Créditos: [ 1 ]
“…es la escala de la física donde surge la vida, pero esa vida en sí misma es un fenómeno más amplio que se repite en diferentes escalas, desde la química hasta las células y las sociedades, que en general se refiere a las interacciones de la información (una propiedad abstracta) con la materia”. [ 2 ]
In Parte 1 de esta serie discutí cómo la inteligencia artificial (IA) ha avanzado hasta el punto en que crea nuevos datos para el análisis, abstrae los conocimientos de los datos sintéticos y asume gran parte del papel cognitivo previamente reservado para los humanos. En Parte 2 de la serie profundizamos en los conceptos de abstracción, conocimiento y datos sintéticos e introdujimos la posibilidad de que la IA supere las capacidades humanas. En esta Parte 3, discuto cómo debemos volver a examinar la creatividad para que los humanos continúen agregando valor frente a los avances en IA. Evolution ha programado amablemente a todos los niños pequeños (que no se mueren de hambre) para que sean naturalmente creativos como parte de su instinto de explorar, repetir y aprender. Mucha investigación muestra que esta creatividad se programa fuera del niño a través de la educación formal cuando el niño llega al 12º grado. Dar forma a la creatividad para el siglo XXI implica el reconocimiento de que la era industrial y su(s) modelo(s) de creación de riqueza prácticamente han terminado. El antiguo conjunto de sistemas, prácticas y cultura que dio forma a los increíbles avances humanos en los últimos tres siglos necesita ser reexaminado, cuestionado y probablemente archivado. Con suerte, este artículo comienza con tal examen.
Creatividad
La mayoría de nosotros nunca ha tomado un curso de creatividad y pocos lo han estudiado. Mi experiencia con los estudiantes es que la mayoría no puede definir la creatividad. Nunca he encontrado un estudiante que conozca la diferencia entre imaginación y creatividad. La mayoría de las personas, cuando se les pide que den un ejemplo de creatividad, ofrecen una canción, una obra de arte o quizás una película como ejemplos. Pocos ofrecen ejemplos de matemáticas, ciencias o ingeniería. El hecho de no enseñar la creatividad y comprender su importancia en las matemáticas, las ciencias, la ingeniería y las ciencias sociales es especialmente preocupante en este momento de la historia en el que los seres humanos se enfrentan por primera vez a una posible extinción.
La científica cognitiva Margaret Boden define tres tipos de creatividad [ 3 ]. La primera es una “combinación novedosa” de componentes o variables existentes. Creo que esto es lo que Einstein quiso decir con "juego combinatorio", que puede haberse derivado de la noción de Poincaré de que la invención primero era la selección de alternativas creativas. Las otras dos definiciones de creatividad de Boden se refieren a (1) “espacios conceptuales [o] estilos estructurados de pensamiento” derivados de la(s) cultura(s) propia(s) y (2) la exploración de estos espacios. No veo valor añadido en los “espacios conceptuales” de Boden. Un espacio conceptual tiene ciertos “componentes” o “variables” que se pueden redefinir o cambiar. Boden y yo estamos de acuerdo en que esta naturaleza componente de la creatividad se presta a enfoques como la IA. Además, estamos de acuerdo en que el argumento sobre si la inteligencia artificial es "creativa" no es importante. La IA está produciendo resultados novedosos que tienen valor. Si la computadora tuvo un propósito en la búsqueda de la novedad es realmente de poca importancia excepto para los filósofos. Sin embargo, la cuestión de si las computadoras están expandiendo su capacidad para reemplazar a los humanos es muy real. Sin embargo, creo que un problema o una pregunta no se entiende correctamente hasta que se expresa de manera positiva. Por lo tanto, la mejor pregunta es: ¿cómo serán los humanos creativos y crearán valor... en un futuro donde las computadoras y la inteligencia artificial dupliquen cada vez más la capacidad humana?
Si este contenido educativo en profundidad es útil para usted, suscríbase a nuestra lista de correo de IA ser alertado cuando lancemos nuevo material.
