¿Qué características del cerebro humano lo hacen una máquina cognoscente? Es la pregunta que trataremos de responder explorando ideas en filosofía, neurociencias y computación. Primeramente tratemos de enmarcar lo que es conocimiento, considerando a Hofstadter y Hawkins podríamos decir que conocemos mediante un sistema (neuronal) de representaciones que tiene como motor de cognición la analogía, o mapeo de características (importantes), o isomorfismo estructural; que busca capturar la esencia de los sistemas dinámicos naturales con el propósito de hacer predicciones de eventos y así poder cumplir con las directivas de supervivencia dictadas por la evolución. En otras palabras, un sistema conoce “algo” si es que puede almacenar una representación que le permita predecir cómo se comportará ese “algo”.
Es natural preguntarse, ¿cuánta información necesita esa representación para cumplir efectivamente con su propósito?. En otras palabras, necesitamos estimar de alguna manera cuán grande debe ser el conjunto de variables que me permita almacenar los estados pertinentes de un sistema dado. O más crítico aun, saber si el conjunto de variables es finito o no.
Si quisiéramos “conocer” todo el universo, un enfoque simple e ingenuo para capturar una representación completa sería el de guardar “toda” la información del universo en una especie de correspondencia uno-a-uno, lo cual en la práctica es imposible. Esto se puede resumir en la paradoja de que no podemos construir una simulación del universo, a menos que la simulación este fuera del universo, ya que de otra forma, la simulación como parte de este universo, debería incluir la información de sí misma en el proceso, lo cual produciría una recursión infinita.
Entonces, ¿es inútil tratar de conocer el universo?, no necesariamente. Muchas veces cuando se analizan las señales en sistemas analógicos, uno se encuentra con que de todas las señales posibles, solo ocurre un pequeño conjunto de ellas, algo que en algunos casos se denomina codificación esparcida. Lo cual podría asociarse con la interpretación en física de la flecha de tiempo entrópica. Dado que la entropía siempre crece, esta determina la dirección del tiempo ya que la probabilidad de los estados de “orden” en un sistema dado es mucho más alta que la probabilidad de los estados de “desorden”. En otras palabras, orden y esparcidad están asociados, lo cual nos beneficia al garantizar de alguna forma que podemos usar representaciones compactas para conocer el universo. Aunque al mismo tiempo, nos dicta la sentencia de que mientras más cerca estemos de la muerte entrópica del universo, la única forma efectiva de conocerlo será mediante la correspondencia uno-a-uno.
Ahora veamos como nuestra corteza cerebral, un dispositivo que en apariencia está limitado por el espectro de percepción sensorial que nos dio la evolución puede zafarse de sus cadenas para empezar a volar casi libremente por el espacio de abstracciones posibles. La clave está en la naturaleza jerárquica de la neocorteza. Imaginemos por un momento que tenemos una jerarquía de 2 niveles (la neocorteza tiene más niveles), funcionando bajo el mismo algoritmo de aprendizaje. Donde el primer nivel, la base, esta exclusivamente conectado a nuestra entrada sensorial, nuestros sentidos. Este primer nivel se encarga de almacenar representaciones y secuencias (sistemas y su dinámica) de entidades naturales físicas en el ámbito de nuestro espectro sensorial. Pero ¿qué ocurre, cuando la información del primer nivel se pasa y es procesada por el segundo nivel?. Ocurre que el segundo nivel puede reconocer y procesar diferentes entidades naturales produciendo una abstracción en base a varias instancias físicas (o incluso solo una). En la naturaleza no existe un círculo ideal, pero después de procesar diferentes entidades con esta forma, los niveles superiores de la neocorteza producen esta abstracción, lo siguiente en surgir es la capacidad para generalizar características, esta vez yendo del segundo nivel hacia el primero, se aplica la abstracción hacia una nueva entidad física reconocida por el primer nivel y se ve si hay respuesta neuronal lo suficientemente fuerte o no como para atribuirle una característica determinada.
Teniendo la capacidad para abstraer características y generalizarlas a nuevas instancias, podemos conocer parte del mundo natural. Pero solo es conocer el mundo con una cierta “resolución”, una especie de foto borrosa donde solo podemos distinguir ciertas características importantes. Para dar el salto cognitivo más halla de nuestro espectro sensorial y estar en condiciones de asimilar entidades antes desconocidas, creo que la respuesta está en la definición de operadores para transformar abstracciones y capacidad de computo. Creando así, una especie de aritmética del conocimiento. Trataré de resumir la idea en el siguiente ejemplo, ¿cómo podemos conocer el conjunto de los números naturales, a partir de una percepción limitada que solo perciba un pequeño intervalo?
Digamos que solo percibimos el conjunto {1,2,3}, para conocer el resto de los números solo necesitamos definir el operador “+” (suma) y a partir de allí realizar cómputos con lo que percibimos inicialmente. Los operadores son agentes de cambio que encajan dentro de la dinámica que la neocorteza puede detectar, las secuencias de cambios que llevan un sistema de un estado a otro. Las nuevas entidades producidas por los cómputos, no las podemos “conocer” o percibir tan fácilmente, nadie tiene una representación natural directa del número 1000000, pero gracias a las matemáticas, podemos realizar los cómputos y manipular estas nuevas entidades más fácilmente. En última instancia, lo que tratamos de hacer para entender mejor, es recurrir a una analogía adecuada que sí podamos conocer directamente, es más fácil hablar de 1000000 y 2000000 si hacemos la analogía con el 1 y el 2. Estas nuevas entidades construidas son, cada una, un conjunto de percepciones básicas, operadores y cómputo acumulado. Entidades que luego son etiquetadas de alguna forma, por el lenguaje o digamos las matemáticas para permitir un manejo y procesamiento mecanizado. Alguna vez te has preguntado ¿qué entiendes por "un millón"? problamente sea sólo una "etiqueta" en tu mente, una frase o un número del cual no tienes una representación mental más explícita con la cual puedas asociarlo directamente, si te pido que lo representes sin usar la etiqueta "un millón", te darás cuenta que nunca lo has manipulado directamente (no valen billetes devaluados con esa denominación, es solo una analogía) y probablemente tendrías que empezar a hacer cómputo empezando a dibujar un millón de circulos o buscar una foto de una galaxia. Mucho en nuestras mentes son solo etiquetas (linguísticas o matemáticas) de las cuales no tenemos una percepción o representación básica basada en un evento real o apreciable directamente en la naturaleza.
Con esta explicacion, trato de esbozar un nivel elemental de cognoscencia que incluso está por debajo del lenguaje, la lógica y la matemática y a partir del cual, un sistema como el nuestro, con limitaciones sensoriales, puede conocer cada vez más allá de sus sentidos y trascender ...
No hay comentarios:
Publicar un comentario