaje natural puede de hecho ser irrelevante aqu, til slo para comunicarse con los seres humanos como tal permanecen. La habilidad para interpretar una imagen visual o el vdeo parece claramente til, aunque la capacidad sustancialmente inferior a las personas de ser suficiente. Sin embargo, la comprensin de la realidad un poco a lo largo de las lneas de comprensin de la gente, sin duda, parece ser una condicin sine qua non. Por lo que sabemos, si usted no tiene el aparato conceptual que ser capaz de responder a preguntas como: "Hay alguna vez un eclipse lunar en un da y un eclipse solar en la prxima?" entonces sin duda no se puede entender la ciencia, y es casi seguro que estar limitado en su capacidad para disear tecnologa. Ahora es concebible, supongo, que los equipos puestos singularidad tendrn alguna forma alternativa de acercarse a la ciencia que no

incluye lo que podramos considerar "conocimiento real" pero no obstante do ces para que puedan construir maravillas tecnolgicas, pero, lo hace no parece probable. Otras vas posibles a super-inteligencia se han sugerido. Una mquina de + poderosa inteligencia general podra auto encontrar la manera de llevar a cabo tareas de IA. O una mquina de inteligencia general menor primero podra encontrar la manera de hacerse ms inteligente, y luego cuando se hizo lo suficientemente inteligente, encontrar la manera de hacer las tareas de IA. Todo lo que puedo decir acerca de estos escenarios es que no he ver nada en la literatura de aprendizaje automtico que sugiere que estamos ni cerca de eso, o nos dirigimos en esa direccin. O con los avances en la neurociencia, podra ser posible construir una emulacin del cerebro humano, y entonces, si hacemos un par de rdenes de magnitud ms rpido o ms grandes, tenemos un superbrain. Al parecer, podemos estar bastante cerca de ser capaz de hacer esto en trminos de potencia de clculo sencilla, la diferencia principal est en la neurociencia. Una vez ms, esto es posible, pero no parece ser en absoluto inminente. Sin embargo, otra posibilidad sera tener un "humano en el proceso", en la lnea de amazon.com 's "Mechanical Turk". Uno puede imaginar una civilizacin de las computadoras y las personas, donde los equipos piensan en la gente como una especie de vidente, en la mayora de las cosas, bastante estpida y ridculamente lento, pero poseedor de una habilidad sper equipo extrao para interpretar las imgenes, y de una misteriosa visin que ellos llaman "razonamiento en el mundo real". En realidad, no estoy seguro de que puedo imaginarlo, pero puedo imaginar que alguien pudiera imaginar. Esa fantasa de segundo orden, me parece un buen punto de parada como cualquier otro para este ensayo.