Investigación e innovación
Como era de esperar, la IA no se detiene y cada avance importante parece publicitarse masivamente para promover la tecnología, atraer capital, promover el precio de las acciones o todo lo anterior. Todos estos avances se basan en dos características de la inteligencia artificial: la capacidad de la computadora para (1) reconocer patrones típicamente con el propósito de (2) predecir. Los avances suelen identificar patrones más complejos y cada vez más proporcionan la base para nuevos conocimientos, conocimientos y comprensión sobre temas complicados. Juergen Schumidhuber lo expresa bien:
“Dado que las explicaciones breves y sencillas del pasado suelen reflejar cierta regularidad repetitiva que también ayuda a predecir el futuro, todo sistema inteligente interesado en lograr objetivos futuros debería estar motivado para comprimir la historia de entradas sensoriales en bruto en respuesta a sus acciones, simplemente para mejorar su capacidad de planificar con anticipación”. [ 4 ]
Por supuesto, esta "regularidad repetitiva" es el mismo comportamiento exploratorio e iterativo con el que los humanos fueron programados a través de la evolución como base para la forma en que aprendemos. Este tipo de comportamiento fue documentado por Piaget y muchos otros investigadores. Sin embargo, se debe reconocer que el reconocimiento de patrones por sí solo rara vez es valioso y aquí radica la importancia continua en el papel de los humanos. Es en el enfoque en el papel de los humanos en esta búsqueda asistida por IA de patrones novedosos que redefinimos tanto el aprendizaje como la investigación y aclaramos el valor agregado humano. A lo largo de esta serie de artículos en tres partes, he vuelto constantemente a cuestiones de epistemología y metafísica. Respectivamente, cuál es nuestra teoría del conocimiento y qué es real (realidad). Creo que el concepto histórico de la realidad desarrollado en el siglo XVII por Descartes, Spinoza, Leibniz y otros está desactualizado y un concepto actualizado nos permitirá hacer un mejor uso creativo de la IA para producir resultados innovadores. Siempre he abogado por un concepto moderno de la realidad basado en la física cuántica, la ciencia de la complejidad y el pensamiento sistémico.
La ironía es que las herramientas de IA que tenemos disponibles son más adecuadas hoy en día para esta metafísica actualizada que los humanos. Si miramos lo que sabemos [ 5 ]:
(1) La creatividad es la combinación de componentes existentes en nuevas formas. Este concepto no es más que el reconocimiento de que la realidad se basa en componentes subatómicos y atómicos que se combinan para crear todo, desde moléculas hasta sistemas humanos y artificiales.
(2) El concepto de síntesis de Herbert Simon nos mostró que estos componentes naturales y artificiales pueden combinarse “creativamente” en combinaciones novedosas para resolver problemas.
(3) John Holland nos ayudó a darnos cuenta de que gran parte de la naturaleza y los sistemas hechos por el hombre pueden entenderse a partir de un número limitado de reglas o leyes. “Esta novedad perpetua, producida con un número limitado de reglas o leyes, es una característica de la mayoría de los sistemas complejos: el ADN consiste en cadenas de los mismos cuatro nucleótidos, pero no hay dos humanos exactamente iguales; los teoremas de la geometría euclidiana se basan en solo cinco axiomas, sin embargo, todavía se derivan nuevos teoremas después de dos milenios; y así es para los otros sistemas complejos”. [ 6 ]
(4) Capra y Luisi completan el trabajo preliminar necesario mostrándonos que todas las dimensiones de la vida humana son sistemas que son redes complejas no lineales. “Una característica central de la visión sistémica de la vida es su no linealidad: todos los sistemas vivos son redes complejas, es decir, altamente no lineales; y existen innumerables interconexiones entre las dimensiones biológica, cognitiva, social y ecológica de la vida”. [ 7 ]
Cuando digerimos este resumen, vemos todas las partes de la creatividad computacional, como se define a continuación:
“La perspectiva combinatoria nos permite modelar la creatividad como un proceso de búsqueda a través del espacio de combinaciones posibles. Las combinaciones pueden surgir de la composición o concatenación de diferentes representaciones, o a través de una transformación basada en reglas o estocástica de representaciones iniciales e intermedias”. [ 8 ]
La IA es ideal para modelar este entorno computacional natural.
Historia economica
Quiero introducir el concepto de innovación ahora porque quiero dejar claro que la creatividad tiene poco valor si no se puede convertir en invención (un proceso tangible, método, composición o diseño) [ 9 ] y luego se ofreció a crear valor en la vida de las personas. Parafraseando al legendario economista Joseph Schumpeter, “la innovación es una invención comercializada”. El debate sobre la innovación vuelve a centrar la atención en la humanidad y en la solución de los problemas de las personas. Enfrentamos problemas de enormes proporciones este siglo en el medio ambiente, una "guerra fría" con China, el problema de la desigualdad de riqueza y los "determinantes sociales" que afectan todos los problemas sociales. Debido a la magnitud de estos problemas y al mundo cada vez más interconectado en el que vivimos, la necesidad de nueva ciencia e ingeniería es primordial. Pero también quiero dejar en claro que los días de la "ciencia por la ciencia" básicamente han terminado, como lo demuestra el enfoque estratégico de la Fundación Nacional de Ciencias (NSF) en la traducción: llevar la ciencia y la ingeniería innovadoras al mercado. La NSF se fundó en 1950 para definir la estrategia de investigación nacional de EE. UU. y financiarla. A lo largo de los años, la NSF ha enfatizado cada vez más la comercialización de la investigación para lograr un impacto social y económico escalable. La NSF también reconoce el carácter multidisciplinar de los problemas actuales [ 10 ] y la necesidad de integrar la IA en la investigación y las soluciones comercializadas [ 11 ].)
