Matthew Cook, un investigador del Instituto de Neuroinformática en Zurich, mostró esto en un informe auto-publicado de 2004, escrito cuando era profesor en el Instituto de #Tecnología de California. Pensar en los estudios de cocina: cómo funciona, cómo se estructura y cómo evoluciona en respuesta al mundo exterior. La construcción de "redes neuronales" simples diseñadas para resolver problemas específicos puede ayudar a los investigadores a modelar el proceso de pensamiento en el cerebro o avanzar hacia una inteligencia artificial más inteligente .

Para ser claros:

Estas redes neuronales no implican unir ninguna neurona real .

En cambio, son grupos de nodos simulados, o neuronas modelo, en una computadora [VIDEO]que pueden interactuar entre sí al fortalecer y debilitar sus conexiones. Estas redes han demostrado tener un gran talento para abordar, comprender y resolver problemas complejos incluso sin información previamente programada.

Cuando Cook construyó una red de dos nodos, descubrió que, en comparación con los seres humanos o un algoritmo sofisticado y dedicado, tenía más talento para pilotar una #Bicicleta en un pequeño simulador de física, a pesar de no obtener información directa sobre cómo para llevarlo a cabo.

Diseño del algoritmo

Todo el mundo algoritmo, humano o red neuronal que intentó pilotar la bicicleta obtuvo la misma información y medios de control. Podían ver la velocidad de la bicicleta, su dirección, su posición en el espacio, el ángulo de su manillar y lo lejos que se inclinaba hacia un lado u otro.

Y podían empujar y tirar del manillar y aplicar un par de torsión a la rueda trasera que simulaba pedalear.

Primero, el algoritmo obtuvo su turno. Cook lo construyó para elegir un "movimiento" momento a momento en términos de "qué pasaría si", estudiando todos los posibles resultados de cada movimiento posible: ¿Qué movimiento mantendrá a la bicicleta en posición vertical? ¿Qué movimiento lo mantendrá moviéndose en línea recta? ¿Moviéndose rápido?

Pero el algoritmo fue malo al tratar de hacer más de una cosa a la vez. Cuando se le dijo que se concentrara en mantenerse erguido, Cook escribió que harían "trucos" extraños, girando el mango en círculos y no avanzando hacia adelante. Cuando se le dijo que se moviera en línea recta, pedalearía hacia adelante por un momento antes de caerse. Y cuando se le dice que se concentre en la velocidad, "lanzará" la bicicleta de lado a lado para generar pequeños saltos de velocidad.

De todos modos, Cook escribió, tal algoritmo sería inútil en el mundo real, donde no podría predecir el futuro lo suficientemente bien como para hacer buenos juicios.

Luego, los humanos [VIDEO]dieron un giro, controlando el movimiento de la bicicleta con un teclado y mirándolo en una pantalla.

"Había pensado que, sabiendo perfectamente cómo montar una bicicleta en la vida real, no habría ningún problema en la simulación", escribió Cook.

Pero descubrió que, sin las sensaciones físicas de andar en bicicleta en el mundo real, la tarea era mucho más contradictoria y complicada de lo que esperaba.

"Incluso pensé al principio que debe haber un error en el simulador, ya que para girar a la derecha encontré que tenía que empujar el manubrio hacia la izquierda", escribió. "Por supuesto, si te paras a pensar sobre eso, eso es exactamente correcto. Para girar a la derecha, la bicicleta tiene que inclinarse hacia la derecha, y la única forma de hacerlo es cambiar el punto de contacto con el suelo hacia la a la izquierda, lo que requiere un empuje inicial hacia la izquierda ".

Aún así, Cook pudo aprender a pilotar la bicicleta razonablemente bien. Y otras personas que probaron el programa lo descubrieron también. Basándose en su propia experiencia y en las descripciones que otros jugadores le dieron de sus estrategias, Cook construyó una red simple de dos nodos que sintió que podría aprender a andar en bicicleta.

La primera neurona en la red detecta el mundo de la bicicleta y dónde se le indicó que tome la bicicleta. También decide qué tan lejos quiere que la bicicleta se incline y en qué dirección. Luego, la neurona envía esa información a la segunda neurona de la red, que tiene control directo sobre la bicicleta y decide qué hacer con esos controles para hacer que esa inclinación se produzca.

Inmediatamente, este sistema simple retomó la tarea y resolvió los parámetros que necesitaba para llevar la bicicleta adonde se lo habían indicado. A velocidades muy lentas, se volvió inestable, pero mientras la bicicleta tuviera una buena corriente de vapor, podría pilotar por caminos muy complejos.

El próximo paso para este tipo de proyecto, escribió Cook, sería construir redes que no solo respondan a los estímulos, sino que desarrollen y refinen "creencias": ideas sobre por qué necesitan hacer ciertas cosas para llevar a cabo sus tareas, no simplemente reflejos simples que les permiten hacerlo.