Lo que nos damos cuenta es que a medida que la nueva ciencia se volvió más clara, también lo hicieron los problemas: cómo aprovechar la naturaleza combinatoria de los componentes naturales y artificiales para crear soluciones. Como predice Bryan Arthur, las herramientas parecen resolver los problemas de los tiempos y el aprendizaje automático, las redes neuronales y los algoritmos genéticos son ejemplos de las herramientas necesarias para producir estas soluciones combinatorias. Incluso tenemos redes neuronales gráficas para comprender mejor la conectividad biológica y social. Antes de ponernos demasiado eufóricos, hagamos una pausa y consideremos lo que está sucediendo en la economía.
Schumpeter, Thomas Kuhn, Carlotta Perez y muchos otros han investigado las revoluciones científica e industrial. Uno de mis investigadores favoritos es Nikolai Kondratieff, economista ruso, quien describió las olas o ciclos de innovación tecnológica [ 12 ], Como se muestra abajo.
El hombre comenzó a satisfacer necesidades y crear valor económico utilizando materias primas y herramientas primitivas. Este modelo económico de creación de riqueza duró hasta el siglo XVIII, cuando se introdujo la energía como insumo para aumentar la eficiencia y la velocidad de producción. A través de la introducción de múltiples formas de energía y tecnologías relacionadas, aumentamos el alcance de la innovación hasta el final de la Segunda Guerra Mundial. Financiadas por las necesidades de la guerra, las computadoras surgieron como herramientas comerciales en los años 18 y 1960. Basado en la teoría de la información de Claude Shannon y la propensión natural a la creación de redes, las computadoras generaron un nuevo modelo de creación de riqueza basado en la información. Había comenzado la sustitución de la energía, la tierra y los materiales como insumos económicos clave. La informática avanzó rápidamente a medida que la gente se dio cuenta del valor de la información y la ventaja competitiva que se derivaba. Aproximadamente a partir de 1970, los investigadores y la industria se dieron cuenta de que la IA lanzada en Dartmouth en 2005 solo necesitaba más datos y no más poder de cómputo para tener un valor científico, económico y social real. La IA comenzó a aplicarse a nuevos campos como la química sintética, la biología computacional y, finalmente, la producción de sus propios datos sintéticos. Hoy podemos reemplazar la materia y los alimentos con materiales sintéticos, modelar los procesos de producción de manera predictiva para reducir el consumo de energía y aumentar la eficiencia y utilizar datos sintéticos para brindarnos nuevos conocimientos en biología molecular, genética, ciencia de materiales y una amplia gama de otros campos. Efectivamente, Ha surgido un nuevo modelo económico para la creación de riqueza, Synthesis, que utiliza IA para dar forma a los datos como entradas, salidas o ambas en muchos tipos diferentes de nuevos sistemas, procesos y plataformas. para crear y diseñar nuevas soluciones a viejos problemas y nuevos problemas recién descubiertos a través de IA y datos sintéticos. Otra forma popular de ver este nuevo modelo de creación de riqueza es como la fusión de lo físico, lo natural y lo digital en un sistema de información, una versión actualizada del seminal "It to Bit" de John Wheeler (que se explicó en la Parte 2 de este serie de artículos).
Si combinamos esta lección de historia económica con el resumen anterior sobre el estado de la ciencia, la creatividad y la innovación, podríamos diseñar un plan para el futuro basado en los siguientes conceptos:
(1) Cada problema es ahora un problema de información.
(2) La enseñanza de las ciencias, la ingeniería y las matemáticas debe basarse en la física cuántica, la complejidad y el pensamiento sistémico.
(3) La complejidad inherente a los sistemas naturales y artificiales se presta a un enfoque multidisciplinario del aprendizaje, la investigación y la innovación.
(4) La IA aplicada es un componente clave de cualquier enfoque multidisciplinario de la investigación, la comprensión de la complejidad de los problemas y el desarrollo de la innovación necesaria.
(5) Los problemas existenciales que enfrenta la humanidad provocan la necesidad de comercializar la investigación científica; el sector privado tiene vastos recursos para aportar para resolver los problemas. La urgencia de los problemas requiere algo más que la responsabilidad del gobierno y las ONG por los problemas.
A muchos les preocupa que la IA elimine trabajos humanos y otro grupo está preocupado por el sesgo discriminatorio en los datos que la IA necesita para operar. Otro grupo está preocupado por el mayor uso de electricidad y los problemas ambientales de los dispositivos de almacenamiento de datos relacionados. Muchos grupos denuncian estos problemas y los tontos políticos de ambos lados solo echan leña al fuego. Cada tecnología desde la máquina de vapor ha tenido consecuencias positivas y negativas y hemos logrado canalizar creativamente estas tecnologías para mejorar el nivel de vida. Sin embargo, los avances también nos han puesto al borde de la extinción a medida que continuamos agotando los recursos finitos del planeta.
El célebre filósofo francés Michel Foucault dijo: “Para hacer lo imposible, tienes que ver lo invisible”. Es en la capacidad humana para el reconocimiento de patrones, la analogía y la percepción que encontraremos las soluciones creativas a los problemas de hoy. La IA simplemente respaldará estos esfuerzos acelerando el análisis, la determinación de los hallazgos y la capacidad de predicción. El problema real es si podemos canalizar la IA para ayudar a encontrar las soluciones a tiempo.
Confío en que continuaremos desarrollando nuevos algoritmos, lo que requerirá que enseñemos más matemáticas, estadísticas y aprendizaje automático aplicado a los niños a una edad más temprana. Estos nuevos algoritmos producirán nuevos conocimientos en ciencia, medicina y estudios ambientales. Este nuevo conocimiento conducirá a soluciones tecnológicas nuevas y creativas a los problemas y muchas de estas soluciones serán enfoques basados en componentes, frecuentemente a escala nanométrica. Tengo la esperanza de que este conocimiento extenderá en gran medida la esperanza de vida y finalmente nos permitirá mejorar el nivel de vida de las personas que se han quedado atrás durante demasiado tiempo. A medida que avanzan la computación cuántica y la energía nuclear, soy aún más optimista sobre este pronóstico.
El mayor riesgo para mi optimismo es el aumento de los desastres naturales y la continua degradación del medio ambiente. Los humanos probablemente sobrevivirán gracias a las nuevas tecnologías, pero la calidad de vida podría cambiar o reducirse drásticamente. También amenaza mi optimismo la creciente incidencia de la dictadura y el extremismo. Esta forma de gobierno sofoca la innovación y suprime el deseo natural de mejora de las personas. Los acontecimientos recientes en China y Ucrania son ejemplos de las consecuencias negativas de la dictadura. Necesitamos un mejor entorno geopolítico si vamos a tener alguna posibilidad de abordar adecuadamente los problemas ambientales. Sin la interferencia del gobierno, el empoderamiento individual, la creatividad y la innovación pueden florecer para resolver los problemas de la época. Idealmente, para todos.
No podemos resolver nuestros problemas con el mismo pensamiento que usamos para crearlos.
- Albert Einstein
Referencias
[ 1 ] Incapacidad para mejorar el pensamiento crítico por Ben París
[ 2 ] Arquitectura informacional a través de colectivos vivos y no vivos por Hyunju Kim, Gabriele Valentini, Jake Hanson y Sara Imari Walker
[ 3 ] ¿Pueden los modelos informáticos ayudarnos a comprender la creatividad humana? por Margaret Boden
[ 4 ] Impulsado por el progreso de la compresión: un principio simple explica los aspectos esenciales de la belleza subjetiva, la novedad, la sorpresa, el interés, la atención, la curiosidad, la creatividad, el arte, la ciencia, la música y los chistes por Jürgen Schmidhuber
[5] Gran parte del siguiente párrafo se desarrolló con más detalle en Parte 1 y Parte 2 de esta serie de artículos.
[ 6 ] Complejidad: una introducción muy breve por John H. Holanda
[ 7 ] La visión sistémica de la vida de Fritjof Capra y Pier Luigi Luisi
[ 8 ] Creatividad Computacional
[ 9 ] Oficina de Patentes y Marcas de Estados Unidos
[ 10 ] Fundación Nacional de Ciencias
[ 11 ] Desarrollando la fuerza laboral de ciencia de datos del siglo XXI
[ 12 ] Ola de Kondratiev
Este artículo se publicó originalmente el Mediana y re-publicado a TOPBOTS con permiso del autor.
¿Disfrutas este artículo? Regístrese para obtener más actualizaciones de investigación de IA.
Le informaremos cuando publiquemos más artículos de resumen como este.
Relacionado:
- Distribución de relaciones públicas y contenido potenciado por SEO. Consiga amplificado hoy.
- Platoblockchain. Inteligencia del Metaverso Web3. Conocimiento amplificado. Accede Aquí.
- Fuente: https://www.topbots.com/generative-ai-new-approach-to-research-innovation-and-entrepreneurship/
